Databáze kvality života v obcích – jak se žije ve vaší obci?

Spouštíme nový web https://kdejedobre.cz/, který umožnuje zhodnotit kvalitu života v jednotlivých obcích ČR. Webová stránka (obrázek 1) umožňuje vyhledat data o konkrétní obci a zhodnotit kvalitu života vzhledem k nejrůznějším kritériím. Nová databáze v sobě spojuje množství datových zdrojů, které mapují nejrůznější aspekty života v obci. Databáze umožňuje prozkoumat a zhodnotit různé aspekty života a srovnat jednotlivé obce České republiky mezi sebou. Skládá se z více než 160 ukazatelů, které spadají do 11 oblastí. Pro každou oblast je zároveň navržen složený indikátor, který hodnotí oblast jako celek. Kromě situace v jednotlivých obcích web přináší i celkový pohled na jednotlivé ukazatele. Tento projekt vznikl ve spolupráci STEM a DATLAB, byl zaštítěn Ministerstvem životního prostředí a financován z prostředků TAČR ÉTA.

Nová databáze přináší ukazatele, které mají konkrétní rozměr a umožňuje tak například srovnat výdaje z obecních rozpočtů na hlavu mezi dvěma obcemi, porovnat počet osob, které se z obcí odstěhovaly, nebo se podívat, jaká je v obci odhadovaná vzdálenost k bankomatu. Ukazatele jsou přitom voleny tak, aby byly dostupné pro malé obce i velká města a umožňovaly srovnání mezi jednotlivými obcemi. Webová podoba databáze je však zároveň navržena tak, aby sloužila ke zhodnocení situaci v konkrétním místě, srovnání s vybraným sousedem nebo celkovou situací, ale aby nevytvářela jednotný žebříček, ve smyslu „zde se žije lépe než jinde“. Stručné nahlédnutí a představení dostupných dat přináší následující shrnutí.

Obrázek 1: Úvodní stránka nového webu

Problémy středně velkých měst

Z obsahového hlediska nová databáze ukazuje na strukturální problémy středně velkých měst. Nejlépe lze tyto problémy shrnout skrze demografické ukazatele. Větší velikost města je spojena s vyšší porodností (Graf 2), ještě významněji však demografickou strukturu ovlivňuje výrazně záporné migrační saldo (Graf 3). Tedy přestože se v menších obcích rodí méně dětí, ještě významnějším demografickým jevem je odchod obyvatel z měst mezi 20 a 90 tisíci obyvatel. Tento jev rovněž kopíruje podíl mužů a žen v jednotlivých kategoriích, kdy ženy zřetelně častěji odcházejí do větších měst.

Graf 2: Porodnost – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává počet ročně narozených dětí na 1000 obyvatel obce. Plocha grafu pak rozložení obcí v dané kategorii.

Graf 3: Migrační saldo – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává změnu počtu obyvatel v důsledku migrace na 1000 obyvatel obce. Plocha grafu pak rozložení obcí v dané kategorii.

Ve webové verzi databáze je možné prohlédnout si jedno z možných vysvětlení. Tím je zejména výrazně lepší vybavenost měst infrastrukturou a službami. Přestože i okresní města nabízejí relativně velké množství služeb, nemohou krajským městům vzhledem ke své velikosti konkurovat. Služby a vybavenost jsou při tom významné zejména pro mladé lidi. Kvalitu infrastruktury a dopravní obslužnosti představuje následující mapa (mapa 4).

Mapa 4: Souhrnný indikátor Infrastruktura a dopravní obslužnost – Světlejší barva znamená vyšší hodnotu ukazatele.

Nejedná se přitom pouze například o kulturní instituce nebo sportoviště, ale i o celkovou běžnou občanskou vybavenost. S velikostí města se například výrazně snižuje vzdálenost do obchodů (Graf 5).

Graf 5: Dostupnost obchodu – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává odhadovanou docházkovou vzdálenost v kilometrech, pokud se obchod v obci nachází. Pokud obchod v obci není, průměrná vzdálenost je vypočítána na základě průměru vypočítaném ze vzdálenosti ke třem nejbližším obchodům. Plocha grafu pak ukazuje rozložení obcí v dané kategorii.

Velká města naopak trápí vlastní problémy. Pro městské samosprávy to mohou být například vysoké běžné výdaje na obyvatele, které jsou důsledkem právě větší škály zajišťovaných služeb a na ně navázaných institucí (Graf 6).

