6 7 REGIONALNE ZRÓŻNICOWANIE ROZWOJU EKONOMICZNEGO POLSKI Mariusz Trojak Kraków 2015 Praca naukowa finansowana ze środków budżetowych na naukę w latach 2010–2013 jako projekt badawczy N N114 214039 RECENZENT prof. dr hab. Eugeniusz Kwiatkowski PROJEKT OKŁADKI Marcin Bruchnalski © Copyright by Mariusz Trojak & Wydawnictwo Uniwersytetu Jagiellońskiego  Wydanie I, Kraków 2013  All rights reserved Niniejszy utwór ani żaden jego fragment nie może być reprodukowany, przetwarzany i rozpowszechniany w jakikolwiek sposób za pomocą urządzeń elektronicznych, mechanicznych, kopiujących, nagrywających i innych oraz nie może być przechowywany w żadnym systemie informatycznym bez uprzedniej pisemnej zgody Wydawcy. ISBN 978-83-233-3520-7 www.wuj.pl Wydawnictwo Uniwersytetu Jagiellońskiego Redakcja: ul. Michałowskiego 9/2, 31-126 Kraków tel. 12-663-23-81, 12-663-23-82, fax 12-663-23-83 Dystrybucja: tel. 12-631-01-97, tel./fax 12-631-01-98 tel. kom. 506-006-674, e-mail: sprzedaz@wuj.pl Konto: PEKAO SA, nr 80 1240 4722 1111 0000 4856 3325 SPIS TREŚCI Wprowadzenie  ......................................................................................................... 9 1. Czynniki kształtujące zróżnicowanie rozwoju regionalnego – Ujęcie teoretyczne ............................................................................................... 13 1.1. Wprowadzenie ............................................................................................. 13 1.2. Rozwój regionalny i jego determinanty ....................................................... 14 1.2.1. Region – definicje  ............................................................................ 14 1.2.1. Rozwój regionalny ............................................................................ 16 1.2.2. Determinanty rozwoju regionalnego ................................................. 17 1.3. Teorie rozwoju regionalnego ....................................................................... 19 1.3.1. Modele neokeynesowskie ................................................................. 19 1.3.2. Modele neoklasyczne ........................................................................ 21 1.3.3. Modele endogenicznego wzrostu ...................................................... 23 1.4. Procesy konwergencji w badaniach rozwoju regionalnego ......................... 24 1.5. Podsumowanie ............................................................................................. 26 Bibliografia .......................................................................................................... 26 2. Zróżnicowanie podstawowych zmiennych makroekonomicznych w polskich województwach na tle regionów Unii Europejskiej ............................................ 29 2.1. Wprowadzenie ............................................................................................. 29 2.2. PKB per capita ............................................................................................ 29 2.3. Dochody gospodarstw domowych ............................................................... 38 2.4. Inwestycje per capita ................................................................................... 46 2.5. Stopa bezrobocia .......................................................................................... 54 2.6. Podsumowanie ............................................................................................. 62 Bibliografia .......................................................................................................... 64 3. Zróżnicowanie podstawowych zmiennych makroekonomicznych w województwach ............................................................................................... 65 3.1. Wprowadzenie ............................................................................................. 65 3.2. Przestrzenne zróżnicowanie podstawowych zmiennych makroekonomicznych w województwach  .................................................. 65 3.2.1. PKB per capita .................................................................................. 65 3.2.2. Środki trwałe per capita .................................................................... 69 3.2.3. Inwestycje per capita ........................................................................ 73 3.2.4. Płace .................................................................................................. 78 3.2.5. REGON na 1000 mieszkańców ........................................................ 81 3.2.6. Stopy bezrobocia rejestrowanego ..................................................... 85 3.3. Podsumowanie ............................................................................................. 89 Bibliografia .......................................................................................................... 90 4. Zróżnicowanie podstawowych zmiennych makroekonomicznych w powiatach ......................................................................................................... 91 4.1. Wprowadzenie ............................................................................................. 91 4.2. Przestrzenne zróżnicowanie podstawowych zmiennych makroekonomicznych .................................................................................. 92 4.2.1. Produkcja sprzedana na mieszkańca ................................................. 92 4.2.2. Wartość brutto środków trwałych per capita ..................................... 99 4.2.3. Inwestycje na mieszkańca ................................................................. 105 4.2.4. Płace .................................................................................................. 112 4.2.5. REGON na 1000 mieszkańców ........................................................ 117 4.2.6. Stopy bezrobocia rejestrowanego ..................................................... 123 4.3. Oddziaływanie czynników instytucjonalnych, aglomeracyjnych, historycznych i geograficznych na przestrzenne zróżnicowanie podstawowych zmiennych makroekonomicznych ...................................... 130 4.4. Podsumowanie ............................................................................................. 136 Bibliografia .......................................................................................................... 138 5. Taksonomiczne wskaźniki rozwoju ekonomicznego województw i powiatów . 139 5.1. Wprowadzenie ............................................................................................. 139 5.2. Taksonomiczne wskaźniki rozwoju ekonomicznego ................................... 139 5.3. Wskaźniki rozwoju ekonomicznego województw ....................................... 141 5.4. Wskaźniki rozwoju ekonomicznego powiatów ........................................... 146 5.5. Oddziaływanie czynników instytucjonalnych, aglomeracyjnych, historycznych i geograficznych na przestrzenne zróżnicowanie taksonomicznych wskaźników rozwoju ekonomicznego powiatów ........... 157 5.6. Podsumowanie ............................................................................................. 161 Bibliografia .......................................................................................................... 175 6. Analiza zróżnicowania rozwoju ekonomicznego województw i powiatów oparta na łańcuchach Markowa  .......................................................................... 177 6.1. Wprowadzenie ............................................................................................. 177 6.2. Charakterystyka łańcuchów Markowa ......................................................... 177 6.3. Dynamiczna analiza zróżnicowania ekonomicznego województw w Polsce oparta na łańcuchach Markowa ................................................................... 179 6.4. Dynamiczna analiza zróżnicowania ekonomicznego powiatów w Polsce oparta na łańcuchach Markowa ................................................................... 184 6.5. Podsumowanie ............................................................................................. 189 Bibliografia .......................................................................................................... 213 7. Konwergencja międzyregionalna i wewnątrzregionalna taksonomicznych wskaźników rozwoju ekonomicznego  ................................................................ 215 7.1. Wprowadzenie ............................................................................................. 215 7.2. Konwergencja w teorii ekonomii ................................................................. 216 7.3. Statystyczne analizy efektu konwergencji/dywergencji taksonomicznych wskaźników rozwoju ekonomicznego na poziomie województw i powiatów .................................................................................................... 219 7.3.1. Konwergencja/dywergencja na poziomie województw .................... 220 7.3.2. Konwergencja/dywergencja na poziomie powiatów ......................... 223 7.4. Wewnątrzregionalna konwergencja/dywergencja  ....................................... 228 7.5. Podsumowanie ............................................................................................. 237 Bibliografia .......................................................................................................... 238 8. Endogenizacja wybranych wskaźników rozwoju ekonomicznego na poziomie polskich powiatów .............................................................................................. 241 8.1. Wprowadzenie ............................................................................................. 241 8.2. Determinanty wydajności pracy, płac względnych oraz stóp bezrobocia wynikające z modeli teoretycznych ............................................................ 242 8.2.1. Determinanty wydajności pracy w ujęciu teoretycznym ................. 242 8.2.2. Determinanty płac względnych w ujęciu teoretycznym .................. 243 8.2.3. Determinanty stóp bezrobocia w ujęciu teoretycznym .................... 245 8.3. Zróżnicowanie determinant rozważanych zmiennych makroekonomicznych  ................................................................................ 246 8.3.1. Wydajność pracy .............................................................................. 246 8.3.2. Płace względne ................................................................................. 249 8.3.3. Stopy bezrobocia .............................................................................. 252 8.4. Podsumowanie ............................................................................................ 255 Bibliografia ......................................................................................................... 257 9. Regionalne zróżnicowanie kapitału ludzkiego ................................................... 259 9.1. Wprowadzenie ............................................................................................. 259 9.2. Kapitał ludzki – pojęcie i sposoby mierzenia ............................................. 260 9.3. Przestrzenne zróżnicowanie taksonomicznych wskaźników kapitału ludzkiego w województwach ...................................................................... 262 9.4. Wpływ przestrzennego zróżnicowania kapitału ludzkiego na rozwój ekonomiczny województw ......................................................................... 268 9.5. Podsumowanie ............................................................................................ 278 Bibliografia ......................................................................................................... 279 10. Regionalne zróżnicowanie innowacyjności w Polsce. Uwarunkowania psychospołeczne ..................................................................... 281 10.1. Wprowadzenie ........................................................................................... 281 10.2. Innowacyjność ........................................................................................... 282 10.3. Uwarunkowania psychospołeczne – kapitał społeczny i ludzki  ............... 284 10.3.1. Kapitał społeczny .......................................................................... 285 10.3.2. Kapitał ludzki ................................................................................ 287 10.4. Regionalne zróżnicowanie innowacyjności – wyniki analizy ................... 292 10.4.1. Nakłady na działalność B+R w województwach .......................... 292 10.4.2. Nakłady na działalność B+R w województwach na mieszkańca . 295 10.4.3. Jednostki z działalnością B+R ....................................................... 296 10.4.4. Nakłady w sektorze przedsiębiorstw na działalność B+R według źródeł finansowania ....................................................................... 298 10.4.5. Przedsiębiorstwa innowacyjne przemysłowe według rodzajów wprowadzonych innowacji i klas wielkości  ................................. 299 10.4.6. Przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej ............................................................. 301 10.4.7. Regionalne zróżnicowanie innowacyjności i kapitału społecznego . 303 10.5. Podsumowanie ........................................................................................... 308 Bibliografia ......................................................................................................... 310 11. Przestrzenne zróżnicowanie budżetów województw ......................................... 313 11.1. Wprowadzenie ........................................................................................... 313 11.2. Instytucjonalne uwarunkowania dochodów i wydatków województw w Polsce  .................................................................................................... 313 11.3. Dochody i wydatki  .................................................................................... 315 11.4. Zróżnicowanie podstawowych kategorii budżetowych w województwach . 317 11.4.1. Dochody z PIT ............................................................................... 317 11.4.2. Dochody z CIT .............................................................................. 320 11.4.3. Dochody z dotacji i subwencji ...................................................... 323 11.4.4. Wydatki bieżące  ........................................................................... 326 11.4.5. Wydatki majątkowe  ...................................................................... 329 11.5. Podsumowanie ........................................................................................... 332 Bibliografia ......................................................................................................... 332 12. Przestrzenne zróżnicowanie budżetów powiatów .............................................. 333 12.1. Wprowadzenie ........................................................................................... 333 12.2. Dochody i wydatki powiatów .................................................................... 334 12.2.1. Dochody powiatów ........................................................................ 335 12.2.2. Dochody z PIT ............................................................................... 336 12.2.3. Dochody z CIT .............................................................................. 338 12.2.4. Dochody z dotacji i subwencji ...................................................... 341 12.2.5. Wydatki bieżące ............................................................................ 343 12.2.6. Wydatki majątkowe  ...................................................................... 346 12.3. Podsumowanie  .......................................................................................... 349 Bibliografia ......................................................................................................... 349 13. Przestrzenne zróżnicowanie budżetów gmin ..................................................... 351 13.1. Wprowadzenie ........................................................................................... 351 13.2. Zadania gmin ............................................................................................. 352 13.3. Dochody gmin ........................................................................................... 354 13.4. Założenia metodyki opracowania .............................................................. 357 13.5. Wstępna analiza dochodów jednostek samorządu terytorialnego ............. 358 13.6. Analiza struktury i dynamiki dochodów gmin .......................................... 365 13.7. Przestrzenne zróżnicowanie budżetów gmin ............................................. 370 13.8. Regionalne PKB a dochody własne gmin .................................................. 381 13.9. Podsumowanie ........................................................................................... 383 Bibliografia ......................................................................................................... 385 Wnioski końcowe ...................................................................................................... 387 WPROWADZENIE Niniejsze opracowanie stanowi zwieńczenie trzyletnich prac na temat determinant ekonomiczno-społecznego zróżnicowania regionalnego i lokalnego w Polsce w ramach projektu badawczego Narodowego Centrum Nauki pod tytułem Analiza przestrzennego zróżnicowania rozwoju społeczno-ekonomicznego Polski oparta na łańcuchach Markowa (Nr 2140/B/H03/2010/39). Autorzy podjęli próbę określenia głównych czynników opisujących rozwój społeczny i ekonomiczny województw, powiatów i gmin w Polsce w okresie od 2002 do 2011 roku. Ich celem było również zweryfikowanie hipotezy o konwergencji wewnątrzregionalnej i międzyregionalnej, jak również – dzięki zastosowaniu koncepcji łańcuchów przejścia Markowa – określenie prawdopodobieństwa przesuwania się poszczególnych województw i powiatów pomiędzy różnymi grupami opisującymi stany rozwoju gospodarczego. Książka stanowi kontynuację i poszerzenie wyników badań zaprezentowanych w opracowaniu pod redakcją Mariusza Trojaka i Tomasza Tokarskiego Statystyczna analiza przestrzennego zróżnicowania rozwoju ekonomicznego i społecznego Polski, opublikowanym przez Wydawnictwo Uniwersytetu Jagiellońskiego (Kraków 2013). Monografia składa się z 13 rozdziałów. W pierwszej części (autorstwa Mariusza Trojaka) zanalizowano podstawowe pojęcia tj. region, rozwój regionalny i zróżnicowanie regionalne, a także dokonano przeglądu ważniejszych koncepcji teoretycznych i wyników prac empirycznych związanych z determinantami rozwoju regionalnego oraz z procesami konwergencji międzyregionalnej. W rozdziale drugim (którego autorką jest Katarzyna Mroczek) porównano stopień rozwoju polskich regionów na tle regionów 27 krajów Unii Europejskiej (bez Chorwacji, która wstąpiła do Unii w 2013 roku, a analiza kończy się na 2011 roku). Autorka wskazuje na zachodzące procesy konwergencji pomiędzy polskimi regionami a regionami w krajach o wyższym poziomie rozwoju ekonomicznego. Trzeci rozdział (autorstwa Pawła Dykasa) poświęcony jest zróżnicowaniu podstawowych zmiennych makroekonomicznych, tj. PKB per capita, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca, płac, liczby podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców oraz stopy bezrobocia rejestrowanego w polskich województwach. Autor wskazuje na skalę zróżnicowania oraz zmienność w czasie tego zjawiska, a także próbuje zdefiniować główne determinanty różnic ekonomicznych między województwami. W rozdziale czwartym (którego autorem jest Tomasz Tokarski) przeanalizowano zróżnicowania wskazanych w rozdziale trzecim zmiennych makroekonomicznych w ujęciu lokalnym (na szczeblu powiatów). Autor przebadał charakter silnych różnic między powiatami w Polsce, doszukując się ich przyczyn w czynnikach instytucjonalnych (typ powiatu) oraz historycznych (z uwzględnieniem przynależności powiatu do zaborów austriackiego, niemieckiego i rosyjskiego oraz do ziem włączonych do Polski w 1945 roku). Rozdział piąty (autorzy: Piotr Kościelniak, Marek W. Szewczyk i Tomasz Tokarski) zawiera analizę zróżnicowania ekonomicznego Polski na szczeblu wojewódzkim powiatowym z wykorzystaniem różnych miar taksonomicznych. Autorzy zastosowali następujące miary: wskaźnik oparty na odległości euklidesowej, odległości miejskiej oraz wskaźnik maksymalizujący sumę współczynników korelacji pomiędzy jego składowymi a wskaźnikiem. Następnie ocenili zróżnicowanie tych wskaźników zarówno w przestrzeni, jak i w czasie. Omówili również inne czynniki, oprócz ekonomicznych i społecznych, które istotnie oddziaływały na poziom rozwoju ekonomicznego województw i powiatów. Koncepcja łańcuchów Markowa, na podstawie której wskazano dynamikę procesów przesunięć województw i powiatów pomiędzy różnymi stanami rozwoju ekonomicznego w czasie i przestrzeni została zaprezentowana w rozdziale szóstym (autorstwa Armena Edigariana, Piotra Kościelnika i Mariusza Trojaka). Wykazano, że znaczące ruchy pomiędzy grupami kwartylowymi (województwa) i kwintalowymi (powiaty) zdarzały się sporadycznie, a prawdopodobieństwo tego, że jakieś województw bądź powiat awansują lub spadną pod względem ekonomicznym o więcej niż dwa wskazane poziomy rozwoju jest znikome. Rozdział siódmy (opracowany przez Tomasza Misiaka) miał na celu określenie występowania efektu konwergencji bądź dywergencji rozwoju ekonomicznego wyznaczonych w rozdziale piątym taksonomicznych wskaźników rozwoju ekonomicznego województw i powiatów w latach 2002–2011. W ocenie, czy w badanym okresie zachodził efekt konwergencji, czy też dywergencji realnej wykorzystano różnorodne wskaźniki taksonomiczne rozwoju ekonomicznego oparte na odległości przestrzeni euklidesowej, miejskiej oraz wskaźniki maksymalizujące sumę korelacji. Prowadzone w rozdziale siódmym analizy konwergencji/dywergencji taksonomicznych wskaźników rozwoju ekonomicznego oparto na metodach oceny występowania tzw. ji i β-konwergencji. Rozdział ósmy (autorstwa Pawła Dykasa i Tomasza Misiaka) został poświęcony próbie endogenizacji wybranych wskaźników rozwoju ekonomicznego, takich jak wydajność pracy, płace względne czy przyrost stóp bezrobocia. Endogenizajca ta polega na próbie wykazania, że analizowane w rozdziale wskaźniki rozwoju są determinowane przez parametry i zmienne występujące w modelu. Dlatego autorzy podjęli próbę oszacowania parametrów ważniejszych determinant wydajności pracy, płac względnych oraz stóp bezrobocia na poziomie powiatów w Polsce. W tym celu posłużyli się teoretycznymi modelami makroekonomicznymi dotyczącymi wskazanych zmiennych. Analizy prowadzono opierając się na danych panelowych dla wszystkich powiatów, a także dla grup powiatów ziemskich oraz grodzkich. W dziewiątym rozdziale autorzy: Katarzyna Mroczek i Tomasz Tokarski podjęli próbę zbudowania taksonomicznych wskaźników zróżnicowania kapitału ludzkiego w polskich regionach oraz zbadania zależności pomiędzy tymi miarami a wskaźnikami opisującymi rozwój regionów przedstawionymi w rozdziale trzecim. W tym celu określili zbiór stymulant i destymulant oparty na definicjach kapitału ludzkiego oraz na dostępnych informacji zawartych w bazie danych regionalnych GUS. Wykorzystanymi stymulantami kapitału ludzkiego są: liczba nauczycieli akademickich na 1000 mieszkańców, liczba nauczycieli akademickich przypadająca na 100 studentów, oraz przeciętne dalsze trwanie życia osoby. Za destymulanty przyjęto: odsetek zgonów niemowląt wśród urodzeń żywych oraz odsetek bezrobotnych długookresowo (ponad 13 miesięcy) wśród bezrobotnych ogółem. Analizy prowadzone w tym rozdziale wskazały na istnienie istotnych statystycznie zależności pomiędzy poziomem kapitału ludzkiego a analizowanymi we wcześniejszych rozdziałach ważniejszymi zmiennymi makroekonomicznymi. Anna Dyląg i Zofia Łacały dokonały analizy kapitału ludzkiego i kapitału społecznego oraz ich wpływu na innowacyjność regionów w rozdziale dziesiątym. Autorki wskazały na istotną teoretyczną zależność pomiędzy owymi kapitałami a wzrostem gospodarczym, a także zaprezentowały zróżnicowanie tych czynników kapitału w województwach w odniesieniu do wyników opracowania Diagnoza Społeczna 2011. Intencją autorek było ponadto wykazanie związków między regionalnym zróżnicowaniem innowacyjności a zróżnicowaniem psychospołecznym panującym w polskich województwach. Rozdziały jedenasty i dwunasty (opracowane przez Mariusza Trojaka), jak również rozdział trzynasty (autorstwa Marka W. Szewczyka), dotyczą problematyki zróżnicowania podstawowych kategorii budżetowych województw, powiatów i gmin w Polsce. Autorzy wskazują na silne zróżnicowanie podstawowych kategorii dochodów i wydatków budżetowych w przestrzeni oraz dużą stabilność tych zmiennych w czasie. Co więcej, wykazują silne związki pomiędzy analizowanymi zmiennymi a stopniem rozwoju ekonomicznego na poziomie lokalnym i regionalnym. Opracowanie kończą rekomendacje dla polityki ekonomicznej wynikające z przeprowadzonych analiz. Monografię przygotował interdyscyplinarny zespół ekonomistów, matematyków i psychologów z trzech uczelni: Uniwersytetu Jagiellońskiego, Uniwersytetu Jana Kochanowskiego w Kielcach oraz Politechniki Rzeszowskiej. Zespół ów składał się z ekonomistów z Instytutu Ekonomii i Zarządzania Uniwersytetu Jagiellońskiego (Paweł Dykas, Katarzyna Mroczek, Tomasz Tokarski i Mariusz Trojak), Katedry Ekonomii Politechniki Rzeszowskiej (Tomasz Misiak), Instytutu Ekonomii i Administracji Uniwersytetu Jana Kochanowskiego w Kielcach (Marek W. Szewczyk), matematyków z Instytutu Matematyki Uniwersytetu Jagiellońskiego (Armen Edigarian i Piotr Kościelniak) oraz psychologów z Instytutu Ekonomii i Zarządzania Uniwersytetu Jagiellońskiego (Anna Dyląg i Zofia Łącała). Autorzy opracowania pragną serdecznie podziękować Panu Profesorowi Michałowi Majsterkowi za wnikliwą recenzję opracowania i konstruktywne uwagi. Podziękowania należą się również Wydziałowi Zarządzania i Komunikacji Społecznej UJ oraz Instytutowi Ekonomii i Zarządzania UJ za wsparcie finansowe i organizacyjne w realizacji projektu badawczego. Mariusz Trojak 1 CZYNNIKI KSZTAŁTUJĄCE ZRÓŻNICOWANIE ROZWOJU REGIONALNEGO – UJĘCIE TEORETYCZNE (Mariusz Trojak) 1.1. WPROWADZENIE Problematyka rozwoju regionalnego jest relatywnie nowa w obszarze badań społeczno-ekonomicznych. Dyskusja na temat determinantów rozwoju ekonomicznego i społecznego regionów rozpoczęła się w połowie XX wieku i od tego czasu stała się głównym tematem badań zarówno w środowisku akademickim, jak i politycznym. Niezwykłe zainteresowanie tym tematem w Europie wiązało się z procesem integracji i tworzeniem obszaru spójnego, w którym celem polityki państw członków Unii Europejskiej (Golinowska , 1998: 19) było między innymi niwelowanie różnic w rozwoju ekonomicznym i społecznym pomiędzy regionami Europy. Szczególnie jaskrawym przykładem wzrostu znaczenia procesu rozwoju regionalnego było połączenie Niemiec w 1989 roku i integracja regionów zachodnich i wschodnich tego kraju. Tematyka ta jest istotna głównie z tego powodu, że znaczące różnice w rozwoju regionalnym mogą powodować istotne napięcia społeczne, migracje, a w przypadkach najbardziej drastycznych jego wynikiem mogą być ruchy separatystyczne, a nawet konflikty zbrojne (czego przykładem może być częściowo wojna domowa w byłej Jugosławii w latach dziewięćdziesiątych XX wieku). Regiony o wysokim poziomie rozwoju dążą często do usamodzielnienia się, podczas gdy inne, o niższym poziomie rozwoju, by różnice zniwelować oczekują wsparcia od strony tych lepiej rozwiniętych. Z tego względu zagadnienia regionalizmu i rozwoju regionalnego stały się przedmiotem rozważań politycznych, a w konsekwencji realizowania różnorodnych strategii rozwoju na poziomie zarówno ponadnarodowym, jak i narodowym i regionalnym. Niniejszy rozdział ma następującą strukturę. W podrozdziale 1.2 przedstawiono podstawowe definicje związane z rozwojem regionalnym oraz wskazano najistotniejsze zmienne determinujące wzrost gospodarczy regionów. W podrozdziale 1.3 zaprezentowano najistotniejsze modele makroekonomiczne adaptowane na potrzeby analiz teoretycznych rozwoju regionalnego mieszczące się w nurcie neokeynesowskim i neoklasycznym. Podrozdział 1.4. zawiera podstawowe informacje informacje na temat procesów konwergencji i dywergencji regionalnej wraz ze wskazaniem najczęściej wykorzystywanych metod pomiaru tych zjawisk. Rozdział kończy podsumowanie. 