XXII. MEZINÁRODNÍ KOLOKVIUM O REGIONÁLNÍCH VĚDÁCH. SBORNÍK PŘÍSPĚVKŮ 22nd INTERNATIONAL COLLOQUIUM ON REGIONAL SCIENCES.CONFERENCE PROCEEDINGS Place: Velké Bílovice (Czech Republic) June 12-16, 2019 Publisher: Masarykova univerzita (Masaryk University Press), Brno Edited by: Viktorie KLÍMOVÁ Vladimír ŽÍTEK (Masarykova univerzita / Masaryk University, Czech Republic) Vzor citace / Citation example: AUTOR, A. Název článku. In Klímová, V., Žítek, V. (eds.) XXII. mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, 2019. s. 1–5. ISBN 978-80-210-9268-6. DOI. AUTHOR, A. Title of paper. In Klímová, V., Žítek, V. (eds.) 22nd International Colloquium on Regional Sciences. Conference Proceedings. Brno: Masaryk University Press, 2019. pp. 1–5. ISBN 978-80- 210-9268-6. DOI. Publikace neprošla jazykovou úpravou. / Publication is not a subject of language check. Za správnost obsahu a originalitu výzkumu zodpovídají autoři. / Authors are fully responsible for the content and originality of the articles. © 2019 Masarykova univerzita ISBN 978-80-210-9268-6 (online : pdf)       XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   11 DOI: 10.5817/CZ.MUNI.P210-9268-2019-1 METROPOLE JAKO FENOMÉNY SOUDRŽNOSTI REGIONŮ: PŘÍPAD PRAHY A BRNA Metropolises as regions' cohesion phenomena: the case of Prague and Brno IVANA KRAFTOVÁ 1 JIŘÍ KRAFT 2 1 Ústav regionálních a bezpečnostních věd Fakulta ekonomicko-správní Univerzita Pardubice 1 Institute of Regional and Security Sciences Faculty of Economics and Administration University of Pardubice  Studentská 95, 532 10 Pardubice, Czech Republic E-mail: Ivana.Kraftova@upce.cz 2 Katedra ekonomie Ekonomická fakulta Technická univerzita v Liberci 2 Department of Economics Faculty of Economics Technical University of Liberec  Voroněžská 13, 466 02 Liberec, Czech Republic E-mail: Jiri.Kraft@tul.cz Anotace Cílem článku je posouzení vlivu dvou metropolí České republiky – Prahy a Brna – na soudržnost regionu, v němž se nacházejí. Hodnoceny jsou ukazatele ekonomické, demografické a skupina ukazatelů představujících parametry životních podmínek. Zvláštní pozornost je věnována tzv. nesatelitním okresům ve Středočeském a Jihomoravském kraji. Je analyzována zejména disperze a lokalizace vybraných ukazatelů. Ukazuje se, že předpokládaná dominance hlavního města Prahy ve středních Čechách je příčinou vyšší disperze u ekonomických ukazatelů, ne však z hlediska indexu atraktivity. Na druhou stranu se zdá, že Brno (zatím) nedokáže šířit své pozitivní efekty do okolí tak jako Praha a jeho nesatelitní okresy vykazují horší situaci v parametrech životních podmínek. Klíčová slova soudržnost, metropole, nesatelitní okresy, index atraktivity, parametry životních podmínek Annotation The aim of the article is to assess the influence of two Czech metropolises – Brno and Prague - on the cohesion of the region, in which they are located. The economic, demographic and group of indicators representing the parameters of living conditions are evaluated. Particular attention is paid to so-called non-satellite districts in the Central Bohemian and South Moravian Regions. In particular, dispersion and localization of selected indicators is analysed. It appears that the presumed dominance of the capital city of Prague in Central Bohemia is the cause of higher dispersion in economic indicators, but not in terms of the attractiveness index. On the other hand, it seems that Brno (so far) is not able to spread its positive effects to the environment as Prague, and its non-satellite districts show a worse situation in the parameters of living conditions. Key words cohesion, metropolis, non-satellite district, attractiveness index, living conditions parameters JEL classification: R23, R59 1. Úvod Jedním z ústředních pojmů evropské regionální politiky je soudržnost s jejími třemi dimenzemi: hospodářskou, sociální a územní. Maier (2007, s. 16) již dříve hovoří o širším pojetí soudržnosti, které „…usiluje o vytvoření podmínek pro kapitalizaci územního potenciálu a účinnou funkční integraci…“ a spojuje ji s vyrovnáním významnosti