Editace stránky Regionální nerovnosti v Česku

Skočit na navigaci Skočit na vyhledávání
Varování: Nejste přihlášen(a). Pokud uložíte jakoukoli editaci, vaše IP adresa bude zveřejněna v historii této stránky. Pokud se přihlásíte nebo si vytvoříte účet, vaše editace budou připsány vašemu uživatelskému jménu a získáte i další výhody.

Editace může být zrušena. Prosím, zkontrolujte porovnání níže, abyste se ujistili, že to chcete provést, a poté pro dokončení zrušení editace níže zobrazené změny zveřejněte.

Aktuální verze Váš text
Řádek 1: Řádek 1:
Obdobně jako v mnoha dalších státech, existují v Česku regionální nerovnosti v mnoha ohledech lidského života. Lze dokonce říci, že vzhledem k velikosti země a jejímu homogennímu složení, jsou tyto regionální nerovnosti poměrně velké. Toto heslo nabízí shrnutí vybraných regionálních nerovností v Česku, které jsou představeny především podle [[w:cs:Kraje v Česku|krajů]], v některých případech i s ohledem na rozdíl měst a venkova.  
{{Upravit}}Obdobně jako v mnoha dalších státech, existují v Česku regionální nerovnosti v mnoha ohledech lidského života. Lze dokonce říci, že vzhledem k velikosti země a jejímu homogennímu složení, jsou tyto regionální nerovnosti poměrně velké. Toto heslo nabízí shrnutí vybraných regionálních nerovností v Česku, které jsou představeny především podle [https://cs.wikipedia.org/wiki/Kraje_v_%C4%8Cesku krajů], v některých případech i s ohledem na rozdíl měst a venkova.  


==Délka života==
==Délka života==
[[w:cs:Střední délka života|Střední délka života]] (tzv. naděje dožití) se v Česku za posledních 30 let výrazně zvýšila. Výrazné rozdíly lze pozorovat i při pohledu na jednotlivé kraje zvlášť (viz Obrázek 1). Nejvyšší naděje dožití u žen je v [[w:cs:Praha|Praze]] a [[w:cs:Královéhradecký kraj|Královéhradeckém kraji]], u mužů pak na [[w:cs:Kraj Vysočina|Vysočině]] a taktéž v Praze. Naopak nejnižší je v [[w:cs:Ústecký kraj|Ústeckém]], [[w:cs:Karlovarský kraj|Karlovarském]] a [[w:cs:Moravskoslezský kraj|Moravskoslezském]] kraji.<ref>{{Citace elektronického periodika
Pravděpodobná délka života (tzv. naděje dožití) se v Česku za posledních 30 let výrazně zvýšila. Výrazné rozdíly lze pozorovat i při pohledu na jednotlivé kraje zvlášť (viz Obrázek 1). Nejvyšší naděje dožití u žen je v Praze a Královéhradeckém kraji, u mužů pak na Vysočině a taktéž v Praze. Naopak nejnižší je v Ústeckém, Karlovarském a Moravskoslezském kraji (<nowiki>https://www.czso.cz/csu/xu/nadeje-doziti-aneb-kolika-let-se-muzeme-dozit-v-nasem-kraji</nowiki>). Částečné vysvětlení těchto rozdílů může spočívat ve vlivu vzdělání na naději dožití. Zejména u mužů je tento vliv značný. Absolvent vysoké školy má o 11 let vyšší naději dožití než muž se základní školou. Rozdíly se projevují ve zdravotní prevenci i životním stylu (např. kouření, obezita, cvičení, lékařské screeningy). S rostoucím vzděláním se také pojí větší péče o zdraví  (<nowiki>https://www.irozhlas.cz/zivotni-styl/spolecnost/nadeje-doziti-cesko-vzdelani_2102150500_jab</nowiki>).
| titul = Naděje dožití aneb kolika let se můžeme dožít v našem kraji? {{!}} ČSÚ v Ústí nad Labem
| periodikum = www.czso.cz
| url = https://www.czso.cz/csu/xu/nadeje-doziti-aneb-kolika-let-se-muzeme-dozit-v-nasem-kraji
| datum přístupu = 2021-03-04
}}</ref> Částečné vysvětlení těchto rozdílů může spočívat ve vlivu vzdělání na naději dožití. Zejména u mužů je tento vliv značný. Absolvent vysoké školy má o 11 let vyšší naději dožití než muž se základní školou. Rozdíly se projevují ve zdravotní prevenci i životním stylu (např. kouření, obezita, cvičení, lékařské screeningy). S rostoucím vzděláním se také pojí větší péče o zdraví.<ref>{{Citace elektronického periodika
| titul = Vyšší vzdělání znamená delší život, zvlášť u mužů. Ve Visegrádu ho prodlužuje víc než jinde. Proč?
| periodikum = iROZHLAS
| url = https://www.irozhlas.cz/zivotni-styl/spolecnost/nadeje-doziti-cesko-vzdelani_2102150500_jab
| jazyk = cs
| datum přístupu = 2021-03-04
}}</ref>