1.2. ROZWÓJ REGIONALNY I JEGO DETERMINANTY 1.2.1. Region – definicje Pomimo niemal siedemdziesięciu lat badań we wskazanym obszarze, nadal występują różnice w definiowaniu podstawowych pojęć, takich jak region, regionalizacja czy rozwój regionalny. Jak słusznie zauważa Irena Pietrzyk, pojęcie region musi być starannie precyzowany, ponieważ nie ma uniwersalnej jego definicji, która odpowiadałaby ogromnej różnorodności struktur terytorialnych typu region (Pietrzyk, 2000). Pod ogólnym pojęciem region można rozumieć zarówno terytoria geograficzno-historyczne, jak i kulturowe, a także obszary wyodrębnione na podstawie kryteriów administracyjnych i politycznych (Karnier, 2000: 6). Inną definicję sformułował Bolesław Woś, twierdząc, że „region” może być rozumiany zarówno jako część składowa terytorium jednego państwa (lub państw członkowskich należących do jednego ugrupowania) bądź jako integracyjne ugrupowanie krajów tworzących tzw. region międzynarodowy. Regiony mogą oznaczać zarówno wyodrębnione organizacyjnie systemy instytucjonalne (np. jednostki podziału administracyjnego kraju), prowincje, regiony ekonomiczne lub funkcjonalno-planistyczne, jak i obszary historyczno-kulturowe (Woś, 2005: 28). Podobne trudności definicyjne wiążą się z pojęciem „regionalizacja”. Rozumiana może być ona funkcjonalnie – jako czynność, albo przedmiotowo – jako rezultat. Najczęściej utożsamia się to pojęcie z podziałem większego terytorium na regiony lub też z określonym problemem zróżnicowania regionalnego (Woś, 2005: 20). Ze względu na specyficzne cechy regionów można dokonać różnego podziału tych jednostek. Klasyczna typologia regionów wyróżnia cztery typy regionów, przy czym punktem odniesienia do klasyfikacji jest średni krajowy poziom produkcji oraz tempo jej wzrostu. Na tej podstawie wyróżnia się: ●● Regiony wyżej rozwinięte i rozwijające się szybciej. ●● Regiony wyżej rozwinięte i rozwijające się wolniej. ●● Regiony słabo rozwinięte i rozwijające się szybko. ●● Regiony słabo rozwinięte i rozwijające się wolno (Klaassen, 1965). Grzegorz Gorzelak (1989) rozwinął koncepcję Klaassena i podzielił regiony na silne, słabe, wyzyskiwane i wyzyskujące w zależności do ich wkładu do rozwoju gospodarki całego kraju, jak również nakładów jakie cały kraj ponosi aby stymulować ich rozwój. Użyteczną, aczkolwiek krytykowaną, metodą podziału jednostek terytorialnych jest prowadzona przez jednostkę statystyczną Unii Europejskiej (Eurostat) kategoryzacja NUTS (Nomenclature of Territorial Units for Statistics). W celu przyporządkowania poszczególnych obszarów do kategorii NUTS 1, NUTS 2, NUTS 3 posłużono się dwoma kryteriami: 1. Regiony normatywne – są wyrazem woli politycznej. Granice jednostek ustalone zostały na podstawie zadań przyporządkowanych społecznościom lokalnym oraz wielkości populacji niezbędnej do zrealizowania tych zadań efektywnie i z uwzględnieniem czynników historycznych, kulturowych czy religijnych. 2. Regiony funkcjonalne – ich wyodrębnienie wynika z grupowania obszarów o podobnych charakterystykach geograficznych (wysokości nad poziomem morza lub jakości gleb) lub o zbliżonych parametrach socjoekonomicznych (homogeniczności, stopnia polaryzacji gospodarek regionów). Pierwsze podejście jest powszechnie stosowane na obszarze UE. Podział terytoriów na kategorie jest sformalizowany, a mianowicie najszersza kategoria NUTS 1 zamieszkana przez populację o liczebności od 3 do 7 milionów, NUTS 2 – od 800 tysięcy do 3 milionów mieszkańców i NUTS 3 – od 150 tysięcy do 800 tysięcy mieszkańców. Bardziej szczegółowa analiza obejmuje tzw. LAU (Local Administrative Units). W tablicy 1.1 zaprezentowano podział Unii Europejskiej na poszczególne kategorie NUTS i LAU. W niniejszym opracowaniu autorzy posługują się danymi statystycznymi dotyczącymi terytoriów kategoryzowanych jako NUTS 2 (16 województw w Polsce), LAU 1 (379 powiatów i miast na prawach powiatu) oraz LAU 2 (2 478 gmin). W rozdziale drugim wykorzystano dane na poziomie NUTS 2 dla 27 państw UE (271 jednostek). 1.2.1. Rozwój regionalny Rozwój regionalny to pojęcie bezpośrednio związane z wyodrębnionymi jednostkami terytorialnymi oraz pojęciem rozwoju. Pojęcie rozwoju wiąże się bowiem ze zmianą oraz ze strukturą. Rozwój jest ciągiem zmian ukierunkowanych i nieodwracalnych, dokonujących się w strukturze obiektów złożonych (Kurek, 2010). W ramach tych układów, zwanych inaczej systemami, może dochodzić do zmian o charakterze ilościowym, polegających na zwiększaniu bądź zmniejszaniu poszczególnych elementów systemu. Zmiany jakościowe wiążą się natomiast z powstawaniem nowych własności obiektu. Część badaczy definiuje rozwój regionalny jako nieodwracalne zmiany ilościowo-jakościowe zmierzające do osiągnięcia trwałego wzrostu potencjału społeczno-gospodarczego i kulturowego regionu (Kudełko, 2005: 57). Do najwcześniej rozpoznawanych i analizowanych oznak rozwoju regionalnego uznawano materialne warunki bytu (Gustaffson, 1986, za Golinowska, 1998). Jako miarę zróżnicowania regionalnego najczęściej wykorzystuje się miary produktu regionalnego per capita bądź inne zmienne makroekonomiczne silnie skorelowane z dochodem. Ma to oczywiście uzasadnienie przy założeniu, że czynniki ekonomiczne, materialne są pierwotne, a społeczeństwa zaspokajają inne potrzeby w dalszej kolejności (Allardt , 1973). Według Bolesława Winiarskiego (2002) rozwój regionalny to proces społeczno-gospodarczy polegający na transformacji czynników i zasobów regionalnych w dobra i usługi, służący poprawie różnych aspektów poziomu i jakości życia społeczeństwa. Na rozwój regionalny według Andrzeja Klasika i Floriana Kuźnika (2001) składają się następujące elementy: ●● Wzrost gospodarczy i zatrudnienie. ●● Wzrost dobrobytu i jakości życia ludności. ●● Rozwój technologiczny i innowacje. ●● Restrukturyzacja działalności gospodarczej. ●● Rozwój usług i zasobów społecznych. ●● Wzrost mobilności zawodowej, społecznej i przestrzennej. ●● Rozwój infrastruktury instytucjonalnej. ●● Poprawa jakości środowiska naturalnego. ●● Wzmocnienie tożsamości regionalnej i procesy integracyjne. Powyższe charakterystyki stanowią jedynie zbiór dość luźno dobranych zmiennych o charakterze ilościowym i jakościowym i bez wątpienia nie w pełni wyczerpuje całe spektrum parametrów ekonomicznych i społecznych, które mogą posłużyć do opisu procesów rozwoju regionalnego. W miarę rozwoju badań teoretycznych i empirycznych nad rozwojem ekonomiczno-społecznym zaczęto podkreślać rolę kapitału ludzkiego i społecznego, jaką odgrywa on w rozwoju regionów. W badaniu kierowanym przez Nicoli Gennaioliego wykazano istnienie silnej zależności pomiędzy jakością kapitału ludzkiego a zróżnicowaniem regionalnym, przy czym wysoki poziom kapitału ludzkiego stymuluje rozwój przedsiębiorczości na poziomie regionalnym (Gennaioli i in., 2011). W odniesieniu do wpływu kapitału społecznego na rozwój regionalny w literaturze ciągle trwa dyskusja o charakterze metodycznym, wynikająca z trudności pomiaru kapitału społecznego, co z kolei powoduje kwestionowanie wyników prac badawczych. 1.2.2. Determinanty rozwoju regionalnego Problematyka determinant rozwoju regionalnego jest silnie reprezentowana w literaturze ekonomicznej i społecznej. W tej części opracowania zostaną zaprezentowane podstawowe koncepcje i teorie opisujące czynniki, które stymulują rozwój regionów. Według E. Blakely (1989, za: Szymla. 2005) rozwój regionalny uzależniony jest od: ●● Zasobów naturalnych. ●● Zasobów pracy, w tym pracy kwalifikowanej. ●● Kapitału, zwłaszcza inwestycyjnego. ●● Infrastruktury transportowej i komunikacyjnej. ●● Istniejącego potencjału produkcyjnego i usługowego, szczególnie przemysłowego. ●● Walorów środowiska przyrodniczego. ●● Nowoczesnych technologii wytwarzania. ●● Rynku lokalnego i zewnętrznego. ●● Umiejętności i chęci samorządu terytorialnego ●● Wielkości jednostki terytorialnej, a szczególnie powierzchni terenów wolnych (do zagospodarowania). ●● Istnienia sił społecznych popierających rozwój. ●● Możliwości uzyskania dotacji, subwencji i ulg (lokalnych, regionalnych i krajowych). ●● Międzynarodowej współpracy. Roman Kosmalski (2011) zauważa, że długookresowa zdolność regionu do rozwoju determinowana jest przez: ●● Zróżnicowanie i elastyczność regionalnej struktury gospodarczej, która jest pochodną specjalizacji sektorowej, udział w międzynarodowej wymianie handlowej, wydajność pracy oraz parametry demograficzne populacji regionu. ●● Akumulację kapitału rzeczowego i ludzkiego. ●● Generowanie i dyfuzję postępu technicznego. Inny sposób klasyfikowania determinantów rozwoju regionalnego prezentują Tomasz Brodzicki i Dorota Ciołek (2007), nawiązując do prac Daniego Rodrika. Wskazują oni na istnienie tzw. płytkich i głębokich determinant wzrostu. Płytkie determinanty wzrostu to przede wszystkim: kapitał fizyczny, praca, kapitał ludzki oraz inne zmienne w zależności od postaci przyjętej funkcji produkcji oraz element rezydualny, tożsamy z tzw. resztami Solowa (1957). Pokazuje on całkowitą produktywność czynników produkcji (TFP – Total Factor Productivity). Element rezydualny jest wynikiem postępu technicznego (Solow, 1957). Prace empiryczne wykazały jednak, że muszą istnieć inne czynniki wzrostu niezwiązane z akumulacją czynników produkcji i zmian TFP. Czynniki te mają charakter bardziej fundamentalny. Największy wpływ na ich identyfikację miały prace D. Rodrika, który wskazał na geografię, integrację i instytucje jako na tzw. głębokie czynniki rozwoju i wzrostu gospodarczego (Rodrik, 2002, 2009). Przez geografię należy rozumieć ogół czynników powiązanych z lokalizacją, tj. położeniem kraju (regionu) na kuli ziemskiej, dostęp do zasobów naturalnych, warunki klimatyczne itp. Rodrik twierdzi, że warunki geograficzne są pierwotnym, i tak naprawdę jedynym, czynnikiem egzogenicznym determinującym rozwój gospodarczy. Stopień integracji i charakter instytucji są czynnikami quasi endogenicznymi. Na instytucje składają następujące czynniki: ●● System prawny (jego charakter, rządy prawa, przestrzeganie praw własności). ●● Funkcjonowanie poszczególnych rynków (stopień monopolizacji, ochrona konsumentów i zasad konkurencji,, charakter barier wejścia na rynek). ●● Instytucje polityczne (stopień swobód obywatelskich, stosowanie zasad demokratycznych, stabilność polityczna). ●● Instytucje finansowe (wydajność systemu finansowego, bezpieczeństwo obrotu finansowego, stopień efektywności rynku kapitałowego). ●● Ochrona zdrowia. ●● Instytucje rządowe (rozległość sfery publicznej, stopień korupcji, skala biurokracji (Sala i Martin, 2002). Integracja rozumiana jest jako poziom otwartości gospodarki. Wiąże się to ze swobodą przepływów czynników produkcji pomiędzy krajami jak również z wymianą handlową oraz ruchami kapitału w postaci bezpośrednich inwestycji zagranicznych. Proces globalizacji i liberalizacji gospodarczej sprawił, że wzrost gospodarczy państw i regionów uzależniony jest w dużym stopniu od wzajemnych powiązań pomiędzy uczestnikami życia gospodarczego w skali międzynarodowej. W warunkach wysokiego stopnia integracji wzrost gospodarczy nie jest wynikiem tylko sprzedaży dóbr i usług za granicę, ale może wynikać z realokacji czynników produkcji do sektorów mających przewagę komparatywną w wymianie, co skutkuje odpływem siły roboczej i kapitału z sektorów, które nie mogą oferować dóbr i usług poza regionem. Integracja sprawia, że zwiększa się dostęp przedsiębiorców do nowych technologii i specjalistycznego know how. Poza tym, w warunkach otwartej gospodarki mamy do czynienia z korzyściami skali, co jest wynikiem specjalizacji, która sprawia, że czynniki produkcji akumulowane są w otwartych regionach (Brodzicki, Ciołek, 2007: 7). Trzeba również zaznaczyć, że integracja daje szanse na przyspieszenie tempa wzrostu gospodarczego, lecz nie jest tego gwarantem (Zagha i in., 2006). Zdaniem Rodrika czynniki instytucjonalne odgrywają decydującą rolę w stymulowaniu wzrostu gospodarczego. Tradycyjne czynniki głębokie związane z lokalizacją mają mniejsze znaczenie, choć charakter niektórych instytucji wynika z czynników geograficznych. Pomiędzy czynnikami instytucjonalnymi a integracją zachodzą interakcje, i dopiero współgranie tych dwóch elementów może powodować wzrost i rozwój gospodarczy. Badania nad rozwojem regionalnym biegną dwutorowo. Pierwszy nurt to badania teoretyczne dotyczące rozwoju i wzrostu gospodarczego. Drugim torem zaś biegną badania empiryczne zmierzające do uchwycenia różnic w stopniu rozwoju regionów, a także procesów konwergencji, czyli zbliżania się regionów słabiej rozwiniętych do regionów o wysokim stopniu rozwoju. 1.3. TEORIE ROZWOJU REGIONALNEGO1 Ekonomiści zajmujący się teorią rozwoju regionów najczęściej adaptują modele rozwoju i wzrostu gospodarczego do założeń wynikających ze specyfiki regionów. Z tego względu w niniejszym opracowaniu zostaną wskazane główne teoretyczne nurty badawcze dotyczące problematyki wzrostu. W tym miejscu konieczne jest wskazanie różnicy pomiędzy pojęciami: rozwój i wzrost gospodarczy. Ta pierwsza kategoria ma charakter szeroki i obejmuje wzrost różnych aspektów poziomu życia człowieka, przy czym część tych aspektów ma charakter jakościowy i podlega subiektywnej ocenie człowieka. Kategoria wzrostu gospodarczego ma natomiast charakter ilościowy i wiąże się ze sparametryzowaną wartością produktu na jednego mieszkańca. Wzrost gospodarczy zawiera się w pojęciu rozwój, lecz nie jest jego jedynym atrybutem. Pojęcie wzrostu gospodarczego zawiera się więc w pojęciu rozwój, lecz nie jest jego jedynym atrybutem. Wzrost jest koniecznym warunkiem wystąpienia rozwoju, lecz nie jest warunkiem wystarczającym. Na gruncie teoretycznym można wskazać na dwa nurty badawcze: neoklasyczny i keynesistowski. Pierwszy nurt wiążę się z liberalną koncepcją gospodarki i polega na zaufaniu do mechanizmów samoregulacji rynkowej, nurt neokeynesowski zaś nawiązuje do prac J.M. Keynesa i wiąże się ze stymulowaniem zagregowanego popytu, głównie przez interwencje rządowe. 1.3.1. Modele neokeynesowskie Z oczywistych powodów geneza modeli neokeynesowskich wiąże się z pracami angielskiego ekonomisty Johna Maynarda Keynesa. Założenia tego modelu popytowego wynikają z doświadczeń gospodarki USA w czasie wielkiego kryzysu gospodarczego w latach 30. XX wieku. Keynes krytycznie odnosił się do mechanizmów rynkowych, twierdząc, że bez interwencji państwa nie jest możliwe osiągnięcie długookresowej równowagi makroekonomicznej skutkującej pełnym zatrudnieniem. Skupiał się na zagregowanym popycie, którego składowymi są konsumpcja gospodarstw domowych, 1 Ten podrozdział został opracowany na podstawie: Tokarski, 2005, 2009, 2011. inwestycje przedsiębiorstw, wydatki rządowe oraz eksport netto będący różnicą pomiędzy eksportem a importem. Nie dostrzegał potencjału produkcyjnego wynikającego z inwestycji i koncentrował się jedynie na popytowym wpływie nakładów dokonywanych przez przedsiębiorstwa. W swej teorii Keynes zakładał ponadto niemal zerową substytucję nakładów kapitału i pracy. Twierdził też, że związku z wahaniami zagregowanego popytu gospodarka jest stale narażona na nierównowagę, która skutkuje głębokimi i długotrwałymi kryzysami. Pierwszym modelem neokeynesowskim jest sformułowany w 1939 roku model wzrostu gospodarczego Roya Forbesa Harroda. W modelu tym zakłada się, że w gospodarce mamy do czynienia z dwoma stopami wzrostu gospodarczego – gwarantowaną i naturalną. Stopa gwarantowana wynika z równowagi oszczędności i inwestycji oraz wpływu inwestycji na zdolności produkcyjne gospodarki (czego nie dostrzegał Keynes). Stopa naturalna wiąże się natomiast ze zmianami w liczbie pracujących oraz w stopie wzrostu wydajności pracy. Gospodarka znajduje się w stanie równowagi, gdy stopa gwarantowana jest równa stopie naturalnej. W modelu Harroda uznaje się, że stopa wzrostu liczby pracujących oraz stopa wzrostu wydajności pracy mają charakter egzogeniczny, a współczynnik kapitałochłonności jest stały w czasie. Z tego względu równowaga makroekonomiczna występuje tylko wtedy, gdy stopa oszczędności jest równa iloczynowi współczynnika kapitałochłonności i sumy stopy wzrostu liczby pracujących i stopy wzrostu wydajności pracy. Zdaniem Harroda stopa oszczędności zmienia się w czasie, a więc stan równowagi jest raczej przypadkiem niż prawidłowością. W związku z tym konieczna jest interwencja państwa, by równoważyć niekorzystne zmiany rynkowe. Kolejnym modelem wiążącym wzrost gospodarczy ze zagregowanym popytem i koniecznością interwencji państwa jest model Evseya Domara opublikowany w 1962 roku. Domar założył, że popyt jest zależny od egzogenicznych inwestycji netto zgodnie z formułą mnożnika Keynesa. W przeciwieństwie do modelu Keynesa inwestycje mają efekty podażowe. Zagregowana podaż jest iloczynem inwestycji netto i wartością „potencjalną społecznie przeciętną efektywnością Inwestycji”. Aby gospodarka znajdowała się w stanie długookresowej równowagi popytu i podaży, to stopa wzrostu inwestycji musi się równać ilorazowi krańcowej (równej przeciętnej) skłonności do oszczędności i współczynnika kapitałochłonności. W praktyce, zdaniem Domara, taka równość jest sporadyczna i gospodarka może znajdować się „na ostrzu noża”, balansując na ścieżce wzrostu zapewniającej równowagę makroekonomiczną. Każde ześlizgniecie się gospodarki z tej ścieżki oznacza zapoczątkowanie długotrwałej, pogłębiającej się nierównowagi. W związku z tym Domar postuluje konieczność interwencji rządowych w celu stymulowania popytu inwestycyjnego. W badaniach teoretycznych w nurcie modeli popytowych występują również inne modele. W modelu Harroda-Domara, będącym kompilacją obu wcześniej przedstawionych koncepcji, wykorzystuje się funkcję produkcji Leontiewa. Wnioski płynące z tego modelu są zbieżne z wcześniejszymi pomimo nieco odmiennych założeń. zakładając, że nakłady pracy i kapitału są zupełnie niesubstytucyjne, a współczynniki kapitało- i pracochłonności są stałe, możliwą jest sytuacja spadku gospodarki z „ostrza noża”, czyli ścieżki wzrostu gwarantującej równowagę makroekonomiczną. Ciekawą modyfikacją modelu Harroda-Domara jest koncepcja wzrostu gospodarczego Nicholasa Kaldora z 1971 roku W modelu tym funkcja produkcji ma takie same właściwości jak w modelu Harroda-Domara. Główna różnica między wcześniej prezentowanymi modelami popytowymi polega na dezagregacji stopy oszczędności całej gospodarki na stopę oszczędności z płac i stopę oszczędności z zysków. Dzięki temu gospodarka znajduje się w stanie długookresowej równowagi, gdy stopa wzrostu efektywnej pracy znajdowała się w przedziale domkniętym z dołu (przez iloraz oszczędności z płac i współczynnik kapitałochłonności) oraz domkniętym z góry (przez relację stopy oszczędności z zysków do współczynnika kapitałochłonności). Znaczący wkład w rozwój myśli ekonomicznej dotyczącej problematyki wzrostu gospodarczego miały prace Michała Kaleckiego (1980: 135–160; 1984: 175–218). Jego keynesowski model, zbliżony do koncepcji Harroda-Domara, choć opracowany w odniesieniu do gospodarki socjalistycznej, opartej na centralnym planowaniu, może być adaptowany do warunków gospodarki rynkowej. 1.3.2. Modele neoklasyczne W 1956 roku R. Solow opublikował pracę uznaną za pierwszy neoklasyczny model wzrostu gospodarczego2. W modelu jedynymi czynnikami produkcji są kapitał fizyczny i efektywny zasób pracy. Funkcja produkcji obrazuje stałe przychody względem tych czynników produkcji, przy założeniu malejącej krańcowej produktywności kapitału. Funkcją spełniającą te warunki jest funkcja produkcji Cobba-Douglasa3. W stanie równowagi długookresowej tempo wzrostu produkcji (utożsamiane ze wzrostem PKB), jest równe sumie postępu technicznego oraz tempa wzrostu liczby ludności. Ponadto. Dodatkowo, dzięki przyjęciu restrykcyjnych założeń, tempo wzrostu PKB per capita jest równe postępowi technicznemu. W tzw. okresie przejściowym, czyli w czasie gdy gospodarka dąży do nowego stanu ustalonego, można przyspieszyć tempo wzrostu gospodarczego poprzez zwiększenie udziału oszczędności w gospodarce, ale po dojściu gospodarki do nowego stanu ustalonego ten efekt wygasa. Pewną słabością tego modelu, jak zresztą większości modeli neoklasycznych, jest uzależnienie wzrostu gospodarczego od zmiennych egzogenicznych, których wartości kształtowane są poza modelem. Ciekawym modelem długookresowego wzrostu gospodarczego jest konstrukcja teoretyczna opracowana i opublikowana przez Franka Ramseya w 1928 roku. Model ten został rozwinięty w 1965 roku przez Davida Cassa oraz Tjallinga Koopmansa, stąd jest on czasem zwany modelem Ramseya-Cassa-Koopmansa. W odróżnieniu od modelu wzrostu Solowa w modelu tym przyjmuje się założenie, że stopa oszczędności kształtowana jest endogenicznie, co wynika z decyzji optymalizacyjnych racjonalnych gospodarstw domowych dążących do maksymalizacji satysfakcji. W modelu tym pojawia się kategoria stopy dyskonta, która reprezentuje cenę, za jaką gospodarstwo domowe jest w stanie zrezygnować z konsumpcji bieżącej na rzecz konsumpcji przyszłej (Mućk, 2 W tym samym roku, lecz kilka miesięcy później, podobny model opublikował Trevor Swan. Z tego względu czasem w literaturze można spotkać nazwę „model Solowa-Swana. 3 Funkcja ta została wykorzystana w rozdziale trzecim niniejszego opracowania. 2012: 89). W modelu tym zakłada się ponadto, że stopa wzrostu ludności jest egzogeniczna, a poziom technologiczny wzrasta zgodnie z pewną stałą stopą o charakterze egzogenicznym. Proces produkcji opisany jest za pomocą funkcji produkcji Cobba-Douglasa, w której zagregowany produkt jest wynikiem wykorzystania kapitału fizycznego, zasobów pracy i określonego poziomu technologicznego. Stan stacjonarny modelu, a więc kombinacja wartości zmiennych modelu powodująca, że wartości tych zmiennych w kolejnych okresach są stałe, może zostać określony dla kapitału i konsumpcji w przeliczeniu na efektywną jednostkę pracy. Oznacza to, że konsumpcja jest stała w czasie. Wzrost gospodarczy, który należy rozumieć jako zwiększanie się zmiennych per capita, jest możliwy tylko wtedy, gdy egzogeniczna stopa wzrostu postępu technicznego jest dodatnia. Wartości konsumpcji, kapitału fizycznego oraz produkty są uzależnione wyłącznie od parametrów modelu. Inwestycje w gospodarce są wynikiem procesów amortyzacji zmniejszających zasób kapitału fizycznego, postępu technologicznego oraz wzrostu zasobów pracy (Mućk, 2012: 6). Model Ramseya wskazuje na takie same przyczyny długookresowego wzrostu gospodarczego jak model Solowa. Kolejnym modelem zaliczanym do grupy neoklasycznych jest koncepcja Petera Diamonda z 1965 roku. W przeciwieństwie zarówno do Solowa, jak i do Ramseya Diamond w modelu tym zakłada skończony horyzont czasowy oraz zmiany demograficzne. W modelu tym okres życia gospodarstwa domowego dzieli się na dwa podokresy. W pierwszym członkowie gospodarstwa domowego dzięki pracy osiągają dochód, który przeznaczają na konsumpcję i oszczędności. Oszczędności te powiększone o zyski kapitałowe (np. odsetki) służą do finansowania konsumpcji w drugim okresie, gdy członkowie gospodarstwa już nie pracują. Model Diamonda wyjaśnia długookresowy wzrost gospodarczy i z tego powodu zaliczany jest do kategorii modeli neoklasycznych. Założenia modelu są następujące: (a) gospodarka ma charakter doskonale konkurencyjny; (b) przedsiębiorstwa dążą do maksymalizacji zysku przez zrównanie krańcowego produktu danego czynnika z jego ceną; (c) gospodarstwa maksymalizują użyteczność w obu założonych okresach, przy czym preferowana jest konsumpcja w okresie pierwszym. Każda młoda osoba pracuje, dostarczając na rynek jedną jednostkę pracy. W warunkach równowagi długookresowej kapitał, konsumpcja i produkcja na jednostkę efektywnej pracy są stałe. Oznacza to, że tempo wzrostu produkcji w gospodarce jest równe sumie postępu technicznego i wzrostu liczby ludności, a tempo wzrostu produkcji per capita jest równe postępowi technicznemu. Wnioski są więc tożsame z koncepcjami Ramseya i Solowa. Istotna różnica wynika z tego, że Diamond twierdzi, że gospodarka w warunkach doskonałej konkurencji jest dynamicznie nieefektywna. Wynika to z tego, że w modelu zakłada się, że gospodarstwa domowe żyją dwa okresy, gospodarka zaś rozwija się w nieskończoność. Poza tym płaca jest zróżnicowana w zależności od wieku: w pierwszym okresie jest ona wyższa od zera (pracownik świadczy pracę i otrzymuje wynagrodzenie), a w drugim okresie stawka płacy wynosi zero (nie pracuje – nie otrzymuje wynagrodzenia). Wskazane przesłanki implikują powstawanie w gospodarce nadmiernej akumulacji kapitału (Próchniak, 2013). 