finančního, institucionálního a lidského kapitálu. Soudržnost je provázána s vyváženým prorůstovým XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   12 rozvojem, jenž nepotlačuje diverzitu jakožto přirozené rozdílnosti a specifika regionů, ale zabraňuje vzniku či eliminuje nežádoucí disparity v ekonomické a sociální oblasti regionu vedoucí k nežádoucí nerovnováze v regionální životní úrovni (Maier, 2012). Laboutková (2012) navíc zdůrazňuje, že by Evropskou unií prosazovaná politika soudržnosti měla vést k posilování role regionálních, ale i lokálních aktérů. Pro velkou většinu členských zemí EU je typická koncentrace ekonomických aktivit do regionů hlavních měst a jejich okolí. Přitom značné rozdíly se projevují i mezi metropolitními a nemetropolitními regiony, zejména v ekonomické výkonnosti, růstových mechanismech i odvětvové struktuře (Ženka, Slach, 2016). Například Florida (2006) rozpracovává koncept tzv. kreativní ekonomiky, která je spjata s univerzitami koncentrovanými v metropolích chápanými jako „stroj na talenty“, kdy mají právě univerzity významný vliv na vnímání atraktivity jednotlivých regionů, resp. měst. Pokud je míra tvorby bohatství měřena regionálním HDP na obyvatele, dochází k akceptaci konceptu zahrnující ekonomické aktivity realizované na území regionu bez ohledu na to, zda je provedena rezidentem příslušného či jiného regionu (Stará, 2012). Regionální HDP je přitom prezentován ČSÚ na úrovni krajů, proto se pro hodnocení regionů na úrovni okresů uchyluje např. Hampl (2007) ke konstrukci „ekonomického agregátu“ jako součinu počtu pracovních příležitostí a průměrných mezd zaměstnanců. Ale ani v tomto případě není ukazatel bez obtíží – je třeba kombinovat různé statistické zdroje, sekundárně upravovat data vypořádat se se změnami ve vymezení některých okresů. S problematikou dopadu aplikace variantní množiny indikátorů na výsledky hodnocení regionální konkurenceschopnosti na úrovni evropských NUTS2 se zabývají Žítek, Klímová a Stará (2013). Na stejnou úroveň regionů, avšak pouze států V4 se zaměřují Zdražil a Applová (2016), kteří pro zhodnocení vývoje regionálních disparit z hlediska sigma konvergence využívají rozklad HDP na obyvatele na prvek produktivity a zaměstnanosti. V jednom z předcházejících příspěvků na mezinárodní kolokvium o regionálních vědách bylo poukázáno na regionální odlišnosti koupěschopné poptávky podle vzdělanostní sktruktury zaměstnanců českých krajů, v níž jasně dominoval kraj Hlavní město Praha se zřetelným odstupem následován Jihomoravským, Moravskoslezským a Středočeským krajem (tj. ekonomicky nejvýkonnějšími kraji ČR); ostatní kraje dosahovaly daleko nižších hodnot koupěschopné poptávky a ve struktuře ztrácely v kategorii vysokoškolsky vzdělaných zaměstnanců (Kraftová, Kraft, 2014). Sedmá kohezní zpráva (Evropská komise, 2017) zaznamenává další vývoj ve snižování regionálních rozdílností, avšak konstatuje i přetrvávání některých problémů, ba dokonce uvádí, že některé regiony s HDP kolem průměru EU uvízlo ve „středně příjmové pasti“ – nejsou dostatečně inovativní a příliš nákladově zatíženy, než aby mohly dynamičtěji růst. Zpráva upozorňuje i na vyšší míru migrace a mobility regionální populace, tj. tzv. „volbu nohou“ lepších pracovních podmínek či úniku před nezaměstnaností a chudobou. S odkazem na Doing Business 2017 Světové banky kritizuje rozdílnost podmínek k podnikání v jednotlivých státech, což spojuje i s rozdílnou efektivností orgánů veřejné správy. V centru pozornosti analýzy, jejíž výsledky prezentuje tento článek, je území tří krajů České republiky, a to jednak Hlavního města Prahy (dále rovněž jen „PHA“) a Středočeského kraje (dále rovněž jen „STČ), jednak Jihomoravského kraje (dále rovněž jen „JMK“) s jeho metropolí Brnem. V databázi regionálních účtů ČSÚ (2018a) lze vysledovat, že se tyto tři kraje vyznačují dlouhodobě největší ekonomickou výkonností (měřeno podílem HDP v běžných cenách v období 1995-2017 na HDP ČR); a to v průměru PHA 24 %, STČ necelých 11 % a JMK přes 10 %. (Je vhodné poznamenat, že dalším krajem ČR, jehož ekonomická výkonnost se blíží dlouhodobě