==Příjmy==
==Příjmy==
V roce 2019 byla [[w:cs:Průměrná mzda#Medi%C3%A1n%20mezd|hrubá mediánová měsíční]] [[w:cs:Mzda|mzda]] v Česku 30 158 Kč, [[w:cs:Plat|plat]] 36 433 Kč (zjednodušeně řečeno je plat vyplácen ve státní sféře a veřejné správě, mzda v nestátním sektoru).<ref>{{Citace elektronického periodika
V roce 2019 byla hrubá mediánová měsíční mzda v Česku 30 158 Kč, plat 36 433 Kč (zjednodušeně řečeno je plat vyplácen ve státní sféře a veřejné správě, mzda v nestátním sektoru)  (<nowiki>https://app.powerbi.com/view?r=eyJrIjoiZjNlMDY4MjctOWY4ZS00OTk1LWE5OTktYjgwZDYxYzk5YjI1IiwidCI6ImM5ZmU1YTU4LTE0OTQtNDU3Zi04ZTQ2LTE1Njg5OTkzZmExZCIsImMiOjh9</nowiki>). Mediánový plat se ve všech krajích pohyboval v rozmezí 34 230 Kč (Zlínsky a Pardubický kraj) až 36 794 Kč (Plzeňský kraj). Zásadně vyšší platy byly pouze v Praze (42 530 Kč). S výjimkou Prahy nejsou rozdíly v  platech mezi kraji příliš velké. V mzdové (převážně soukromé) sféře jsou rozdíly o něco vyšší. Nejnižší mzdy byly v Karlovarském kraji (27 379 Kč), nejvyšší mimo Prahu pak 31 950 Kč ve Středočeském kraji. V Praze byly mediánové mzdy 36 054 Kč. Z těchto dat vyplývá, že příjmy ve státní a veřejné sféře byly vyšší než v mzdové. Průměrné příjmy jsou o něco vyšší, ale mediánová hodnota lépe vypovídá o stavu ve společnosti. Zatímco na průměrné příjmy nedosáhnou cca 2/3 zaměstnanců, mediánový nebo vyšší příjem má přesně 50 % z nich.
| titul = Medián hrubé měsíční mzdy v jednotlivých krajích za rok 2019 podle sféry, pohlaví a věku
| periodikum = ISPV informační systém o průměrném výdělku
| url = https://app.powerbi.com/view?r=eyJrIjoiZjNlMDY4MjctOWY4ZS00OTk1LWE5OTktYjgwZDYxYzk5YjI1IiwidCI6ImM5ZmU1YTU4LTE0OTQtNDU3Zi04ZTQ2LTE1Njg5OTkzZmExZCIsImMiOjh9
| datum přístupu = 2021-03-04
}}</ref> Mediánový plat se ve všech krajích pohyboval v rozmezí 34 230 Kč (Zlínsky a Pardubický kraj) až 36 794 Kč (Plzeňský kraj). Zásadně vyšší platy byly pouze v Praze (42 530 Kč). S výjimkou Prahy nejsou rozdíly v  platech mezi kraji příliš velké. V mzdové (převážně soukromé) sféře jsou rozdíly o něco vyšší. Nejnižší mzdy byly v Karlovarském kraji (27 379 Kč), nejvyšší mimo Prahu pak 31 950 Kč ve Středočeském kraji. V Praze byly mediánové mzdy 36 054 Kč. Z těchto dat vyplývá, že příjmy ve státní a veřejné sféře byly vyšší než v mzdové. Průměrné příjmy jsou o něco vyšší, ale mediánová hodnota lépe vypovídá o stavu ve společnosti. Zatímco na průměrné příjmy nedosáhnou cca 2/3 zaměstnanců, mediánový nebo vyšší příjem má přesně 50 % z nich.


Zajímavým příspěvkem do diskuze o mzdách je koncept důstojné mzdy.<ref>{{Citace elektronického periodika
Zajímavým příspěvkem do diskuze o mzdách je koncept důstojné mzdy (<nowiki>https://www.dustojnamzda.cz/</nowiki>). Ta je definována jako ''„…odměna za práci za běžnou pracovní dobu, která pracujícím a jejich domácnostem poskytuje dostatek finančních prostředků k životu, který je většinou společnosti vnímaný jako určitý základní standard''.“ Její hodnota 32 438 Kč, v Praze dokonce 37 987 Kč, což zohledňuje především výrazně vyšší náklady na bydlení. V mzdové sféře tak mediánová mzda nedosahuje v žádném kraji důstojné mzdy, naopak v platové ano.
| příjmení =
| titul = Minimální důstojná mzda {{!}} Minimální důstojná mzda má umožnit žít obyčejným, ale materiálně důstojným životem a cítit se plnohodnotným členem společnosti.
| periodikum = Minimální důstojná mzda
| url = https://www.dustojnamzda.cz/
| datum přístupu = 2021-03-04
}}</ref> Ta je definována jako ''„…odměna za práci za běžnou pracovní dobu, která pracujícím a jejich domácnostem poskytuje dostatek finančních prostředků k životu, který je většinou společnosti vnímaný jako určitý základní standard''.“ Její hodnota 32 438 Kč, v Praze dokonce 37 987 Kč, což zohledňuje především výrazně vyšší náklady na bydlení. V mzdové sféře tak mediánová mzda nedosahuje v žádném kraji důstojné mzdy, naopak v platové ano.