1.3.3. Modele endogenicznego wzrostu Modele endogeniczne wyjaśniają wzrost gospodarczy w sposób przeciwny do modeli neoklasycznych, w których wzrost wynika z egzogenicznego postępu technicznego. Osiągnięcie endogenicznego wzrostu gospodarki jest możliwe przy założeniu co najmniej stałych przychodów z odtwarzalnych czynników produkcji. Istotnym osiągnięciem na gruncie teorii wzrostu był model Paula Romera opublikowany w 1986 roku. W modelu tym Romer założył, że jedynym odtwarzalnym czynnikiem wytwórczym jest wiedza, która wykazuje rosnące przychody na poziomie całej gospodarki. To założenie wydaje się sensowne, ponieważ wiedza powstała dzięki inwestycjom pojedynczych przedsiębiorstw ma tendencję do rozprzestrzeniania się w całej gospodarce. Tak więc korzystają z niej także przedsiębiorstwa, które nie poniosły nakładów inwestycyjnych lub dodatkowych kosztów. Taka koncepcja określana jest mianem learning-by-doing, co można rozumieć jako nabywanie wiedzy przez praktykę. Dzięki takiemu założeniu, gospodarka może znajdować się ciągle na wznoszącej ścieżce rozwoju gospodarczego, bez konieczności uwzględniania zmiennych rosnących w tempie egzogenicznym. W przeciwieństwie do modeli neoklasycznych, opierając się na założeniu przynajmniej stałych korzyści z odtwarzalnego czynnika produkcji – wiedzy – w modelu Romera gospodarka może się rozwijać w sposób nieograniczony. W modelach neoklasycznych istnieje stan ustalony. Co jest wręcz zaskakujące, Romer twierdzi, że gospodarka znajdzie się na wyższej trajektorii wzrostu w warunkach interwencji państwa. Jego rola wiąże się z takimi działaniami interwencyjnymi, które zapewniają poziom akumulacji wiedzy optymalny z punktu widzenia całej gospodarki, a nie z punktu widzenia relacji między korzyściami i kosztami pojedynczego przedsiębiorcy. Kolejnym ważnym modelem endogenicznego wzrostu jest ujęcie Roberta Lucasa z 1988 roku. Nawiązuje on w pewnym sensie do koncepcji Romera wykorzystując ideę learning-by-doing, a więc założenie o rosnących przychodach z odtwarzalnego czynnika produkcji. Istotną różnicą między tymi modelami jest natomiast to, że model należy do grupy dwusektorowych modeli wzrostu, w których czynnikiem produkcji oprócz kapitału fizycznego jest również kapitał ludzki. Produkcja jest zatem wynikiem trzech czynników: kapitału fizycznego, zasobu siły roboczej i kapitału ludzkiego zgromadzonego w gospodarce. Stopy wzrostu takich kategorii ekonomicznych, jak produkcja, kapitał rzeczowy i kwalifikacje pracownicze będące ucieleśnieniem kapitału ludzkiego, zależą od preferencji odnośnie do konsumpcji w czasie. Jeśli gospodarstwa domowe przedkładają konsumpcję bieżącą nad konsumpcję przyszłą, tym niższą stopę wzrostu uzyskuje gospodarka. Jeśli zaś podmioty te preferują oszczędzanie (na rzecz wzrostu konsumpcji przyszłej), tym wyższe jest tempo wzrostu gospodarczego per capita, gdyż przychody z nakładów kapitału ludzkiego są rosnące, a z nakładów całego kapitału są niemalejące.. Tempo wzrostu gospodarczego jest więc wypadkową preferencji gospodarstw domowych co do konsumpcji w czasie (por. Lucas, 2010). Jako ostatni zostanie zaprezentowany model z 1992 roku Mankiwa-Romera-Weila, który nie mieści się w nurcie teorii wzrostu endogenicznego, lecz przypisuje się go do tzw. nowej teorii wzrostu. Czasem nazywa się go rozszerzonym modelem Solowa, gdyż stanowi kontynuację neoklasycznej teorii wzrostu i nie ma charakteru endogenicznego. Model ten jednak uwzględnia znaczenie kapitału ludzkiego w stymulowaniu wzrostu gospodarczego. W modelu tym gospodarka ma naturalne tendencje, wręcz ciążenie, do pewnej ścieżki wzrostu równomiernego, której stopa wzrostu jest równa stopie wzrostu postępu technicznego. Położenie tej ścieżki uzależnione jest głównie przez: poziom i strukturę inwestycji w kapitał rzeczowy i kapitał ludzki, stopę wzrostu podaży pracy oraz stopę deprecjacji obu zasobów kapitału. Im wyższa jest stopa wzrostu podaży pracy, lub im wyższa jest stopa deprecjacji kapitału ludzkiego i rzeczowego, tym niżej położona jest ścieżka wzrostu gospodarczego (Liberda, Tokarski, 1999). 1.4. PROCESY KONWERGENCJI W BADANIACH ROZWOJU REGIONALNEGO Problematyka rozwoju regionalnego ściśle wiąże się z zagadnieniem wyrównywania bądź zwiększania się poziomu rozwoju poszczególnych krajów lub regionów. Zjawisko relatywnie szybszego tempa rozwoju krajów (regionów) biedniejszych względem krajów (regionów) bogatszych określa się mianem konwergencji. Zjawisko przeciwne to dywergencja. W literaturze występuje wiele podziałów konwergencji, najbardziej jednak rozpowszechnione to konwergencja beta oraz konwergencja sigma. Z pierwszą (zbieżność typu beta) mamy do czynienia wtedy, gdy kraje (regiony) słabiej rozwinięte – o niższym dochodzie per capita – wykazują szybsze tempo wzrostu gospodarczego niż kraje (regiony) bardziej rozwinięte (z wyższym PKB per capita). Konwergencja beta występuje w dwóch wariantach. Z konwergencją bezwzględną mamy do czynienia wtedy, gdy niezależnie od poziomu wyjściowego PKB per capita kraje (regiony) upodabniają się do siebie, co oznacza, że regiony biedne rozwijają się szybciej niż rejony bogate. Konwergencja warunkowa oznacza natomiast, że zbieżność występuje w odniesieniu do krajów (regionów) o podobnych parametrach strukturalnych, tj. o zbliżonym poziomie wykształcenia ludności, zbliżonej strukturze dochodów itp. Konsekwencją tego jest zjawisko zbliżania się do różnych długookresowych poziomów dochodów krajów o różnych parametrach strukturalnych. Konwergencja sigma zachodzi wtedy, gdy zróżnicowanie dochodu PKB per capita pomiędzy badanymi jednostkami maleje w czasie (Wójcik, 2008). Od początku lat 90. XX wieku prowadzono wiele prac badawczych nad konwergencją typu beta i sigma. Prace zostały zapoczątkowane przez analizy Roberta Barro i Xaviera Sala-i-Martina (1992). W celu określenia występowania konwergencji typu beta dokonuje się, idąc za przykładem Barro i Sala-i-Martina, estymacji parametrów równania, w którym zmienną objaśnianą jest średnie tempo wzrostu realnego PKB per capita w analizowanym okresie. Zmienną objaśniającą jest zaś początkowy poziom dochodu na głowę. Jeśli wyestymowany parametr równania jest ujemny, to wówczas mamy do czynienia z występowaniem konwergencji bezwarunkowej, jeśli zaś ma on wartość wyższą od zera to mamy do czynienia z dywergencją. Aby zweryfikować hipotezę o o występowaniu zbieżności warunkowej typu beta, to wówczas we wskazanym powyżej modelu należy po stronie zmiennych objaśniających wzbogacić o wektor zmiennych charakteryzujących czynniki strukturalne. Zbieżność typu sigma jest natomiast badana przez dokonywanie obserwacji zmian w czasie współczynnika mierzącego zróżnicowanie dochodu. W tym celu stosuje się powszechnie statystyczne miary rozproszenia (wariancję, odchylenie standardowe oraz współczynnik zmienności). Takie klasyczne ujęcie do pomiaru konwergencji (szczególnie β-konwergencji) spotkało się z silną krytyką (Quah, 1996: 95–124), głównie o charakterze metodologicznym. Danny Quah w serii swych artykułów zaproponował alternatywne pomiary zbieżności. Metoda alternatywna polega na analizie pełnego rozkładu PKB na mieszkańca (lub zatrudnionego) i jego zmian w czasie. Modelowanie tego rozkładu prowadzone jest na dwa sposoby: pierwszy wykorzystuje estymowanie macierzy przejścia Andrieja Markowa, czyli warunkowego rozkładu prawdopodobieństwa w wersji dyskretnej, lub przez oszacowanie pełnej warunkowej funkcji gęstości z wykorzystaniem estymacji jądrowej4. Bardzo ciekawy i kompleksowy przegląd badań nad konwergencją beta i sigma przeprowadził Mariusz Próchniak w artykule Realna konwergencja typu beta i sigma w świetle badań empirycznych. W pracy tej porównano wyniki ponad 30 prac badawczych, wskazując przyjęte przez poszczególnych autorów metody, zakres terytorialny i czasowy oraz występowanie konwergencji beta i (lub) sigma. Na podstawie przeglądu tych badań autor doszedł do wniosku, że świat jako całość nie rozwija się zgodnie z hipotezą konwergencji bezwarunkowej typu beta. Kraje słabiej rozwinięte nie wykazują bowiem istotnie statystycznego wyższego tempa wzrostu PKB per capita niż kraje rozwinięte. Odwrotną sytuację mamy w odniesieniu do konwergencji warunkowej typu beta. Większość prac potwierdza istnienie takiej zbieżności. Poza tym zróżnicowane grupy krajów nie wykazują zbieżności typu sigma, co wiąże się z brakiem zbieżności bezwarunkowej typu beta (Próchniak, 2006). W ostatnich dwóch dziesięcioleciach obserwowane jest również duże zainteresowanie badaczy problematyką konwergencji w regionach. Wiąże się to głównie z polityką spójności Unii Europejskiej i dążeniem tej instytucji do zmniejszania różnic w rozwoju poszczególnych regionów. Znajduje to również odzwierciedlenie w bardzo dużej liczbie prac naukowych badających wpływ procesów integracji na rozwój regionalny i procesy zbieżności. W większości przypadków autorzy dowodzą, że w UE dochodzi z reguły do procesów dywergencji, a siła tego zjawiska jest tym większa im niższy szczebel podziału administracyjnego brany jest pod uwagę (Ascani i in., 2012). Większość prac dotyczy analiz na poziomie NUTS 2 lub NUTS 3 (Petrakos, 20115. Do podobnych wniosków dochodzą również autorzy znacznej części prac poświęconych zróżnicowaniu regionalnemu w Polsce. 4 Szerzej na ten temat np. Wójcik P., op. cit.s. 44–47, lub Ezcurra R., i inni, The Dynamics of Regional Disparities in Central and Eastern Europe During Transition, European Palnning Studies, Vol 15 no 10, November 2007. 5 Petrakos G., i inni, Regional convergence and growth in Europe: under standing paterns and determinants, European Urban and Regional Studies, 2011. 1.5. PODSUMOWANIE W rozdziale pierwszym niniejszego opracowania dokonano przeglądu podstawowych pojęć teoretycznych i definicji związanych z regionem, rozwojem regionalnym i jego determinantami. Pomimo niemal siedemdziesięciu lat badań nad tym tematem wciąż brak jednoznacznych definicji, a autorzy różnią się zasadniczo zwracając uwagę na odmienne aspekty prezentowanych pojęć i zjawisk. W rozdziale zaprezentowano podstawowe koncepcje teoretyczne wyjaśniające zjawisko wzrostu gospodarczego, zwracając uwagę na modele keynesowskie i neokeynesowski, neoklasyczne, endogeniczne oraz model Mankiwa-Romera-Waila, który mieści się w nurcie tzw. nowej teorii wzrostu. W ostatniej części rozdziału dokonano przeglądu pojeć i podstawowych prac empirycznych weryfikujących hipotezę o występowaniu konwergencji typu beta i sigma na poziomie krajów i regionów. BIBLIOGRAFIA Allardt E. (1973), About Dimensions of Welfare, Helsinki. Ascani A., Crescenzi R., Iammarino S. (2012), Regional Economic Development. A Review, Search Working Paper, European Commision. Barro R., Sala-i-Martin X. (1992), Convergence, Jurnal of Politycal Economy, t. 100,. Blakely E.J. (1989), Planing Local Economic Development. Theory and Sage Publication, London–New York–Delhi. Brodzicki T., Ciołek D. (2007), Głębokie determinanty wzrostu gospodarczego – weryfikacja empiryczna z wykorzystaniem metod estymacji panelowych, Analizy i Opracowania KEIE UG, Uniwersytet Gdański, Gdańsk. Ezcurra R., Pascual P. Rapún M. (2007), The Dynamics of Regional Disparities in Central and Eastern Europe During Transition, European Palnning Studies, vol 15, no. 10. Gennaioli N., La Porta R., Lopez-de-Silanes F., Shleifer A. (2011), Human Capital and Regional Development, NBER Working Paper, no. 17158. Golinowska S. (red.) (1998), Rozwój ekonomiczny regionów. Rynek pracy. Procesy migracyjne, Raport IPiSS, z. 16, Warszawa. Gorzelak G. (1989), Reforma ekonomiczna w Polsce na tle rozwoju regionalnego, Ekonomista. Gustaffson L. (1986), Regionalismus, Berlin. Kalecki M. (1980), Kapitalizm. Dynamika gospodarcza, Państwowe Wydawnictwo Ekonomiczne, Warszawa. Kalecki M. (1984), Socjalizm. Wzrost gospodarczy i efektywność inwestycji, Państwowe Wydawnictwo Ekonomiczne, Warszawa. Karnier M. (red.) (2000), Europa. Regiony i państwa historyczne, Leksykon PWN, Wydawnictwo Naukowe PWN, Warszawa. Klaassen L. (1965), Area, Economic and Social Redevelopment, Paris. Klasik A, Kuźnik F (2001), Konkurencyjny rozwój regionów w Europie, w: Konkurencyjność miast i regionów, red. Z. Szymla, AE w Krakowie, Kraków. Kosmalski R. (2011), Konwergencja i nierówności regionalne w Polsce w świetle metody DEA, rozprawa doktorska, UE w Poznaniu, Poznań. Kudełko J. (2005), Rozwój regionalny a konkurencyjność regionów, w: Uwarunkowania rozwoju i konkurencyjności regionów, red. Z. Zioło, Instytut Gospodarki Wyższej Szkoły Informatyki i Zarządzania w Rzeszowie, Kraków–Rzeszów. Kurek S. (2010), Przestrzenne zróżnicowanie poziomu rozwoju regionalnego w Unii Europejskiej w świetle wybranych mierników, Prace Komisji Geografii Przemysłu 16, Warszawa–Kraków. Liberda B. Tokarski T. (1999), Determinanty oszczędności i wzrostu gospodarczego w Polsce w odniesieniu do krajów OECD, Raporty CASE, nr 28, Warszawa.. Mućk J. (2012), Analiza reakcji wybranych modeli długookresowego wzrostu gospodarczego na szoki stochastyczne, NBP, Bank I Kredyt 43 (4). Petrakos G., Kallioras D., Anagnostou A. (2011), Regional convergence and growth in Europe. Under standing paterns and determinants, European Urban and Regional Studies. Pietrzyk I. (2000), Polityka regionalna Unii Europejskiej i regiony państw członkowskich, Wydawnictwo Naukowe PWN, Warszawa. Próchniak M. (2013), Modele wzrostu gospodarczego, SGH, www.akson.sgh.waw.pl (dostęp:10 VIII 2013). Próchniak M. (2006), Realna konwergencja typu beta i sigma w świetle badań empirycznych, Zeszyty Naukowe SGH, Warszawa. Próchniak M., Rapacki R. (2007), Konwergencja beta i sigma w krajach postsocjalistycznych w latach 1990–2005, Bank i Kredyt. Quah D. (1996), Convergence empirics cross economies with (some) capital mobility, Jurnal of Economics Growth vol. 38, no. 8–9, . Rodrik D. (2003), Growth Strategies, NBER Working Paper no.10050. Rodrik D. (2002), Institutions, Integration and Geography: In Search of the Deep Determinants of Economic Growth. Sala i Martin X. (2002), 15 Years of New Growth Economics. What Have We Learnt?, Columbia University, Department of Economic Discussion Papers no. 204. Solow R.M.(1957), Technical Change and the Aggregate Production Function, „Review of Economics and Statistics”, no. 39. Szymla Z. (2005), Podstawy badań rozwoju regionalnego, Zeszyty naukowe nr 3, Wyższa Szkoła Ekonomiczna w Bochni, Bochnia. Tokarski T. (2005), Wybrane modele podażowych czynników wzrostu gospodarczego”, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Tokarski T., (2009), Matematyczne modele wzrostu gospodarczego. Ujęcie neoklasyczne, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Tokarski T. (2011), Ekonomia matematyczna. Modele makroekonomiczne, Polskie Wydawnictwo Ekonomiczne, Warszawa. Winiarski B. (2002), Polityka gospodarcza, PWN, Warszawa. Woś B. (2005), Rozwój regionów i polityka regionalna w Unii Europejskiej oraz w Polsce, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław. Wójcik P. (2008), Dywergencja czy konwergencja, dynamika rozwoju polskich regionów, Studia Regionalne i Lokalne 2(32). Zagha R,, Nankani G., Gill I. (2006), Rethinking Growth, Finance and Development, IMF vol. 30, no. 1. Tablica 1.1. Podział Unii Europejskiej na NUTS i LAU. Kraj NUTS 1 NUTS 2 NUTS 3 NUTS 4 NUTS 5 Austria Gruppen von Bundesländern 3 Bundesländer 9 Gruppen von politischen Bezirken 35 Gemeinden 2357 Belgia Gewesten / Régions 3 Provincies / Provinces 11 Arrondisse-menten / Arrondissements 44 Gemeenten / Communes 589 Bułgaria Райони (Rajoni) 2 Райони за планиране (Rajoni za planirane) 6 Области (Oblasti) 28 Общини (Obshtini) 264 Населени места (Naseleni mesta) 5329 Chorwacja 1 Regions 2 Counties 21 Cities and municipalities (Gradovi i općine 556 Cypr 1 1 1 Επαρχίες (Eparchies) 6 Δήμοι, Κοινότητες (Dimoi, koinotites) 615 Czechy Území 1 Oblasti 8 Kraje 14 Okresy 77 Obce 6251 Dania 1 Regioner 5 Landsdeler 11 Kommuner 99 Sogne 2143 Estonia 1 1 Groups of Maakond 5 Maakond 15 Vald, linn 226 Finlandia Manner-Suomi, Ahvenananma / Fasta Finland, Ĺland 2 Suuralueet / Storområden 5 Maakunnat / Landskap 19 Seutukunnat / Ekonomiska regioner 70 Kunnat / Kommuner 326 Francja Z.E.A.T + DOM 9 Régions + DOM 26 Départements + DOM 100 Cantons de rattachement 3785 Communes 36680 Grecja Γεωγραφική Ομάδα (Groups of development regions) 4 Περιφέρειες (Periferies) 13 Νομοί (Nomoi) 51 Δήμοι, Κοινότητες (Demoi, Koinotites) 1035 Δημοτικά Διαμερίσματα, Κοινοτικά Διαμερίσματα (Demotiko diamerisma, Koinotiko diamerisma) 6130 Hiszpania Agrupacion de comunidades Autonomas 7 Comunidades y ciudades Autonomas 19 Provincias + islas + Ceuta, Melilla 59 Municipios 8116 Holandia Landsdelen 4 Provincies 12 COROP regio’s 40 Gemeenten 418 Irlandia 1 Regions 2 Regional Authority Regions 8 Counties, Cities 34 Electoral Districts 3441 Litwa 1 1 Statistiskie reģioni 6 Republikas pilsētas, novadi 119 Luksemburg 1 1 1 Cantons 13 Communes 116 Łotwa 1 1 Apskritys 10 Savivaldybės 60 Seniūnijos 518 Malta 1 1 Gzejjer 2 Distretti 6 Kunsilli 58 Niemcy Länder 16 Regierungs-bezirke 38 Kreise 412 Verwaltungsge- meinschaften 1481 Gemeinden 12066 Polska Regiony 6 Województwa 16 Podregiony 55 Powiaty 380 Gminy 2479 Portugalia Continente + Regioes autonomas 3 Comissaoes de Coordenaçao regional + Regioes autonomas 7 Grupos de Con- celhos 30 Concelhos – Munícipios 308 Freguesias 4260 Rumunia Macroregiuni 4 Regiuni 8 Judet + Bucuresti 42 Comuni + Municipiu + Orase 3181 Słowacja 1 Oblasti 4 Kraje 8 Okresy 79 Obce 2928 Słowenia 1 Kohezijske regije 2 Statistične regije 12 Upravne enote 58 Občine 210 Szwecja Grupper av riksområden 3 Riksomrĺden 8 Län 21 Kommuner 290 Węgry Statisztikai nagyrégiók 3 Tervezési-statisztikai régiók 7 Megyék + Budapest 20 Statisztikai kistérségek 174 Települések 3154 Wielka Brytania Government OHce Regions; Country 12 Counties (some grouped); Inner and Outer London; Groups of unitary authorities 37 Upper tier authorities or groups of lower tier authorities (unitary authorities or districts) 139 Lower tier authori- ties (districts) or individual unitary authorities; Individual unitary authorities or LECs (or parts thereof); Districts 380 Wards (or parts thereof) 10310 Włochy Gruppi di regioni 5 Regioni 21 Provincie 110 Comuni 8094 RAZEM 98 272 1315 8324 120980 Źródło: opracowanie własne na podstawie: Eurostat (dostęp: 19.8.2013). 30 31 2 ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH W POLSKICH WOJEWÓDZTWACH NA TLE REGIONÓW UNII EUROPEJSKIEJ (Katarzyna Mroczek) 2.1. WPROWADZENIE Celem rozdziału drugiego jest analiza przestrzennego zróżnicowania podstawowych zmiennych makroekonomicznych w polskich województwach na tle regionów Unii Europejskiej w latach 2002–2010. W opracowaniu rozważa się następujące zmienne: PKB per capita, dochody gospodarstw domowych, inwestycje na mieszkańca oraz stopę bezrobocia według badań aktywności ekonomicznej ludności (Labour Force Survey)1. Dane statystyczne wykorzystane w rozdziale drugim zostały zaczerpnięte ze strony internetowej urzędu statystycznego Unii Europejskiej – Eurostat. Ze względu na dostępność danych zróżnicowanie dochodów gospodarstw domowych omówiono w latach 2002–2009. Na wstępie opisu każdej ze wspomnianych zmiennych makroekonomicznych analizowane są dane dla Polski w odniesieniu do 27 krajów Unii Europejskiej. Następnie przechodzi się do analizy polskich województw na tle regionów Unii Europejskiej. Regiony wyodrębniono zgodnie z obowiązującą w Unii Europejskiej klasyfikacją jednostek terytorialnych na poziomie NUTS 2. Ponadto w każdym z podrozdziałów znajduje się krótka analiza procesu β-konwergencji wyróżnionych zmiennych zarówno na poziomie krajów, jak i regionów Unii Europejskiej. 2.2. PKB PER CAPITA Na mapie 2.1 zostało zilustrowane przestrzenne zróżnicowanie średniego poziomu PKB per capita w krajach Unii Europejskiej w latach 2002–2010. W Polsce poziom rozważanej zmiennej makroekonomicznej był równy 13,3 tys. euro, co dało jej 1 Wybór tych zmiennych wynikał w głównej mierze z ich dostępności na stronach internetowych Eurostatu. 24 lokatę pośród 27 państw Unii Europejskiej. Niższymi wartościami PKB na mieszkańca charakteryzowały się jedynie: Łotwa (12,6 tys. euro), Rumunia (9,6 tys. euro) oraz Bułgaria (9,5 tys. euro). Wartość analizowanej zmiennej w Polsce była prawie pięciokrotnie niższa niż w Luksemburgu (63,8 tys. euro) oraz ponad dwukrotnie niższa niż w krajach skandynawskich i państwach Europy Zachodniej, takich jak: Irlandia (34,1 tys. euro), Holandia (32,5 tys. euro), Austria (31,1 tys. euro), Dania (30,8 tys. euro), Szwecja (30,5 tys. euro), Belgia (29,6 tys. euro), Wielka Brytania (29,1 tys. euro), Niemcy (28,6 tys. euro), Finlandia (28,5 tys. euro), czy Francja (27,1 tys. euro). Ponadto pod względem PKB na mieszkańca Polska zajęła ostatnią pozycję pośród krajów wchodzących w skład Grupy Wyszehradzkiej, w której wartości PKB per capita były następujące: Czechy (19,6 tys. euro), Słowacja (15,8 tys. euro) oraz Węgry (15,6 tys. euro, por. mapa 2.1). Mapa 2.1. Przestrzenne zróżnicowanie PKB per capita w krajach Unii Europejskiej w latach 2002–2010 (tys. euro, przy purchasing power standard – dalej PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Tablica 2.1. PKB per capita w krajach Unii Europejskiej w latach 2002–2010 (tys. euro, przy PPS, ceny stałe 2010) Grupy krajów Lata Rok 2010 w stosunku do roku 2002 (rok 2002 = 100) 2002 2010 I Luksemburg 57,5 Luksemburg 65,2 Rumunia 162,1 Irlandia 33,2 Holandia 32,1 Bułgaria 140,5 Holandia 32,0 Dania 31,3 Litwa 139,7 Dania 30,8 Austria 31,1 Słowacja 137,6 Austria 30,5 Irlandia 31,0 Łotwa 134,1 Belgia 30,1 Szwecja 30,2 Polska 131,9 Szwecja 29,3 Belgia 29,2 Estonia 129,7 Wielka Brytania 28,7 Niemcy 29,0 Luksemburg 113,3 Francja 27,7 Finlandia 27,8 Cypr 111,3 II Finlandia 27,5 Wielka Brytania 27,2 Czechy 110,9 Niemcy 27,4 Francja 26,5 Węgry 108,5 Włochy 27,0 Włochy 24,7 Malta 106,5 Hiszpania 24,1 Hiszpania 24,3 Niemcy 105,8 Grecja 21,7 Cypr 23,6 Słowenia 103,5 Cypr 21,2 Grecja 21,4 Szwecja 103,1 Malta 19,8 Malta 21,1 Portugalia 102,5 Słowenia 19,8 Słowenia 20,5 Austria 102,1 Portugalia 19,2 Portugalia 19,7 Dania 101,6 III Czechy 17,6 Czechy 19,5 Finlandia 100,9 Węgry 14,6 Słowacja 17,9 Hiszpania 100,7 Słowacja 13,0 Węgry 15,9 Holandia 100,3 Estonia 12,0 Estonia 15,5 Grecja 98,7 Polska 11,6 Polska 15,3 Belgia 97,0 Litwa 10,7 Litwa 14,9 Francja 95,8 Łotwa 9,8 Łotwa 13,2 Wielka Brytania 94,7 Bułgaria 7,6 Rumunia 11,4 Irlandia 93,5 Rumunia 7,0 Bułgaria 10,7 Włochy 91,6 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). W tablicy 2.1 przedstawiono wartości oraz względną zmianę poziomu PKB per capita w latach 2002 i 2010 w 27 krajach Unii Europejskiej. Kraje zostały podzielone na trzy grupy: o wysokim, średnim oraz niskim poziomie badanej cechy. Zarówno Polska, jak i Czechy, Węgry, Słowacja, Estonia, Litwa, Łotwa, Bułgaria oraz Rumunia (a zatem wszystkie gospodarki byłego bloku radzieckiego wchodzące obecnie w skład Unii Europejskiej), zarówno w roku 2002, jak i w roku 2010 należały do grupy o niskich wartościach PKB na mieszkańca. Warto nadmienić, że pozycje wszystkich państw Unii Europejskiej w analizowanym zestawieniu były bardzo stabilne, co potwierdza wartość współczynnika korelacji Pearsona pomiędzy rangami krajów w roku 2002 i 2010 równa 0,988. Przechodząc do krótkiej charakterystyki dynamiki PKB per capita należy zauważyć, że w Polsce poziom tej zmiennej był w roku 2010 o 31,9% wyższy niż w roku 2002. Lokuje to Polskę wśród krajów Unii Europejskiej charakteryzujących się najwyższą dynamiką wzrostu omawianej zmiennej makroekonomicznej. Ponad 30% wzrost PKB na mieszkańca w tym okresie odnotowały także: Rumunia, Bułgaria, Litwa, Słowacja oraz Łotwa. W sześciu państwach Unii Europejskiej tj. Grecji, Belgii, Francji, Wielkiej Brytanii, Irlandii oraz we Włoszech poziom PKB na mieszkańca w roku 2010 był niższy niż w roku 2002. (por. dane w tablicy 2.1). Warto zwrócić uwagę, że zazwyczaj kraje o wysokich wartościach PKB na mieszkańca charakteryzował niski przyrost owej zmiennej w analizowanym okresie. Współczynnik korelacji pomiędzy względną zmianą PKB per capita w latach 2002–2010 (Δln(y)) a logarytmem naturalnym z opisywanej cechy w roku 2002 (ln(y)) wyniósł –0,835. Ujemna wartość tego współczynnika może być podstawą do stwierdzenia, że w latach 2002–2010 w krajach Unii Europejskiej występował silny proces β-konwergencji opisywanej zmiennej makroekonomicznej (por. też wykres 2.1)2. Mapa 2.2. oraz tablica 2.2 prezentują przestrzenne zróżnicowanie poziomu rozważanej zmiennej makroekonomicznej w 270 regionach Unii Europejskiej w latach 2002–2010. W tablicy 2.2 zestawiono liczby regionów poszczególnych państw członkowskich w grupach kwintylowych ze względu na wysokość przeciętnego PKB per capita. W pierwszej grupie znajdują się regiony o najwyższym poziomie PKB na mieszkańca, w ostatniej – piątej grupie kwintylowej regiony o najniżej wartości omawianej zmiennej. Jednostkom terytorialnym Unii Europejskiej na poziomie NUTS 2 odpowiadają polskie województwa. 15 z nich znalazło się w 20% regionów Unii Europejskiej o najniższych wartościach PKB per capita. Jedynie województwo mazowieckie należało do czwartej grupy kwintylowej (21,1 tys. euro, 179 miejsce w rankingu 270 regionów Unii Europejskiej). Spośród pozostałych polskich regionów najwyższe rangi w zestawieniu średnich wartości PKB per capita uzyskały województwa: śląskie (14,4 tys. euro, 234), dolnośląskie (14,1 tys. euro, 236), wielkopolskie (14,0 tys. euro, 237) i pomorskie (13,0 tys. euro, 240). Najniżej w rankingu uplasowały się województwa: 2 Jak już wspomniano w rozdziale pierwszym β-konwergencja to jedna z technicznych miar konwergencji. Proces, z którym mamy do czynienia wówczas, gdy występuje malejąca zależność pomiędzy osiąganą stopą wzrostu a początkowym poziomem rozważanej zmiennej makroekonomicznej. Szerzej na ten temat por. np. A. Wojtyna Polityka ekonomiczna a wzrost gospodarczy, „Gospodarka Narodowa” nr 6/1995, P. Gajewski, praca doktorska napisana pod kierunkiem T. Tokarskiego, Katedra Makroekonomii Uniwersytetu Łódzkiego, Łódź, 2007, K. Malaga, P. Kliber Konwergencja a nierówności regionalne w Polsce w świetle neoklasycznych modeli wzrostu, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 2007 lub P. Wójcik Wzorce konwergencji regionalnej w Polsce, praca doktorska napisana pod kierunkiem Z.B. Liberdy, Uniwersytet Warszawski Warszawa, 2008 oraz rozważania w rozdziałach pierwszym i siódmym. warmińsko-mazurskie (10,0 tys. euro, 255), podlaskie (9,9 tys. euro, 257), podkarpackie (9,2 tys. euro, 259) i lubelskie (9,1 tys. euro, 260). Należy zaznaczyć, że wartości omawianej zmiennej makroekonomicznej w polskich województwach znacznie odbiegały od PKB per capita najbogatszych regionów Unii Europejskiej, takich jak: Inner London (Wielka Brytania, 80,2 tys. euro, 1), Luxembourg (Luksemburg, 63,8 tys. euro, 2), Région de Bruxelles-Capitale (Belgia, 57,4 tys. euro, 3), Hamburg (Niemcy, 48,5 tys. euro, 4) czy Île de France (Francja, 43,1 tys. euro, 5)3. Wykres 2.1. Korelogram Δln(y) i ln(y) w krajach Unii Europejskiej w latach 2002–2010 y - PKB per capita w roku 2002; Δln(y) – względna zmiana PKB per capita w latach 2002–2010. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Natomiast najbiedniejsze polskie województwo – lubelskie – charakteryzowało się wyższym przeciętnym poziomem PKB na mieszkańca tylko od regionów: Nord-Vest (Rumunia, 9,0 tys. euro, 261), Yugoiztochen (Bułgaria, 8,2 tys. euro, 262), Severoiztochen (Bułgaria, 8,2 tys. euro, 263), Sud-Est (Rumunia, 8,1 tys. euro, 264), Sud-Muntenia (Rumunia, 8,0 tys. euro, 265), Sud-Vest Oltenia (Rumunia, 7,5 tys. euro, 266), Severen tsentralen (Bułgaria, 7,0 tys. euro, 267), Yuzhen tsentralen (Bułgaria, 7,0 tys. euro, 268), Severozapaden (Bułgaria, 6,7 tys. euro, 269) oraz Nord-Est (Rumunia, 6,3 tys. euro, 270; por. mapa 2.2). 3 W rozdziale drugim, podobnie jak ma to miejsce na stronach internetowych Eurostatu, będą używane rodzime nazwy regionów Unii Europejskiej. Mapa 2.2. Przestrzenne zróżnicowanie PKB per capita w regionach Unii Europejskiej w latach 2002–2010 (tys. euro, przy PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Dla porównania warto jeszcze przyjrzeć się, jak w analizowanych kwintylach rozkładały się regiony państw należących do Grupy Wyszehradzkiej. Spośród 8 regionów czeskich jeden znalazł się w pierwszej grupie kwintylowej (Praha, 41,5 tys. euro, 7), 3 w czwartej, a 4 w grupie piątej. Spośród 4 regionów słowackich 1 należał do grupy pierwszej (Bratislavský kraj, 37,1 tys. euro, 19), pozostałe do grupy piątej. Z 7 regionów węgierskich, 1 znajdował się w grupie trzeciej (Közép-Magyarország, 25,5 tys. euro, 112), a pozostałe 6 w grupie piątej. W każdym z państw Grupy Wyszehradzkiej najwyżej w klasyfikacji był region centralny4. Przeciętny poziom PKB per capita w badanym okresie w województwie mazowieckim klasyfikuje je na ostatniej pozycji pośród regionów centralnych państw Grupy Wyszehradzkiej (por. mapa 2.2 i tablica 2.2). 