Regionální nerovnosti v Česku: Porovnání verzí

bez shrnutí editace
(Vložení textu)
Bez shrnutí editace
Řádek 1: Řádek 1:
{{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.  
{{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==
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>).
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>).


== Příjmy ==
==Příjmy==
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.
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.


Řádek 11: Řádek 11:
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>).
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>).


== Nezaměstnanost a dojíždění za prací ==
==Nezaměstnanost a dojíždění za prací==
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>).
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>).


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).
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).


== Exekuce ==
==Exekuce==
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>).
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>).


== Společenské třídy ==
==Společenské třídy==
Jako sociální třída se obvykle označují jedinci, kteří vykazují obdobné znaky a chování. V roce 2019 proběhl sociologický výzkum Rozděleni svobodou, v jehož rámci byli obyvatelé Česka rozděleni do několika tříd na základě několika druhů kapitálu. Pro rozdělení byl použit ekonomický kapitál (příjmy a majetek), sociální kapitál (sítě a vazby mezi lidmi), kulturní kapitál a vzdělanostní kapitál. V rámci Česka bylo identifikováno šest tříd. Zajištěná střední třída (22 % obyvatel), nastupující kosmopolitní třída (12 %), tradiční pracující třída (14 %), třída místních vazeb (12 %), ohrožená třída (22 %) a strádající třída (18 %). Obrázek 5 ukazuje nerovnoměrné rozdělení v krajích. Zatímco v Praze tvoří zajištěná střední třída 34 % (a spolu s nastupující kosmopolitní tvoří nadpoloviční většinu obyvatel), například v Ústeckém kraji jde pouze o 14 % obyvatel. V tomto kraji naopak tvoří ohrožená a strádající třída téměř 3/5 obyvatel. Autoři výzkumu poukazují na oboustranný vztah mezi sociodemografickým profilem jedince a charakteristikou místa, kde žije:
Jako sociální třída se obvykle označují jedinci, kteří vykazují obdobné znaky a chování. V roce 2019 proběhl sociologický výzkum Rozděleni svobodou, v jehož rámci byli obyvatelé Česka rozděleni do několika tříd na základě několika druhů kapitálu. Pro rozdělení byl použit ekonomický kapitál (příjmy a majetek), sociální kapitál (sítě a vazby mezi lidmi), kulturní kapitál a vzdělanostní kapitál. V rámci Česka bylo identifikováno šest tříd. Zajištěná střední třída (22 % obyvatel), nastupující kosmopolitní třída (12 %), tradiční pracující třída (14 %), třída místních vazeb (12 %), ohrožená třída (22 %) a strádající třída (18 %). Obrázek 5 ukazuje nerovnoměrné rozdělení v krajích. Zatímco v Praze tvoří zajištěná střední třída 34 % (a spolu s nastupující kosmopolitní tvoří nadpoloviční většinu obyvatel), například v Ústeckém kraji jde pouze o 14 % obyvatel. V tomto kraji naopak tvoří ohrožená a strádající třída téměř 3/5 obyvatel. Autoři výzkumu poukazují na oboustranný vztah mezi sociodemografickým profilem jedince a charakteristikou místa, kde žije:


Řádek 26: Řádek 26:
''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>)
''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>)


== 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 (<nowiki>https://www.czso.cz/documents/10180/20536250/17023214a04.pdf/e4fe0c99-0c5a-49ee-8d54-cbda60892f1e?version=1.1</nowiki>).
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>).


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>).
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>).


== Životní prostředí ==
==Životní prostředí==
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>).
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>).


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.
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===
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>).
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>).


=== Měření kvality života – Obce v datech ===
===Měření kvality života – Obce v datech===
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.
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.


== Konvergence s EU ==
==Konvergence s EU==
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>).
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 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).
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]]
[[Strategie regionálního rozvoje České republiky 2021+]]


== Reference – citované ==
==Reference – citované==
<nowiki>https://www.czso.cz/csu/xu/nadeje-doziti-aneb-kolika-let-se-muzeme-dozit-v-nasem-kraji</nowiki>
<nowiki>https://www.czso.cz/csu/xu/nadeje-doziti-aneb-kolika-let-se-muzeme-dozit-v-nasem-kraji</nowiki>


Řádek 87: Řádek 87:
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>  
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 ==
==Poznámky==


== Literatura ==
==Literatura==


== Externí odkazy ==
==Externí odkazy==






{{MAS}}
{{MAS}}
1 550

editací