Jelikož část příjmů domácností nepochází z mezd, ale z důchodů či dalších sociálních plateb a jiných příjmů, je užitečné se zaměřit na míru čistého disponibilního důchodu, tedy průměrných čistých finančních příjmů na jednoho člena domácnosti. V roce 2019 se pohyboval v rozpětí od 17 997 Kč měsíčně v Ústeckém kraji do 21 545 Kč v kraji Středočeském. Výjimku z tohoto rozpětí tvořila opět Praha s 27 079 Kč měsíčně.<ref>{{Citace elektronického periodika
Jelikož část příjmů domácností nepochází z mezd, ale z důchodů či dalších sociálních plateb a jiných příjmů, je užitečné se zaměřit na míru čistého disponibilního důchodu, tedy průměrných čistých finančních příjmů na jednoho člena domácnosti. V roce 2019 se pohyboval v rozpětí od 17 997 Kč měsíčně v Ústeckém kraji do 21 545 Kč v kraji Středočeském. Výjimku z tohoto rozpětí tvořila opět Praha s 27 079 Kč měsíčně (<nowiki>https://www.czso.cz/documents/10180/127421822/320198193102.xlsx/7c8574ab-11b4-4be7-88bf-caa97039bd00?version=1.1</nowiki>).
| titul = 31-2. Vybrané ukazatele krajů (NUTS 3) v roce 2018
| vydavatel = ČSÚ
| url = https://www.czso.cz/documents/10180/127421822/320198193102.xlsx/7c8574ab-11b4-4be7-88bf-caa97039bd00?version=1.1
| datum přístupu = 2021-03-04
}}</ref>


==Nezaměstnanost a dojíždění za prací==
==Nezaměstnanost a dojíždění za prací==
V druhé polovině druhé dekády 21. století byla [[w:cs:Nezaměstanost|nezaměstnanost]] v Česku nízká, např. v roce 2019 se pohybovala v rozmezí od 1,9 % (Praha) po 4,4 % (Moravskoslezský kraj). V reakci na [[w:cs:Pandemie covidu-19 v Česku|pandemii covid-19]], hospodářský propad a protipandemická opatření nezaměstnanost roste. Na začátku roku 2021 se pohybovala v rozmezí 3,2 % (Pardubický kraj) až 5,9 % (Karlovarský kraj) (viz Obrázek 2). Je zajímavé, že v Pardubickém kraji stoupla z původních 2,2 % pouze o 1 %, zatímco v Karlovarském kraji vzrostla z 2,7 % o 2,2 %.<ref name=":0">{{Citace elektronického periodika
V druhé polovině druhé dekády 21. století byla nezaměstnanost v Česku nízká, např. v roce 2019 se pohybovala v rozmezí od 1,9 % (Praha) po 4,4 % (Moravskoslezský kraj). V reakci na pandemii covid-19, hospodářský propad a protipandemická opatření nezaměstnanost roste. Aktuálně se pohybuje v rozmezí 3,2 % (Pardubický kraj) až 5,9 % (Karlovarský kraj) (viz Obrázek 2). Je zajímavé, že v Pardubickém kraji stoupla z původních 2,2 % pouze o 1 %, zatímco v Karlovarském kraji vzrostla z 2,7 % o 2,2 % (<nowiki>https://www.czso.cz/documents/10180/148053668/320198203102.xlsx/287b5d2d-b4b7-4237-a424-d0fd4b65194b?version=1.1</nowiki>).
| titul = 31-2. Vybrané ukazatele krajů (NUTS 3) v roce 2019
| vydavatel = ČSÚ
| url = https://www.czso.cz/documents/10180/148053668/320198203102.xlsx/287b5d2d-b4b7-4237-a424-d0fd4b65194b?version=1.1
| datum přístupu = 2021-03-04
}}</ref>