Graf 6: Běžné výdaje z obecního rozpočtu na obyvatele – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává roční běžné výdaje na obyvatele. Plocha grafu pak ukazuje rozložení obcí v dané kategorii.

Dalším problémem velkých měst v popředí s Prahou jsou pak velmi vysoké ceny bydlení. Velice vysoké ceny nemovitostí v Praze pak citelně ovlivňují i situaci ve středočeském kraji (Graf 7), zvláště pak v obcích, které jsou blízko Praze nebo mají s Prahou dobré dopravní spojení.

Graf 7: Mediánová prodejní cena za m2 nemovitosti v obci – vodorovná osa ukazuje jednotliví kraje. Svislá osa udává mediánovou cenu za m2 v roce 2017. Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

V některých případech jsou pak rozhodujícími faktory jak velikost sídla, tak jeho geografická pozice. To je případ exekucí, které jsou podmíněné jak regionem, tak velikostí sídla. Rozdílný podíl exekucí v obcích v jednotlivých velikostních kategoriích je představen v grafu 8.

Graf 8: Podíl osob v exekuci – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává podíl osob, které jsou v exekuci vzhledem k celkové populaci obce v roce 2017. Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

Regionální distribuci pak představuje mapa 9. Oblast zatížená zvýšenou mírou osob v exekuci při bližším pohledu na mapu kopíruje hranici bývalých Sudet, odkud bylo odsunuto původní německé obyvatelstvo.

Mapa 9: Podíl osob v exekuci – počet osob, které jsou v exekuci vzhledem k celkové populaci obce v roce 2017. Světlejší barva znamená více exekucí.

Společné působení těchto faktorů způsobuje, že jsou to právě města mezi 20 a 90 tisíci obyvatel, která čelí mnoha sociálním výzvám. Tento aspekt se výrazně promítá například i do volebního chování. Právě ve městech této velikosti je nižší volební účast (Graf 10).

Graf 10: Volební účast – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává průměrnou účast ve všech volbách, které se konaly v průběhu let 2014 – 2018 (tzn. prezidentské, do Poslanecké sněmovny, krajské, komunální a do Evropského parlamentu) v %. Plocha grafu pak ukazuje rozložení obcí v dané kategorii.

Výrazný je vliv rovněž na volební preference. Právě ve městech mezi 20 a 90 tisíci obyvatel je výrazně vyšší podpora extremistických stran (Graf 11).[1] Detailnější analýza vlivu velikosti města na volební chování, stejně jako vlivu dalších ukazatelů z databáze je dostupná již v naší starší tiskové zprávě {Charakter obce a volební chování}.

Graf 11: Podíl hlasů pro extremistické strany – kategorie 1-7 udávají velikost obce (7 největší). Svislá osa udává podíl hlasů. odevzdaných ve volbách do Poslanecké sněmovny v letech 2010, 2013, 2017 pro extremistické strany. Plocha grafu pak ukazuje rozložení obcí v dané kategorii.

Ekonomika a vzdělání v krajích

Kromě problematiky velikosti sídel databáze ukazuje i další regionální charakteristiky. Jednou z nich může být podíl podniků v sekundéru, tedy průmyslové výroby, v jednotlivých krajích. Tento podíl je nutné interpretovat zejména v kontextu podílu tericiéru (primér představuje jen malou část ekonomických aktivit). Při regionálním srovnání je patrné, že průmysl dominuje nad službami ve Zlínském a nebo Jihomoravském kraji. Naopak tradičně průmyslově silný Moravskoslezský kraj má i obce s relativně silným zastoupením sektoru služeb. Naopak nízké zastoupení průmyslu může svědčit nejen o rozvoji sektoru služeb, ale i o absenci klíčových podniků, které by poskytly dostatek pracovních příležitostí, to může být případ Karlovarského nebo Ústeckého kraje (graf 12).

Graf 12: Podíl podniků v sekundéru – vodorovná osa ukazuje jednotlivé kraje. Svislá osa udává podíl podniků působících v sekundéru na celkovém počtu aktivních podniků. Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

Ekonomická struktura krajů se pak do jisté míry odráží i ve struktuře vzdělanostní. Vyšší zastoupení základoškoláků je patrné zejména v Karlovarském, v Ústeckém nebo Zlínském kraji (Graf 13).