k 10 %, je už jen Moravskoslezský kraj.) Nebyla-li by Praha vytržena z území středních Čech, pak by toto území jako celek generovalo více než třetinu vytvořeného bohatství České republiky. Samotný podíl na vytvořeném HDP ČR je třeba ale doplnit srovnáním relativního indikátoru. Rovněž v HDP na obyvatele vede jednoznačně Hlavní město Praha (s vědomím výše zmíněné role nerezidentů); hodnota tohoto indikátoru je dlouhodobě více než dvojnásobná oproti Středočeskému a Jihomoravskému kraji, a to s nejvyšší dynamikou růstu (index růstu 2017/1995 = 3,81). Oba zbývající kraje vykazují zhruba stejný nárůst HDP na obyvatele (index růstu 2017/1995 = 3,14), z hlediska tohoto relativního ukazatele tvorby bohatství však Jihomoravský kraj dlouhodobě mírně převyšuje hodnoty dosahované Středočeským krajem. Teritorium Jihomoravského kraje představuje asi 2/3 (63 %) území středních Čech včetně Prahy. To odpovídá zhruba poměru v ekonomické výkonnosti obou území. Přitom podle ČSÚ (2018b) je rozloha samotné Prahy (cca 50 km2 ) proti Brnu (23 km2 ) zhruba dvojnásobná. Vyvstávají otázky, jaká je vnitřní soudržnost uvažovaných území, jakými efekty působí na satelitní a vzdálenější okresy obě metropole, v jaké míře a v jakých směrech se vyskytují disparity bránící dosahování analogické životní úrovně zde žijících obyvatel. XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   13 2. Cíl a metody Cílem analýzy, jejíž výsledky jsou prezentovány v tomto článku, je porovnání disparit na území, které na jedné straně představuje území Středočeského kraje včetně hlavního města Prahy, na straně druhé území Jihomoravského kraje. Těžiště úvah pro stanovení hypotéz je předpoklad odlišné intenzity šíření efektů metropolí do svého okolí v závislosti na jejich ekonomické a demografické síle. Jsou stanoveny a ověřovány dvě hypotézy:  A. I přes podobný ekonomický vývoj sledovaných tří krajů jako celků vykazuje území Středočeského kraje včetně Prahy větší disperzi atraktivity, lokalizace ekonomických subjektů na obyvatele a podílu nezaměstnaných než území Jihomoravského kraje.  B. Nesatelitní okresy Středočeského kraje jsou na tom v lokalizaci indikátorů vyjadřujících různé dimenze životních podmínek v porovnání se stavem celé České republiky lépe oproti nesatelitním okresům Jihomoravského kraje. (Za satelitní okresy Prahy jsou považovány Praha-východ a Praha-západ, které ji „obkružují“, satelitní okres Brna – které je současně okresem Brno-město – představuje Brno-venkov, v jehož pomyslném středu Brno leží. Zbývající okresy analyzovaných krajů jsou označovány jako nesatelitní.) Analýza sestává ze tří částí i) posouzení dlouhodobého vývoje vybraných demografických a ekonomických ukazatelů uvedených tří krajů; ii) hodnocení lokalizace dvou ekonomických ukazatelů - podílu nezaměstnaných a počtu ekonomických subjektů na obyvatele - a indexu atraktivity podle okresů včetně jejich disperze na obou sledovaných územích a iii) určení pozice vybraných doplňkových charakteristik životních podmínek nesatelitních okresů obou území. První část obsahuje porovnání současných krajů za období 25 let (1993-2017) – střední stav obyvatelstva a jeho vývojový trend; ukazatele demografické struktury z hlediska ekonomických generací, a to index stáří jako podíl postproduktivní (65 a více let) a předproduktivní (0-14 let) generace; index ekonomické závislosti (vzorec 1) spolu s mírou produktivní generace (vzorec 2), a index atraktivity porovnávající čistý přírůstek obyvatelstva s hrubou změnou obyvatelstva (vzorec 3), přičemž jsou využity ukazatele demografické dynamiky - jak přirozený, tak mechanický pohyb obyvatelstva; vedle toho souhrnný ekonomický indikátor v podobě absolutní hodnoty regionálního HDP a v podobně relativního ukazatele, tedy HDP na obyvatele v běžných cenách. 