Dojížďka za prací ovlivněna nabídkou práce a jejím ohodnocením na jedné straně a vzdáleností a možnostmi dopravy na straně druhé. Výzkum Erlebach a kol. (2019) na datech Českého statistického úřadu z roku 2011 ukazuje intenzitu dojížďky za prací v Česku a socio-ekonomicky definované periferie.<ref>{{Citace periodika
Dojížďka za prací ovlivněna nabídkou práce a jejím ohodnocením na jedné straně a vzdáleností a možnostmi dopravy na straně druhé. Výzkum Erlebach a kol. (2019) na datech Českého statistického úřadu z roku 2011 ukazuje intenzitu dojížďky za prací v Česku a socio-ekonomicky definované periferie. Krajská města tvoří regionální centra, do kterých se dojíždí z okolí. Periferní obce se vyskytují velmi často právě na hranici krajů. Obrázek 3 dobře ilustruje dojížďku (i centralizovanou orientaci dopravní sítě) v rámci Čech do Prahy. Naproti tomu jsou vazby mezi moravskými centry intenzivnější a celkově je Morava spíš polycentrická. V Čechách jsou zajímavým úkazem Karlov Vary, které jsou minimálně napojeny dojížďkou na další regionální centra a zároveň takřka nejsou centrem dojížďky za prací z jihu a západu (částečně kvůli vojenskému újezdu na západ od města).
| příjmení = Erlebach
| jméno = Martin
| příjmení2 = Halás
| jméno2 = Marián
| příjmení3 = Daniel
| jméno3 = Jan
| titul = Is there congruence in the spatial patterns of regions derived from scalar and vector geographical information?
| periodikum = Moravian Geographical Reports
| datum vydání = 2019-03-01
| ročník = 27
| číslo = 1
| strany = 2–14
| issn = 1210-8812
| doi = 10.2478/mgr-2019-0001
| url = https://content.sciendo.com/doi/10.2478/mgr-2019-0001
| datum přístupu = 2021-03-04
}}</ref> Krajská města tvoří regionální centra, do kterých se dojíždí z okolí. Periferní obce se vyskytují velmi často právě na hranici krajů. Obrázek 3 dobře ilustruje dojížďku (i centralizovanou orientaci dopravní sítě) v rámci Čech do Prahy. Naproti tomu jsou vazby mezi moravskými centry intenzivnější a celkově je Morava spíš polycentrická. V Čechách jsou zajímavým úkazem Karlov Vary, které jsou minimálně napojeny dojížďkou na další regionální centra a zároveň takřka nejsou centrem dojížďky za prací z jihu a západu (částečně kvůli vojenskému újezdu na západ od města).


==Exekuce==
==Exekuce==
Zásadním problémem Česka jsou [[w:cs:Exekuce|exekuce]], jejichž rozložení v rámci republiky je velmi nerovnoměrné. V roce 2019 bylo v exekuci průměrně 8,7 % občanů (tj. 775 tisíc). Nejmenší počty byly v krajích Vysočina (5,1 %) a ve Zlínském (5,3 %). Naopak nejvyšší v Ústeckém (16,7 %) a Karlovarském (16,3 %). Největší procento lidí v exekuci bylo v [[w:cs:Okres Most|okresu Most]] (19,9 %) (viz Obr. 4). Mimo Ústecký a Karlovarský kraj jsou časté exekuce v periferních okresech, jako například Český Krumlov, Bruntál, Jeseník, ale také Ostrava-město nebo Karviná. Od roku 2017 dochází k poklesu množství exekucí.<ref>{{Citace elektronické monografie
Zásadním problémem Česka jsou exekuce, jejichž rozložení v rámci republiky je velmi nerovnoměrné. V roce 2019 bylo v exekuci průměrně 8,7 % občanů (tj. 775 tisíc). Nejmenší počty byly v krajích Vysočina (5,1 %) a ve Zlínském (5,3 %). Naopak nejvyšší v Ústeckém (16,7 %) a Karlovarském (16,3 %). Největší procento lidí v exekuci bylo v okresu Most (19,9 %) (viz Obr. 4). Mimo Ústecký a Karlovarský kraj jsou časté exekuce v periferních okresech, jako například Český Krumlov, Bruntál, Jeseník, ale také Ostrava-město nebo Karviná. Od roku 2017 dochází k poklesu množství exekucí (<nowiki>http://mapaexekuci.cz/</nowiki>).
| titul = Mapa exekucí
| url = http://mapaexekuci.cz/
| datum přístupu = 2021-03-04
| jazyk =
}}</ref>


==Společenské třídy==
==Společenské třídy==
Řádek 78: Řádek 24:
''„Analýza dat ukázala, že člověk stejného věku, se stejným vzděláním i stejnou prací má až 1,7krát vyšší šanci zařadit se do některé z vyšších tříd, pokud žije v bohaté a spořádané obci. A naopak bydliště v odlehlé a problémové obci (tedy v takové, kde je zvýšený podíl lidí v exekuci, vyšší nezaměstnanost či rozvodovost) zvyšuje riziko pádu mezi ohrožené či strádající 1,5krát.''
''„Analýza dat ukázala, že člověk stejného věku, se stejným vzděláním i stejnou prací má až 1,7krát vyšší šanci zařadit se do některé z vyšších tříd, pokud žije v bohaté a spořádané obci. A naopak bydliště v odlehlé a problémové obci (tedy v takové, kde je zvýšený podíl lidí v exekuci, vyšší nezaměstnanost či rozvodovost) zvyšuje riziko pádu mezi ohrožené či strádající 1,5krát.''