4 Przez region centralny rozumiany będzie dalej region na poziomie NUTS 2, w którym leży stolica danego kraju. Tablica 2.2. Liczby regionów Unii Europejskiej w grupach kwintylowych ze względu na PKB per capita w latach 2002–20105 Kraj Grupa kwintylowa pierwsza druga trzecia czwarta piąta Luksemburg 1 0 0 0 0 Irlandia 1 0 1 0 0 Holandia 6 4 2 0 0 Austria 5 2 1 1 0 Dania 1 3 1 0 0 Szwecja 1 7 0 0 0 Belgia 3 3 2 3 0 Wielka Brytania 7 10 14 6 0 Niemcy 12 12 6 6 2 Finlandia 2 1 2 0 0 Francja 1 2 14 6 3 Włochy 8 3 1 6 3 Hiszpania 4 3 6 6 0 Cypr 0 0 1 0 0 Grecja 0 2 1 10 0 Słowenia 0 1 0 1 0 Malta 0 0 0 1 0 Czechy 1 0 0 3 4 Portugalia 0 1 1 3 2 Słowacja 1 0 0 0 3 Węgry 0 0 1 0 6 Estonia 0 0 0 0 1 Litwa 0 0 0 0 1 Polska 0 0 0 1 15 Łotwa 0 0 0 0 1 Rumunia 0 0 0 1 7 Bułgaria 0 0 0 0 6 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 5 Kraje w tablicy 2.2 uporządkowane są w malejącej kolejności średniej wartości PKB per capita w latach 2002–2010. Analiza średnich wartości PKB na mieszkańca w regionach Unii Europejskiej pokazała, że najbiedniejsze regiony (w większości leżące w krajach byłego bloku wschodniego) dzieli duży dystans od regionów najbogatszych (znajdujących się głównie w krajach tzw. starej Unii Europejskiej). Zależność pokazana na wykresie 2.2 świadczy jednak o tym, że wspomniane różnice pomiędzy regionami Unii Europejskiej w poziomie PKB na mieszkańca w latach 2002–2010 zmniejszały się. Współczynnik korelacji pomiędzy Δln(y) i ln(y) liczony dla regionów Unii Europejskiej był równy –0,592. Należy jednak dodać, że proces β-konwergencji PKB per capita był słabszy na poziomie regionów, niż na poziomie krajów (por. wykresy 2.1–2.2). Wykres 2.2. Korelogram Δln(y) i ln(y) w regionach Unii Europejskiej w latach 2002–2010 y - PKB per capita w roku 2002; Δln(y) – względna zmiana PKB per capita w latach 2002–2010. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Dystans do najbogatszych regionów Unii Europejskiej zmniejszały także polskie województwa, co potwierdzają dane zebrane w tablicy 2.3. W pierwszej części tablicy 2.3 zestawiono miejsca województw w rankingu poziomu PKB per capita w roku 2002, roku 2010 oraz różnice pozycji pomiędzy rokiem 2002 i 2010. W drugiej części tablicy 2.3 zaprezentowano relację wartości PKB na mieszkańca w województwach w stosunku do mediany wartości owej zmiennej w regionach Unii Europejskiej w roku 2002 i 2010 oraz zmianę wspomnianej relacji w latach 2002–2010 (wyrażoną w punktach procentowych). Tablica 2.3. Polskie województwa na tle regionów Unii Europejskiej pod względem PKB per capita w latach 2002–20106 Województwo Rangi w latach Zmiana pozycji w roku 2010 w stosunku do roku 2002 Wartość zmiennej w województwach odniesiona do mediany w latach (mediana = 100) Zmiana w roku 2010 w stosunku do roku 2002 (w punktach procentowych) 2002 2010 2002 2010 Mazowieckie 201 110 –91 76,9 109,2 32,3 Śląskie 232 219 –13 54,3 71,9 17,7 Dolnośląskie 235 208 –27 50,8 75,4 24,7 Wielkopolskie 234 227 –7 51,3 69,7 18,5 Pomorskie 237 238 1 49,7 64,5 14,7 Łódzkie 245 240 –5 45,2 61,8 16,6 Zachodniopomorskie 238 242 4 48,2 58,3 10,1 Lubuskie 247 246 –1 43,7 56,6 12,9 Kujawsko-pomorskie 244 248 4 45,2 56,1 10,9 Małopolskie 248 245 –3 42,7 57,0 14,3 Opolskie 253 249 –4 39,7 53,5 13,8 Świętokrzyskie 255 251 –4 38,2 50,9 12,7 Warmińsko-mazurskie 256 252 –4 37,7 49,1 11,4 Podlaskie 254 253 –1 38,2 48,7 10,5 Podkarpackie 258 258 0 35,2 45,2 10,0 Lubelskie 257 257 0 35,2 45,2 10,0 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Województwem, które zdecydowanie najszybciej niwelowało różnice w poziomie opisywanej zmiennej makroekonomicznej w stosunku do najbogatszych regionów Unii Europejskiej, było województwo mazowieckie. W latach 2002–2010 awansowało o 91 pozycji w zestawieniu regionów pod względem PKB per capita, a relacja wartości rozważanej zmiennej w tym województwie w stosunku do mediany poprawiła się o 32,3 punktu procentowego. Warto także podkreślić, że w roku 2008 województwo mazowieckie przeszło z czwartej do trzeciej grupy kwintylowej, zajmując 148 miejsce w opisywanym rankingu, w roku 2009 plasowało się na 121 pozycji, a w roku 2010 zajmowało już 110 miejsce. Szybka konwergencja województwa mazowieckiego wynikała z dwóch przyczyn. Po pierwsze była skutkiem tego, że wszystkie polskie województwa na ogół rozwijały się szybciej od najbogatszych regionów w Unii Europejskiej. Po drugie była rezultatem tego, że województwo mazowieckie rozwijało się w latach 2002–2010 szybciej od pozostałych polskich województw (por. tablica 2.3). 6 Województwa w tablicy 2.3 uporządkowane są w malejącej kolejności średniego poziomu PKB per capita w latach 2002–2010. Na szczególną uwagę w kontekście badania konwergencji zasługują także województwa dolnośląskie oraz śląskie. Województwo dolnośląskie w latach 2002–2010 poprawiło swoją pozycję w zestawieniu awansując z miejsca 235 na 208 i tym samym w roku 2010 przeszło do czwartej grupy kwintylowej regionów Unii Europejskiej pod względem PKB na mieszkańca. Wartość PKB per capita w tym województwie poprawiła się o 24,7 punktu procentowego w odniesieniu do mediany w regionach Unii Europejskiej. Z kolei województwo śląskie awansowało o 13 miejsc w rankingu, ponadto poprawiając swoją relację do mediany o 17,7 punktu procentowego. Wśród pozostałych polskich województw awans w roku 2010 w stosunku do roku 2002 zanotowały także województwa: wielkopolskie, łódzkie, opolskie, świętokrzyskie, warmińsko-mazurskie, małopolskie, lubuskie i podlaskie. Pozycja województw podkarpackiego i lubelskiego nie zmieniła się, a pozycja województw pomorskiego, zachodniopomorskiego i kujawsko-pomorskiego pogorszyła się. Na zakończenie tej części rozdziału drugiego warto podkreślić, że wszystkie polskie województwa zmniejszyły dystans, który dzielił ich od mediany wartości PKB per capita w regionach Unii Europejskiej, co jednak nie w każdym przypadku przełożyło się na awans w rankingu. Wynika to z tego, że proces β-konwergencji nie dotyczył jedynie polskich województw, ale również większości regionów biedniejszych gospodarek Unii Europejskiej. 2.3. DOCHODY GOSPODARSTW DOMOWYCH Mapa 2.3. przedstawia przestrzenne zróżnicowanie poziomu przeciętnych dochodów gospodarstw domowych w latach 2002–2009 w krajach Unii Europejskiej7. Średni poziom dochodów gospodarstw domowych w Polsce w analizowanym okresie był równy 8,1 tys. euro. Przestrzenne zróżnicowanie rozważanej zmiennej makroekonomicznej było bardzo zbliżone do omówionego w poprzednim podrozdziale zróżnicowania średniego poziomu PKB per capita. Polska, wraz z krajami byłego bloku wschodniego, ponownie znalazła się w grupie krajów Unii Europejskiej o niskich wartościach omawianej zmiennej makroekonomicznej. Gorszy niż w Polsce przeciętny poziom dochodów odnotowało jedynie pięć państw członkowskich Unii Europejskiej: Litwa (8,1 tys. euro), Estonia (7,9 tys. euro), Łotwa (7,0 tys. euro), Rumunia (4,6 tys. euro) oraz Bułgaria (4,3 tys. euro). Trzynaście krajów Unii Europejskiej osiągnęło dwukrotnie wyższy niż Polska średni poziom dochodów gospodarstw domowych. Były to następujące gospodarki: Luksemburg (24,1 tys. euro), Austria (21,8 tys. euro), Niemcy (21,5 tys. euro), Belgia (21,3 tys. euro), Holandia (21,1 tys. euro), Wielka Brytania (20,8 tys. euro), Francja (19,8 tys. euro), Szwecja (19,2 tys. euro), Włochy (18,6 tys. euro), Dania (18,1 tys. euro), Hiszpania (17,1 tys. euro), Irlandia (17,1 tys. euro) oraz Finlandia (16,4 tys. euro). Podobnie jak w przypadku poziomu PKB per capita, również pod względem poziomu rozważanej tu zmiennej makroekonomicznej Polska zajęła ostatnie miejsce wśród krajów wchodzących w skład Grupy Wyszehradzkiej. We wspomnianej grupie najwyższy średni poziom dochodów osiągnęły czeskie gospodarstwa domowe (11,2 tys. euro, por. mapa 2.3). 7 Z uwagi na brak dostępu do danych statystycznych w Eurostacie w analizie została pominięta Malta. Mapa 2.3. Przestrzenne zróżnicowanie dochodów gospodarstw domowych w krajach Unii Europejskiej w latach 2002–2009 (tys. euro, przy PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Tablica 2.4 została zbudowana analogicznie do tablicy 2.1. Dane w niej zaprezentowane posłużą do analizy dynamiki zmian poziomu dochodów gospodarstw domowych w Polsce w latach 2002–2009 na tle krajów Unii Europejskiej. Polska, zarówno w roku 2002, jak i w roku 2009, znajdowała się w grupie państw o najniższym poziomie dochodów gospodarstw domowych. W analizowanym okresie polskie gospodarstwa domowe wyprzedziły jedynie gospodarstwa węgierskie i awansowały z pozycji 21 w roku 2002 na pozycję 20 w roku 2009. Poza niewielkimi przesunięciami pozycje krajów członkowskich Unii Europejskiej w omawianym zestawieniu były bardzo stabilne. Współczynnik korelacji pomiędzy rangami państw w roku 2002 i 2009 wynosił 0,986. Tablica 2.4. Dochody gospodarstw domowych w krajach Unii Europejskiej w latach 2002–2009 (tys. euro, przy PPS, ceny stałe 2010) Grupy krajów Lata Rok 2009 w stosunku do roku 2002 (rok 2002 = 100) 2002 2009 I Belgia 22,4 Luksemburg 24,4 Bułgaria 155,8 Luksemburg 21,8 Austria 21,3 Rumunia 144,3 Holandia 21,6 Niemcy 21,0 Estonia 134,6 Niemcy 21,3 Belgia 20,7 Łotwa 128,5 Austria 20,8 Holandia 20,2 Słowacja 128,2 Francja 20,5 Francja 19,2 Litwa 123,7 Wielka Brytania 20,5 Wielka Brytania 19,0 Polska 122,2 Włochy 18,9 Szwecja 18,7 Cypr 116,5 Szwecja 18,5 Włochy 17,6 Luksemburg 112,3 II Dania 18,2 Dania 17,4 Finlandia 109,1 Hiszpania 16,8 Finlandia 16,8 Czechy 106,9 Irlandia 15,6 Hiszpania 16,5 Słowenia 105,5 Finlandia 15,4 Irlandia 16,1 Irlandia 103,3 Grecja 14,5 Cypr 14,9 Austria 102,3 Cypr 12,8 Grecja 14,7 Grecja 101,8 Słowenia 12,8 Słowenia 13,5 Szwecja 100,9 Portugalia 12,0 Portugalia 11,9 Niemcy 98,7 III Czechy 10,2 Czechy 10,9 Portugalia 98,7 Węgry 9,0 Słowacja 10,4 Węgry 98,6 Słowacja 8,1 Polska 9,1 Hiszpania 98,0 Polska 7,4 Węgry 8,9 Dania 95,8 Litwa 6,5 Estonia 8,1 Holandia 93,6 Estonia 6,0 Litwa 8,0 Francja 93,5 Łotwa 5,2 Łotwa 6,7 Wielka Brytania 92,9 Rumunia 3,6 Rumunia 5,3 Włochy 92,9 Bułgaria 3,2 Bułgaria 5,0 Belgia 92,1 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Kontynuując analizę dynamiki rozważanej zmiennej makroekonomicznej, należy podkreślić, że Polska znalazła się wśród krajów, które w latach 2002–2009 odnotowały najwyższy względny wzrost poziomu dochodów. Dochody gospodarstw domowych w Polsce oraz w krajach Europy Środkowo-Wschodniej: Bułgarii, Rumunii, Estonii, na Łotwie, Słowacji oraz na Litwie wzrosły w badanym okresie o ponad 20%. Tak samo jak w przypadku PKB per capita, państwa o niskim poziomie dochodów gospodarstw domowych znajdowały się w grupie o wysokim względnym wzroście badanej zmiennej makroekonomicznej w latach 2002–2009. Zależność ta sugeruje występowanie procesu wyrównywania się różnic w poziomie dochodów pomiędzy gospodarkami Unii Europejskiej. Proces β-konwergencji rozważanej zmiennej makroekonomicznej w krajach Unii Europejskiej potwierdza bardzo wysoki poziom współczynnika korelacji Pearsona (–0,898) pomiędzy stopą wzrostu poziomu dochodów w latach 2002- 2009 (Dln(w)) oraz logarytmem naturalnym poziomu dochodów gospodarstw domowych w roku bazowym, tj. w roku 2002 (por. też wykres 2.3). Wykres 2.3. Korelogram Δln(w) i ln(w) w krajach Unii Europejskiej w latach 2002–2009 w - dochody gospodarstw domowych w roku 2002; Δln(w) – względna zmiana dochodów gospodarstw domowych w latach 2002–2009. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Mapa 2.4. Przestrzenne zróżnicowanie dochodów gospodarstw domowych w regionach Unii Europejskiej w latach 2002–2009 (tys. euro, przy PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Dane zilustrowane na mapie 2.4 oraz zestawione w tablicy 2.5 prezentują kształtowanie się średniego poziomu dochodów gospodarstw domowych w 269 regionach Unii Europejskiej w latach 2002–2009. Tablica 2.5. Liczby regionów Unii Europejskiej w grupach kwintylowych ze względu na dochody gospodarstw domowych w latach 2002–20098 Kraj Grupa kwintylowa pierwsza druga trzecia czwarta piąta Luksemburg 1 0 0 0 0 Austria 7 2 0 0 0 Niemcy 19 11 9 0 0 Belgia 2 3 6 0 0 Holandia 0 1 7 4 0 Wielka Brytania 14 10 13 0 0 Francja 1 17 4 2 1 Szwecja 0 1 3 4 0 Włochy 8 5 0 8 0 Dania 0 0 0 5 0 Hiszpania 2 3 7 7 0 Irlandia 0 0 1 1 0 Finlandia 0 0 2 3 0 Grecja 0 1 1 11 0 Cypr 0 0 0 1 0 Słowenia 0 0 0 2 0 Portugalia 0 0 1 4 2 Czechy 0 0 0 1 7 Węgry 0 0 0 0 7 Słowacja 0 0 0 1 3 Polska 0 0 0 0 16 Litwa 0 0 0 0 1 Estonia 0 0 0 0 1 Łotwa 0 0 0 0 1 Rumunia 0 0 0 0 8 Bułgaria 0 0 0 0 6 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 8 Kraje uporządkowane są w malejącej kolejności dochodów gospodarstw domowych w latach 2002–2009. Wszystkie polskie województwa należały do piątej grupy kwintylowej, czyli do grupy o najniższych wartościach rozważanej zmiennej makroekonomicznej. Najlepszą rangę w zestawieniu uzyskało województwo mazowieckie (10,1 tys. euro, 220 miejsce w rankingu 269 regionów Unii Europejskiej). Pozostałych 15 polskich województw uplasowało się na miejscach od 226 do 256. Najwyższe pozycje przypadły województwom: śląskiemu (8,9 tys. euro, 226), wielkopolskiemu (8,2 tys. euro, 231), dolnośląskiemu (8,2 tys. euro, 232) oraz zachodniopomorskiemu (8,0 tys. euro, 233). Najniższym przeciętnym poziomem dochodów charakteryzowały się gospodarstwa domowe w województwach: podlaskim (6,7 tys. euro, 250), warmińsko-mazurskim (6,7 tys. euro, 251), lubelskim (6,4 tys. euro, 254) oraz podkarpackim (6,1 tys. euro, 256). Województwo podkarpackie w omawianym rankingu wyprzedziło jedynie 7 regionów rumuńskich: Vest (5,0 tys. euro, 258), Centru (4,3 tys. euro, 259), Nord-Vest (4,3 tys. euro, 260), Sud-Est (4,1 tys. euro, 262), Sud-Vest Oltenia (4,0 tys. euro, 263), Sud-Muntenia (3,9 tys. euro, 265) i Nord-Est (3,5 tys. euro, 269) oraz 6 regionów bułgarskich: Yugozapaden (5,6 tys. euro, 257), Yugoiztochen (4,2 tys. euro, 261), Yuzhen tsentralen (4,0 tys. euro, 264), Severoiztochen (3,9 tys. euro, 266), Severen tsentralen (3,9 tys. euro, 267) i Severozapaden (3,5 tys. euro, 268). Przeciętny poziom dochodów gospodarstw domowych w regionach państw byłego bloku socjalistycznego (w tym w Polsce) znacznie odbiegał od poziomu dochodów regionów najbogatszych gospodarek takich jak: Inner London (Wielka Brytania, 26,1 tys. euro, 1), Hamburg (Niemcy, 23,7 tys. euro, 2), Luxembourg (Luksemburg, 23,3 tys. euro, 3), Surrey, East and West Sussex (Wielka Brytania, 22,4 tys. euro, 4) oraz Berkshire, Buckinghamshire and Oxfordshire (Wielka Brytania, 22,0 tys. euro, 5, por. mapa 2.3). Wykres 2.4. Korelogram Δln(w) i ln(w) w regionach Unii Europejskiej w latach 2002–2009 w - dochody gospodarstw domowych w roku 2002; Δln(w) – względna zmiana dochodów gospodarstw domowych w latach 2002–2009. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Warto także dodać, że w skład piątej grupy kwintylowej wchodziło także większość regionów czeskich, słowackich i węgierskich. Jedynie regiony centralne Słowacji i Czech tj. Bratislavský kraj (12,9 tys. euro, 188) oraz Praha (12,8 tys. euro, 191) należały do czwartej grupy kwintylowej. Węgierski region cenytalny – Közép-Magyarország (10,7 tys. euro, 217) był tylko o trzy pozycje wyżej w omawianym zestawieniu, niż województwo mazowieckie. Różnice w rangach regionów centralnych państw Grupy Wyszehradzkiej były znacznie mniejsze niż w przypadku PKB per capita (por. tablica 2.5). Tablica 2.6. Rangi polskich województw ze względu na dochody gospodarstw domowych w latach 2002–20099 Województwo Rangi w latach Zmiana pozycji w roku 2009 w stosunku do roku 2002 Wartość zmiennej w województwach odniesiona do mediany w latach (mediana = 100) Zmiana w roku 2009 w stosunku do roku 2002 (w punktach procentowych) 2002 2009 2002 2009 mazowieckie 221 210 –11 60,5 76,5 16,0 śląskie 227 222 –5 52,6 67,0 14,4 wielkopolskie 232 228 –4 48,1 61,0 12,9 dolnośląskie 230 230 0 49,2 60,5 11,3 zachodniopomorskie 233 234 1 48,0 58,1 10,1 łódzkie 236 235 –1 46,3 57,9 11,6 pomorskie 237 233 –4 44,8 58,5 13,7 kujawsko-pomorskie 238 240 2 44,4 53,5 9,1 lubuskie 241 244 3 42,8 51,9 9,0 małopolskie 240 241 1 42,9 53,5 10,6 świętokrzyskie 245 246 1 40,3 50,6 10,2 opolskie 249 245 –4 38,3 50,9 12,6 podlaskie 246 248 2 39,3 49,5 10,3 warmińsko-mazurskie 247 251 4 38,6 49,0 10,5 lubelskie 250 253 3 38,1 47,4 9,3 podkarpackie 255 257 2 35,9 44,7 8,8 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Na wykresie 2.4 przedstawiono zależność pomiędzy logarytmem naturalnym wartości dochodów w roku 2002 oraz stopą wzrostu omawianej cechy w latach 2002–2009. Ujemne nachylenie prostej regresji oznacza, że różnice w poziomie rozważanej 9 Województwa w tablicy 2.6 uporządkowane są w malejącej kolejności średniego poziomu dochodów gospodarstw domowych w latach 2002–2009. zmiennej w regionach Unii Europejskiej niwelowały się, co dodatkowo potwierdza współczynnik korelacji Pearsona równy –0,826. Ponadto warto podkreślić, że proces β-konwergencji był znacznie silniejszy w dochodach gospodarstw domowych, niż w przypadku PKB per capita. Proces konwergencji dotyczył także polskich województw, co pokazują dane statystyczne zebrane w tablicy 2.6. Podobnie, jak w przypadku PKB per capita, województwem, które najszybciej nadrabiało dystans do najbogatszych regionów Unii Europejskiej było województwo mazowieckie. Jeszcze w roku 2002 dochody gospodarstw domowych w województwie mazowieckim stanowiły 60,5% mediany poziomu dochodów w regionach Unii Europejskiej, jednak już w roku 2009 udział ten wzrósł do 76,5%. Ponadto w analizowanym przedziale czasu polski region centralny awansował o 11 pozycji w rankingu regionów ze względu dochody gospodarstw domowych. We wspomnianym rankingu województwo mazowieckie w roku 2009 plasowało się na 210 miejscu, tym samym kwalifikowało się już do czwartej grupy kwintylowej pod względem owej zmiennej makroekonomicznej. W badanym okresie województwa: śląskie, wielkopolskie, pomorskie oraz opolskie poprawiły o ponad 12 punktów procentowych, a województwo łódzkie o ponad 11 punktów procentowych względną relację w odniesieniu do mediany wartości dochodów w regionach Unii Europejskiej. Województwa te zajęły także lepszą pozycję w roku 2009 w stosunku do roku 2002 w rankingu regionów pod względem poziomu dochodów. Poziom dochodów w pozostałych 9 województwach odniesiony do wartości środkowej poziomu dochodów w regionach Unii Europejskiej był także względnie wyższy, jednak nie pozwoliło im to awansować w rozważanym zestawieniu. 2.4. INWESTYCJE PER CAPITA Przeciętny poziom inwestycji per capita w latach 2002–2010 został zilustrowany na mapie 2.510. Wartość wspomnianej zmiennej makroekonomicznej w tym okresie w Polsce wyniosła 1,5 tys. euro. Niższy przeciętny poziom inwestycji na mieszkańca został odnotowany jedynie w Rumunii (1,2 tys. euro). Tak samo, jak w przypadku wcześniej omówionych zmiennych, Polska oraz kraje byłego bloku socjalistycznego w znacznym stopniu pod względem rozważanej cechy odbiegały od reszty państw członkowskich Unii Europejskiej. W Polsce poziom inwestycji per capita był znacznie niższy, niż w takich krajach jak: Irlandia (10,5 tys. euro), Luksemburg (8,6 tys. euro) czy Dania (8,3 tys. euro). Wyższym, niż w Polsce, poziomem inwestycji na mieszkańca charakteryzowały się także państwa Grupy Wyszehradzkiej: Czechy (3,2 tys. euro), Słowacja (2,2 tys. euro) oraz Węgry (2,0 tys. euro, por. też mapa 2.5). Podobnie jak w przypadku wcześniej omówionych zmiennych makroekonomicznych, Polska znajdowała się zarówno w roku 2002, jak i w roku 2010 w grupie o niskim poziomie inwestycji per capita. Pozycje krajów Unii Europejskiej w zestawieniu 10 Z uwagi na brak dostępu do danych statystycznych na stronach Eurostatu w analizie inwestycji na mieszkańca w regionach Unii Europejskiej zostały pominięte regiony Cypru i Bułgarii. w roku 2002 i w roku 2010 były stabilne (współczynnik korelacji pomiędzy rangami krajów na poziomie 0,883). Warto jednak zwrócić uwagę, że 3 państwa członkowskie Unii Europejskiej w roku 2010 charakteryzowały się znacznie niższym poziomem inwestycji, niż w roku 2002. Były to: Portugalia, Wielka Brytania i Irlandia. Irlandia spadła z 1 pozycji, jaką zajmowała w roku 2002, na pozycję 12 w roku 2010. Przyczyną tak dużego spadku inwestycji per capita w Irlandii było załamanie na światowych rynkach finansowych w 2008 roku (por. też dane w tablicy 2.7). Mapa 2.5. Przestrzenne zróżnicowanie inwestycji per capita w krajach Unii Europejskiej w latach 2002–2010 (tys. euro, przy PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Znacznie lepiej Polska wypada w zestawieniu krajów Unii Europejskiej stworzonym w oparciu o względną zmianę poziomu inwestycji na mieszkańca w latach 2002–2010. Poziom rozważanej tu zmiennej w Polsce był w roku 2010 o 53,3% wyższy, niż w roku 2002, co uplasowało Polskę na 4 pozycji w tym zestawieniu. Wyższe względne wzrosty zostały odnotowane jedynie przez: Rumunię (wzrost o 157,7 %), Słowację (wzrost o 64,9%) oraz Hiszpanię (wzrost o 60,5%). Dosyć duży (jednak niższy, niż w Polsce) wzrost inwestycji na mieszkańca nastąpił także w Czechach (wzrost o 33,2%). Należy zaznaczyć, że pod względem opisywanej zmiennej najgorzej spośród państw Grupy Wyszehradzkiej wypadły Węgry, które w roku 2010 odnotowały spadek inwestycji per capita o 6,9% w odniesieniu do roku 2002. (por. też tablica 2.7). Tablica 2.7. Inwestycje per capita w krajach Unii Europejskiej w latach 2002–2010 (tys. euro, przy PPS, ceny stałe 2010) Grupy krajów Lata Rok 2010 w stosunku do roku 2002 (rok 2002 =1 00) 2002 2010 I Irlandia 9,5 Luksemburg 9,9 Rumunia 257,7 Dania 7,9 Francja 9,0 Słowacja 164,9 Luksemburg 7,7 Hiszpania 7,3 Hiszpania 160,5 Austria 7,1 Dania 7,2 Polska 153,3 Holandia 6,9 Austria 7,0 Francja 143,6 Francja 6,3 Szwecja 6,8 Czechy 133,2 Szwecja 6,1 Finlandia 6,3 Litwa 130,4 Finlandia 6,0 Holandia 6,3 Luksemburg 128,6 Włochy 6,0 Niemcy 6,3 Malta 124,7 II Belgia 5,8 Belgia 6,0 Łotwa 123,1 Niemcy 5,7 Włochy 5,4 Szwecja 110,9 Wielka Brytania 5,7 Irlandia 4,8 Niemcy 110,1 Hiszpania 4,5 Wielka Brytania 4,1 Finlandia 104,5 Portugalia 4,1 Czechy 3,5 Słowenia 103,9 Słowenia 3,4 Słowenia 3,5 Belgia 102,8 Grecja 3,2 Portugalia 3,2 Austria 99,4 Czechy 2,6 Grecja 2,8 Węgry 93,1 III Estonia 2,6 Malta 2,6 Holandia 91,8 Malta 2,1 Słowacja 2,6 Dania 91,3 Węgry 1,9 Estonia 2,3 Włochy 89,5 Słowacja 1,5 Polska 1,8 Grecja 89,0 Polska 1,2 Węgry 1,8 Estonia 86,6 Łotwa 1,2 Łotwa 1,5 Portugalia 77,9 Litwa 1,0 Rumunia 1,4 Wielka Brytania 72,2 Rumunia 0,6 Litwa 1,4 Irlandia 50,6 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Współczynnik korelacji Pearsona pomiędzy zmiennymi przedstawionymi na wykresie 2.5 wynosił –0,624. Wartość owego współczynnika wskazuje na to, że w krajach Unii Europejskiej występował proces β-konwergencji inwestycji per capita, jednak był on znacznie słabszy, niż w przypadku poziomu dochodów gospodarstw domowych oraz PKB na mieszkańca (por. wykresy 2.1, 2.3 i 2.5). Wykres 2.5. Korelogram Δln(I) i ln(I) w krajach Unii Europejskiej w latach 2002–2010 I - inwestycje per capita w roku 2002; Δln(I) – względna zmiana inwestycji per capita w latach 2002–2010. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Przechodząc z poziomu krajów Unii Europejskiej na poziom NUTS 2, na wstępie należy zaznaczyć, że ze względu na średnią wartość inwestycji na mieszkańca w latach 2002–2010 wszystkie polskie województwa znalazły się wśród 20% regionów Unii Europejskiej o najniższych wartościach rozważanej zmiennej makroekonomicznej (por. mapa 2.6 i tablica 2.8). Podobnie, jak w przypadku wcześniej omówionych zmiennych makroekonomicznych, województwo mazowieckie charakteryzowało się najwyższym przeciętnym poziomem inwestycji na mieszkańca wśród polskich województw w latach 2002–2010 (2,5 tys. euro), a mimo to zajęło dopiero 227 miejsce pośród 263 klasyfikowanych regionów Unii Europejskiej. Wartość średnia inwestycji na mieszkańca w pozostałych 15 polskich województwach oscylowała pomiędzy 1,0 tys. euro a 1,7 tys. euro. Najwyżej w tym rankingu były województwa: dolnośląskie (1,7 tys. euro, 236 pozycja w rankingu 263 regionów krajów Unii Europejskiej), pomorskie (1,7 tys. euro, 238), wielkopolskie (1,6 tys. euro, 240) oraz śląskie (1,5 tys. euro, 243). Najgorsze miejsca przypadły województwom: podkarpackiemu (1,1 tys. euro, 256) oraz lubelskiemu (1,0 tys. euro, 259). Dla porównania inwestycje na mieszkańca w 5 pierwszych regionach Unii Europejskiej w analizowanym tu rankingu, tj. Etelä-Suomi (Finlandia, 13,4 tys. euro, 1), Hamburg (Niemcy, 12,8 tys. euro, 2), Oberbayer (Niemcy, 10,7 tys. euro, 3), Région de Bruxelles-Capitale (Belgia, 10,6 tys. euro, 4), czy Île de France (Francja, 10,5 tys. euro, 5) ponad czterokrotnie przewyższały poziom inwestycji w najlepszym pod względem rozważanej zmiennej w Polsce – województwie mazowieckim. Z kolei województwo lubelskie w zestawieniu wyprzedziło jedynie cztery regiony rumuńskie: Nord-Vest (0,9 tys. euro, 260), Sud-Muntenia (0,8 tys. euro, 261), Sud-Vest Oltenia (0,7 tys. euro, 262) i Nord-Est (0,5 tys. euro, 263, por. mapa 2.6). Mapa 2.6. Przestrzenne zróżnicowanie inwestycji per capita w regionach Unii Europejskiej w latach 2002–2010 (tys. euro, przy PPS, ceny stałe 2010) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Przechodząc do krótkiej analizy zróżnicowania rozważanej zmiennej w państwach Grupy Wyszechradzkiej można dostrzec, że wszystkie regiony węgierskie znajdowały się w ostatnim kwintylu zestawienia. Z czeskich i słowackich regionów jedynie regiony centralne zajęły miejsce w wyższych grupach kwintylowych: do grupy pierwszej należał region Praha (8,1 tys. euro, 25), z kolei w grupie trzeciej znalazł się Bratislavský kraj (5,2 tys. euro, 134). Jak zostało wcześniej wspomniane województwo mazowieckie zajęło 227 pozycję w zestawieniu, co nie pozwoliło mu wyprzedzić węgierskiego regionu Közép-Magyarország (2,9 tys. euro, 218) i tym samym ponownie uplasowało je na ostatnim miejscu wśród regionów centralnych państw Grupy Wyszehradzkiej (por. tablica 2.8). Tablica 2.8. Liczby regionów Unii Europejskiej w grupach kwintylowych ze względu na inwestycje per capita w latach 2002–201011 Kraj Grupa kwintylowa pierwsza druga trzecia czwarta piąta Irlandia 2 0 0 0 0 Luksemburg 1 0 0 0 0 Dania 4 1 0 0 0 Francja 1 12 7 5 1 Austria 4 4 1 0 0 Holandia 5 6 1 0 0 Finlandia 2 1 0 0 2 Szwecja 3 4 1 0 0 Belgia 3 4 2 2 0 Hiszpania 12 4 1 2 0 Włochy 5 4 7 5 0 Niemcy 4 8 20 6 0 Wielka Brytania 6 4 7 19 1 Słowenia 0 0 0 2 0 Portugalia 0 0 2 3 2 Grecja 0 1 3 8 1 Estonia 0 0 0 0 1 Czechy 1 0 0 0 7 Malta 0 0 0 0 1 Słowacja 0 0 1 0 3 Węgry 0 0 0 0 7 Łotwa 0 0 0 0 1 Litwa 0 0 0 0 1 Polska 0 0 0 0 16 Rumunia 0 0 0 1 7 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 11 Kraje uporządkowane są w malejącej kolejności inwestycji per capita w latach 2002–2010. Wykres 2.6. Korelogram Δln(I) i ln(I) w regionach Unii Europejskiej w latach 2002–2010 I - inwestycje per capita w roku 2002; Δln(I) – względna zmiana inwestycji per capita w latach 2002–2010. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Na zakończenie, podobnie jak w przypadku poprzednio analizowanych zmiennych makroekonomicznych, zostanie podjęta analiza procesu wyrównywania różnic w poziomie inwestycji na mieszkańca pomiędzy regionami Unii Europejskiej. Współczynnik korelacji względnej zmiany poziomu inwestycji per capita oraz logarytmu naturalnego z poziomu rozważanej zmiennej w roku 2002 wynosił –0,543. Oznacza to, że proces β-konwergencji inwestycji na mieszkańca w regionach Unii Europejskiej był nieznacznie słabszy, niż w przypadku krajów Unii Europejskiej. Opierając się na wartości współczynnika korelacji można także wyciągnąć wniosek, że w latach 2002–2010 dystans pomiędzy regionami w poziomie inwestycji per capita zmniejszał się nieco wolniej niż w PKB per capita i dużo wolniej niż w przypadku dochodów gospodarstw domowych (por. wykresy 2.2, 2.4 i 2.6). Proces konwergencji polskich województw w poziomie inwestycji na mieszkańca przebiegał nieco inaczej, niż w przypadku wcześniej omawianych zmiennych makroekonomicznych. Pod względem tempa zbliżania się do mediany wartości inwestycji per capita w regionach Unii Europejskiej na szczególną uwagę zasługują województwa lubuskie i łódzkie. Poziom inwestycji w województwie lubuskim w roku 2002 stanowił 21,0% mediany wartości omawianej zmiennej, a już w roku 2010 wzrósł do 44,3%. Warto dodać, że wspomniany wzrost o 23,3 punktu procentowego przełożył się także na awans o 17 pozycji w rankingu regionów Unii Europejskiej. Z kolei województwo łódzkie w tym samym zestawieniu awansowało o 11 miejsc zbliżając się do mediany poziomu inwestycji na mieszkańca o 14,4 punktu procentowego. Tablica 2.9. Rangi polskich województw ze względu na inwestycje per capita w latach 2002–201012 Województwo Rangi w latach Zmiana pozycji w roku 2010 w stosunku do roku 2002 Wartość zmiennej w województwach odniesiona do mediany (mediany = 100) w latach Zmiana w roku 2010 w stosunku do roku 2002 (w punktach procentowych) 2002 2010 2002 2010 mazowieckie 222 219 –3 44,6 52,9 8,2 dolnośląskie 237 233 –4 26,5 38,1 11,6 pomorskie 241 235 –6 24,4 37,1 12,7 wielkopolskie 236 237 1 27,1 36,0 8,9 śląskie 244 239 –5 22,4 34,4 12,0 łódzkie 251 240 –11 19,0 33,4 14,4 lubuskie 246 229 –17 21,0 44,3 23,3 małopolskie 245 245 0 22,2 31,1 8,9 zachodniopomorskie 248 246 –2 20,4 30,7 10,3 kujawsko-pomorskie 249 242 –7 19,6 32,5 12,9 warmińsko-mazurskie 252 248 –4 16,9 29,7 12,8 podlaskie 253 250 –3 16,4 28,7 12,3 świętokrzyskie 250 241 –9 19,5 33,4 13,9 opolskie 255 249 –6 16,1 29,3 13,2 podkarpackie 254 247 –7 16,4 30,5 14,1 lubelskie 256 255 –1 13,8 25,1 11,3 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 12 innych województw (czyli wszystkie pozostałe z wyjątkiem województwa małopolskiego i wielkopolskiego) w roku 2010 uplasowało się na lepszej pozycji w zestawieniu, niż zajmowało w roku 2002. Na zakończenie warto dodać, że podobnie jak w przypadku PKB per capita i dochodów gospodarstw domowych we wszystkich województwach relacja poziomu inwestycji na mieszkańca w stosunku do mediany poziomu omawianej zmiennej w regionach Unii Europejskiej w roku 2010 była wyższa, niż w roku 2002. 12 Województwa w tablicy 2.9 uporządkowane są w malejącej kolejności średniego poziomu inwestycji per capita w latach 2002–2010. 2.5. STOPA BEZROBOCIA Dane statystyczne ilustrujące przestrzenne zróżnicowanie stóp bezrobocia w krajach Unii Europejskiej w latach 2002–2010 zostały zaprezentowane na mapie 2.7. Średnia stopa bezrobocia w Polsce w analizowanym okresie wyniosła 13,8%, co uplasowało ją na 26 pozycji w rankingu 27 krajów Unii Europejskiej. Polska wyprzedziła jedynie Słowację, gdzie przeciętny poziom stóp bezrobocia równy był 14,6%. Z kolei pozostałe dwa kraje Grupy Wyszehradzkiej, Czechy (6,8%) i Węgry (7,7%), charakteryzowały się dosyć niskimi przeciętnymi wartościami opisywanej zmiennej makroekonomicznej w badanym przedziale czasu. Należy zaznaczyć, że w grupie razem z Polską, czyli grupie krajów o najwyższych przeciętnych stopach bezrobocia, znajdowały się nie tylko kraje byłego bloku radzieckiego takie jak: Estonia (9,4%), Bułgaria (10,3%), Litwa (10,3%) oraz Łotwa (11,0%), ale także kraje Europy Południowej i Zachodniej: Francja (9,1%), Grecja (9,7%) oraz Hiszpania (12,1%). Najniższy średni poziom stóp bezrobocia w analizowanym czasie został odnotowany w Holandii (3,7%). Warto zwrócić uwagę, że zróżnicowanie rozważanej zmiennej makroekonomicznej w znacznym stopniu różniło się od zróżnicowania zmiennych omówionych w poprzednich podrozdziałach (por. mapa 2.7). Dane zaprezentowane w tabeli 2.10 posłużą analizie dynamiki zmian stóp bezrobocia w Polsce na tle krajów Unii Europejskiej. W 2002 roku Polska charakteryzowała się najwyższą stopą bezrobocia (19,9%) wśród analizowanych państw. Jednak już w roku 2008 opisywana zmienna spadła do poziomu 7,1% i był to rok, w którym stopa bezrobocia osiągnęła najniższy wynik w okresie badanych dziewięciu lat. Z uwagi na to, że w latach 2008–2010 sytuacja w gospodarce światowej pogorszyła się, w roku 2010 stopa bezrobocia w Polsce wzrosła o 2,5 punktu procentowego w stosunku do roku 2008 i była równa 9,6%. Mimo wspomnianego wzrostu Polska w 2010 roku zajęła 16 pozycję w zestawieniu krajów Unii Europejskiej, wyprzedzając między innymi Węgry, które w największym stopniu spośród państw Europy Środkowo-Wschodniej odczuły skutki światowego kryzysu finansowego. Miejsca pozostałych krajów Unii Europejskiej w omawianym rankingu w roku 2002 i w roku 2010 były dużo mniej stabilne, niż w przypadku wcześniej opisywanych zmiennych makroekonomicznych, o czym świadczy współczynnik korelacji pomiędzy rangami równy 0,615. Wspomniana niestabilność wynika ze specyfiki opisywanej zmiennej, której poziom jest bardzo wrażliwy na zmiany koniunktury w gospodarce światowej i krajowej. W okresach dobrej koniunktury w kraju stopa bezrobocia zazwyczaj dość szybko spada, zaś słabej – dość szybko rośnie (por. dane dotyczące np. Polski i Hiszpanii). Kontynuując analizę dynamiki zmian stóp bezrobocia warto zwrócić uwagę na to, że w latach 2002–2010 Polska odnotowała największy spadek opisywanej zmiennej spośród 27 analizowanych krajów Unii Europejskiej. Obniżała się ona bowiem o 10,3 punktu procentowego. Znaczny spadek stopy bezrobocia można było zaobserwować wówczas także w Bułgarii, na Słowacji, w Finlandii, Niemczech, Rumunii, we Włoszech oraz w Austrii. W pozostałych analizowanych krajach Unii Europejskiej stopa bezrobocia wzrosła w 2010 roku w stosunku do roku 2002 (z wyjątkiem Malty, gdzie pozostała bez zmian). Wzrost ten odnotowały także pozostałe 2 państwa wchodzące w skład Grupy Wyszehradzkiej. W Czechach rozważana tu zmienna makroekonomiczna była wyższa w 2010 o 0,3 punktu procentowego, niż w 2002 roku, jednak mimo nieznacznego wzrostu, Czechy i tak w 2010 roku znalazły się wśród państw o najniższych stopach bezrobocia w Unii Europejskiej13. Z kolei na Węgrzech w latach 2002–2010 nastąpił wzrost stopy bezrobocia o 5,6 punktu procentowego. Mapa 2.7. Przestrzenne zróżnicowanie stóp bezrobocia w krajach Unii Europejskiej w latach 2002–2010 (w %) Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 13 Względna poprawa sytuacji na rynkach pracy w Czechach, na Słowacji i w Polsce była również skutkiem (częściowego lub całkowitego) otwarcia rynków pracy krajów starej Unii Europejskiej dla obywateli krajów, które w 2004 roku zostały członkami Unii. Tablica 2.10. Stopy bezrobocia i ich zmiany w krajach Unii Europejskiej w latach 2002–2010 [%] Grupy krajów Lata Zmiana w roku 2010 w stosunku do roku 2002 (w punktach procentowych) 2002 2010 I Holandia 2,6 Austria 4,4 Polska –10,3 Luksemburg 2,6 Luksemburg 4,4 Bułgaria –7,9 Cypr 3,3 Holandia 4,5 Słowacja –4,3 Irlandia 4,2 Cypr 6,2 Finlandia –2 Dania 4,3 Malta 6,9 Niemcy –1,4 Potugalia 4,5 Niemcy 7,1 Rumunia –0,8 Austria 4,8 Słowenia 7,2 Włochy –0,8 Szwecja 5,0 Czechy 7,3 Austria –0,4 Wielka Brytania 5,0 Rumunia 7,3 Malta 0 II Węgry 5,6 Dania 7,4 Czechy 0,3 Słowenia 5,9 Wielka Brytania 7,8 Francja 0,5 Belgia 6,9 Belgia 8,3 Słowenia 1,3 Malta 6,9 Finlandia 8,4 Belgia 1,4 Czechy 7,0 Szwecja 8,4 Luksemburg 1,8 Rumunia 8,1 Włochy 8,4 Holandia 1,9 Niemcy 8,5 Polska 9,6 Grecja 2,2 Francja 9,2 Francja 9,7 Wielka Brytania 2,8 Włochy 9,2 Bułgaria 10,2 Cypr 2,9 III Estonia 9,4 Portugalia 10,8 Dania 3,1 Grecja 10,3 Węgry 11,2 Szwecja 3,4 Finlandia 10,4 Grecja 12,5 Litwa 4,8 Hiszpania 11,2 Irlandia 13,5 Łotwa 5,5 Litwa 13,0 Słowacja 14,4 Węgry 5,6 Łotwa 13,2 Estonia 16,9 Portugalia 6,3 Bułgaria 18,1 Litwa 17,8 Estonia 7,5 Słowacja 18,7 Łotwa 18,7 Hiszpania 8,9 Polska 19,9 Hiszpania 20,1 Irlandia 9,3 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Wykres 2.7. Korelogram Δu i u w krajach Unii Europejskiej w latach 2002–2010 u - stopa bezrobocia w roku 2002; Δu- zmiana stopy bezrobocia w roku 2010 w stosunku do roku 2002. Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Współczynnik korelacji pomiędzy stopą bezrobocia w roku bazowym oraz zmianą stopy bezrobocia w latach 2002–2010 wynosił –0,559. Świadczy to o występowaniu procesu β-konwergencji rozważanej zmiennej w krajach Unii Europejskiej. Proces ten jednak w przypadku stóp bezrobocia był znacznie słabszy, niż w przypadku zmiennych omówionych we wcześniejszych podrozdziałach. Trzeba jednak dodać, że do wyników analiz konwergencji stopy bezrobocia powinno się podchodzić z dużą ostrożnością, ponieważ, jak to zostało już wcześniej wspomniane, jest to zmienna narażona na spore wahania związane z cyklem koniunkturalnym. Mapa 2.8. Przestrzenne zróżnicowanie stóp bezrobocia w regionach Unii Europejskiej w latach 2002–2010 (w %) C:\Documents and Settings\Administrator\Pulpit\euroregiony\Mapki- regiony\stopa bezrobocia (inne dane).PNG Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). W kolejnych akapitach na bazie mapy 2.8 i tablicy 2.11 zostanie omówione zróżnicowanie przeciętnych stóp bezrobocia w polskich województwach w kontekście regionów Unii Europejskiej14. W klasyfikacji opartej na średniej stopie bezrobocia w latach 2002–2010 wszystkie polskie województwa znajdowały się w piątej grupie kwintylowej, czyli w grupie regionów o najwyższych przeciętnych wartościach omawianej tu zmiennej makroekonomicznej. 14 Ponieważ z danych Eurostatu wynika, że począwszy od roku 2006 stopa bezrobocia według BAEL w województwie warmińsko-mazurskim bardzo szybko spada (odpowiednio z 16,0% do 10,5%, 7,4%, 8,5% oraz 9,6%), co nie ma potwierdzenia w danych GUS dotyczących bezrobocia rejestrowanego w tym województwie oraz w jego powiatach, zatem dla polskich województw uwzględniono dane statystyczne o stopie bezrobocia rejestrowanego. Tablica 2.11. Liczby regionów Unii Europejskiej w grupach kwintylowych ze względu na stopę bezrobocia w latach 2002–201015 Kraj Grupa kwintylowa pierwsza druga trzecia czwarta piąta Holandia 11 1 0 0 0 Luksemburg 1 0 0 0 0 Cypr 1 0 0 0 0 Austria 8 0 1 0 0 Dania 1 4 0 0 0 Wielka Brytania 15 15 5 2 0 Słowenia 1 0 1 0 0 Irlandia 0 1 1 0 0 Szwecja 0 3 5 0 0 Czechy 3 2 1 2 0 Malta 0 0 1 0 0 Rumunia 0 4 1 3 0 Portugalia 0 3 1 3 0 Węgry 0 3 1 2 1 Belgia 3 2 2 2 2 Włochy 8 4 2 1 6 Finlandia 0 1 1 2 0 Niemcy 2 9 13 6 8 Francja 0 1 11 8 6 Estonia 0 0 0 1 0 Grecja 0 0 3 9 1 Bułgaria 0 0 1 2 3 Litwa 0 0 0 1 0 Łotwa 0 0 0 1 0 Hiszpania 0 0 3 9 7 Polska 0 0 0 0 16 Słowacja 0 1 0 0 3 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 15 Kraje uporządkowane są w rosnącej kolejności średnich stóp bezrobocia w latach 2002–2010. Najniższymi średnimi stopami bezrobocia w Polsce charakteryzowały się województwa: mazowieckie (11,7%, 217 miejsce w rankingu 269 regionów Unii Europejskiej), małopolskie (12,0%, 220), wielkopolskie (12,1%, 221) oraz śląskie (12,8%, 230). Najwyższe przeciętne stopy bezrobocia zostały odnotowane w województwach: kujawsko-pomorskim (19,4%, 262), lubuskim (20,0%, 263), zachodniopomorskim (21,5%, 264) oraz warmińsko-mazurskim (24,2%, 267). Ostatnie ze wspomnianych tu województw charakteryzowało się niższą przeciętną stopą bezrobocia w rozważanym okresie jedynie od 2 regionów – francuskich terytoriów zależnych: Guadeloupe (24,6%, 268) i Réunion (28,5%, 269). Dla porównania najniższe przeciętne stopy bezrobocia zostały odnotowane w następujących regionach Unii Europejskiej: Provincia Autonoma di Bolzano/Bozen (Włochy, 2,5%, 1), Zeeland (Holandia, 2,6%, 2), Tirol (Austria, 2,8%, 3), Salzburg (Austria, 3,0%, 4) oraz Utrecht (Holandia, 3,2%, 5, por. też mapa 2.8). Przeciętny poziom stóp bezrobocia w regionach znajdujących się w pierwszym kwintylu zestawienia był zbliżony do tak zwanej naturalnej stopy bezrobocia występującej w gospodarkach w stanie równowagi na rynku pracy. Wykres 2.8. Korelogram Δu i u w regionach Unii Europejskiej w latach 2002–2010 u - stopa bezrobocia w roku bazowym tj. 2002; Δu- zmiana stopy bezrobocia w roku 2010 w stosunku do roku 2002 (w punktach procentowych). Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). Z 4 państw Grupy Wyszehradzkiej najniższe stopy bezrobocia odnotowano w regionach czeskich. Spośród 8 klasyfikowanych regionów: aż 3 znajdowały się w pierwszej grupie kwintylowej (w tym Praha ze średnią stopą bezrobocia równą 3,2%), 2 w drugiej, 1 w trzeciej i 2 w czwartej. Rozkład regionów węgierskich w grupach kwintylowych był następujący: 3 regiony znajdowały się w drugim kwintylu (w tym Közép-Magyarország z przeciętną stopą bezrobocia równą 5,2%), 1 w trzecim, 2 w czwartym i 1 w piątym. Z 4 regionów słowackich 3 należały do piątej grupy kwintylowej. Wyjątek stanowił Bratislavský kraj (5,9%), który był w drugiej grupie kwintylowej. Województwo mazowieckie również pod względem omawianej zmiennej makroekonomicznej znajdowało się na ostatniej pozycji pośród regionów centralnych Grupy Wyszehradzkiej. Współczynnik korelacji pomiędzy stopą bezrobocia w roku 2002 i zmianą stopy bezrobocia w latach 2002–2010 był równy –0,605. Na tej podstawie można stwierdzić, że występował proces β-konwergencji stopy bezrobocia w regionach Unii Europejskiej. Ponadto był on silniejszy niż w przypadku PKB per capita i inwestycji na mieszkańca. Jednak, jak już zostało to wspomniane przy konwergencji krajów, wnioski te należy traktować bardzo ostrożnie w związku ze specyfiką opisywanej zmiennej makroekonomicznej. Tablica 2.12. Rangi polskich województw ze względu na stopę bezrobocia w latach 2002–201016 Województwo Rangi w latach Zmiana pozycji w roku 2010 w stosunku do roku 2002 Wartość zmiennej w województwach odniesiona do mediany w latach (mediana = 100) Zmiana w roku 2010 w stosunku do roku 2002 (w punktach procentowych) 2002 2010 2002 2010 mazowieckie 227 167 –60 242,0 86,0 –156,0 małopolskie 232 180 –52 233,3 118,6 –114,7 wielkopolskie 233 156 –77 226,1 105,8 –120,3 śląskie 234 172 –62 271,0 102,3 –168,7 podlaskie 239 223 –16 236,2 115,1 –121,1 łódzkie 249 204 –45 263,8 136,0 –127,7 lubelskie 243 215 –28 292,8 108,1 –184,6 pomorskie 254 207 –47 294,2 105,8 –188,4 opolskie 251 222 –29 302,9 108,1 –194,8 podkarpackie 248 240 –8 302,9 111,6 –191,3 dolnośląskie 260 216 –44 272,5 139,5 –132,9 świętokrzyskie 258 238 –20 323,2 123,3 –199,9 kujawsko-pomorskie 261 249 –12 375,4 122,1 –253,3 lubuskie 266 242 –24 395,7 111,6 –284,0 zachodniopomorskie 265 253 –12 387,0 143,0 –243,9 warmińsko-mazurskie 269 256 –13 366,7 131,4 –235,3 Źródło: obliczenia własne na podstawie: www.epp.eurostat.ec.europa.eu (dostęp: ). 16 Województwa w tablicy 2.2 uporządkowane są w rosnącej kolejności średniego poziomu stóp bezrobocia w latach 2002–2010. Dane zestawione w tablicy 2.12 potwierdzają tezę, że polskie województwa w latach 2002–2010 zmniejszyły różnice, jaka dzieliła ich od regionów o najniższych wartościach rozważanej tu zmiennej makroekonomicznej. Jednak należy podkreślić, że kierunek zmian stóp bezrobocia był wypadkową działania dwóch sił: procesu konwergencji na poziomie regionów Unii Europejskiej oraz panującej koniunktury. Z uwagi na to, że w czasie kryzysu po 2008 roku spadek tempa wzrostu PKB w Polsce był znacznie wolniejszy, niż w przypadku większości gospodarek Unii Europejskiej, również wzrost stóp bezrobocia w tym okresie był wolniejszy. To z kolei spowodowało stosunkowo duże awanse polskich województw w zestawieniu regionów pod względem poziomu stóp bezrobocia w roku 2010. Na szczególną uwagę zasługuje województwo wielkopolskie, które w latach 2002–2010 awansowało o 77 miejsc w rankingu, tym samym znacznie zbliżając się do mediany poziomu stóp bezrobocia w roku 2010. Warto dodać, że wspomniane województwo w 2010 roku znajdowało się już w trzeciej grupie kwintylowej w zestawieniu regionów pod względem wysokości stóp bezrobocia. O ponad 40 miejsc poprawiły swoją pozycję w rankingu w 2010 roku województwa: śląskie, mazowieckie, małopolskie, pomorskie, łódzkie i dolnośląskie. Wszystkie te województwa, z wyjątkiem województwa dolnośląskiego, w 2010 roku należały do czwartej grupy kwintylowej. Pozostałe polskie województwa także awansowały w zestawieniu – najmniejszy awans odnotowało województwo podkarpackie (o 8 pozycji). Stopa bezrobocia we wszystkich województwach w latach 2002–2010 zbliżyła się do mediany poziomu stóp bezrobocia w regionach Unii Europejskiej. W odniesieniu do wspomnianej wartości środkowej względnie najbardziej poprawiła się sytuacja na rynku pracy w województwach: lubuskim, kujawsko-pomorskim, zachodniopomorskim i warmińsko-mazurskim. 2.6. PODSUMOWANIE Prowadzone w rozdziale drugim rozważania można podsumować następująco: I. Polska znajdowała się w grupie krajów Unii Europejskiej o najniższym średnim poziomie PKB per capita, dochodów gospodarstw domowych i inwestycji na mieszkańca oraz o najwyższych przeciętnych stopach bezrobocia. Równocześnie Polska należała do grupy państw członkowskich o najwyższych przyrostach wyróżnionych zmiennych, co sugeruje, że w badanym okresie zmniejszał się dystans dzielący ją od najlepiej rozwiniętych gospodarek Unii Europejskiej. Warto dodać, że obliczenia zawarte w opracowaniu potwierdziły występowanie w krajach Unii Europejskiej procesu β-konwergencji, który był najsilniejszy w przypadku dochodów gospodarstw domowych, najsłabszy zaś w przypadku stóp bezrobocia. II. Na podstawie średnich wartości analizowanych zmiennych makroekonomicznych polskie województwa, w zestawieniu z wszystkimi regionami Unii Europejskiej, wchodziły w skład czwartej i piątej grupy kwintylowej. Zazwyczaj do wspomnianych grup należały także regiony krajów byłego bloku socjalistycznego, które teraz znajdują się wśród państw członkowskich Unii Europejskiej. III. Spośród polskich regionów województwo mazowieckie plasowało się na najwyższym miejscu w rankingach pod względem średniej wartości każdej z analizowanych zmiennych. Jednocześnie województwo mazowieckie zawsze zajmowało ostatnią pozycję pośród regionów centralnych państw wchodzących w skład Grupy Wyszehradzkiej. Główną przyczyną słabej pozycji województwa mazowieckiego w tym zestawieniu jest niski udział mieszkańców Warszawy w ludności województwa mazowieckiego ogółem. Wynosi on jedynie około 32%. W węgierskiej stolicy, Budapeszcie, mieszka około 58% ludności regionu centralnego, w Bratysławie około 68%, a w Pradze 100%17, a zatem regiony te są wewnętrznie znacznie bardziej jednorodne ze względu na strukturę rozwoju gospodarczego, niż województwo mazowieckie. IV. Najwyższy poziom PKB per capita, dochodów gospodarstw domowych oraz inwestycji na mieszkańca poza województwem mazowieckim występował zazwyczaj w województwach: śląskim, dolnośląskim, wielkopolskim i pomorskim. Najniższe wartości wymienionych zmiennych makroekonomicznych zazwyczaj odnotowywano w województwach: warmińsko-mazurskim, podlaskim, podkarpackim i lubelskim. Należy dodać, że województwa te najczęściej wyprzedzały w zestawieniu jedynie niektóre regiony bułgarskie i rumuńskie. Z kolei najniższe stopy bezrobocia notowane były w województwach: małopolskim, wielkopolskim i śląskim, najwyższe zaś w województwach: kujawsko-pomorskim, lubuskim, zachodniopomorskim i warmińsko-mazurskim. V. Analiza β-konwergencji pokazała, że w analizowanym okresie najszybciej nadrabiany był dystans pomiędzy regionami Unii Europejskiej w poziomie dochodów gospodarstw domowych, następnie w poziomie stóp bezrobocia i PKB per capita. Najwolniej niwelowane były różnice pomiędzy regionami w poziomie inwestycji na mieszkańca. Proces konwergencji w przypadku każdej z analizowanych zmiennych makroekonomicznych w dużym stopniu dotyczył także polskich województw. W przypadku poziomu PKB per capita i dochodów gospodarstw domowych najszybciej zmniejszało dystans do najlepszych regionów Unii Europejskiej województwo mazowieckie. W przypadku inwestycji na mieszkańca w kontekście badania konwergencji na szczególną uwagę zasługują województwa lubuskie i łódzkie, a z kolei pod względem nadrabiania różnic w poziomie stóp bezrobocia najlepiej prezentowało się województwo wielkopolskie. Analizy konwergencji na poziomie regionów Unii Europejskiej prowadzą do następującej konkluzji: pomimo że polskie województwa pod względem rozwoju ekonomicznego znajdują się na peryferiach Unii Europejskiej, to dystans dzielący je od regionów najbogatszych gospodarek Unii Europejskiej z roku na rok zmniejsza się. 17 Por. Hungarian Central Statistical Office [http://www.ksh.hu/population_and_vital_events], The Statistical Office of the Slovak Republic [http://portal.statistics.sk/showdoc.do?docid=3159] oraz GUS [http://www.stat.gov.pl/gus/index_PLK_HTML.htm]. BIBLIOGRAFIA Gajewski P. (2007), Konwergencja regionalna w Polsce, praca doktorska napisana pod kierunkiem T. Tokarskiego, Katedra Makroekonomii Uniwersytetu Łódzkiego, Łódź. Malaga K., P. Kliber (2007), Konwergencja a nierówności regionalne w Polsce w świetle neoklasycznych modeli wzrostu, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań. Wojtyna A. (1995), Polityka ekonomiczna a wzrost gospodarczy, „Gospodarka Narodowa” nr 6. Wójcik P. (2008), Wzorce konwergencji regionalnej w Polsce, praca doktorska napisana pod kierunkiem Z.B. Liberdy, Uniwersytet Warszawski, Warszawa. 66 67 3 ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH W WOJEWÓDZTWACH (Paweł Dykas) 3.1. WPROWADZENIE Celem rozdziału trzeciego jest opisowa analiza przestrzennego zróżnicowania podstawowych zmiennych makroekonomicznych, takich jak PKB per capita, środki trwałe na mieszkańca, inwestycje na mieszkańca, płace, liczba podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców oraz stopa bezrobocia rejestrowanego w polskich województwach. Powyższe zmienne, z wyjątkiem PKB per capita, objęte są analizą lat 2002–2011, dla PKB na mieszkańca dotyczą zaś lat 2002–20101. Takie zmienne, jak PKB per capita, wartość brutto środków trwałych na mieszkańca, inwestycje na głowę, płace, czy stopa bezrobocia rejestrowanego to podstawowe zmienne makroekonomiczne dostępne na poziomie regionalnym – wojewódzkim. liczba podmiotów REGON na 1000 mieszkańców jest Natomiast pewnym (zapewne niedoskonałym) wskaźnikiem przedsiębiorczości mieszkańców poszczególnych województw. 3.2. PRZESTRZENNE ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH W WOJEWÓDZTWACH 3.2.1. PKB per capita Na mapie 3.1 przedstawiono przestrzenne zróżnicowanie PKB na mieszkańca w polskich województwach w latach 2002–2010. Dodatkowo tablica 3.1 zawiera przynależność poszczególnych województw do grup kwartylowych ze względu na rozważaną zmienną makroekonomiczną2. 1 Dobór zmiennych makroekonomicznych wynikał w głównej mierze z ich dostępności na stronie internetowej GUS: www.stat.gov.pl (dostęp: 1.8.2013). 2 Pierwszej grupie kwartylowej znajdują się województwa o najwyższej wartości badanej zmiennej makroekonomicznej, w ostatniej zaś – województwa o najniższej wartości owej zmiennej. Odwrotnie jest w przypadku stóp bezrobocia rejestrowanego, która jest destymulantą rozwoju ekonomicznego. Mapa 3.1. Przestrzenne zróżnicowanie PKB per capita w latach 2002–2011 (w tys. zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Z mapy 3.1 i tablicy 3.1 oraz odpowiednich danych statystycznych można wysnuć następujące wnioski (Tokarski, 2013): ●● Najwyższy poziom PKB na mieszkańca w latach 2002–2010 występował w województwach: mazowieckim (przeciętnie 49,12 tys. zł), śląskim (33,63 tys. zł) oraz dolnośląskim (33,01 tys. zł). ●● Wysoka wartość PKB per capita występowała w województwach: wielkopolskim (32,66 tys. zł), pomorskim (30,31 tys. zł) oraz łódzkim (28,11 tys. zł). ●● Przeciętne wartości PKB na mieszkańca notowane były w województwach: zachodniopomorskim (28,11 tys. zł), lubuskim (27,06 tys. zł) oraz kujawsko –pomorskim (27,01 tys. zł). ●● W województwach: małopolskim (26,66 tys. zł), opolskim (25,50 tys. zł) oraz świętokrzyskim (23,98 tys. zł) na przełomie lat 2002–2011 występowała niska, jak na warunki polskiej gospodarki, wartość PKB per capita. ●● Zdecydowanie najniższe (nieprzekraczające 24 tys. zł) wartości PKB na mieszkańca występowały (poza województwem świętokrzyskim) w województwach tzw. ściany wschodniej, tj. w warmińsko-mazurskim (23,33 tys. zł), podlaskim (23,02 tys. zł), podkarpackim (21,45 tys. zł) oraz lubelskim (21,37 tys. zł). Tablica 3.1. Przynależność województw do grup kwartylowych ze względu na PKB per capita w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Śląskie 1 1 1 1 1 1 1 1 1 1 Dolnośląskie 1 1 1 1 1 1 1 1 1 1 Wielkopolskie 1 1 1 1 1 1 1 1 1 1 Pomorskie 2 2 2 2 2 2 2 2 2 2 Łódzkie 2 2 2 2 2 2 2 2 2 2 Zachodniopomorskie 2 2 2 2 2 2 2 2 2 2 Lubuskie 3 3 3 2 2 2 3 3 3 2 Kujawsko-pomorskie 2 2 2 3 3 3 3 3 3 3 Małopolskie 3 3 3 3 3 3 2 2 2 3 Opolskie 3 3 3 3 3 3 3 3 3 3 Świętokrzyskie 3 4 3 4 3 3 3 3 3 3 Warmińsko-mazurskie 4 3 4 3 4 4 4 4 4 4 Podlaskie 4 4 4 4 4 4 4 4 4 4 Lubelskie 4 4 4 4 4 4 4 4 4 4 Podkarpackie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W całym rozważanym okresie najwyższy poziom PKB na mieszkańca występował w województwie mazowieckim. Do pierwszej grupy kwartylowej (a więc do grupy o najwyższym poziomie rozważanej zmiennej) należały również województwa: śląskie, dolnośląskie oraz wielkopolskie. Z tablicy 3.1 wynika również, że w latach 2002–2011 skład pierwszej grupy kwartylowej nie uległ zmianie. ●● Drugą grupę kwartylową w latach 2002–2011 tworzyły województwa: pomorskie, łódzkie oraz zachodniopomorskie. Poza tym do drugiej grupy kwartylowej czterokrotnie należało województwo lubuskie (w latach 2005–2007 oraz 2011), trzykrotnie – małopolskie (lata 2008–2010) oraz dwukrotnie – kujawsko-pomorskie (lata 2002–2003). ●● We wszystkich latach do grupy kwartylowej o najniższych wartościach PKB na mieszkańca należały województwa podlaskie, lubelskie oraz podkarpackie. Czwartą grupę kwartylową tworzyły również województwa: warmińsko-mazurskie (2002, 2004 oraz 2006–2011) – ośmiokrotnie oraz dwukrotnie województwo świętokrzyskie (2003, 2005). Tablica 3.2. Zmiana pozycji województw między rokiem 2002, a 2011 oraz średnia wartość rang ze względu na PKB per capita Województwo Zmiana pozycji województwa między rokiem 2002 a rokiem 2011 ze względu na PKB per capita Średnia wartość rang Lubelskie Brak zmian 1,5 Podkarpackie Brak zmian 1,5 Podlaskie ↓1 3,1 Warmińsko-mazurskie ↑1 4,1 Świętokrzyskie Brak zmian 4,8 Opolskie Brak zmian 6 Małopolskie ↑1 7,7 Kujawsko-pomorskie ↓2 8 Lubuskie ↑1 8,3 Zachodniopomorskie ↓1 10,2 Łódzkie ↑1 10,8 Pomorskie Brak zmian 12 Wielkopolskie ↓1 13,4 Dolnośląskie ↑2 14,1 Śląskie ↓1 14,5 Mazowieckie Brak zmian 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). W tablicy 3.2 przedstawiono zmianę pozycji (w rankingu wszystkich szesnastu województw) poszczególnych województw między rokiem 2002 a 2011 oraz średnia wartość rang w latach 2002–2011 pod względem PKB na mieszkańca. Z danych zawartych tablicy 3.2 wysunąć następujące wnioski: ●● Województwa: lubelskie (średnia rang 1,5), podkarpackie (1,5), świętokrzyskie (można 4,8), opolskie (6), pomorskie (12) oraz mazowieckie (16) nie odnotowały zmian pozycji w rankingu województw między rokiem 2002, a 2011. ●● Wzrost w roku 2011 w stosunku do roku 2002 o jedną pozycję odnotowały województwa warmińsko-mazurskie (4,1), małopolskie (7,7), lubuskie (8,3), łódzkie (10,8); o 2 – dolnośląskie (14,1). ●● Spadek o jedną pozycję w rankingu wszystkich województw nastąpił w województwach: podlaskim (3,1), zachodniopomorskim (10,2), wielkopolskim (13,4) oraz śląskim (14,5); o 2 pozycje w kujawsko-pomorskim (8). W tablicy 3.3 natomiast przedstawiono wartości współczynników korelacji Pearsona pomiędzy wartościami PKB per capita w okresie t i t – 1 t = 2003, 2004, …, 2011) oraz wartości owych współczynników pomiędzy rangami poszczególnych województw ze względu na PKB per capita. Powyższe współczynniki pozwalają w pewnym stopniu określić stabilność grup kwartylowych. Analizując tablicę 3.3 można wysnuć następujące wnioski: ●● Współczynniki korelacji Pearsona między wartościami PKB na mieszkańca oraz pomiędzy rangami poszczególnych województw ze względu na rozważaną zmienną z roku na rok były (odpowiednio) nie mniejsze niż 0,994 oraz 0,985. Świadczy to o wysokiej stabilności grup kwartylowych w czasie. Tablica 3.3. Współczynniki korelacji pomiędzy PKB per capita i rangami województw ze względu na PKB per capita w latach 2002–2011 Lata Współczynniki korelacji pomiędzy PKB per capita Współczynniki korelacji pomiędzy rangami województw ze względu na PKB per capita 2002/2003 0,998 0,988 2003/2004 0,994 0,994 2004/2005 0,997 0,994 2005/2006 0,998 0,988 2006/2007 0,999 0,997 2007/2008 0,997 0,985 2008/2009 0,998 0,991 2009/2010 0,999 0,997 2010/2011 0,999 0,997 2002/2011 0,986 0,976 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Współczynniki korelacji między wartościami PKB na mieszkańca oraz między rangami ze względu na PKB na mieszkańca w roku 2011 w stosunku do roku 2002 były niemniejsze niż 0,975. Sugeruje to, że przestrzenne zróżnicowanie PKB na mieszkańca w roku 2011 było zbliżone do tego z roku 2002. 3.2.2. Środki trwałe per capita Na mapie 3.2 oraz tablicy 3.4 przedstawiono (odpowiednio) przestrzenne zróżnicowanie środków trwałych na mieszkańca oraz przynależność poszczególnych województw do grup kwartylowych ze względu na ową zmienną. Analizując mapę 3.2 oraz tablicę 3.4, można dojść do następujących wniosków dotyczących przestrzennego zróżnicowania środków trwałych per capita w latach 2002–2011 (por. także Tokarski, 2013; Jabłoński, Tokarski, 2012): ●● Najwyższym poziomem (przekraczającym 30 tys. zł) środków trwałych na mieszkańca charakteryzowały się województwa: mazowieckie (56,15 tys. zł), śląskie (35,07 tys. zł) oraz dolnośląskie (32,55 tys. zł). ●● Wysoki poziom rozważanej zmiennej w latach 2002–2011 występował w województwach: wielkopolskim (29,11 tys. zł), opolskim (28,60 tys. zł) oraz pomorskim (28,13 tys. zł). Mapa 3.2. Przestrzenne zróżnicowanie środków trwałych per capita w latach 2002–2011 (w tys. zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W województwach: łódzkim (25,57 tys. zł), zachodniopomorskim (24,87 tys. zł) oraz lubuskim (24,43 tys. zł) występował przeciętny – jak na realia polskiej gospodarki – poziom środków trwałych na mieszkańca. ●● Niskimi wartościami środków trwałych per capita w latach 2002–2011 charakteryzowały się województwa: małopolskie (23,15 tys. zł), kujawsko-pomorskie (21,84 tys. zł) oraz świętokrzyskie (19,80 tys. zł). ●● Zdecydowanie najniższe wartości środków trwałych na mieszkańca występowały (podobnie jak w przypadku PKB na mieszkańca) w województwach: podkarpackim (19,02 tys. zł), podlaskim (17,73 tys. zł), warmińsko-mazurskim (17,32 tys. zł) oraz lubelskim (15,84 tys. zł). ●● W latach 2002–2011 do pierwszej grupy kwartylowej (grupy o najwyższym poziomie środków trwałych na mieszkańca) należały województwa: mazowieckie oraz śląskie. Dodatkowo do pierwszej grupy kwartylowej dziewięciokrotnie należało województwo dolnośląskie (w latach 2003–2011), sześciokrotnie-wielkopolskie (lata 2005–2009 i 2011), czterokrotnie-opolskie (lata 2002–2004 oraz 2010), jeden raz – pomorskie (rok 2002). Tablica 3.4. Przynależność województw do grup kwartylowych ze względu na środki trwałe per capita w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Śląskie 1 1 1 1 1 1 1 1 1 1 Dolnośląskie 2 1 1 1 1 1 1 1 1 1 Wielkopolskie 2 2 2 1 1 1 1 1 2 1 Opolskie 1 1 1 2 2 2 2 2 1 2 Pomorskie 1 2 2 2 2 2 2 2 2 2 Łódzkie 3 2 2 2 2 2 2 2 3 2 Zachodniopomorskie 2 2 2 2 2 3 3 3 2 3 Lubuskie 3 3 3 3 3 2 2 2 2 2 Małopolskie 2 3 3 3 3 3 3 3 3 3 Kujawsko-pomorskie 3 3 3 3 3 3 3 3 3 3 Świętokrzyskie 3 3 3 3 3 4 4 4 4 3 Podkarpackie 4 4 4 4 4 3 3 3 3 4 Podlaskie 4 4 4 4 4 4 4 4 4 4 Warmińsko-mazurskie 4 4 4 4 4 4 4 4 4 4 Lubelskie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W drugiej grupie kwartylowej najczęściej (we wszystkich analizowanych latach poza rokiem 2002) znajdowało się województwo pomorskie. Poza tym ośmiokrotnie do tej grupy należało województwo łódzkie (lata 2003–2009 oraz 2011), sześciokrotnie – województwa opolskie (lata 2005–2009 oraz 2011), zachodniopomorskie (lata 2002–2006 oraz 2010), pięciokrotnie – lubuskie (lata 2007–2011), trzykrotnie – wielkopolskie (lata 2002–2004) i jeden raz – dolnośląskie (2002) oraz małopolskie. ●● Województwo kujawsko-pomorskie w całym rozważanym okresie należało do trzeciej grupy kwartylowej. Poza tym do owej grupy dziewięciokrotnie należało województwo małopolskie (lata 2003–2011), sześciokrotnie – świętokrzyskie (lata 2002–2006 i 2011), pięciokrotnie – lubuskie (lata 2002–2006), czterokrotnie – zachodniopomorskie (lata 2007–2009 oraz 2011), podkarpackie (lata 2007–2010), jednokrotnie – łódzkie (2002). ●● Czwartą grupę kwartylową w latach 2002–2011 tworzyły województwa: podlaskie, warmińsko-mazurskie oraz lubelskie. Czwartą grupę kwartylową tworzyły również sześciokrotnie województwo podkarpackie (lata 2002–2006 oraz 2011), czterokrotnie – świętokrzyskie (lata 2007–2010). ●● Czwartą grupę kwartylową w latach 2002–2011 tworzyły województwa: podlaskie, warmińsko-mazurskie oraz lubelskie. Czwartą grupę kwartylową tworzyły również sześciokrotnie województwo podkarpackie (lata 2002–2006 oraz 2011), czterokrotnie – świętokrzyskie (lata 2007–2010). W tablicy 3.5 przedstawiono natomiast zmiany pozycji zajmowanych przez poszczególne województwa w rankingu województw w roku 2011 w stosunku do roku 2002; ponadto tablica ta zawiera przeciętne wartości rang dla województw w latach 2002–2011. Z danych zawartych w tablicy 3.5 można wysnuć następujące wnioski: Tablica 3.5. Zmiana pozycji województw między rokiem 2002 a 2011 oraz średnia wartość rang ze względu na środki trwałe per capita Województwo Zmiana pozycji województwa między rokiem 2002, a rokiem 2011 ze względu na środki trwałe per capita Średnia wartość rang Lubelskie Brak zmian 1 Warmińsko-mazurskie Brak zmian 2,1 Podlaskie Brak zmian 2,9 Podkarpackie Brak zmian 4,4 Świętokrzyskie ↓2 4,8 Kujawsko-pomorskie ↑1 6,2 Małopolskie ↓3 7,2 Lubuskie ↑3 8,3 Zachodniopomorskie ↓3 8,8 Łódzkie ↑1 9,3 Pomorskie ↓2 11,6 Opolskie ↓2 12,2 Wielkopolskie ↑2 12,5 Dolnośląskie ↑2 13,7 Śląskie Brak zmian 15 Mazowieckie Brak zmian 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W województwach: mazowieckim (16), śląskim (15), podkarpackim (4,4), podlaskim (2,9), warmińsko-mazurskim (2,1) oraz lubelskim (1) nie można było zaobserwować zmiany pozycji w rankingu województw w roku 2011, biorąc za podstawę rok 2002. ●● Wzrost w roku 2011 względem roku 2002 o 1 pozycję nastąpił w województwach: łódzkim (9,3) oraz kujawsko-pomorskim (6,2), o 2 – dolnośląskim (13,7) i wielkopolskim (12,5). Województwo lubuskie awansowało w roku 2011 o 3 pozycje w stosunku do roku 2002. ●● W województwach: opolskim (12,2), pomorskim (11,6) oraz świętokrzyskim (4,8) można było zaobserwować spadek w rankingu województw o 2 pozycje. Spadek o 3 pozycje natomiast nastąpił w województwach: zachodniopomorskim (8,8) oraz małopolskim (7,2). Rozważając stabilność grup kwartylowych ze względu na wartości brutto środków trwałych na mieszkańca, posłużono się współczynnikami korelacji Pearsona między wartościami brutto środków trwałych na mieszkańca oraz między rangami poszczególnych województw ze względu na omawianą zmienną makroekonomiczną. Analizując owe współczynniki, można wysnuć następujące wnioski: ●● Współczynniki korelacji pomiędzy wartościami brutto środków trwałych na mieszkańca w województwach były nie mniejsze niż 0,993, a analogiczne współczynniki między rangami ze względu na środki trwałe na mieszkańca – nie mniejsze niż 0,968. Świadczy to o tym, że w latach 2002–2011 grupy kwartylowe zmieniały się w bardzo niewielkim stopniu. Tablica 3.6. Współczynniki korelacji pomiędzy środkami trwałymi per capita i rangami województw ze względu na środki trwałe per capita w latach 2002–2011 Lata Współczynniki korelacji pomiędzy środkami trwałymi per capita Współczynniki korelacji pomiędzy rangami województw ze względu środki trwałe per capita 2002/2003 0,993 0,968 2003/2004 0,997 0,988 2004/2005 0,999 0,994 2005/2006 0,998 1,000 2006/2007 0,996 0,988 2007/2008 0,996 0,991 2008/2009 0,999 0,997 2009/2010 0,996 0,982 2010/2011 0,993 0,968 2002/2011 0,971 0,912 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Współczynniki korelacji Pearsona między wartością brutto środków trwałych per capita oraz między rangami ze względu na rozważaną zmienną w województwach w roku 2011 w stosunku do roku 2002 wynosiły (odpowiednio) 0,971 oraz 0,912. Oznacza to, że zarówno na początku, jak i na końcu omawianego okresu przestrzenne zróżnicowanie środków trwałych na mieszkańca było stabilne. 3.2.3. Inwestycje per capita Przestrzenne zróżnicowanie inwestycji na mieszkańca w latach 2002–2011 w województwach zilustrowano na mapie 3.3. Tablica 3.7 zawiera natomiast przynależność poszczególnych województw do grup kwartylowych. Z mapy 3.3 oraz tablicy 3.7 wynika, co następuje (por. także Tokarski, 2013; Jabłoński, Tokarski, 2012): Mapa 3.3. Przestrzenne zróżnicowanie inwestycji per capita w latach 2002–2011 (w tys. zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Zdecydowanie najwyższy poziom inwestycji na mieszkańca w latach 2002–2011 występował w województwach: mazowieckim (4,54 tys. zł), dolnośląskim (3,16 tys. zł) oraz śląskim (2,84 tys. zł). ●● Wysoki poziom inwestycji per capita w rozważanym okresie występował w województwach: pomorskim (2,80 tys. zł), wielkopolskim (2,67 tys. zł) oraz łódzkim (2,60 tys. zł). ●● Województwa kujawsko-pomorskie (2,24 tys. zł), lubuskie (2,07 tys. zł) oraz zachodniopomorskie (2,02 tys. zł) charakteryzowały się przeciętnym poziomem inwestycji na mieszkańca. ●● W grupie województw o niskim poziomie inwestycji na mieszkańca w latach 2002–2011 znalazły się województwa: małopolskie (1,96 tys. zł), opolskie (1,90 tys. zł) oraz świętokrzyskie (1,75 tys. zł). ●● Najniższe (poniżej 1,70 tys. zł) wartości inwestycji per capita występowały w województwach: warmińsko-mazurskim (1,61 tys. zł), podkarpackim (1,61 tys. zł), podlaskim (1,41 tys. zł) oraz lubelskim (1,30 tys. zł). Tablica 3.7. Przynależność województw do grup kwartylowych ze względu na inwestycje per capita w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Dolnośląskie 1 1 1 1 1 1 1 1 1 1 Śląskie 1 1 1 1 1 1 2 1 2 1 Wielkopolskie 1 1 1 1 1 2 2 2 2 1 Pomorskie 2 2 2 2 2 2 1 1 2 2 Łódzkie 2 2 2 2 2 1 1 2 1 2 Kujawsko-pomorskie 2 3 3 2 3 3 2 2 1 2 Lubuskie 2 2 2 2 3 2 3 3 3 2 Zachodniopomorskie 3 3 2 3 2 3 3 3 3 4 Małopolskie 3 2 3 3 2 2 3 2 4 3 Opolskie 3 4 3 3 4 3 3 2 2 3 Świętokrzyskie 4 4 4 4 4 4 2 3 3 3 Warmińsko-mazurskie 4 3 4 3 3 3 4 4 4 4 Podkarpackie 4 3 3 4 4 4 4 4 3 3 Podlaskie 4 4 4 4 4 4 4 4 4 4 Lubelskie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● We wszystkich analizowanych latach województwa mazowieckie oraz dolnośląskie znajdowały się w pierwszej grupie kwartylowej. Dodatkowo do grupy województw o najwyższym poziomie inwestycji na mieszkańca zaliczało się ośmiokrotnie województwo śląskie (lata 2002–2007, 2009 oraz 2011), sześciokrotnie – wielkopolskie (lata 2002–2006 oraz 2011), trzykrotnie – łódzkie (lata 2007–2008 oraz 2010), dwukrotnie – pomorskie (lata 2008–2009) i jeden raz kujawsko-pomorskie (2010). ●● Do drugiej grupy kwartylowej najczęściej (poza okresem 2008–2009) należało województwo pomorskie. Poza tym siedmiokrotnie drugą grupę kwartylową tworzyło województwo łódzkie (lata 2002–2006, 2009 oraz 2011), sześciokrotnie – lubuskie (lata 2002–2005, 2007 oraz 2011), pięciokrotnie – województwo kujawsko-pomorskie (lata 2008–2009, 2002, 2005 oraz 2011), czterokrotnie – wielkopolskie (lata 2007–2010) oraz małopolskie (lata 2006–2007, 2003 oraz 2009), dwukrotnie – śląskie (rok 2008 i 2010) oraz opolskie (lata 2009–2010), jeden raz – świętokrzyskie (rok 2008). ●● Województwo zachodniopomorskie siedmiokrotnie należało do trzeciej grupy kwartylowej (lata 2002–2004 oraz 2007–2010). Poza tym trzecią grupę kwartylową sześciokrotnie tworzyło województwo opolskie (lata 2004–2005, 2007–2008, 2002, 2011), pięciokrotnie – małopolskie (lata 2004–2005, 2002, 2008 oraz 2011), czterokrotnie – województwa: kujawsko-pomorskie (lata 2003–2004 oraz 2006–2007), lubuskie (lata 2008–2010 oraz 2006), warmińsko-mazurskie (lata 2005–2007, 2003) oraz podkarpackie (lata 2003–2004, 2010–2011), trzykrotnie – świętokrzyskie (lata 2009–2011). ●● W całym rozważanym okresie do grupy o najniższych wartościach inwestycji na mieszkańca należały województwa podlaskie oraz lubelskie. Dodatkowo czwartą grupę kwartylową sześciokrotnie tworzyły województwa: świętokrzyskie (lata 2002–2007), warmińsko-mazurskie (lata 2008–2011, 2002, 2004) oraz podkarpackie (lata 2005–2009, 2002). Dwukrotnie do tej grupy należało województwo opolskie (lata 2003, 2006), jeden raz województwa małopolskie (2010 rok) oraz zachodniopomorskie (2011 rok). Tablica 3.8. Zmiana pozycji województw między rokiem 2002 a 2011 oraz średnia wartość rang ze względu na inwestycje per capita Województwo Zmiana pozycji województwa między rokiem 2002, a rokiem 2011 ze względu na inwestycje per capita Średnia wartość rang Lubelskie ↑1 1,4 Podlaskie ↑1 2,7 Podkarpackie ↑1 4 Warmińsko-mazurskie ↓1 4,4 Świętokrzyskie ↓1 4,6 Opolskie ↑3 6,4 Małopolskie ↓1 7 Zachodniopomorskie ↓4 7,7 Lubuskie ↑1 8,6 Kujawsko-pomorskie ↓2 9,3 Łódzkie ↑1 11,5 Pomorskie Brak zmian 12,2 Wielkopolskie ↓1 12,5 Śląskie ↑1 13 Dolnośląskie Brak zmian 14,6 Mazowieckie Brak zmian 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). W tablicy 3.8 zestawiono zmiany pozycji zajmowanych przez województwa w roku 2011 w stosunku do roku 2002. Analizując tablicę 3.8, można dojść do następujących konkluzji: ●● Województwa pomorskie (średnia rang 12,2), dolnośląskie (14,6) oraz mazowieckie (16) w roku 2011 nie odnotowały zmiany pozycji w stosunku do roku 2002. ●● Najwyższy wzrost pozycji w rankingu województw w roku 2011, biorąc za podstawę rok 2002, odnotowało województwo opolskie (wzrost o 3 pozycje). Wzrost o 1 pozycję nastąpił w województwach lubelskim (1,4), podlaskim (2,7), podkarpackim (4), lubuskim (8,6), łódzkim (11,5) oraz śląskim (13). ●● Województwa zachodniopomorskie (7,7) oraz kujawsko-pomorskie (9,3) w roku 2011 charakteryzowały się spadkiem (odpowiednio) o 4 oraz o 2 pozycje w stosunku do roku 2002. W województwach warmińsko-mazurskim (4,4), świętokrzyskim (4,6), małopolskim (7) oraz wielkopolskim (12,5) można było zaobserwować w 2011 roku spadek o 1 pozycję w stosunku do roku 2002. Tablica 3.9. Współczynniki korelacji pomiędzy inwestycjami per capita i rangami województw ze względu na inwestycje per capita w latach 2002–2011 Lata Współczynniki korelacji pomiędzy inwestycjami per capita Współczynniki korelacji pomiędzy rangami województw ze względu inwestycje per capita 2002/2003 0,953 0,900 2003/2004 0,977 0,947 2004/2005 0,963 0,909 2005/2006 0,955 0,909 2006/2007 0,934 0,885 2007/2008 0,953 0,903 2008/2009 0,899 0,926 2009/2010 0,893 0,929 2010/2011 0,934 0,868 2002/2011 0,967 0,932 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 3.9 zawiera współczynniki korelacji Pearsona między wartościami inwestycji per capita z roku na rok oraz owe współczynniki między rangami województw ze względu na inwestycje na mieszkańca w latach 2002–2011. Z analizy tablicy 3.9 można wysnuć następujące wnioski: ●● Współczynniki korelacji między wartościami inwestycji per capita oraz między rangami województw w latach 2002–2011 były niemniejsze niż (odpowiednio) 0,893 oraz 0,868 co świadczy o względnej stabilności grup kwartylowych ze względu na inwestycje na mieszkańca. ●● Przestrzenne zróżnicowanie inwestycji per capita w roku 2011 było bardzo zbliżone do tego z roku 2002, o czym świadczą współczynniki korelacji nie mniejsze niż 0,930. 3.2.4. Płace Mapa 3.4 ilustruje przestrzenne zróżnicowanie płac w polskich województwach. Tablica 3.10 zawiera przynależność poszczególnych województw w grup kwartylowych w latach 2002–2011. Z analizy mapy oraz tablicy płyną następujące wnioski (Adamczyk, Tokarski, Włodarczyk, 2009): ●● Najwyższe średnie płace (przekraczające 2800 zł) w latach 2002–2011 występowały w województwach: mazowieckim (3627,43 zł), śląskim (2938,44 zł) oraz pomorskim (2829,03 zł). ●● Województwa dolnośląskie (2814,03 zł), małopolskie (2626,47 zł) oraz zachodniopomorskie (2606,78 zł) charakteryzowały się wysokimi, jak na warunki polskiej gospodarki, płacami. ●● Przeciętne płace występowały w województwach: wielkopolskim (2590,02 zł), opolskim (2577,41 zł) oraz lubelskim (2500,97 zł). ●● W województwach łódzkim (2499,80 zł), podlaskim (2499,01 zł) oraz świętokrzyskim (2474,67 zł) w latach 2002–2011 występowały niskie płace. ●● Zdecydowanie najniższe płace w latach 2002–2011 występowały w województwach: kujawsko-pomorskim (2438,30 zł), lubuskim (2425,43 zł), warmińsko-mazurskim (2398,89 zł) oraz podkarpackim (2373,38 zł). Mapa 3.4. Przestrzenne zróżnicowanie płac w latach 2002–2011 (w zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 3.10. Przynależność województw do grup kwartylowych ze względu na płace w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Śląskie 1 1 1 1 1 1 1 1 1 1 Dolnośląskie 1 1 1 1 1 1 1 1 1 1 Pomorskie 1 1 1 1 1 1 1 1 1 1 Wielkopolskie 2 2 2 2 2 2 2 2 2 2 Zachodniopomorskie 2 2 2 2 2 2 2 2 2 2 Małopolskie 2 2 2 2 2 2 2 2 2 2 Opolskie 2 2 2 2 2 2 2 2 2 3 Lubelskie 4 3 3 3 3 3 3 3 3 2 Łódzkie 3 3 3 3 3 3 3 3 3 3 Podlaskie 3 3 3 3 3 3 3 3 3 3 Świętokrzyskie 3 3 3 3 4 3 3 3 3 3 Kujawsko-pomorskie 3 4 4 4 3 4 4 4 4 4 Warmińsko-mazurskie 4 3 4 4 4 4 4 4 4 4 Lubuskie 4 4 4 4 4 4 4 4 4 4 Podkarpackie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W całym rozważanym okresie skład pierwszej grupy kwartylowej nie uległ zmianie, do grupy tej należały województwa: mazowieckie, śląskie, dolnośląskie oraz pomorskie. ●● Województwa wielkopolskie, zachodniopomorskie oraz małopolskie we wszystkich latach tworzyły drugą grupę kwartylową. Poza tym ową grupę dziewięciokrotnie tworzyło województwo opolskie (lata 2002–2010) oraz jeden raz – lubelskie (2011 rok). ●● Województwo łódzkie oraz podlaskie w cały rozważanym okresie tworzyło trzecią grupę kwartylową. Do grupy tej dziewięciokrotnie należało również województwo świętokrzyskie (lata 2002–2005, 2007–2011), ośmiokrotnie – lubelskie (lata 2003–2010), dwukrotnie kujawsko-pomorskie (2002, 2006) i jeden raz warmińsko-mazurskie (2003). ●● Grupę o najniższych płacach niezmiennie tworzyły województwa: podkarpackie, lubuskie oraz (poza rokiem 2003) warmińsko-mazurskie. Do czwartej grupy kwartylowej ośmiokrotnie należało ponadto województwo kujawsko-pomorskie (lata 2003–2005, 2007–2011) i jeden raz świętokrzyskie (2006 rok) i lubelskie (2002 rok). Analizując zaś zmianę pozycji województw w roku 2011 w stosunku do roku 2002 ze względu za płace można wysnuć następujące wnioski (tablica 3.11): ●● Województwa warmińsko-mazurskie (średnia rang 2,4), lubuskie (3), świętokrzyskie (5,7), łódzkie (6,5), podlaskie (7,4), wielkopolskie (9,9), śląskie (15) oraz mazowieckie (16) nie odnotowały zmiany pozycji w rankingu województw w roku 2011, biorąc za podstawę rok 2002. Tablica 3.11. Zmiana pozycji województw między rokiem 2002 a 2011 oraz średnia wartość rang ze względu na płace Województwo Zmiana pozycji województwa między rokiem 2002, a rokiem 2011 ze względu na płace Średnia wartość rang Podkarpackie ↑1 1,1 Warmińsko-mazurskie Brak zmian 2,4 Lubuskie Brak zmian 3 Kujawsko-pomorskie ↓1 3,9 Świętokrzyskie Brak zmian 5,7 Lubelskie ↑2 6,3 Łódzkie Brak zmian 6,5 Podlaskie Brak zmian 7,4 Opolskie ↓1 9,3 Wielkopolskie Brak zmian 9,9 Zachodniopomorskie ↓1 11,2 Małopolskie ↑1 11,5 Dolnośląskie ↑1 13,2 Pomorskie ↓1 13,8 Śląskie Brak zmian 15 Mazowieckie Brak zmian 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Wzrost o 1 pozycję w roku 2011 odnotowały województwa: podkarpackie (1,1), małopolskie (11,5) oraz dolnośląskie (13,2). Dodatkowo województwo lubelskie (6,3) charakteryzowało się wzrostem o 2 pozycje w roku 2011. ●● Województwa kujawsko-pomorskie (3,9), opolskie (9,3), zachodniopomorskie (11,2) oraz pomorskie (13,8) spadły o jedną pozycję w rankingu województw w roku 2011 w stosunku do roku 2002. W tablicy 3.12 przedstawiono współczynniki korelacji między płacami oraz rangami ze względu na płace w latach 2002–2011. Z tablicy wynika, że: ●● Współczynniki korelacji pomiędzy płacami w województwach w latach 2002–2011 były nie mniejsze niż 0,996, a analogiczne współczynniki między rangami ze względu na płace były nie mniejsze niż 0,965 świadczy to o wysokiej stabilności w czasie grup kwartylowych. Tablica 3.12. Współczynniki korelacji pomiędzy płacami i rangami województw ze względu na płace w latach 2002–2011 Lata Współczynniki korelacji pomiędzy płacami Współczynniki korelacji pomiędzy rangami województw ze względu na płace 2002/2003 0,999 0,987 2003/2004 0,997 0,965 2004/2005 0,998 0,985 2005/2006 0,999 0,991 2006/2007 0,999 0,997 2007/2008 0,999 0,994 2008/2009 0,999 0,996 2009/2010 0,996 0,984 2010/2011 0,998 0,971 2002/2011 0,906 0,906 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Współczynniki między płacami oraz rangami ze względu na płace w roku 2002 oraz 2011 było równe 0,906. Wynika stąd, że przestrzenne zróżnicowanie płac w roku 2011 było bardzo zbliżone do tego z roku 2002. 3.2.5. REGON na 1000 mieszkańców Na mapie 3.5 zilustrowano przestrzenne zróżnicowanie liczby podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców w latach 2002–20113. W tablicy natomiast przedstawiono przynależność województw do grup kwartylowych ze względu na ową zmienną. Na podstawie tych informacji oraz odpowiednich danych statystycznych można sprecyzować następujące wnioski: ●● Zdecydowanie najwyższy poziom liczby podmiotów rejestrowanych w systemie REGON na 1000 mieszkańców występował w województwach: zachodniopomorskim (122,81), mazowieckim (119,50) oraz dolnośląskim (107,55). ●● Wysoki poziom podmiotów w systemie REGON per capita w latach 2002–2011 występował w województwach: pomorskim (106,38), wielkopolskim (103,29) oraz lubuskim (100,79). ●● Przeciętny, jak na warunki polskiej gospodarki, poziom analizowanej zmiennej cechował województwa: łódzkie (92,50), śląskie (92,19) oraz małopolskie (91,51). ●● W województwach kujawsko-pomorskim (90,07), opolskim (89,35) oraz świętokrzyskim (82,12) występował niski poziom podmiotów z systemu REGON na 1000 mieszkańców. 3 Liczba podmiotów zarejestrowanych w systemie REGON do liczby mieszkańców stanowi przyjętą w niniejszym rozdziale aproksymację wskaźnika przedsiębiorczości. Mapa 3.5. Przestrzenne zróżnicowanie liczby podmiotów gospodarczych zarejestrowanych w systemie REGON na 1000 mieszkańców w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Najniższy – w skali całej gospodarki – poziom podmiotów zarejestrowanych w systemie REGON per capita w latach 2002–2011 występował w województwach: świętokrzyskim (82,12), warmińsko-mazurskim (78,75), podlaskim (76,09), lubelskim (70,86) oraz podkarpackim (68,19). ●● W całym rozważanym okresie województwa zachodniopomorskie, mazowieckie oraz dolnośląskie należały do pierwszej grupy kwartylowej. Dodatkowo do grupy o najwyższym poziomie podmiotów z systemu REGON na 1000 mieszkańców ośmiokrotnie należało województwo pomorskie (lata 2002–2005, 2008–2011) oraz dwukrotnie – lubuskie (lata 2006–2007). ●● Województwo wielkopolskie w latach 2002–2011 niezmiennie należało do drugiej grupy kwartylowej. Również ową grupę tworzyły województwa: ośmiokrotnie – lubuskie (lata 2002–2005, 2008–2011), siedmiokrotnie – łódzkie (lata 2002–2008), sześciokrotnie – śląskie (lata 2004–2007, 2009–2010), trzykrotnie małopolskie (lata 2009–2011), dwukrotnie – pomorskie (lata 2006–2007), opolskie (rok 2008 i 2011) oraz kujawsko-pomorskie (lata 2002–2003). Tablica 3.13. Przynależność województw do grup kwartylowych ze względu na liczbę podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Zachodniopomorskie 1 1 1 1 1 1 1 1 1 1 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Dolnośląskie 1 1 1 1 1 1 1 1 1 1 Pomorskie 1 1 1 1 2 2 1 1 1 1 Lubuskie 2 2 2 2 1 1 2 2 2 2 Wielkopolskie 2 2 2 2 2 2 2 2 2 2 Łódzkie 2 2 2 2 2 2 2 3 3 3 Śląskie 3 3 2 2 2 2 3 2 2 3 Małopolskie 3 3 3 3 3 3 3 2 2 2 Opolskie 3 3 3 3 3 3 2 3 3 2 Kujawsko–pomorskie 2 2 3 3 3 3 3 3 3 3 Świętokrzyskie 4 4 3 3 3 3 3 3 3 3 Podlaskie 3 3 4 4 4 4 4 4 4 4 Lubelskie 4 4 4 4 4 4 4 4 4 4 Warmińsko–mazurskie 4 4 4 4 4 4 4 4 4 4 Podkarpackie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W skład trzeciej grupy kwartylowej ośmiokrotnie weszły województwa opolskie (lata 2002–2007, 2004–2011), kujawsko-pomorskie (lata 2004–2011) oraz świętokrzyskie (lata 2004–2011), siedmiokrotnie – małopolskie (lata 2002–2008), czterokrotnie – śląskie (lata 2002–2003, 2008, 2011), trzykrotnie – łódzkie (lata 2009–2011), a także dwukrotnie – podlaskie (lata 2003–2003). ●● Grupę o najniższej liczbie podmiotów z systemu REGON na 1000 mieszkańców niezmiennie w latach 2002–2011 tworzyły województwa: podkarpackie, warmińsko-mazurskie oraz lubelskie. Poza tym do tej grupy ośmiokrotnie należało województwo podlaskie (lata 2004–2011) oraz dwukrotnie – świętokrzyskie (lata 2002–2003). Tablica 3.14. Zmiana pozycji województw między rokiem 2002 a 2011 oraz średnia wartość rang ze względu na liczbę podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców Województwo Zmiana pozycji województwa między rokiem 2002 a rokiem 2011 ze względu na PKB per capita Średnia wartość rang Podkarpackie Brak zmian 1 Lubelskie Brak zmian 2 Warmińsko-mazurskie Brak zmian 3 Podlaskie ↓2 3,4 Świętokrzyskie ↑1 4,8 Opolskie ↑3 7,3 Małopolskie ↑3 7,6 Kujawsko-pomorskie ↓4 7,7 Śląskie Brak zmian 8,5 Łódzkie ↓2 8,9 Lubuskie Brak zmian 11,4 Wielkopolskie Brak zmian 11,8 Pomorskie ↑1 13,1 Dolnośląskie ↓1 13,7 Mazowieckie ↑1 15,2 Zachodniopomorskie ↓1 15,8 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). W tablicy 3.14 przedstawiono zmiany pozycji województw w roku 2011 w stosunku do roku 2002 oraz średnią wartość rang w latach 2002–2011. Analizując tą tablicę, można dojść do następujących wniosków: ●● Województwa podkarpackie (średnia rang 1), lubelskie (2), warmińsko-mazurskie (3), śląskie (8,5), lubuskie (11,4) oraz wielkopolskie (11,8) nie zmieniły w roku 2011 swojej pozycji w stosunku do roku 2002. ●● Województwa świętokrzyskie (4,8), pomorskie (13,1) oraz mazowieckie (15,2) odnotowały w roku 2011 wzrost o 1, a województwa opolskie (7,3) oraz małopolskie (7,6) wzrost o 3 pozycje w stosunku do roku 2002. ●● Spadek w rankingu województw o 4 pozycje odnotowało województwo kujawsko-pomorskie (7,7), o 2 – podlaskie (3,4) oraz łódzkie (8,9). Województwa zachodniopomorskie oraz dolnośląskie charakteryzowały się spadkiem o 1 pozycję. Analizując stabilność grup kwartylowych ze względu na liczbę podmiotów zarejestrowanych w systemie REGON można ustalić następujące wnioski (tablica 3.15): Tablica 3.15. Współczynniki korelacji pomiędzy płacami i rangami województw ze względu na liczbę podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców w latach 2002–2011 Lata Współczynniki korelacji pomiędzy liczbą podmiotów zarejestrowanych w systemie REGON per capita Współczynniki korelacji pomiędzy rangami województw ze względu na liczbę podmiotów zarejestrowanych w systemie REGON per capita 2002/2003 0,999 0,997 2003/2004 0,994 0,990 2004/2005 0,998 1,000 2005/2006 0,996 0,989 2006/2007 0,999 0,997 2007/2008 0,994 0,983 2008/2009 0,987 0,943 2009/2010 0,997 0,994 2010/2011 0,999 0,997 2002/2011 0,951 0,932 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Współczynniki korelacji Pearsona pomiędzy liczbą podmiotów z REGON per capita oraz pomiędzy rangami województw ze względu na omawianą zmienną było nie mniejsze niż (odpowiednio) 0,987 oraz 0,943. Oznacza to, że grupy kwartylowe z roku na rok w analizowanym przedziale czasu zmieniały się w niewielkim stopniu. ●● Współczynniki korelacji pomiędzy liczbą podmiotów w systemie REGON oraz pomiędzy rangami ze względu na owe podmioty w roku 2011 w stosunku do 2002 roku były nie mniejsze niż 0,930. Świadczy to o tym, że zarówno na początku, jak i na końcu analizowanego okresu grupy kwartylowe były stabilne. 