𝐼𝐸𝑍 𝑃𝑅𝐸𝐺 𝑃𝑂𝑆𝑇𝐺 𝑃𝐺⁄ (1) 𝑀𝐺𝑃 𝑃𝐺 𝑆𝑆𝑂⁄ (2) 𝐼𝐴 (3) Legenda: IEZ index ekonomické závislosti PREG předproduktivní generace NAR narození (živě) MPG míra produktivní generace POSTG postproduktivní generace ZEM zemřelí IA index atraktivity PG produktivní generace IM přistěhovalí SSO střední stav obyvatelstva EM vystěhovalí Komparační analýza ve druhé části je založena na lokalizačních kvocientech (vzorec 4) za pětileté období 20131 - 2017 za „velkou Prahu“ (PHA + satelitní okresy Praha-východ a Praha-západ), za „velké Brno“ (okres Brno-město a Brno-venkov) a nesatelitní okresy spadající do kraje, jednak 10 okresů STČ (Benešov, Beroun, Kladno, Kolín, Kutná Hora, Mělník, Mladá Boleslav, Nymburk, Příbram, Rakovník), jednak 5 okresů JMK (Blansko, Břeclav, Hodonín, Vyškov, Znojmo). Zde jsou pro zjednodušení prezentovány jen průměrné výsledky za uvedené období. Kromě grafického porovnání indexu atraktivity a lokalizačních kvocientů podílu nezaměstnaných2 a počtu registrovaných ekonomických subjektů na obyvatele, které jsou vypočítávány vždy v rámci hodnoceného teritoria (tj. ono je považováno za celek), je vypočtena disperze (vzorec 5) za obě území v rozdělení na „velkou Prahu“ a „velké Brno“ a vždy jejich nesatelitní okresy. Zvolený vzorec disperze bere v úvahu podíl obyvatelstva, na které příslušná charakteristika působí (Kraftová, 2015).                                                              1 Před rokem 2013 nejsou všechny údaje srovnatelné, data za rok 2018 nejsou dosud k dispozici. 2 Podíl nezaměstnaných = počet dosažitelných uchazečů o zaměstnání ve věku 15–64 let vůči obyvatelstvu ve věku 15–64 let.   XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   14 𝐿𝑄 , , , , (4) 𝐷 ∑ |𝑋 𝑋| ∗ (5) Legenda: LQ lokalizační kvocient DX disperze proměnné X po obyvatelstvo okresu X proměnná P obyvatelstvo teritoria index o o-tý okres index j sledovaná j-tá hodnota index c celková hodnota index T sledované teritorium Záměrem druhé části analýzy je verifikovat hypotézu A a poukázat tak na význam ekonomické a demografické síly metropole při hodnocení soudržnosti území, jehož je součástí. Hypotéza bude považována za potvrzenou, pokud disperze všech tří ukazatelů bude u Středočeského kraje včetně Prahy větší než v Jihomoravském kraji. Životní podmínky obyvatel jsou určovány mnoha faktory. Jedním z nejvýznamnějších je beze sporu to, zda člověk žije na venkově, či ve městě. S ohledem na plnější funkcionalitu měst, jsou uvažovány podmínky života na venkově jako objektivně horší, třebaže subjektivní vnímání může být opačné. Dalšími momenty životních podmínek je bezpečnost, a to jak z hlediska kriminality, tak z hlediska kvality životního prostředí a v neposlední řadě jsou to ekonomické parametry, které se mohou odrážet v příjmech (a to i odvozených, jako jsou například starobní důchody odvozené od pracovních příjmů v období ekonomické aktivity) či v počtu sociálních dávek vyplácených obyvatelům daného území, kteří na ně podle stanovených kritérií prokazují nárok, ale i v dostatečné nabídce volných pracovních míst. S ohledem na uvedené byly jako ukazatele prezentující životní podmínky obyvatel v třetí části analýzy zvoleny: a) podíl venkovského obyvatelstva na celkovém obyvatelstvu, tj. žijícího v obcích do 3 000 obyvatel (VEOB); b) index kriminality jako podíl registrovaných trestných činů celkem na tisíc obyvatel (INKR); c) měrné emise základních znečišťujících látek v tunách/km2 , z velkých zdrojů, tzv. REZZO 1 (MEEM); d) průměrný starobní důchod v Kč (STDU); e) počet vyplacených sociálních dávek, zejména přídavky na děti, příspěvky na bydlení, rodičovský příspěvek, dávky pěstounské péče (SOVD); f) počet uchazečů o zaměstnání na 1 volné pracovní místo (UVPM). Analýza se soustředila pouze na poslední rok s disponibilními daty, a to rok 2017. Pozice nesatelitních okresů byla posuzována podle lokalizačních kvocientů (LQ) za jednotlivé ukazatele, přičemž jako celek byla brána pro zajištění potřebné srovnatelnosti celá Česká republika. Vzhledem k tomu, že jeden ze zvolených ukazatelů, a to STDU není minimalizační jako ostatní, byla jeho hodnota LQ odečtena od jedné. Po této úpravě bylo možno vypočtené hodnoty LQ jednoduše vyhodnocovat „čím méně, tím lépe“ a jako konzistentní sčítat. Analýza v třetí části směřuje k ověření hypotézy B, která bude považována za potvrzenou, pokud průměr součtu hodnot LQ za nesatelitní okresy STČ bude menší než analogická