''Příčinné vztahy vedou zřejmě oběma směry. Obce trpí sociálními problémy proto, že v nich bydlí nižší a chudší sociální třídy. Zároveň ale rizikové prostředí snižuje šance lidí posunout se do vyšších pater společnosti, a naopak zvyšuje riziko propadnutí níž.“''<ref>{{Citace elektronického periodika
''Příčinné vztahy vedou zřejmě oběma směry. Obce trpí sociálními problémy proto, že v nich bydlí nižší a chudší sociální třídy. Zároveň ale rizikové prostředí snižuje šance lidí posunout se do vyšších pater společnosti, a naopak zvyšuje riziko propadnutí níž.“'' (<nowiki>https://www.irozhlas.cz/zpravy-domov/ceska-spolecnost-vyzkum-tridy-kalkulacka_1909171000_zlo</nowiki>)
| titul = Unikátní výzkum: česká společnost se nedělí na dva tábory, ale do šesti tříd. Zjistěte, do které patříte vy
| periodikum = iROZHLAS
| url = https://www.irozhlas.cz/zpravy-domov/ceska-spolecnost-vyzkum-tridy-kalkulacka_1909171000_zlo
| jazyk = cs
| datum přístupu = 2021-03-04
}}</ref>


==Vzdělání==
==Vzdělání==
Data ze Sčítání lidu, domů a bytů z roku 2011, která jsou vzhledem k výrazně rostoucímu vzdělání již trochu zastaralá, ukazují velmi stabilní rozložení středního vzdělání mezi kraji. Vyučených je v jednotlivých krajích 32–37 % obyvatel (s výjimkou Prahy, kde jde pouze o 20 %), SŠ s maturitou má 26–30 % obyvatel. Větší rozdíly lze pozorovat u základního vzdělání (od 10 % v Praze po 22 % v Karlovarském a Ústeckém kraji) (viz Obr. 6) a vysokoškolského vzdělání (7 % v Karlovarském kraji, většina krajů mezi 9 a 11 % a 24 % v Praze). S rostoucím počtem obyvatel obce klesá podíl obyvatel bez vzdělání a vyučených a naopak roste podíl obyvatel s úplným středním vzděláním a vysokou školou.<ref>{{Citace elektronického periodika
Data ze Sčítání lidu, domů a bytů z roku 2011, která jsou vzhledem k výrazně rostoucímu vzdělání již trochu zastaralá, ukazují velmi stabilní rozložení středního vzdělání mezi kraji. Vyučených je v jednotlivých krajích 32–37 % obyvatel (s výjimkou Prahy, kde jde pouze o 20 %), SŠ s maturitou má 26–30 % obyvatel. Větší rozdíly lze pozorovat u základního vzdělání (od 10 % v Praze po 22 % v Karlovarském a Ústeckém kraji) (viz Obr. 6) a vysokoškolského vzdělání (7 % v Karlovarském kraji, většina krajů mezi 9 a 11 % a 24 % v Praze). S rostoucím počtem obyvatel obce klesá podíl obyvatel bez vzdělání a vyučených a naopak roste podíl obyvatel s úplným středním vzděláním a vysokou školou (<nowiki>https://www.czso.cz/documents/10180/20536250/17023214a04.pdf/e4fe0c99-0c5a-49ee-8d54-cbda60892f1e?version=1.1</nowiki>).
| titul = Územní rozdíly v úrovni vzdělanosti obyvatelstva ČR
| vydavatel = CZSO
| url = https://www.czso.cz/documents/10180/20536250/17023214a04.pdf/e4fe0c99-0c5a-49ee-8d54-cbda60892f1e?version=1.1
| datum přístupu = 2021-03-04
}}</ref>


Na vztah mezi sociálními problémy, bytovou nouzí a exekucemi upozornil výzkum z roku 2019. V periferních regionech (včetně vnitřních periferií) častěji žijí děti v rodinách v bytové nouzi nebo v exekucích a je v nich vyšší výskyt předčasně ukončených povinných školních docházek, více zameškaných hodin na žáka a vyšší podíl neprospívajících žáků. V některých regionech Ústeckého a Karlovarského kraje vzrostl počet dětí, které předčasně ukončily základní školní docházku z 9 % v roce 2013 na 15 % v roce 2017. V těchto regionech je také vysoký podíl dětí, které nemají žádné střední vzdělání (15–20 %).<ref>{{Citace elektronického periodika
Na vztah mezi sociálními problémy, bytovou nouzí a exekucemi upozornil výzkum z roku 2019. V periferních regionech (včetně vnitřních periferií) častěji žijí děti v rodinách v bytové nouzi nebo v exekucích a je v nich vyšší výskyt předčasně ukončených povinných školních docházek, více zameškaných hodin na žáka a vyšší podíl neprospívajících žáků. V některých regionech Ústeckého a Karlovarského kraje vzrostl počet dětí, které předčasně ukončily základní školní docházku z 9 % v roce 2013 na 15 % v roce 2017. V těchto regionech je také vysoký podíl dětí, které nemají žádné střední vzdělání (15–20 %) (<nowiki>https://www.irozhlas.cz/zpravy-domov/mapa-data-skolstvi-regiony-exekuce-bytova-nouze-ubytovny-zakladni-skoly-daniel_1911270600_nkr</nowiki>).
| titul = Nemají kde spát, natož kde se učit.’ Projděte si unikátní mapu vzdělávacích podmínek v Česku
| periodikum = iROZHLAS
| url = https://www.irozhlas.cz/zpravy-domov/mapa-data-skolstvi-regiony-exekuce-bytova-nouze-ubytovny-zakladni-skoly-daniel_1911270600_nkr
| jazyk = cs
| datum přístupu = 2021-03-04
}}</ref>