3.2.6. Stopy bezrobocia rejestrowanego Na mapie 3.6 zilustrowano przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w województwach Polski. Poza tym w tablicy 3.16 zestawiono przynależność kolejnych województw do grup kwartylowych ze względu na omawianą zmienną makroekonomiczną w latach 2002–2011. Z zawartych tam informacji oraz z odpowiednich danych statystycznych wynikają następujące wnioski (por. Kwiatkowski, Tokarski, 2007; Majchrowska, Mroczek, Tokarski, 2013; Mroczek, Tokarski, 2013): ●● Najwyższymi (przekraczającymi 19,50%) stopami bezrobocia rejestrowanego w latach 2002–2011 charakteryzowały się województwa: warmińsko-mazurskie (23,76%), zachodniopomorskie (21,15%) oraz lubuskie (19,58%). Mapa 3.6. Przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w latach 2002–2011[w %] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Wysokie stopy bezrobocia występowały w województwach: kujawsko-pomorskim (19,20%), świętokrzyskim (17,89%) oraz podkarpackim (16,85%). ●● W województwach dolnośląskim (16,63%), opolskim (15,85%) oraz pomorskim (15,58%) występowały przeciętne, jak na warunki polskiej gospodarki, stopy bezrobocia rejestrowanego w latach 2002–2011. ●● Do grupy województw o niskim poziomie stóp bezrobocia w rozważanym okresie zaliczane były województwa: lubelskie (15,13%), łódzkie (15,07%) oraz podlaskie (14,05%). ●● Zdecydowanie najniższe (poniżej 13%) stopy bezrobocia notowane były w województwach: śląskim (12,56%), małopolskim (11,89%), wielkopolskim (11,82%) oraz mazowieckim (11,54%). ●● We wszystkich badanych latach do grupy kwartylowej najwyższych stopach bezrobocia rejestrowanego należały województwa: kujawsko-pomorskie, zachodniopomorskie oraz warmińsko-mazurskie. Poza tym pierwszą grupę kwartylową siedmiokrotnie tworzyło województwo lubuskie (lata 2002–2006 oraz 2009–2010), dwukrotnie-świętokrzyskie (lata 2007–2008) i jeden raz – podkarpackie (2011). ●● Drugą grupę kwartylową dziewięciokrotnie tworzyło województwo opolskie (lata 2002–2007, 2009–2011), ośmiokrotnie – świętokrzyskie (lata 2002–2006, 2009–2011), sześciokrotnie – dolnośląskie (lata 2002–2006, 2008), pięciokrotnie – podkarpackie (lata 2006–2010), czterokrotnie – pomorskie (lata 2002–2005), trzykrotnie – lubuskie (lata 2007–2008, 2011), lubelskie (lata 2007–2009) oraz dwukrotnie – podlaskie (lata 2010–2011). ●● Województwo łódzkie w całym rozważanym okresie należało do trzeciej grupy kwartylowej ze względu na stopę bezrobocia. Poza tym do trzeciej grupy kwartylowej siedmiokrotnie należało województwo lubelskie (lata 2002–2006, 2010–2011), sześciokrotnie – pomorskie (lata 2006–2011), czterokrotnie dolnośląskie (lata 2009–2011, 2007) oraz podkarpackie (lata 2002–2004), dwukrotnie – śląskie (lata 2003–2004) i jeden raz opolskie (2008). Tablica 3.16. Przynależność województw do grup kwartylowych ze względu na stopy bezrobocia rejestrowanego w latach 2002–2011 Województwo Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Kujawsko-pomorskie 1 1 1 1 1 1 1 1 1 1 Zachodniopomorskie 1 1 1 1 1 1 1 1 1 1 Warmińsko-mazurskie 1 1 1 1 1 1 1 1 1 1 Lubuskie 1 1 1 1 1 2 2 1 1 2 Świętokrzyskie 2 2 2 2 2 1 1 2 2 2 Opolskie 2 2 2 2 2 2 3 2 2 2 Podkarpackie 3 3 3 3 2 2 2 2 2 1 Dolnośląskie 2 2 2 2 2 3 2 3 3 3 Pomorskie 2 2 2 2 3 3 3 3 3 3 Lubelskie 3 3 3 3 3 2 2 2 3 3 Podlaskie 3 4 4 3 3 3 3 3 2 2 Łódzkie 3 3 3 3 3 3 3 3 3 3 Śląskie 4 3 3 4 4 4 4 4 4 4 Wielkopolskie 4 4 4 4 4 4 4 4 4 4 Małopolskie 4 4 4 4 4 4 4 4 4 4 Mazowieckie 4 4 4 4 4 4 4 4 4 4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Czwartą grupę kwartylową w latach 2002–2011 tworzyły niezmiennie województwa: mazowieckie, małopolskie oraz wielkopolskie. Poza tym do grupy tej ośmiokrotnie należało województwo śląskie (lata 2005–2011, 2002) oraz dwukrotnie podlaskie (lata 2003–2004). Omawiając zmiany pozycji zajmowanych przez województwa w roku 2011 w stosunku do roku 2002 można wysnuć następujące wnioski (zob. tablica 3.17): Tablica 3.17. Zmiana pozycji województw między rokiem 2002 a 2011 oraz średnia wartość rang ze względu na stopy bezrobocia rejestrowanego Województwo Zmiana pozycji województwa między rokiem 2002 a rokiem 2011 ze względu na stopy bezrobocia rejestrowanego Średnia wartość rang Mazowieckie ↑1 1,9 Wielkopolskie ↓2 2,1 Małopolskie ↑2 2,6 Śląskie ↓1 3,7 Podlaskie ↑5 6,2 Łódzkie ↓1 6,7 Lubelskie ↑2 7,7 Pomorskie ↓4 7,7 Dolnośląskie ↓7 9,4 Opolskie Brak zmian 9,9 Podkarpackie ↑6 10 Świętokrzyskie Brak zmian 11,8 Lubuskie ↓3 13,1 Kujawsko-pomorskie ↑1 13,3 Zachodniopomorskie ↑1 14,8 Warmińsko-mazurskie Brak zmian 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● Województwa opolskie (średnia rang 9,9), świętokrzyskie (11,8) oraz warmińsko-mazurskie (16) nie odnotowały zmian w roku 2011, biorąc za podstawę rok 2002. ●● Najwyższy, bo o 6 pozycji, wzrost w stosunku do początku rozważanego okresu zanotowało województwo podkarpackie (10). Wzrost o 5 pozycji nastąpił w województwie podlaskim (6,2), o 2 – w małopolskim (2,6) oraz lubelskim (7,7), o 1 w województwach mazowieckim (1,9), kujawsko-pomorskim (13,3), a także zachodniopomorskim (14,8). ●● Województwo dolnośląskie (9,4) odnotowało najwyższy (o 7 pozycji) spadek w rankingu województw w roku 2011 w stosunku do roku 2011. Spadki również zanotowały województwa: pomorskie (7,7) – o 4 pozycje, lubuskie (13,1) – o 3 pozycje, wielkopolskie (2,1) – o 2 miejsca, oraz śląskie (3,7) i łódzkie (6,7) – o 1 pozycję. Z analizy współczynników korelacji Pearsona pomiędzy stopami bezrobocia rejestrowanego z roku na rok oraz pomiędzy rangami poszczególnych województw ze względu na ową zmienną wynikają następujące wnioski (zob. tablica 3.18): ●● Współczynniki korelacji między stopami bezrobocia w województwach z roku na rok oraz owe współczynniki między rangami województw ze względu stopę bezrobocia były (odpowiednio) nie mniejsze niż 0,962 oraz 0,950 co świadczy o wysokiej stabilności w czasie grup kwartylowych ze względu na rozważaną zmienną. ●● Również przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w roku 2011 było względnie zbliżone do tego z roku 2002. Wynika to stąd, że współczynniki korelacji pomiędzy stopami bezrobocia (rangami) w roku 2002 w stosunku do roku 2011 były równe 0,871 (0,800). Tablica 3.18. Współczynniki korelacji pomiędzy stopami bezrobocia rejestrowanego i rangami województw ze względu na stopy bezrobocia rejestrowanego w latach 2002–2011 Lata Współczynniki korelacji pomiędzy stopami bezrobocia rejestrowanego Współczynniki korelacji pomiędzy rangami województw ze względu na stopę bezrobocia rejestrowanego 2002/2003 0,995 0,950 2003/2004 0,995 1,000 2004/2005 0,995 0,950 2005/2006 0,986 0,950 2006/2007 0,962 0,900 2007/2008 0,982 0,950 2008/2009 0,977 0,900 2009/2010 0,989 0,950 2010/2011 0,995 0,950 2002/2011 0,871 0,800 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). 3.3. PODSUMOWANIE Z prowadzonych w rozdziale trzecim rozważań można wysnuć następujące wnioski: I. Przestrzenne zróżnicowanie PKB per capita, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca oraz płac, w odróżnieniu od pozostałych zmiennych, było zbliżone do siebie (wartości współczynników korelacji Pearsona między wszystkimi wymienionymi zmiennymi były nie mniejsze niż 0,89). Najwyższymi wartościami omawianych zmiennych charakteryzowało się województwo mazowieckie. Wysokie wartości owych zmiennych makroekonomicznych można było zaobserwować w województwie śląskim, w którego skład wchodzi uprzemysłowiona konurbacja śląsko-dąbrowska oraz w województwach z silnie wykształconym systemem aglomeracyjnym, tj. województwach: wielkopolskim, dolnośląskim, łódzkim oraz pomorskim. Niskie wartości tych zmiennych występowały w województwach tzw. ściany wschodniej czyli podkarpacki m, świętokrzyskim, lubelskim, podlaskim oraz warmińsko-mazurskim. II. Najwięcej podmiotów zarejestrowanych w systemie REGON na 1000 mieszkańców w latach 2002–2011 było w województwach Polski zachodniej-zachodniopomorskim, dolnośląskim, lubuskim, wielkopolskim oraz w województwie mazowieckim. Najniższe natomiast wartości owej zmiennej, podobnie jak w przypadku PKB per capita, środków trwałych per capita, inwestycji na mieszkańca oraz płac, występowały w województwach Polski wschodniej: podkarpackim, lubelskim, świętokrzyskim, podlaskim oraz warmińsko-mazurskim. III. Najwyższe stopy bezrobocia rejestrowanego w latach 2002–2011 występowały w województwach warmińsko-mazurskim, zachodniopomorskim oraz lubuskim; w województwach tych występuje duże bezrobocie strukturalne, które jest w znacznym stopniu wynikiem likwidacji aglomeratów rolniczych PGR-ów. Najniższe stopy bezrobocia w omawianym okresie występowały w województwach z silnymi ośrodkami rozwoju ekonomicznego w skali ogólnopolskiej, a więc w województwach: mazowieckim, wielkopolskim, śląskim oraz małopolskim. BIBLIOGRAFIA Adamczyk A., Tokarski T., Włodarczyk R.W. (2009), Przestrzenne zróżnicowanie płac w Polsce, „Gospodarka Narodowa” nr 9. Jabłoński Ł., Tokarski T. (2012), Taksonomiczne wskaźniki przestrzennego rozwoju powiatów, „Studia Prawno-Ekonomiczne”, tom LXXXI, Łódź. Kwiatkowski E., Tokarski T. (2007), Bezrobocie regionalne w Polsce w latach 1995–2005, „Ekonomista” nr 4. Majchrowska A., Mroczek K., Tokarski T. (2013), Przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w latach 2002–2011, tekst przesłany do redakcji „Gospodarki Narodowej”. Mroczek K., Tokarski T. (2013), Przestrzenne zróżnicowanie polskiego bezrobocia, referat prezentowany na konferencji Instytutu Ekonomii i Administracji Uniwersytetu Jana Kochanowskiego w Kielcach, maj 2013, Borków k. Kielc. Tokarski T., (2005), Regionalne zróżnicowanie rynku pracy, „Wiadomości Statystyczne”, nr 11. Tokarski T. (2013), Zróżnicowanie podstawowych zmiennych makroekonomicznych w polskich województwach, w: Statystyczna analiza przestrzennego zróżnicowania rozwoju ekonomicznego i społecznego Polski, red. M. Trojak, T. Tokarski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Trojak M., Tokarski T., (red.) (2013), Statystyczna analiza przestrzennego zróżnicowania rozwoju ekonomicznego i społecznego Polski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. 92 93 4 ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH W POWIATACH1 (Tomasz Tokarski) 4.1. WPROWADZENIE W rozdziale trzecim analizowano przestrzenne zróżnicowanie takich zmiennych makroekonomicznych, jak PKB per capita, wartość brutto środków trwałych na mieszkańca, inwestycje na głowę, płace, liczba podmiotów z REGON na mieszkańca oraz stopa bezrobocia w województwach w latach 2002–2010 (w przypadku PKB per capita) lub 2002–2011 (w przypadku pozostałych zmiennych). W rozdziale czwartym będą prowadzone podobne analizy na poziomie powiatowym, z tą różnicą, że PKB na mieszkańca będzie zastąpione przez produkcję sprzedaną per capita. Wynika to stąd, że GUS nie liczy PKB na poziomie powiatowym, pewnym zaś substytutem tej zmiennej makroekonomicznej jest właśnie produkcja sprzedana. Struktura rozdziału czwartego przedstawia się następująco. W punkcie 4.2 znajdują się opisowe analizy przestrzennego zróżnicowania rozważanych zmiennych makroekonomicznych na poziomie powiatowym. Omawia się tu zarówno przestrzenne zróżnicowanie owych zmiennych w przestrzeni geograficznej, jak i w podziale powiatów na grodzkie i ziemskie oraz na powiaty leżące na ziemiach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku2. W punkcie 4.3 przedstawiono wyniki prostych analiz regresji, w których wartości badanych zmiennych makroekonomicznych w powiatach uzależniono od czynników administracyjnych, historycznych, geograficznych i aglomeracyjnych. Rozdział kończy punkt 4.4, w którym znajduje się podsumowanie prowadzonych w nim rozważań. 1 Prowadzone w rozdziale czwartym rozważania stanowią kontynuację i rozszerzenie analiz prowadzonych w opracowaniu: Tokarski 2013. 2 Ponieważ nie zawsze granice obecnych powiatów leżących na granicach byłych zaborów pokrywały się z granicami owych zaborów, podzielono powiaty zgodnie z tym, w jakim zaborze leżała w 1914 r. (w przypadku ziem zaborów austriackiego, rosyjskiego i niemieckiego) lub w 1939 r. (w przypadku ziem włączonych do Polski w 1945 r.) stolica obecnego powiatu. Podział powiatów według wspomnianych tu kryteriów w poszczególnych województwach znajduje się w aneksie 4.1. 4.2. PRZESTRZENNE ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH 4.2.1. Produkcja sprzedana na mieszkańca Przestrzenne zróżnicowanie produkcji sprzedanej na mieszkańca w cenach stałych z 2009 roku3 zilustrowane są na mapie 4.1 oraz w tablicy 4.1. W tablicy 4.1 zestawiono liczby powiatów należących do kolejnych województw w grupach kwintylowych ze względu na analizowaną tu zmienną makroekonomiczną. W pierwszej grupie kwintylowej znajdują się powiaty o najwyższych wartościach owej zmiennej, w ostatniej zaś – powiaty o najniższych wartościach tej zmiennej. Z analizy mapy 4.1, tablicy 4.1 oraz danych opisujących produkcję sprzedaną na mieszkańca można wysnuć następujące wnioski (por. np. Jabłoński, Tokarski, 2012): Mapa 4.1. Przestrzenne zróżnicowanie produkcji sprzedanej na mieszkańca w latach 2002–2011 [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Najwyższym poziomem rozważanej tu zmiennej makroekonomicznej, przekraczającym 70 tys. zł, charakteryzowały się powiaty4: Bielsko-Biała (woj. śląskie, 3 Wszystkie prezentowane dalej zmienne wyrażone w jednostkach pieniężnych przeliczone są na ceny stałe z 2009 roku. Wielkości te zdeflowano jednolitym, dla wszystkich powiatów, delatorem opartym na wskaźniku CPI. 4 Powiaty grodzkie określane są dalej rzeczownikami, ziemskie zaś – przymiotnikami. 114,30 tys. zł), Katowice (woj. śląskie, 89,55 tys. zł), Tychy (woj. śląskie, 74,82 tys. zł), Dąbrowa Górnicza (woj. śląskie, 74,40 tys. zł), powiat polkowicki (woj. dolnośląskie, 72,41 tys. zł) i powiat bełchatowski (woj. łódzkie, 71,44 tys. zł). Tablica 4.1. Liczby powiatów w grupach kwintylowych ze względu produkcję sprzedaną na mieszkańca w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 7 5 9 6 2 Kujawsko-pomorskie 6 3 3 5 6 Lubelskie 1 3 1 7 12 Lubuskie 3 3 3 4 1 Łódzkie 2 10 6 4 2 Małopolskie 4 5 4 1 8 Mazowieckie 11 7 7 7 10 Opolskie 4 1 3 3 1 Podkarpackie 4 3 3 5 10 Podlaskie 1 1 3 8 4 Pomorskie 3 5 7 3 2 Śląskie 12 9 8 5 2 Świętokrzyskie 2 4 4 2 2 Warmińsko-mazurskie 2 2 4 7 6 Wielkopolskie 11 14 7 3 0 Zachodniopomorskie 3 1 4 6 7 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W pierwszej grupie kwintylowej, a więc w grupie kwintylowej o najwyższych wartościach produkcji sprzedanej na mieszkańca w latach 2002–2011, dominowały powiaty województw: śląskiego (12 powiatów) oraz mazowieckiego i wielkopolskiego (po 11 powiatów). Znalazło się tu również 7 powiatów leżących w województwie dolnośląskim, 6 – w kujawsko-pomorskim, po 4 w województwach małopolskim, opolskim i podkarpackim, po 3 – w lubuskim, pomorskim i zachodniopomorskim, po 2 – w łódzkim, świętokrzyskim i warmińsko-mazurskim oraz po 1 powiecie z województw lubelskiego i podlaskiego. ●● W grupie kwintylowej o wysokich wartościach analizowanej zmiennej makroekonomicznej (czyli w drugiej grupie kwintylowej) najwięcej powiatów reprezentowało województwa wielkopolskie (14), łódzkie (10) i śląskie (9). ●● W grupie kwintylowej o niskiej produkcji sprzedanej na mieszkańca (w czwartej grupie kwintylowej) dominowały powiaty leżące w województwach: podlaskim (8), lubelskim, mazowieckim i warmińsko-mazurskim (po 7) oraz dolnośląskim i zachodniopomorskim (po 6). Wykres 4.1. Produkcja sprzedana przemysłu na mieszkańca w powiatach grodzkich i ziemskich w latach 2002–2011 [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.2. Produkcja sprzedana przemysłu na mieszkańca w latach 2002–2011 w powiatach leżących na ziemiach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) i ziemiach włączonych do Polski w 1945 roku (W) [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupie kwintylowej o najniższych wartościach tej zmiennej aż 12 powiatów pochodziło z województwa lubelskiego. Po 10 powiatów o najniższych wartościach produkcji sprzedanej na mieszkańca reprezentowało województwa mazowieckie i podkarpackie. W grupie tej znajdowało się ponadto 8 powiatów z województwa małopolskiego, 7 – z zachodniopomorskiego, po 6 powiatów reprezentowało województwa kujawsko-pomorskie i warmińsko-mazurskie, 4 – podlaskie, po 2 dolnośląskie, łódzkie, pomorskie, śląskie i świętokrzyskie oraz po 1 powiecie województwa lubuskie i opolskie. ●● Zdecydowanie najniższe wartości rozważanej tu zmiennej makroekonomicznej (poniżej 3 tys. zł) notowane były w latach 2002–2011 w powiatach: kazimierskim (świętokrzyskie, 2,98 tys. zł), parczewskim (lubelskie, 2,96 tys. zł), strzyżowskim (podkarpackie, 2,88 tys. zł), leskim (podkarpackie, 2,78 tys. zł), bartoszyckim (warmińsko-mazurskie, 2,75 tys. zł), żuromińskim (mazowieckie, 2,73 tys. zł), hrubieszowskim (lubelskie, 2,70 tys. zł), zwoleńskim (mazowieckie, 2,21 tys. zł), włodawskim (lubelskie, 2,17 tys. zł), dąbrowskim (małopolskie, 2,12 tys. zł), proszowickim (małopolskie, 2,04 tys. zł), chełmskim (lubelskie, 2,03 tys. zł), buskim (świętokrzyskie, 2,02 tys. zł), braniewskim (warmińsko-mazurskie, 1,81 tys. zł), kolneńskim (podlaskie, 1,54 tys. zł), węgorzewskim (warmińsko-mazurskie, 1,40 tys. zł), przysuskim (mazowieckie, 1,36 tys. zł), lubaczowskim (podkarpackie, 1,31 tys. zł), miechowskim (małopolskie, 1,30 tys. zł), przemyskim (podkarpackie, 0,91 tys. zł), tatrzańskim (małopolskie, 0,840 tys. zł) oraz sejneńskim (podlaskie, 0,44 tys. zł). Na wykresie 4.1 zilustrowano średnie nieważone produkcji sprzedanej per capita w powiatach grodzkich i ziemskich w latach 2002–2011. Na wykresie 4.2 znajdują się natomiast analogiczne wielkości w podziale powiatów na powiaty leżące na ziemiach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku. W tablicy 4.2 zestawiono zaś liczby powiatów w kolejnych grupach kwintylowych w podziale powiatów na grodzkie i ziemskie oraz w podziale ze względów przynależności historycznej. Z wykresów 4.1–4.2 oraz tablicy 4.2 wynika: Tablica 4.2. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów z uwzględnieniem na produkcji sprzedanej na mieszkańca w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 25 20 7 10 3 Ziemskie 51 56 69 66 72 Ziemie byłego zaboru austriackiego 10 9 8 6 16 Ziemie byłego zaboru niemieckiego 20 21 13 10 5 Ziemie byłego zaboru rosyjskiego 23 29 28 31 34 Ziemie włączone do Polski w 1945 roku 23 17 27 29 20 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Trajektorie produkcji sprzedanej na mieszkańca w powiatach grodzkich i ziemskich były prawie równoległe do siebie, co sugeruje, że ich procykliczność jest zbliżona. Co ciekawe, po spadku wartości analizowanej tu zmiennej w roku 2009 (czyli na początku światowego kryzysu finansowego) jej wartość zaczęła rosnąć zarówno w powiatach grodzkich, jak i ziemskich. ●● Średni poziom produkcji sprzedanej na mieszkańca w powiatach ziemskich zmieniał się między 52,0% średniego poziomu owej produkcji w powiatach grodzkich w roku 2002, a 57,6% w roku 2007. W roku 2011 relacja ta wynosiła 55,1%. ●● Średni poziom rozważanej tu zmiennej makroekonomicznej wzrósł między 2002 a 2011 rokiem w powiatach ziemskich o 77,6%, w powiatach grodzkich zaś o 67,6%. ●● Również trajektorie przeciętnych wartości produkcji sprzedanej na mieszkańca w podziale powiatów na powiaty leżące na ziemiach byłych zaborów austriackiego, niemieckiego, rosyjskiego oraz ziem włączonych do Polski w roku 1945 były niemal równoległe do siebie, co świadczy o ich podobnej procykliczności. ●● Zdecydowanie najwyższą średnią wartością analizowanej tu zmiennej makroekonomicznej charakteryzowały się powiaty byłego zaboru niemieckiego. Produkcja sprzedana na mieszkańca w powiatach byłego zaboru austriackiego zmieniała się między 73,2% wartości tej zmiennej w powiatach byłego zaboru niemieckiego w 2004 roku a 80,6% w roku 2011, w powiatach byłego zaboru rosyjskiego – między 68,3% w 2004 roku a 79,1% w roku 2011, w powiatach zaś ziem włączonych do Polski w 1945 roku – między 73,9% w roku 2004 a 84,2% w 2007 roku. ●● Najwyższą stopą wzrostu średniej wartości produkcji sprzedanej per capita charakteryzowały się powiaty ziem włączonych do Polski w 1945 roku, gdzie wartość owej zmiennej makroekonomicznej między rokiem 2002 a 2011 wzrosła o 80,3%. W powiatach leżących na ziemiach byłego zaboru austriackiego wskaźnik ten wynosił 75,5%, rosyjskiego – 74,6%, a w powiatach leżących na ziemiach byłego zaboru niemieckiego – 67,3%. ●● Przeciętnie (w latach 2002–2011) 45 z 65 powiatów grodzkich znalazło się w grupach kwintylowych o najwyższych (25 powiatów) i wysokich (20 powiatów) wartościach omawianej tu zmiennej makroekonomicznej. 10 powiatów grodzkich należało do grupy kwintylowej o niskich wartościach produkcji sprzedanej na mieszkańca, a tylko 3 powiaty znalazły się w grupie kwintylowej o najniższych wartościach tej zmiennej5. ●● Powiaty ziemskie w miarę równomiernie rozłożyły się w każdej z grup kwintylowych, przy czym najczęściej należały do grup o najniższych (72 powiaty) oraz średnich (69) wartościach produkcji sprzedanej na mieszkańca. ●● 16 powiatów ziem byłego zaboru austriackiego znalazło się w grupie 20% powiatów o najniższych wartościach analizowanej tu zmiennej makroekonomicznej. Następne 10 powiatów znalazło się w grupie o najwyższych wartościach produkcji sprzedanej na mieszkańca, 9 – w grupie o wysokich wartościach, 8 – o średnich, a pozostałe 6 – w grupie o niskich wartościach tej zmiennej. ●● Powiaty z ziem byłego zaboru niemieckiego najczęściej znalazły się w drugiej (21 powiatów) i pierwszej (20 powiatów) grupie kwintylowej ze względu na produkcję sprzedaną na mieszkańca. 13 powiatów z tych ziem należało w latach 2002–2011 do trzeciej grupy kwintylowej, 10 – do czwartej, a pozostałe 5 – do piątej grupy kwintylowej. 5 Były to powiaty: Biała Podlaska (lubelskie), Przemyśl (podkarpackie) i Świnoujście (zachodniopomorskie). Tablica 4.3. Współczynniki korelacji pomiędzy wartościami produkcji sprzedanej na mieszkańca i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,931 0,955 2003/2004 0,969 0,978 2004/2005 0,975 0,978 2005/2006 0,989 0,982 2006/2007 0,976 0,972 2007/2008 0,979 0,981 2008/2009 0,959 0,978 2009/2010 0,966 0,976 2010/2011 0,983 0,988 2002/2011 0,792 0,806 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty z ziem byłego zaboru rosyjskiego dominowały w grupach kwintylowych o najniższych (34 powiaty) i niskich (31 powiatów) wartościach badanej tu zmiennej. 29 powiatów owych ziem znalazło się w grupie kwintylowej o wysokich wartościach produkcji sprzedanej na mieszkańca, 28 powiatów – w grupie o jej średnich wartościach, oraz 23 powiaty – w grupie kwintylowej o najwyższych wartościach. ●● Co do powiatów leżących na ziemiach włączonych do Polski w 1945 roku, najczęściej znajdowały się one w czwartej (29 powiatów) i trzeciej (27 powiatów) grupie kwintylowej. Pozostałe powiaty należały do pierwszej (23 powiatów), piątej (20 powiatów) i drugiej (17 powiatów) grupy kwintylowej. Analizując stabilność struktur przestrzennego zróżnicowania badanej zmiennej makroekonomicznej w latach 2002–2011, można posłużyć współczynnikami korelacji Pearsona pomiędzy wartościami owej zmiennej w powiatach w kolejnych latach oraz współczynnikami korelacji Pearsona między rangami powiatów. Współczynniki te zestawione są w tablicy 4.3. Z wartości rozważanych tu współczynników można wysnuć wniosek, że struktury przestrzennego zróżnicowania produkcji sprzedanej na mieszkańca były stabilne w czasie, co wynika stąd, że zestawione w tablicy 4.3 współczynniki korelacji między sąsiadującymi z sobą latami były nie mniejsze niż 0,931 (w przypadku współczynników korelacji między wartościami badanej zmiennej) oraz nie mniejsze niż 0,955 (w przypadku współczynników korelacji między rangami powiatów). Również struktura przestrzennego zróżnicowania w roku 2011 była zbliżona do tej, która ukształtowała się w roku 2002, gdyż odpowiednie współczynniki korelacji między rokiem 2002 a 2011 wynosiły 0,792 i 0,806. Na wykresie 4.3 zilustrowano natomiast niektóre współczynniki opisujące stopień przestrzennego zróżnicowania analizowanej tu zmiennej makroekonomicznej w latach 2002–2011. Są to: współczynnik zmienności oparty na odchyleniu standardowym (VS), współczynnik zmienności oparty na odchyleniu przeciętnym (Vd) oraz współczynnik zmienności oparty na odchyleniu ćwiartkowym6. Im wyższe wartości przyjmują omawiane tu współczynniki, tym wyższym stopniem przestrzennego zróżnicowania charakteryzowała się badana zmienna makroekonomiczna. Wykres 4.3. Współczynniki zmienności VS, Vd i VQ produkcji sprzedanej na mieszkańca w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Z przedstawionych na wykresie 4.3 wartości badanych współczynników zmienności dla produkcji sprzedanej na mieszkańca wynika, że stopień przestrzennego zróżnicowania tej zmiennej w latach 2002–2011 rósł. Współczynnik zmienności VS wzrósł bowiem z 0,872 w roku 2002 do 1,041 w roku 2011, współczynnik Vd – z 0,589 do 0,646, a VQ – z 0,508 do 0,574. Świadczy to o występowaniu pewnej dywergencji produkcji sprzedanej na mieszkańca w badanym przedziale czasu. 