hodnota za nesatelitní okresy JMK. 3. Porovnání dlouhodobého vývoje vybraných ukazatelů analyzovaných krajů V pětadvacetiletém časovém horizontu se střední stav obyvatelstva ve všech sledovaných krajích zvyšuje, což dokládají pozitivní hodnoty směrnic přímek lineárního trendu (PHA 3251, s koeficientem determinace R2 =0,42; STČ 11253, s koeficientem determinace R2 =0,91 a JMK 1786, s koeficientem determinace R2 =0,53). Dynamikou a plynulostí růstu počtu obyvatel tedy jednoznačně vede Středočeský kraj. Uvedené trendy jsou spjaty ale s odlišným vývojem indexu stáří, který převýšil hodnotu 1, představující vyrovnání počtu osob postproduktivní a předproduktivní generace v Hlavním městě Praze již v roce 1995; svého maxima tam dosáhl v roce 2008 (1,3), od té doby mírně klesá. Jihomoravský kraj, který v roce 1993 zaznamenal nejnižší hodnotu indexu stáří ze sledovaných krajů (0,70), se vyznačuje výrazným růstem; hodnotu 1 překročil v roce 2005 a v roce 2016 předčil v tomto ukazateli i Hlavní město Prahu. Středočeský kraj sice zaznamenává také stárnutí obyvatel, ale daleko mírnějším tempem než Jihomoravský kraj; hodnotu 1 překročil jeho index stáří až v roce 2015. XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   15 Obr. 1: Vývoj indexu ekonomické závislosti ve srovnání s mírou produktivní generace sledovaných krajů Zdroj: vlastní zpracování na základě dat ČSÚ (2018a) Tyto všechny skutečnosti ovlivňují také vývoj indexu ekonomické závislosti, který je prezentován na obrázku 1 (plné čáry). Shodně ve všech třech krajích se index ekonomické závislosti snižoval, jeho „dno“ se nachází v letech 2006 (STČ 0,41) a 2007 (PHA 0,38 a JMK 0,41). Do té doby zaznamenávaný pokles je nahrazen dynamičtějším růstem, takže v roce 2017 dosahuje nejvyšší hodnoty indexu ekonomické závislosti Středočeský kraj (0,55), následuje Jihomoravský kraj (0,54) a nejlépe je na tom Hlavní město Praha (0,52). O tom, jak významná je pro vývoj indexu ekonomické závislosti míra produktivní generace vypovídá rovněž obrázek 1 (čárkované křivky). Lze konstatovat, že její snižující se hodnota velmi zřetelně koresponduje s růstem ekonomické závislosti. Třebaže obrázek 1 ukazuje na velmi podobný vývoj indexu ekonomické závislosti i míry produktivní generace všech tří krajů, je patrné, že v růstu počtu obyvatel jsou již patrné odlišnosti, stejně jako z hlediska indexu stáří. Jaký dopad mají tyto skutečnosti na vývoj vytvořeného bohatství měřeno HDP? Obrázek 2a a 2b prezentuje jednak vývoj jeho absolutní veličiny, jednak vývoj relativní (na obyvatele) hodnoty v čase. Obr. 2a: Vývoj HDP sledovaných krajů (v mil Kč) Obr. 2b: Vývoj HDP na obyvatele sledovaných krajů (Kč) Zdroj: vlastní zpracování na základě dat ČSÚ (2018a) Zdroj: vlastní zpracování na základě dat ČSÚ (2018a) Velmi zjednodušeně lze konstatovat, je vývoj absolutního i relativního ukazatele tvorby bohatství je ve sledovaných krajích analogický. Hlavní město Praha evidentně „uniká“ oběma zbývajícím krajů, jejichž vývoj je velmi podobný. Současně je třeba zmínit, že ve všech třech krajích se projevil nezanedbatelný pokles v roce 2009 oproti roku 2008. Fakt dlouhodobého trendu vývoje HDP i HDP na obyvatele lze pozitivně hodnotit ve vztahu k vývoji celkového počtu obyvatel, ale i k vývoji míry produktivní generace („dno“ v letech 2006 a 2007). Pokles produktivní generace po letech 2006, resp. 2007 může ukazovat na schopnost jiných faktorů (kapitál vč. lidského, technologie…) zvyšovat produktivitu práce. Index atraktivity sledovaných krajů se změnil zejména na začátku nového století. Převažující záporné hodnoty z 90. let minulého století všech tří krajů (s výjimkou JMK v letech 1993 a 1994 a STČ, který se jako první už v roce 1997 ocitá v kladných hodnotách) se v roce 2002 (PHA), resp. 2003 (JMK) mění na pozitivní hodnoty, 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 IEZ (PHA) IEZ (STČ) IEZ (JMK) MPG (PHA) MPG (STČ) MPG (JMK) 0 200 000 400 000 600 000 800 000 1000 000 1200 000 1400 000 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 Praha STČ JMK - 200 000 400 000 600 000 800 000 1000 000 PHA STČ JMK XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   16 které přetrvávají až do roku 2017 (s výjimkou roku 2013 – PHA). Z obrázku 3 je současně vidět, že hodnoty indexu atraktivity kulminují v letech 2007 a 2008, pro JMK je ještě „úspěšnější“ rok 2012. Obr. 3: Vývoj indexu atraktivity sledovaných krajů v období 1993-2017 Zdroj: vlastní zpracování na základě dat ČSÚ (2018a) 4. Míra disperze atraktivity a lokalizace ekonomických subjektů a podílu nezaměstnaných analyzovaných dvou území Index atraktivity je spočítán pro jednotlivé roky u Prahy (resp. kraje Hlavního města Prahy) a okresů obou území. Na obrázku 4 je prezentována jejich průměrná hodnota za roky 2013-2017. Zřetelně se ukazuje, jak nesrovnatelně vyšších hodnot indexu atraktivity dosahuji „satelitní“ okresy Praha-východ a Praha-západ, resp. Brno-venkov, a to jednak vůči samotné Praze, resp. Brnu (přesněji okresu Brno-město), jednak vůči „nesatelitním“ okresům. Je patrné, že výše prezentované hodnoty indexu atraktivity krajů ovlivnily právě tyto satelitní okresy nárůstem svých obyvatel. Obr. 4: Průměrné hodnoty indexu atraktivity okresů*) obou území v období 2013-2017 *) Praha je pro zjednodušení uvažována jako okres. Zdroj: vlastní zpracování na základě dat ČSÚ (2018b) Vypočítaná disperze indexu atraktivity pro území Středočeského kraje včetně Prahy představuje hodnotu 36,7, zatímco pro Jihomoravský kraj hodnotu téměř trojnásobnou, konkrétně 100,8. V tomto ohledu se hypotéza A nepotvrdila. Jistě na tom má významný podíl okres Hodonín, jehož index atraktivity se ve všech sledovaných letech ocitá v záporných hodnotách. Za zmínku stojí rovněž fakt, že záporných hodnot dosahuje index atraktivity v okrese Brno-město v letech 2013-2015, v okrese Znojmo v roce 2013. V roce 2013 vykazuje zápornou hodnotu indexu atraktivity rovněž Praha a okresy Kutná Hora a Rakovník. Posledně jmenovaný tuto skutečnost zaznamenává i v roce 2015. Pokud hledáme odpověď na otázku, jak se na uvedené disperzi podílejí metropole a satelitní okresy na jedné straně a nesatelitní okresy na straně druhé, docházíme k výsledku, že v obou případech je podíl metropole a satelitních okresů cca dvou třetinový (pro Prahu 21,6; nesatelitní okresy STČ 15,1; pro Brno 59,8; nesatelitní okresy JMK 41). Z hlediska dalších dvou hodnocených ukazatelů je výsledek poněkud odlišný, jak zachycuje obrázek 5. -0.2 -0.1 0 0.1 0.2 0.3 0.4 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 PHA STČ JMK ‐0.100 ‐0.050 0.000 0.050 0.100 0.150 0.200 0.250 0.300 Praha Praha-východ Praha-západ Benešov Beroun Kladno Kolín KutnáHora Mělník MladáBoleslav Nymburk Příbram Rakovník Brno-město Brno-venkov Blansko Břeclav Hodonín Vyškov Znojmo XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   17 Obr. 5: Průměrné hodnoty lokalizačních kvocientů ekonomických subjektů na obyvatele a podílu nezaměstnaných okresů*) obou území v období 2013-2017 *) Praha je pro zjednodušení uvažována jako okres. Zdroj: vlastní zpracování na základě dat ČSÚ (2018b) Je očekávatelné, že lokalizace ekonomických subjektů, a to i v relativním ukazateli zohledňujícím počet obyvatel, je ovlivněna oběma metropolemi. Ty na sebe stahují většinu ekonomických subjektů, takže žádný z okresů nedosahuje ani na stav celého území, tj. hodnotu 1. Lokalizace podílu nezaměstnaných už není tak jednoznačná. Vyskytují se okresy, které se blíží hodnotě celého území (Kolín, Kutná Hora, Mělník, resp. Brno-město); naopak některé se výrazně odchylují v negativním směru (Příbram, Nymburk; resp. Znojmo), či pozitivním směru (Prahavýchod, Mladá Boleslav; resp. Vyškov). V těchto případech je disperze obou indikátorů vyšší na území Středočeského kraje včetně Prahy oproti území Jihomoravského kraje; u LQ ekonomických subjektů na obyvatele dosahuje disperze hodnot 30,1; resp. 21,5; u LQ podílu nezaměstnaných jsou to hodnoty 25,6; resp. 18,1. V obou uvedených případech se projevuje analogické rozložení podílu na disperzi jako u indexu atraktivity. U maximalizačního ukazatele LQ ekonomických subjektů na obyvatele se vyšší mírou podílejí metropole se svými satelitními okresy (pro „velkou Prahu“ s hodnotou 17,0; pro „velké Brno“ 13,3). U minimalizačního ukazatele se „převaha“ metropolí s jejich satelitními okresy projevuje naopak, tj. na celkové disperzi se podílejí méně (pro Prahu s hodnotou 10,1; pro Brno 6,1). I v těchto výsledcích se projevuje konstrukce disperze, využívající jako váhu podíl obyvatel. 