==Životní prostředí==
==Životní prostředí==
Některé problémy [[:Kategorie:Ukazatele stavu prostředí|životního prostředí]] jsou ze své podstaty globální (například [[Globální změna klimatu|změna klimatu]], i když i ta má regionálně odlišné příčiny a dopady), jiné se projevují lokálně velmi odlišně. Typickým příkladem je [[w:cs:Znečištění ovzduší|znečištění ovzduší]]. Zatímco ve velkých městech je zásadním znečišťovatelem automobilová doprava, v průmyslových oblastech továrny a další provozy, v menších sídlech se často jedná o [[w:cs:Lokální topeniště|lokální topeniště]] v rodinných domech. Imisní limity jsou překračovány nejvíce v Moravskoslezském kraji (viz Obr. 7). Naopak jih a jihozápad Čech jsou oblasti s nejmenšími problémy s kvalitou ovzduší.<ref>{{Citace elektronického periodika
Některé problémy [[:Kategorie:Ukazatele stavu prostředí|životního prostředí]] jsou ze své podstaty globální (například změna klimatu, i když i ta má regionálně odlišné příčiny a dopady), jiné se projevují lokálně velmi odlišně. Typickým příkladem je znečištění ovzduší. Zatímco ve velkých městech je zásadním znečišťovatelem automobilová doprava, v průmyslových oblastech továrny a další provozy, v menších sídlech se často jedná o lokální topeniště v rodinných domech. Imisní limity jsou překračovány nejvíce v Moravskoslezském kraji (viz Obr. 7). Naopak jih a jihozápad Čech jsou oblasti s nejmenšími problémy s kvalitou ovzduší (<nowiki>https://www.chmi.cz/files/portal/docs/uoco/isko/grafroc/19groc/gr19cz/Obsah_CZ.html</nowiki>).
| titul = Grafická ročenka
| periodikum = www.chmi.cz
| url = https://www.chmi.cz/files/portal/docs/uoco/isko/grafroc/19groc/gr19cz/Obsah_CZ.html
| datum přístupu = 2021-03-04
}}</ref>


Výrazně regionální charakter má například povrchová těžba hnědého uhlí v [[w:cs:Sokolovská pánev|Sokolovské]] a [[w:cs:Mostecká pánev|Mostecké]] pánvi. Ta zcela přeměňuje ráz krajiny a jsou s ní spojeny hydrologické změny, hluková zátěž a znečištění ovzduší, vyšší koncentrace elektráren v regionech a dříve také bourání obcí, pod nimiž se nacházela ložiska hnědého uhlí.
Výrazně regionální charakter má například povrchová těžba hnědého uhlí v Sokolovské a Mostecké pánvi. Ta zcela přeměňuje ráz krajiny a jsou s ní spojeny hydrologické změny, hluková zátěž a znečištění ovzduší, vyšší koncentrace elektráren v regionech a dříve také bourání obcí, pod nimiž se nacházela ložiska hnědého uhlí.