Graf 13: Podíl osob, u kterých je nejvyšší dokončené vzdělání ZŠ – vodorovná osa ukazuje jednotlivé kraje. Svislá osa udává podíl osob starších 15 let s nejvyšším dokončeným ZŠ vzděláním. Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

Na problematiku dosažitelnosti kvalitního vzdělání a možné reprodukce vzdělanostní struktury pak upozorňují i další ukazatele v databázi, jako jsou například průměrné výsledky žáků středních škol v maturitách z českého jazyka. I v tomto případě střední školy v Ústeckém a Karlovarském kraji vykazují slabší výsledky. Částečným zdůvodněním zde může být vyšší počet odborných škol, které dosahují celorepublikově horších výsledků, výsledný efekt horší kvality dosaženého vzdělání však zůstává stejný (Graf 14).

Graf 14: Výsledky u maturit z ČJ – vodorovná osa ukazuje jednotlivé kraje. Svislá osa pak průměrné percentilní umístění studentů v dané obci v didaktickém testu z českého jazyka. Údaj zachycuje průměr za pět let v období 2013 – 2017. Vyšší hodnoty jsou typické pro obce, ve kterých se nacházejí gymnázia. Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

Zdraví a životní prostředí

Další z oblastí, které databáze mapuje, představuje dimenze zdraví. I zde jsou patrné jasné regionální rozdíly. Situace v regionu se propisuje zejména do naděje na dožití mužů a do rozdílů v naději dožití mužů a žen. Kvalita prevence, lékařské péče a životní styl více ovlivňují dožití mužů (Graf 15).

Graf 15: Naděje dožití při narození muži – vodorovná osa ukazuje jednotlivé kraje. Svislá osa naději na dožití v daném kraji (data z ORP). Plocha grafu pak ukazuje rozložení obcí v jednotlivých krajích.

[2]

Do celkového ukazatele pro dimenzi zdraví, tak jak je navržen v databázi, však vstupují rovněž další faktory, jako je příčina úmrtí nebo detailní informace o dostupnosti lékařské péče. Vyšší naděje dožití pak příznivě ovlivňuje situaci v okolí Hradce Králové nebo Vysočiny. Dostupnost lékařské péče pak vyzdvihuje dobrou situaci v Praze a okolí.

Graf 16: Souhrnná dimenze Zdraví – Složený indikátor pro oblast zdraví kombinuje ukazatele v dané kategorii. Světlejší barva znamená lepší situaci.

Přestože nemůže být pochyb o vztahu mezi kvalitou životního prostředí a populačním zdravím, databáze napovídá, že tento vztah není v českých regionech zcela jednoznačný. Čisté ovzduší, chráněné krajinné oblasti i biodiverzita jsou v České republice charakteristické zejména pro příhraniční horské oblasti Šumavy a Krkonoš (Graf 17).

Graf 17: Souhrnná dimenze Životní prostředí – Složený indikátor pro životní prostředí kombinuje ukazatele v dané kategorii. Světlejší barva znamená lepší situaci.

Nový web s dostupnou datovou sadou přitom nabízí nejen komplexní srovnání pro celorepublikovou úroveň, ale i možnost zhodnotit situaci v konkrétní obci a porovnat ji s celkovou situací v podobných obcích. Práce s datovou sadou samozřejmě umožňuje srovnání vybraných obcí mezi sebou. Tento způsob zobrazení umožňuje rychlé a srozumitelné zhodnocení situace. Ve vztahu k životnímu prostředí (Graf 18) představuje koncentraci částic pm10 µm v obcích od 4 999 do 19 999 obyvatel s vyznačením situace v Rychvaldu (červená), Mariánských Lázních (modrá) a Vrbně pod Pradědem (žlutá).

Graf 18: Koncentrace částic pm10 µm v obcích od 4 999 do 19 999 obyvatel. Situace v Rychvaldu je znázorněna červeně, v Mariánských Lázních modře a ve Vrbně pod Pradědem žlutě. Graf znázorňuje na vodorovné ose dosaženou hodnotu ukazatele a na svislé ose počet obcí, které této hodnoty dosáhly.

Web obsahuje, kromě možnosti přímého náhledu na situaci v obci, nebo zhodnocení konkrétního ukazatele v republikovém kontextu, rovněž volně dostupnou datovou sadu a dokumentaci proměnných, které umožňují další analýzu a kombinaci s dalšími datovými zdroji.

  1. Extremistické strany zastávají postoje, které jsou v rozporu s ústavními a zákonnými normami, útočí na demokratické principy vládnutí a vyznačují se netolerancí vůči menšinám. Tyto postoje představují rizika pro kvalitu života.

  2. Posun hodnoty 50 percentilu v případě Královehradeckého kraje je způsoben diskrétním charakterem dat u tohoto ukazatele.