Co nám (ne)řeknou regionální statistická data? Jakub Fischer Brno,
Obsah přednášky Požadavky na kvalitu statistických ukazatelů Rostoucí význam regionálních ukazatelů Problémy konstrukce a interpretace různých typů regionálních ukazatelů Nové poznatky: regionální cenové hladiny a regionalizace HDP Kompozitní indikátory (nejen) v regionálním srovnávání 2
Požadavky na kvalitu statistických dat Relevance – potřeba vystihnout sledovaný jev (adekvační problém) Přesnost – minimalizace výběrových a nevýběrových chyb Včasnost – co nejdřívější zveřejnění dat Dochvilnost – poskytnutí dat v předem stanoveném okamžiku Dostupnost – data dostupná uživatelům (4 vrstvy) Srovnatelnost – data srovnatelná v čase a prostoru (revize!) Koherence – podobný vývoj ukazatelů zachycujících týž jev 3
Rostoucí význam regionálních ukazatelů Decentralizace veřejné správy v ČR, realizace části hospodářské a sociální politiky na regionální úrovni Rozdělování prostředků EU dle hospodářské vyspělosti regionů Nárůst poptávky po dostatečně přesných a spolehlivých ukazatelích na úrovni krajů (NUTS 3) a regionů soudržnosti (NUTS 2) 4
Problémy konstrukce a interpretace různých typů regionálních ukazatelů (1) Ukazatele získané z vyčerpávajícího zjišťování nebo z administrativních zdrojů dat (evidence) SLDB, počet/podíl nezaměstnaných z evidence ÚP, SIMS, … Údaje lze regionalizovat na libovolně malá území, což je ostatně jedním z důvodů ospravedlňujících provádění těchto šetření (zejm. SLDB), zbytečně nákladných pro odhady na úrovni celku Ukazatele získané z výběrových zjišťování s velkým rozsahem výběru VŠPS, strukturální mzdová statistika, částečně EU-SILC, DVD, … Údaje lze regionalizovat na úroveň určenou velikostí výběru Přesnost odhadu (šíře intervalů spolehlivosti) někdy lze, někdy nelze kvantifikovat (záleží na typu výběru), přičemž s podrobností klesá Přesnost je příliš nízká při kombinaci region x další třídicí znak(y) 5
Problémy konstrukce a interpretace různých typů regionálních ukazatelů (2) Ukazatele získané z výběrových zjišťování s malým rozsahem výběru Statistika rodinných účtů Údaje prakticky nelze regionalizovat Různé druhy odvozených ukazatelů nebo jejich sad Produktivita jedno- i vícefaktorová, regionalizace HDP, regionální cenové hladiny, regionální input-output tabulky, kompozitní indikátory Velmi komplikované úlohy, přesnost odhadů nelze ani odhadnout, v některých případech téma spíše pro akademický výzkum než pro oficiální statistiku (naštěstí v současné době velmi dobrá spolupráce) Přesnost odhadů klíčově závisí na kvalitě vstupních datových zdrojů 6
Regionalizace HDP a RIOT Českým statistickým úřadem provedena a na jeho stránkách zveřejněna výrobní metodou Dále jsou ČSÚ zveřejněny vybrané regionální ukazatele dle výdajové a důchodové metody Experimentálně odhadnuty výdaje na KSD, což umožní sestavit odhady HDP i výdajovou metodou (Kramulová a Musil, 2013) s tím, že saldo „zahraničního“ obchodu zahrnuje jak obchody jednotek daného regionu se zahraničím, tak s jinými regiony V současné době jsou dokončovány práce na RIOT, tedy na podrobných tabulkách dodávek a užití pro každý region, což poslouží jako základ pro zpřesnění mnoha dalších výpočtů, zejména v oblasti multiplikátorů (např. kvantifikace dopadu uzavření VŠ atd.) 7
Regionální struktura produkce 8 Zdroj: Vltavská (2015), s. 70.