==Ukázky měření nerovností==
==Ukázky měření nerovností==


===OECD regionálně===
===OECD regionálně===
[[w:en:OECD Better Live Index|OECD Better Live Index]]<ref>{{Citace elektronického periodika
OECD Better Live Index (<nowiki>https://www.oecdregionalwellbeing.org/</nowiki>) je indikátor, který zahrnuje 11 různých charakteristik a srovnává je také regionálně s rozdělením na regiony soudržnosti NUTS-2. Obrázek  8 znázorňuje vždy nejlepší a nejhorší český region a jejich pozici v rámci všech 402 regionů členských států OECD. V některých kategoriích (práce, dostupnost služeb, vzdělání) dosahuje Praha špičkových výsledků v rámci OECD, ve většině se české regiony pohybují v průměru OECD. V některých indikátorech (dostupnost zdravotní péče, životní prostředí zapojení do veřejného života, sociální vztahy, bydlení) jsou ale české regiony i mezi pětinou nejhorších v OECD (<nowiki>https://www.oecd.org/regional/CZECH-REPUBLIC-Regions-and-Cities-2018.pdf</nowiki>).
| titul = OECD Regional Well-Being - How is life?
| periodikum = OECD Regional Well-Being
| url = https://oecdregionalwellbeing.org/
| jazyk = en
| datum přístupu = 2021-03-04
}}</ref> je indikátor, který zahrnuje 11 různých charakteristik a srovnává je také regionálně s rozdělením na regiony soudržnosti NUTS-2. Obrázek  8 znázorňuje vždy nejlepší a nejhorší český region a jejich pozici v rámci všech 402 regionů členských států OECD. V některých kategoriích (práce, dostupnost služeb, vzdělání) dosahuje Praha špičkových výsledků v rámci OECD, ve většině se české regiony pohybují v průměru OECD. V některých indikátorech (dostupnost zdravotní péče, životní prostředí zapojení do veřejného života, sociální vztahy, bydlení) jsou ale české regiony i mezi pětinou nejhorších v OECD.<ref>{{Citace elektronické monografie
| příjmení = OECD
| titul = Regions and Cities at a Glance 2018 – CZECH REPUBLIC
| url = https://www.oecd.org/regional/CZECH-REPUBLIC-Regions-and-Cities-2018.pdf
| vydavatel = OECD
| datum přístupu = 2021-03-05
}}</ref>


===Měření kvality života – Obce v datech===
===Měření kvality života – Obce v datech===
Projekt Obce v datech<ref>{{Citace elektronického periodika
Projekt Obce v datech (<nowiki>https://www.obcevdatech.cz/</nowiki>) srovnává velké množství dat o zdraví, službách, ekonomice, kulturním vyžití, sociálních problémech apod. a vytváří z nich index kvality života pro 206 obcí v Česku. Na prvních třech místech dle tohoto srovnání stojí Říčany, Praha a Slavkov u Brna. Na opačném konci srovnání pak Orlová, Karviná a Vítkov. Celkové srovnání potvrzuje geografické rozložení známé i z jiných indikátorů. Lepšího skóre dosahují obce ve vnitrozemí a v okolí krajských center, horšího pak obce v Ústeckém, Karlovarském a Moravskoslezském kraji a obecně na periferiích.
| titul = Jsme datovým partnerem českých obcí - Obce v datech
| periodikum = www.obcevdatech.cz
| url = http://www.obcevdatech.cz/
| jazyk = cs
| datum přístupu = 2021-03-05
}}</ref> srovnává velké množství dat o zdraví, službách, ekonomice, kulturním vyžití, sociálních problémech apod. a vytváří z nich index kvality života pro 206 obcí v Česku. Na prvních třech místech dle tohoto srovnání stojí [[w:cs:Říčany|Říčany]], [[w:cs:Praha|Praha]] a [[w:cs:Slavkov u Brna|Slavkov u Brna]]. Na opačném konci srovnání pak [[w:cs:Orlová|Orlová]], [[w:cs:Karviná|Karviná]] a [[w:cs:Vítkov|Vítkov]]. Celkové srovnání potvrzuje geografické rozložení známé i z jiných indikátorů. Lepšího skóre dosahují obce ve vnitrozemí a v okolí krajských center, horšího pak obce v Ústeckém, Karlovarském a Moravskoslezském kraji a obecně na periferiích.


==Konvergence s EU==
==Konvergence s EU==
Měřeno podle [[w:cs:Hrubý domácí produkt|hrubého domácího produktu]], je ekonomicky nejvýznamnějším regionem Česka Praha. Velikost jejího HDP přepočteného na obyvatele byla 190 % průměru EU. Žádný jiný český region dle HDP průměru EU nedosáhl. Druhým nejlepším je Jihomoravský kraj s 88 % průměru EU. Většina krajů se pohybuje mezi 82 a 70 %, pouze Ústecký je na úrovni 65 % a Karlovarský 59 % průměru EU.<ref name=":0" />
Měřeno podle Hrubého domácího produktu, je ekonomicky nejvýznamnějším regionem Česka Praha. Velikost jejího HDP přepočteného na obyvatele byla 190 % průměru EU. Žádný jiný český region dle HDP průměru EU nedosáhl. Druhým nejlepším je Jihomoravský kraj s 88 % průměru EU. Většina krajů se pohybuje mezi 82 a 70 %, pouze Ústecký je na úrovni 65 % a Karlovarský 59 % průměru EU (<nowiki>https://www.czso.cz/documents/10180/148053668/320198203102.xlsx/287b5d2d-b4b7-4237-a424-d0fd4b65194b?version=1.1</nowiki>).