5. Pozice nesatelitních okresů Středočeského a Jihomoravského kraje z hlediska vybraných charakteristik životních podmínek Tabulka 1 prezentuje lokalizační kvocienty charakteristik životních podmínek, podle metodiky popsané výše. Průměrná hodnota součtu LQ deseti nesatelitních okresů STČ představuje 5,2864; zatímco u pěti nesatelitních okresů JMK je to 5,8130. Z tabulky 1 je patrné, že u okresů STČ lze Mělník (suma LQ = 10,4220) považovat za téměř odlehlou hodnotu, kterou způsobuje parametr měrných emisí znečišťujících látek. Velmi vysokou hodnotu součtu LQ ve skupině okresů JMK vykazuje Znojmo (suma LQ = 8,1318). Jeho situace je ale poněkud odlišná. Z celé skupiny 15 okresů dosahuje nejhorší pozice ve čtyřech ze šesti parametrů. Nicméně, i pokud bychom vyloučili z hodnocení tyto dva okresy, relace průměrných hodnot se příliš nezmění: pro okresy STČ by to byla hodnota 4,7157 a pro okresy JMK hodnota 5,2333. (Variabilita obou srovnávaných souborů přitom není diametrálně odlišná – u STČ je variační koeficient cca 36 %; u JMK cca 23 %.) 0.200 0.400 0.600 0.800 1.000 1.200 1.400 1.600 1.800 2.000 2.200 Praha Praha-východ Praha-západ Benešov Beroun Kladno Kolín KutnáHora Mělník MladáBoleslav Nymburk Příbram Rakovník Brno-město Brno-venkov Blansko Břeclav Hodonín Vyškov Znojmo LQ ekon. subjetků na obyvatele LQ podílu nezaměstnaných XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   18 Tab. 1: Lokalizační kvocienty ukazatelů životních podmínek nesatelitních okresů (ČR = 1) okresy LQ VEOB LQ INKR LQ MEEM LQ STDU LQ SOVD LQ UVPM suma LQ Benešov 1.6107 0.6033 0.1195 0.0099 0.7981 0.7692 3.9107 Beroun 1.7617 0.7649 0.9716 -0.0016 0.7349 0.4615 4.6931 Kladno 1.1174 0.9767 1.3185 -0.0226 0.9449 2.3077 6.6426 Kolín 1.7514 0.8144 0.6591 0.0014 0.8613 1.1538 5.2415 Kutná Hora 1.4842 0.5978 0.3315 0.0128 0.9633 1.3077 4.6973 Mělník 1.4135 0.7874 5.9377 -0.0070 0.9057 1.3846 10.4220 Mladá Boleslav 1.1810 0.8340 0.6179 -0.0373 0.5616 0.3077 3.4648 Nymburk 1.4078 0.6988 0.1267 0.0063 0.8779 0.8462 3.9637 Příbram 1.5405 0.8522 0.0683 -0.0053 0.9160 1.4615 4.8333 Rakovník 1.8829 0.7222 0.1065 -0.0026 0.9011 1.3846 4.9947 Blansko 1.6264 0.4672 0.0405 0.0185 0.9188 1.7692 4.8406 Břeclav 1.5989 0.7444 0.0158 0.0431 0.7898 1.9231 5.1150 Hodonín 1.3653 0.5012 0.0159 0.0250 0.9551 3.6923 6.5548 Vyškov 1.7313 0.4732 0.0395 0.0317 0.9160 1.2308 4.4225 Znojmo 1.9140 0.8342 0.0443 0.0785 1.0300 4.2308 8.1318 Zdroj: vlastní zpracování s využitím dat ČSÚ (2018c) a MPSV (2018) 6. Závěr Přestože ve srovnání s jinými členskými zeměmi EU se Česká republika nevyznačuje výraznými disparitami narušující územní soudržnost, jisté rozdíly se projevují. Tento příspěvek se zaměřil pouze na jeden detail, a to na vliv dvou metropolí – Prahy a Brna – na soudržnost území, které je obklopuje a současně představuje institucionalizovaný samosprávný celek. V analýze byla pozornost soustředěna jednak na ekonomické a demografické ukazatele, jednak na vybrané různorodé charakteristiky životních podmínek. První dvě části analýzy hodnotí vývoj v čase, třetí část se soustřeďuje pouze stav posledního roku saturovaného daty. Hypotéza A, vztahující se k disperzi atraktivity a dvou ekonomických indikátorů (ekonomické subjekty na obyvatele a podíl nezaměstnaných), nebyla potvrzena. Disperze pro Prahu a okresy Středočeského kraje je sice vyšší, jak bylo předpokládáno s ohledem na výjimečnost postavení Prahy zejména z hlediska její ekonomické i demografické síly, u obou ekonomických indikátorů, avšak disperze indexu atraktivity je zhruba trojnásobná pro Brno a okresy Jihomoravského kraje. Naproti tomu hypotéza B, vycházející z úvahy o menší síle Brna při šíření pozitivních efektů do nesatelitních okresů, při jejímž ověřování byly posuzovávány vybrané