Regionální cenové hladiny Snaha zpřesnit odhad cenových hladin v jednotlivých regionech Oficiálně se pro srovnání hospodářské vyspělosti regionů používá jednotná (národní) cenová hladina, která se uplatňuje i při stanovení přístupu ke strukturálním fondům EU Tato jednotná (národní) cenová hladina však nevystihuje ani realitu odlišných cen v regionech, a následně ani rozdíly v úrovni HDP ve srovnatelných cenách Experimentální odhady za rok 2007 dle ESA 1995 provedli Čadil a kol. (2014), v současné době stejný kolektiv provádí odhad cenových hladin za rok 2012 dle ESA 2010 (bude dokončeno a zveřejněno během roku 2015) 9
Regionální cenové hladiny a ČDDD (2007) Výrazně vyšší cenová hladina v Praze, což snižuje reálný ČDDD Nájemné, osobní služby, doprava (tehdy…) Vyšší cenová hladina ve Středočeském kraji Vyšší kupní síla obyvatel pracujících v HMP, vyšší nájemné v místech s dobrou dojížďkou do Prahy Vyšší cenová hladina v Jihomoravském kraji a v malých krajích Celková vyšší cenová hladina je způsobena vyššími cenami v sídelních městech (Brno, Karlovy Vary, Liberec, Zlín) Nižší cenová hladina v hospodářsky méně vyspělých regionech Ústecký kraj, Kraj Vysočina Nižší rozdíly mezi ekonomickou vyspělostí regionů při srovnání s využitím regionálních cenových hladin 10
Regionální cenové hladiny (2007) 11 Zdroj: Musil (2014), s. 92.
Čistý disp. důchod domácností (2007) 12 Zdroj: Musil (2014), s. 92 Kraj ČDDD na obyvatele v Kč ČDDD na obyvatele (%) ČDDD na obyvatele v RPPS ČDDD na obyvatele v RPPS (%) Hlavní město Praha , ,4 Středočeský kraj , ,6 Jihočeský kraj , ,9 Plzeňský kraj , ,1 Karlovarský kraj , ,4 Ústecký kraj , ,2 Liberecký kraj , ,3 Královéhradecký kraj , ,7 Pardubický kraj , ,9 Kraj Vysočina , ,9 Jihomoravský kraj , ,9 Olomoucký kraj , ,3 Zlínský kraj , ,9 Moravskoslezský kraj , ,0 Česká republika , ,0 Zdroj: Musil (2014), s. 94.
Kompozitní indikátory (nejen) v regionálním srovnávání (1) Různé regionální žebříčky (konkurenceschopnosti, udržitelného rozvoje, kvality života) jsou čím dál populárnější, neboť umožňují jednoduché (leckdy však zjednodušující) jednorozměrné srovnání O to závažnější je otázka kvality a relevance těchto žebříčků z hlediska metodiky a následných rizik při interpretaci Metodika OECD pro tvorbu kompozitních indikátorů stanovuje 10 kroků při konstrukci KI (OECD, 2008), které by měly být vždy dodrženy. 13
Kompozitní indikátory (nejen) v regionálním srovnávání (2) Nejpodstatnější kroky (srov. též Hudrlíková (2014)): Výběr ukazatelů Včetně problému korelace dílčích ukazatelů Zajímavost: při silně korelovaných ukazatelích je KI robustní vzhledem k použitým metodám Normalizace dat Výrazně ovlivňuje celkové skóre i pořadí srovnávaných jednotek Způsob stanovení vah a volba metod agregace Souvislost s možností kompenzace (substituce) ukazatelů Tato souvislost často přehlížena, což vede k nesprávné interpretaci vah (mají-li váhy vyjadřovat důležitost, je nutné volit nelin. metody) Volba metod v jednotlivých krocích je propojena napříč těmito kroky
Závěry Regionální srovnávání vyžaduje značnou opatrnost při interpretaci výsledků Interpretace výsledků je ovlivněna povahou datového zdroje; jedná-li se o údaje z výběrových šetření, přesnost odhadu výrazně klesá s rostoucí regionální podrobností, málokdy lze kombinovat region s dalším znakem Vyčerpávající zjišťování a administrativní zdroje dat jsou nezastupitelné pro analýzy na úrovni malých či velmi malých územních celků Při srovnání ekonomické vyspělosti regionů by měly být zohledněny rozdíly v regionálních cenových hladinách Regionální I-O tabulky (RIOT) přinášejí nové možnosti regionálních analýz Tvorba kompozitního indikátoru je obtížnější úlohou, než na první pohled vypadá, jednou z obtíží je vzájemná propojenost volby metod v jednotlivých krocích. 15
Literatura Čadil, J. et al True regional purchasing power: evidence from the Czech Republic. Post-Communist Economies, roč. 26, č. 2, s. 241–256. ISSN Hudrlíková, L Kompozitní indikátory. Konstrukce, využití, interpretace. Doktorská disertační práce. VŠE, 165 s. Kramulová, J., Musil, P Experimentální odhad složek výdajové metody regionálního HDP v ČR. Politická ekonomie, roč. 61, č. 6, s. 814–833. ISSN Musil, P Cenové přepočty v národních účtech. Doktorská disertační práce. VŠE, 120 s. OECD Handbook on Constructing Composite Indicators. Paris, 162 s. ISBN Vltavská, K Regionalizace ukazatelů a odvozených indikátorů. Habilitační práce. Předběžná verze. VŠE, 110 s. 16
Děkuji za pozornost i za případné náměty do diskuse.