Studie Demertzis a kol. (2019) ukazuje, že [[w:cs:Region soudržnosti Severozápad|region soudržnosti Severozápad]] (Ústecký a Karlovarský kraj) vykazuje nižší hospodářský výkon a nižší míru konvergence vůči průměru EU, než jaká se očekávala. U ostatních českých krajů došlo k mírně vyšší konvergenci, než se očekávalo. V Jihomoravském kraji byla míra sbližování s průměrem EU nejvyšší (viz Obr. 9).<ref>Demertzis, M., Sapir, A., Wolff, G. (2019). Promoting sustainable and inclusive growth and convergence in the European Union. Policy Contribution No. 7. Bruegel. <nowiki>https://www.bruegel.org/wp-content/uploads/2019/04/PC-07_2019.pdf</nowiki></ref>
Studie Demertzis a kol. (2019) ukazuje, že region Severozápad (Ústecký a Karlovarský kraj) vykazuje nižší hospodářský výkon a nižší míru konvergence vůči průměru EU, než jaká se očekávala. U ostatních českých krajů došlo k mírně vyšší konvergenci, než se očekávalo. V Jihomoravském kraji byla míra sbližování s průměrem EU nejvyšší (viz Obr. 9).


==Odkazy==
==Odkazy==


===Související články (na Enviwiki)===
===Související články (na Enviwiki)===
[[Regionální rozvoj]]


*[[Regionální rozvoj]]
[[Strategie regionálního rozvoje České republiky 2021+]]
*[[Strategie regionálního rozvoje České republiky 2021+]]


==Odkazy==
==Reference – citované==
<nowiki>https://www.czso.cz/csu/xu/nadeje-doziti-aneb-kolika-let-se-muzeme-dozit-v-nasem-kraji</nowiki>
 
<nowiki>https://www.irozhlas.cz/zivotni-styl/spolecnost/nadeje-doziti-cesko-vzdelani_2102150500_jab</nowiki>
 
<nowiki>https://app.powerbi.com/view?r=eyJrIjoiZjNlMDY4MjctOWY4ZS00OTk1LWE5OTktYjgwZDYxYzk5YjI1IiwidCI6ImM5ZmU1YTU4LTE0OTQtNDU3Zi04ZTQ2LTE1Njg5OTkzZmExZCIsImMiOjh9</nowiki>
 
<nowiki>https://www.dustojnamzda.cz/</nowiki>
 
<nowiki>https://www.czso.cz/documents/10180/127421822/320198193102.xlsx/7c8574ab-11b4-4be7-88bf-caa97039bd00?version=1.1</nowiki>
 
<nowiki>https://www.czso.cz/documents/10180/148053668/320198203102.xlsx/287b5d2d-b4b7-4237-a424-d0fd4b65194b?version=1.1</nowiki>
 
Erlebach, M., Halás, M., Daniel, J., Klapka, P. (2019). Is there congruence in the spatial patterns of regions derived from scalar and vector geographical information? ''Moravian Geographical Reports'' ''27''(1): 2–14. <nowiki>https://content.sciendo.com/view/journals/mgr/27/1/article-p2.xml?language=en</nowiki>
 
<nowiki>http://mapaexekuci.cz/</nowiki>
 
<nowiki>https://www.irozhlas.cz/zpravy-domov/ceska-spolecnost-vyzkum-tridy-kalkulacka_1909171000_zlo</nowiki>
 
<nowiki>https://www.czso.cz/documents/10180/20536250/17023214a04.pdf/e4fe0c99-0c5a-49ee-8d54-cbda60892f1e?version=1.1</nowiki>
 
<nowiki>https://www.irozhlas.cz/zpravy-domov/mapa-data-skolstvi-regiony-exekuce-bytova-nouze-ubytovny-zakladni-skoly-daniel_1911270600_nkr</nowiki>
 
<nowiki>https://www.chmi.cz/files/portal/docs/uoco/isko/grafroc/19groc/gr19cz/Obsah_CZ.html</nowiki>
 
<nowiki>https://www.oecd.org/regional/CZECH-REPUBLIC-Regions-and-Cities-2018.pdf</nowiki>
 
<nowiki>https://www.obcevdatech.cz/</nowiki>
 
Demertzis, M., Sapir, A., Wolff, G. (2019). Promoting sustainable and inclusive growth and convergence in the European Union. Policy Contribution No. 7. Bruegel. <nowiki>https://www.bruegel.org/wp-content/uploads/2019/04/PC-07_2019.pdf</nowiki>
 
==Poznámky==


===Reference===
==Literatura==
<references />


===Literatura===
==Externí odkazy==


===Externí odkazy===




{{Upravit}}
{{MAS}}
{{MAS}}
<references />
Všechny příspěvky do Enviwiki jsou zveřejňovány podle licencí Creative Commons Uveďte autora – Zachovejte licenci 3.0 Unported (podrobnosti najdete na Enviwiki:Autorské právo). Pokud si nepřejete, aby váš text byl nemilosrdně upravován a volně šířen, pak ho do Enviwiki neukládejte.
Uložením příspěvku se zavazujete, že je vaším dílem nebo je zkopírován ze zdrojů, které nejsou chráněny autorským právem (tzv. public domain). NEVKLÁDEJTE DÍLA CHRÁNĚNÁ AUTORSKÝM PRÁVEM BEZ DOVOLENÍ!
Storno Pomoc při editování (otevře se v novém okně)