charakteristiky životních podmínek, lze označit za potvrzenou. Přitom je ale třeba upozornit na fakt, že byla analýza provedena pouze pro jeden rok, a nebylo by jistě bez zajímavosti posoudit i vývoj této problematiky v delším období. Navíc se nabízí ještě jedna prostorová úvaha. Tvar území Jihomoravského kraje lze vnímat jako trojúhleník (na rozdíl od oválu Středočeského kraje). Západní a východní cípy – úhly tohoto trojúhelníka vyplňují dva problematické okresy: Znojmo (viz jeho výsledky hodnocení životních podmínek) a Hodonín (viz jeho index atraktivity). Nabízí se uvažovat o šíření efektů metropole v soustředných kružnicích, kdy však intenzita těchto efektů „přirozeně“ nepostačuje pro odlehlé regiony a je zapotřebí v rámci uplatňování nástrojů regionální politiky na to pamatovat, nebo brát prostorově územní hledisko v úvahu již při institucionalizaci regionů. Literatura [1] ČSÚ, (2018a). Databáze regionálních účtů. [online]. [cit. 2019-02-16]. Dostupné z: http://apl.czso.cz/pll/rocenka/rocenka.presmsocas. [2] ČSÚ, (2018b). Veřejná databáze, městská a obecní statistika. Vývoj vybraných ukazatelů podle okresů.[online]. [cit. 2018-12-30]. Dostupné z: https://www.czso.cz/csu/xs/vyvoj_vybranych_ukazatelu_podle_okresu. XXII. mezinárodní kolokvium o regionálních vědách Sborník příspěvků Velké Bílovice 12.–14. 6. 2019   19 [3] ČSÚ, (2018c). Okresy České republiky. [online]. [cit. 2019-02-16]. Dostupné z: https://www.czso.cz/csu/czso/okresy-ceske-republiky. [4] EVROPSKÁ KOMISE, (2017). Můj region, má Evropa, naše budoucnost: sedmá zpráva o hospodářské, sociální a územní soudržnosti. [online]. [cit. 18. 2. 2019]. Dostupné z: https://eur-lex.europa.eu/legal- content/GA/TXT/?uri=CELEX:52017DC0583. [5] FLORIDA, R., (2006). The Flight of the Creative Class: The New Global Competition for Talent. Liberal Education, vol. 92, no. 3, pp. 22-29. ISSN 0024-1822. [6] HAMPL, M., (2007). Regionální diferenciace současného socioekonomického vývoje v České republice. Sociologický časopis, vol. 43, no. 5, pp. 889-910. ISSN 2336-128X. [7] KRAFTOVÁ, I., (2015). K problematice disperze lidského rozvoje. Hradecké ekonomické dny, díl II. Hradec Králové: Gaudeamus, s. 48-54. ISBN 978-80-7435-547-9. [8] KRAFTOVÁ, I., KRAFT, J., (2014). Jsou regiony ČR z hlediska mezd a platů homogenní? In XVII. mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, pp. 278-285. ISBN 978-80-210-6840-7. DOI 10.5817/CZ.MUNI.P210-6840-2014-7. [9] LABOUTKOVÁ, Š., (2012). Posilování principu subsidiarity jako jeden z faktorů růstu vlivu regionů v rozhodovacích procesech Evropské unie. Ekonomický časopis, vol. 60, no. 3, pp. 277-293. ISSN 0013-3035. [10]MAIER, K., (2007). K dokumentu Územní agenda Evropské unie. Urbanismus a územní rozvoj, vol. X, no. 3, pp. 14-19. ISSN 1212-0855. [11]MAIER, K. a kol., (2012). Udržitelný rozvoj území. Praha: Grada Publishing. ISBN 978-80-247-4198-7. [12]MPSV, (2018). Statistická ročenka trhu práce v ČR v roce 2017. [online]. [cit. 2019-02-25]. Dostupné z: https://portal.mpsv.cz/sz/stat/stro/rocenka_2017.pdf ISBN 978-80-7421-156-0 [13]STARÁ, L., (2012). Regionální disparity a konvergence v kontextu politiky soudržnosti EU. In XV. mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, pp. 28-35. ISBN 978-80-210-5875-0. [14]ZDRAŽIL, P., APPLOVÁ, P., (2016). Growth Disparities among Regions of the Visegrad Group Countries: An Evidence of Their Extent and Nature. E&M Economics and Management, vol. XIX, no. 2, pp. 37-54. ISSN 1212-3609. DOI 10.15240/tul/001/2016-2-003. [15]ŽENKA, J., SLACH, O., (2016). Ekonomická výkonnost a struktura českých nemetropolitních regionů – vstupní debata. Výroční konference České geografické společnosti. České Budějovice: Jihočeská univerzita v Českých Budějovicích, s. 235-246. ISBN 978-80-7394-619-7. [16]ŽÍTEK, V., KLÍMOVÁ, V., HORKÁ, L., (2013). Metodická úskalí hodnocení regionální konkurenceschopnosti. Ekonomická revue, vol. 16, no. 4, pp. 29-41. ISSN 1212-3951. DOI 10.7327/cerei.2013.03.03 Příspěvek byl zpracován v rámci grantu Regionální rozvoj ČR v kontextu nástupu 4. průmyslové revoluce, financovaném EF TUL.