6 Współczynnik zmienności oparty na odchyleniu standardowym (VS) to iloraz nieważonej średniej arytmetycznej i odchylenia standardowego. Współczynnik zmienności oparty na odchyleniu przeciętnym (Vd) jest ilorazem nieważonej średniej arytmetycznej i odchylenia przeciętnego, a współczynnik zmienności oparty na odchyleniu ćwiartkowym (VQ) opisany jest wzorem: , gdzie Me to mediana, a Q1 i Q3 to (odpowiednio) pierwszy i trzeci kwartyl. 4.2.2. Wartość brutto środków trwałych per capita Na mapie 4.2 zilustrowano przestrzenne zróżnicowanie wartości brutto środków trwałych per capita w latach 2002–2011. W tablicy 4.4 zestawiono zaś liczby powiatów w grupach kwintylowych ze względu na tę zmienną makroekonomiczną, policzone analogicznie do liczby powiatów w tablicy 4.1. Z mapy 4.2, tablicy 4.4 oraz danych statystycznych dotyczących analizowanej tu zmiennej makroekonomicznej płyną następujące wnioski (por. także Jabłoński, Tokarski, 2012; Tokarski, 2013): ●● Zdecydowanie najwyższymi, przekraczającymi 100 tys. zł, wartościami brutto środków trwałych na mieszkańca w latach 2002–2012 charakteryzowały się powiaty: Płock (mazowieckie, 147,85 tys. zł), bełchatowski (łódzkie, 143,38 tys. zł), polkowicki (dolnośląskie, 140,28 tys. zł), Warszawa (mazowieckie, 126,77 tys. zł) i zgorzelecki (dolnośląskie, 119,87 tys. zł). Mapa 4.2. Przestrzenne zróżnicowanie wartości brutto środków trwałych na mieszkańca w latach 2002–2011 [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Wśród 20% powiatów o najwyższych wartościach omawianej tu zmiennej makroekonomicznej zdecydowanie najwięcej, bo aż 17, powiatów pochodziło z województwa śląskiego. W grupie tej znalazło się ponadto 9 powiatów z województwa dolnośląskiego, 8 z mazowieckiego, po 5 powiatów z województw opolskiego, podkarpackiego i wielkopolskiego, po 4 z kujawsko-pomorskiego, małopolskiego, pomorskiego i zachodniopomorskiego, 3 z województwa lubelskiego, po 2 z lubuskiego, łódzkiego i świętokrzyskiego oraz po 1 z województw podlaskiego i warmińsko-mazurskiego. Tablica 4.4. Liczby powiatów w grupach kwintylowych ze względu wartości brutto środków trwałych na mieszkańca w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 9 6 4 8 2 Kujawsko-pomorskie 4 3 4 5 7 Lubelskie 3 4 2 2 13 Lubuskie 2 3 3 6 0 Łódzkie 2 7 7 3 5 Małopolskie 4 3 3 4 8 Mazowieckie 8 7 9 5 13 Opolskie 5 0 4 3 0 Podkarpackie 5 6 1 5 8 Podlaskie 1 5 1 5 5 Pomorskie 4 3 6 6 1 Śląskie 17 9 7 3 0 Świętokrzyskie 2 4 4 2 2 Warmińsko-mazurskie 1 2 5 6 7 Wielkopolskie 5 9 13 7 1 Zachodniopomorskie 4 5 3 6 3 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Z grup kwintylowych o wysokich wartościach brutto środków trwałych na mieszkańca, czyli z drugiej grupy kwintylowej, najwięcej powiatów reprezentowało województwa śląskie i wielkopolskie (po 9 powiatów). Kolejno (po 7 powiatów) pochodziło z województw łódzkiego i mazowieckiego, po 6 – z dolnośląskiego i podkarpackiego. Znalazło się tu również po 5 powiatów leżących w województwach podlaskim i zachodniopomorskim, po 4 powiaty z województw lubelskiego i świętokrzyskiego, po 3 powiaty reprezentujące województwa kujawsko-pomorskie, lubuskie, małopolskie i pomorskie oraz 2 powiaty z województwa warmińsko-mazurskiego. Warto też zauważyć, że w tej grupie kwintylowej nie było żadnego powiatu leżącego w województwie opolskim. ●● W grupie kwintylowej o niskich wartościach badanej tu zmiennej makroekonomicznej najczęściej pojawiały się powiaty reprezentujące województwa dolnośląskie (8), wielkopolskie (7) oraz lubuskie, pomorskie, warmińsko-mazurskie i zachodniopomorskie (po 6). Do tej grupy należało również po 5 powiatów z województw kujawsko-pomorskiego, mazowieckiego, podkarpackiego i podlaskiego, 4 – z województwa małopolskiego, po 3 – z łódzkiego, opolskiego i śląskiego, oraz po 2 powiaty reprezentujące województwa lubelskie i świętokrzyskie. ●● W ostatniej grupie kwintylowej, czyli wśród 20% powiatów o najniższej wartości analizowanej tu zmiennej, zdecydowanie dominowały powiaty leżące w województwach lubelskim i mazowieckim (po 13 powiatów). Znalazło się tu także po 8 powiatów leżących w województwach małopolskim i podkarpackim, po 7 w kujawsko-pomorskim i warmińsko-mazurskim, po 5 – w łódzkim i podlaskim, 3 – w zachodniopomorskim, po 2 – w dolnośląskim i świętokrzyskim, oraz po 1 – w pomorskim i wielkopolskim. Nie było tu zaś żadnego powiatu leżącego w województwach lubuskim, opolskim i śląskim. ●● Zdecydowanie najniższymi wartościami opisywanej tu zmiennej makroekonomicznej – poniżej 4 tys. zł – cechowały się w latach 2002–2011 powiaty: brzozowski (podkarpackie, 3,95 tys. zł), kolneński (podlaskie, 3,88 tys. zł), suwalski (podlaskie, 3,85 tys. zł), żuromiński (mazowieckie, 3,81 tys. zł), chełmski (lubelskie, 3,53 tys. zł), proszowicki (małopolskie, 3,45 tys. zł), strzyżowski (podkarpackie, 3,31 tys. zł), lipnowski (kujawsko-pomorskie, 3,13 tys. zł), kazimierski (świętokrzyskie, 2,96 tys. zł) i przemyski (podkarpackie, 1,99 tys. zł). ●● Zestawiając przestrzenne wartości brutto środków trwałych na mieszkańca z produkcją sprzedaną na mieszkańca, okazuje się, że zmienne te były z sobą dość silnie skorelowane. Współczynnik korelacji Pearsona pomiędzy przeciętnymi wartościami owych zmiennych w powiatach wynosił bowiem ok. 0,716 7. Średnie nieważone opisujące kształtowanie się wartości brutto środków trwałych na mieszkańca w powiatach grodzkich i ziemskich przedstawiono na wykresie 4.4. Na wykresie 4.5 zaprezentowano zaś średnie nieważone tej zmiennej makroekonomicznej w podziale powiatów na te, które leżą na ziemiach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku. W tablicy 4.5 zestawiono liczby powiatów w kolejnych grupach kwintylowych wyodrębnionych ze względu na wartość brutto środków trwałych na mieszkańca. Z wykresów 4.4–4.5 oraz z tablicy 4.5 wynikają następujące wnioski: ●● Wartość brutto środków trwałych na mieszkańca w powiatach ziemskich w roku 2002 stanowiła 36,3% wartości tej zmiennej makroekonomicznej w powiatach grodzkich. Następnie, do roku 2010, wskaźnik ten rósł aż do poziomu 42,2%, by w roku 2011 spaść do 41,8%. ●● Wartość brutto środków trwałych per capita w powiatach grodzkich wzrosła między rokiem 2002 a 2011 o 20,6%, w powiatach ziemskich zaś – o 38,6%. 7 Formalnie uzasadnić to można następująco. Przyjmując założenie, że proces produkcyjny opisuje neoklasyczna funkcja produkcji (por. np. Tokarski, 2009, rozdz. pierwszy) za pomocą wzoru: Y = F(K,L), (gdzie Y oznacza wielkość produkcji, K – nakłady kapitału rzeczowego, L – liczbę pracujących), która charakteryzuje się malejącymi produkcyjnościami krańcową kapitału i pracy oraz stałymi efektami skali (czyli jest jednorodna stopnia pierwszego), to: , gdzie N oznacza liczbę ludności. Z powyższego równania wynika, że produkt per capita (Y/N) zależny jest zarówno od kapitału na mieszkańca (K/N), jak i od odsetka pracujących w liczbie ludności (czyli L/N). Ponieważ w Polsce K/N jest znacznie bardziej zróżnicowane niż L/N, zatem zasadniczym czynnikiem, który jest odpowiedzialny za zróżnicowanie produkcji na mieszkańca wydaje się zróżnicowanie kapitału na mieszkańca. Wykres 4.4. Wartość brutto środków trwałych na mieszkańca w powiatach grodzkich i ziemskich w latach 2002–2011 (tys. zł, ceny stałe z 2009 roku) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.5. Wartość brutto środków trwałych na mieszkańca w latach 2002–2011 w powiatach leżących na ziemiach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) i ziemiach włączonych do Polski w 1945 roku (W) [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Wielkość analizowanej tu zmiennej makroekonomicznej na ziemiach byłego zaboru niemieckiego oraz na ziemiach włączonych do Polski w 1945 roku była znacznie wyższa, niż odnotowano to na ziemiach byłych zaborów austriackiego i rosyjskiego. Na ziemiach byłego zaboru niemieckiego wartość tej zmiennej rosła z poziomu 19,9 tys. zł w roku 2002 do 27,4 tys. zł w 2011 roku, na ziemiach włączonych do Polski w 1945 roku – z 19,9 tys. zł do 26,4 tys. zł, na ziemiach byłego zaboru austriackiego – z 17,7 tys. zł do 22,1 tys. zł, a na ziemiach byłego zaboru rosyjskiego – z 17,9 tys. zł do 23,4 tys. zł. ●● Najwyższy względny wzrost wartości brutto środków trwałych na mieszkańca w latach 2002–2011 notowany był w powiatach byłego zaboru niemieckiego (o 37,7%), następnie w powiatach ziem włączonych do Polski w 1945 roku (32,7%) i w powiatach byłego zaboru rosyjskiego (30,7%), najniższy zaś – w powiatach byłego zaboru austriackiego (24,9%). Tablica 4.5. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów z uwzględnieniem wartości brutto środków trwałych na mieszkańca w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 42 20 3 0 0 Ziemskie 34 56 73 76 75 Ziemie byłego zaboru austriackiego 11 11 4 9 14 Ziemie byłego zaboru niemieckiego 16 16 20 12 5 Ziemie byłego zaboru rosyjskiego 22 31 27 22 43 Ziemie włączone do Polski w 1945 roku 27 18 25 33 13 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Gdy analizujemy zróżnicowanie liczby powiatów grodzkich w kolejnych grupach kwintylowych ze względu na wartość brutto środków trwałych na mieszkańca, okazuje się, że 42 (spośród 65 powiatów grodzkich) znalazło się w 20% powiatów o najwyższej wartości tej zmiennej makroekonomicznej w latach 2002–2011. 20 powiatów grodzkich było w grupie o wysokich wartościach tej zmiennej, pozostałe zaś 3 powiaty – w grupie kwintylowej o średniej wartości brutto środków trwałych na mieszkańca (a zatem żaden powiat grodzki nie należał ani do grupy powiatów o niskich, ani o najniższych wartościach tej zmiennej). ●● Powiaty ziemskie należały głównie do ostatnich trzech grup kwintylowych. 76 z tych powiatów znalazło się bowiem w grupie kwintylowej o niskich wartościach brutto środków trwałych na mieszkańca, 75 w grupie o najniższych wartościach tej zmiennej a 73 charakteryzowało się jej przeciętną wartością. Poza tym 56 powiatów ziemskich należało do grupy kwintylowej o wysokich wartościach brutto środków trwałych na mieszkańca a jedynie pozostałe 34 powiaty – do grupy kwintylowej o jej najwyższych wartościach. ●● Powiaty leżące na ziemiach byłego zaboru austriackiego najczęściej znajdowały się w piątej grupie kwintylowej (14 powiatów). Po 11 powiatów z ziem tego zaboru należało do pierwszych dwóch grup kwintylowych, 9 było w czwartej grupie kwintylowej, a pozostałe 4 powiaty – w grupie trzeciej. Tablica 4.6. Współczynniki korelacji pomiędzy wartościami brutto środków trwałych na mieszkańca i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,975 0,981 2003/2004 0,996 0,994 2004/2005 0,996 0,993 2005/2006 0,990 0,990 2006/2007 0,986 0,989 2007/2008 0,981 0,991 2008/2009 0,991 0,989 2009/2010 0,971 0,985 2010/2011 0,983 0,987 2002/2011 0,921 0,915 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty z ziem byłego zaboru niemieckiego najczęściej należały do grupy kwintylowej o średnich wartościach analizowanej tu zmiennej makroekonomicznej (20 powiatów). Po 16 powiatów z tej grupy powiatów znajdowało się w grupach o najwyższych i wysokich wartościach brutto środków trwałych na mieszkańca, 12 powiatów – w grupie o niskich wartościach, i 6 powiatów – w grupie o najniższych wartościach rozważanej zmiennej. Wykres 4.6. Współczynniki zmienności VS, Vd i VQ wartości brutto środków trwałych na mieszkańca w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty leżące na ziemiach byłego zaboru rosyjskiego dominowały w piątej grupie kwintylowej wartości brutto środków trwałych per capita (43 powiaty). 31 powiatów byłego zaboru rosyjskiego znajdowało się w latach 2002–2011 w drugiej grupie kwintylowej, 27 powiatów – w grupie czwartej, po 22 powiaty było w grupach pierwszej i czwartej. ●● 27 powiatów z ziem włączonych do Polski w 1945 roku znajdowało się w latach 2002–2011 w grupie 20% polskich powiatów o najwyższych wartościach brutto środków trwałych na mieszkańca, 18 powiatów w grupie o wysokich wartościach owej cechy, 25 powiatów – w grupie o średnich jej wartościach, 33 powiaty – w grupie o niskich wartościach, a pozostałe 13 powiatów – w grupie kwintylowej o najniższych wartościach owej zmiennej makroekonomicznej. W tablicy 4.6 zestawiono współczynniki korelacji Pearsona pomiędzy wartościami analizowanej tu zmiennej makroekonomicznej i rangami powiatów ze względu na tę zmienną, zarówno w kolejnych latach, jak i pomiędzy rokiem 2011 i 2002. Z zestawionych w owej tablicy wartości wynika, że struktury przestrzennego zróżnicowania wartości brutto środków trwałych na mieszkańca były bardziej stabilne od analogicznych struktur produkcji sprzedanej na mieszkańca. Dzieje się tak dlatego, że współczynniki korelacji między sąsiadującymi latami dla wartości analizowanej tu zmiennej były nie mniejsze niż 0,971 (w przypadku wartości tej zmiennej) lub niż 0,981 (w przypadku rang), odpowiednie zaś współczynniki korelacji między 2002 a 2011 rokiem wynosiły (odpowiednio) 0,921 i 0,915 (por. współczynniki korelacji Pearsona dla produkcji sprzedanej na mieszkańca – tablica 4.3). Na wykresie 4.6 zilustrowano kształtowanie się współczynników zmienności VS, Vd i VQ badanej tu zmiennej makroekonomicznej. Z wykresu tego wynika, że każdy z analizowanych tu współczynników zmienności miał w latach 2002–2011 tendencję malejącą, co sugeruje występowanie pewnej konwergencji przestrzennej wartości brutto środków trwałych per capita. 4.2.3. Inwestycje na mieszkańca Mapa 4.3 oraz tablica 4.7 ilustrują przestrzenne zróżnicowanie inwestycji na mieszkańca w powiatach w latach 2002–2011. Z mapy tej oraz danych dotyczących tej zmiennej makroekonomicznej wynika (por. np. Jabłoński, Tokarski, 2012): ●● Zdecydowanie najwyższy, bo przekraczający 7,5 tys. zł, poziom inwestycji per capita notowany był w badanym przedziale czasu w powiatach: bełchatowskim (łódzkie, 15,13 tys. zł), polkowickim (dolnośląskie, 13,86 tys. zł), Płock (mazowieckie, 10,67 tys. zł), Warszawa (mazowieckie, 9,98 tys. zł), Tychy (śląskie, tys. zł) i wrocławskim (dolnośląskie, 7,84 tys. zł). ●● W pierwszej grupie kwintylowej ze względu na wartości tej zmiennej makroekonomicznej dominowały powiaty leżące w województwach: śląskim (15), dolnośląskim (12) i mazowieckim (10). Poza tym w tej grupie znalazło się 6 powiatów leżących w województwie kujawsko-pomorskim, 5 – w zachodniopomorskim, po 4 – w lubuskim, pomorskim i wielkopolskim, po 3 – w łódzkim, opolskim, podkarpackim i świętokrzyskim, 2 – w lubelskim, oraz po 1 powiecie w województwach małopolskim i warmińsko-mazurskim. W grupie tej nie miało żadnego swojego reprezentanta województwo podlaskie. ●● W grupie 20% powiatów o wysokich inwestycjach na mieszkańca aż 15 powiatów pochodziło z województwa wielkopolskiego. Do grupy tej należało także 8 powiatów z województwa śląskiego, po 7 z województw małopolskiego i mazowieckiego, po 6 z dolnośląskiego, łódzkiego i zachodniopomorskiego, 5 – z podlaskiego, po 3 – z województw kujawsko-pomorskiego, lubuskiego, podkarpackiego i pomorskiego, 2 powiaty ze świętokrzyskiego, oraz po 1 powiecie z województw lubelskiego i warmińsko-mazurskiego. Mapa 4.3. Przestrzenne zróżnicowanie inwestycji per capita w latach 2002–2011 (tys. zł, ceny stałe z 2009 roku) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Do czwartej grupy kwintylowej ze względu na omawianą tu zmienną makroekonomiczną należały, kolejno, powiaty województw: podkarpackiego (8), zachodniopomorskiego (7), dolnośląskiego, lubelskiego i łódzkiego (po 6), kujawsko-pomorskiego, mazowieckiego, podlaskiego, śląskiego i warmińsko-mazurskiego (po 5), lubuskiego, małopolskiego i wielkopolskiego (po 4) oraz opolskiego i pomorskiego (po 3). Żaden z powiatów województwa świętokrzyskiego nie znalazł się w owej grupie kwintylowej. ●● W grupie kwintylowej o najniższych inwestycjach na mieszkańca w latach 2002–2011 zdecydowanie najwięcej powiatów pochodziło z województw lubelskiego (14) i mazowieckiego (13). W grupie tej znalazło się ponadto 8 powiatów leżących w województwie podkarpackim, 7 – w małopolskim, 6 – w warmińsko-mazurskim, po 4 – w województwach kujawsko-pomorskim i podlaskim, po 3 – w dolnośląskim, łódzkim, pomorskim, świętokrzyskim, wielkopolskim i zachodniopomorskim oraz 1 powiat z województwa opolskiego. Żaden z powiatów województw lubuskiego i śląskiego nie znalazł się w owej grupie kwintylowej. Tablica 4.7. Liczby powiatów w grupach kwintylowych ze względu inwestycje na mieszkańca w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 12 6 2 6 3 Kujawsko-pomorskie 6 3 5 5 4 Lubelskie 2 1 1 6 14 Lubuskie 4 3 3 4 0 Łódzkie 3 6 6 6 3 Małopolskie 1 7 3 4 7 Mazowieckie 10 7 7 5 13 Opolskie 3 0 5 3 1 Podkarpackie 3 3 3 8 8 Podlaskie 0 5 3 5 4 Pomorskie 4 3 7 3 3 Śląskie 15 8 8 5 0 Świętokrzyskie 3 2 6 0 3 Warmińsko-mazurskie 1 1 8 5 6 Wielkopolskie 4 15 9 4 3 Zachodniopomorskie 5 6 0 7 3 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Zdecydowanie najniższe inwestycje na mieszkańca w latach 2002–2012 (nie większe niż 500 zł) notowane były w powiatach: bartoszyckim (warmińsko-mazurskie, 0,50 tys. zł), węgorzewskim (warmińsko-mazurskie, 0,50 tys. zł), brzozowskim (podkarpackie, 0,50 tys. zł), górowskim (dolnośląskie, 0,49 tys. zł), opolskim (lubelskie, 0,49 tys. zł), przysuskim (mazowieckie, 0,49 tys. zł), janowskim (lubelskie, 0,48 tys. zł), proszowickim (małopolskie, 0,47 tys. zł), szydłowieckim (mazowieckie, 0,42 tys. zł), żuromińskim (mazowieckie, 0,39 tys. zł), lipnowskim (kujawsko-pomorskie, 0,37 tys. zł), sejneńskim (podlaskie, 0,34 tys. zł), zwoleńskim (mazowieckie, 0,34 tys. zł), chełmskim (lubelskie, 0,34 tys. zł), kolneńskim (podlaskie, 0,33 tys. zł), strzyżowskim (podkarpackie, 0,27 tys. zł) i kazimierskim (świętokrzyskie, 0,15 tys. zł). ●● Porównując przestrzenne zróżnicowanie inwestycji na mieszkańca ze zróżnicowaniem badanych uprzednio zmiennych makroekonomicznych – tj. z produkcją sprzedaną na mieszkańca i wartością brutto per capita – okazuje się, że były one zbliżone do siebie. Współczynniki korelacji Pearsona między inwestycjami na mieszkańca a produkcją sprzedaną na mieszkańca i wartością brutto per capita wynosiły (odpowiednio) 0,626 oraz 0,727. Wykres 4.7 ilustruje średnie nieważone inwestycji na mieszkańca w powiatach grodzkich i ziemskich w latach 2002–2011. Na wykresie 4.8 przedstawione są zaś owe średnie nieważone w podziale powiatów na te, które leżą na ziemiach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku. W tablicy 4.8 natomiast zestawiono liczby powiatów (w podziale na ziemskie i grodzkie oraz w podziale ze względów historycznych) w kolejnych grupach kwintylowych, uwzględniając na inwestycje per capita. Z wykresów 4.7–4.8 i tablicy 4.8 można wysnuć następujące wnioski: Wykres 4.7. Inwestycje na mieszkańca w powiatach grodzkich i ziemskich w latach 2002–2011 [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Trajektorie inwestycji na mieszkańca w powiatach grodzkich i ziemskich były prawie równoległe do siebie. Aż do roku 2008 w obu rodzajach powiatów inwestycje na mieszkańca miały tendencje rosnącą, w 2009 i 2010 roku znacznie spadły, by w roku 2011 znów rosnąć. Ograniczenie inwestycji w latach 2009–2010 można, jak się wydaje, pośrednio wiązać ze światowym kryzysem finansowym. ●● Średnio w latach 2002–2011 inwestycje na mieszkańca w powiatach ziemskich stanowiły 51,0% wartości tej zmiennej makroekonomicznej w powiatach grodzkich. Należy jednak zaznaczyć, że o ile współczynnik ten wynosił w 2002 roku 43,9%, o tyle – w kolejnych latach rósł, by w roku 2010 osiągnąć 59,7%, i spaść w 2010 roku do 59,0%. ●● Inwestycje na mieszkańca w powiatach grodzkich wzrosły między rokiem 2002 a 2011 o 53,7%, w powiatach ziemskich zaś – o 106,5%. ●● Inwestycje na mieszkańca w powiatach byłego zaboru niemieckiego wynosiły, średnio w całym badanym okresie, 2,28 tys. zł, na ziemiach włączonych do Polski w 1945 roku – 2,16 tys. zł, na ziemiach byłego zaboru rosyjskiego – 1,84 tys. zł, a na ziemiach byłego zaboru austriackiego – 1,68 tys. zł. Wykres 4.8. Inwestycje na mieszkańca w latach 2002–2011 w powiatach leżących na ziemiach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) i ziemiach włączonych do Polski w 1945 roku (W) [tys. zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Najwyższy średni wzrost badanej zmiennej makroekonomicznej notowany był między 2002 a 2011 rokiem w powiatach byłego zaboru niemieckiego (o 102,7%). Następnie – w powiatach byłego zaboru rosyjskiego (o 93,0%), austriackiego (o 86,2%) i – najniższy – na ziemiach włączonych do Polski w 1945 roku (o 78,2%). ●● 41 z 65 powiatów grodzkich znalazło się w grupach kwintylowych o najwyższych (35 powiatów) i wysokich (16 powiatów) inwestycjach na mieszkańca. 8 powiatów grodzkich należało do grupy kwintylowej o wysokich wartościach omawianej tu zmiennej makroekonomicznej, 6 – w grupie o niskich jej wartościach, a żaden powiat grodzki nie znalazł się w grupie powiatów o najniższych inwestycjach na mieszkańca. ●● Najwięcej, bo 75, powiatów ziemskich należało do piątej grupy kwintylowej ze względu na inwestycje per capita. 70 powiatów ziemskich było w czwartej grupie kwintylowej, 68 – w trzeciej, 60 – w drugiej, pozostałe zaś 41 powiatów ziemskich znalazło się w pierwszej grupie kwintylowej. ●● Powiaty leżące na ziemiach byłego zaboru austriackiego najczęściej znajdowały się w grupach kwintylowych o najniższych (13 powiatów) i niskich (12 powiatów) wartościach omawianej zmiennej makroekonomicznej. 8 powiatów z ziem byłej Galicji Zachodniej należało do grupy kwintylowej o średnich inwestycjach na mieszkańca, 10 znalazło się w grupie o wysokich wartościach tej zmiennej, i 6 – w grupie o jej wysokich wartościach. Tablica 4.8. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów, z uwzględnieniem inwestycji na mieszkańca w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 35 16 8 6 0 Ziemskie 41 60 68 70 75 Ziemie byłego zaboru austriackiego 6 10 8 12 13 Ziemie byłego zaboru niemieckiego 17 22 19 7 4 Ziemie byłego zaboru rosyjskiego 24 24 26 29 42 Ziemie włączone do Polski w 1945 roku 29 20 23 28 16 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty leżące na ziemiach byłego zaboru niemieckiego najczęściej należały do drugiej (22 powiaty), trzeciej (19 powiatów) i pierwszej (17 powiatów) grupy kwintylowej inwestycji per capita. 7 powiatów z tej grupy powiatów znalazło się wśród 20% powiatów o niskich inwestycjach na mieszkańca, tylko zaś 4 powiaty – wśród 20% powiatów o najniższej wartości tej zmiennej. ●● Aż 42 powiaty leżące na ziemiach byłego zaboru rosyjskiego należało do grupy kwintylowej o najniższych wartościach opisywanej tu zmiennej makroekonomicznej. Pozostałe powiaty z tych ziem dość równomiernie rozłożyły się w pozostałych grupach kwintylowych. ●● Powiaty leżące na ziemiach włączonych do Polski w 1945 roku należały głównie do pierwszej (29 powiatów) i czwartej (28 powiatów) grupy kwintylowej inwestycji na mieszkańca. 23 powiaty z tej grupy powiatów znalazło się w trzeciej grupie kwintylowej, 20 – w drugiej i pozostałe 16 – w piątej. W tablicy 4.9 zestawiono współczynniki korelacji Pearsona między wartościami inwestycji na mieszkańca i ich rangami w kolejnych latach oraz pomiędzy ich wartościami i rangami w roku 2011 i 2002. Z wartości owych współczynników korelacji można wnioskować, że przestrzenne zróżnicowanie tej zmiennej makroekonomicznej było nieco mniej stabilne od przestrzennego zróżnicowania analizowanych wcześniej zmiennych (czyli produkcji sprzedanej na mieszkańca i wartości brutto środków trwałych per capita – por. współczynniki korelacji – tablice 4.3 i 4.6). Tablica 4.9. Współczynniki korelacji pomiędzy wartościami inwestycji na mieszkańca i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,846 0,820 2003/2004 0,849 0,833 2004/2005 0,828 0,848 2005/2006 0,775 0,839 2006/2007 0,834 0,842 2007/2008 0,841 0,795 2008/2009 0,784 0,815 2009/2010 0,814 0,817 2010/2011 0,845 0,845 2002/2011 0,624 0,659 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.9 ilustruje kształtowanie się współczynników zmienności VS, Vd oraz VQ inwestycji na mieszkańca. Z wykresu tego wynika wniosek, że analizowana zmienna makroekonomiczna charakteryzowała się występowaniem dość słabej przestrzennej konwergencji. Wykres 4.9. Współczynniki zmienności VS, Vd i VQ inwestycji na mieszkańca w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). 4.2.4. Płace Przestrzenne zróżnicowanie płac w powiatach w latach 2002–2011 zilustrowane jest na mapie 4.4 oraz w tablicy 4.10. Z mapy 4.4, tablicy 4.10 oraz danych dotyczących wartości tej zmiennej makroekonomicznej wynika co następuje (por. także: Rogut, Tokarski, 2001; 2007; Adamczyk, Tokarski, Włodarczyk, 2009; Szewczyk, Tokarski, 2012): ●● Najwyższym poziomem płac w latach 2002–2012, przekraczającym 4000 zł, cechowały się powiaty: lubiński (dolnośląskie, 5145,64 zł), Jastrzębie-Zdrój (śląskie, 4538,56 zł), Warszawa (mazowieckie, 4287,52 zł), Katowice (śląskie, 4015,84 zł) i łęczyński (lubelskie, 4005,07 zł). Mapa 4.4. Przestrzenne zróżnicowanie płac w latach 2002–2011 (zł, ceny stałe z 2009 roku) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupie kwintylowej o najwyższych płacach zdecydowanie dominowały powiaty z województw mazowieckiego (17) i śląskiego (13). W grupie tej znalazło się też 7 powiatów leżących w województwie dolnośląskim, po 5 – w województwach pomorskim i wielkopolskim, po 4 – w małopolskim, świętokrzyskim i zachodniopomorskim, po 3 – w lubelskim, opolskim i podlaskim, po 2 – w kujawsko-pomorskim, lubuskim i łódzkim oraz po 1 powiecie z województw podkarpackiego i warmińsko-mazurskiego. Tablica 4.10. Liczby powiatów w grupach kwintylowych ze względu na płace w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 7 8 4 7 3 Kujawsko-pomorskie 2 2 1 7 11 Lubelskie 3 2 4 9 6 Lubuskie 2 4 3 2 3 Łódzkie 2 3 5 6 8 Małopolskie 4 6 3 4 5 Mazowieckie 17 7 9 5 4 Opolskie 3 3 4 2 0 Podkarpackie 1 6 6 4 8 Podlaskie 3 2 8 4 0 Pomorskie 5 6 5 3 1 Śląskie 13 12 6 1 4 Świętokrzyskie 4 4 3 2 1 Warmińsko-mazurskie 1 2 2 7 9 Wielkopolskie 5 5 9 6 10 Zachodniopomorskie 4 4 4 7 2 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupie kwintylowej o wysokich płacach zdecydowanie najwięcej powiatów reprezentowało województwo śląskie (12). W grupie tej znajdowało się również 8 powiatów leżących w województwie dolnośląskim, 7 w mazowieckim, po 6 – w województwach małopolskim, podkarpackim i pomorskim, 5 – w województwie wielkopolskim, po 4 – w lubuskim, świętokrzyskim i zachodniopomorskim, po 3 – w łódzkim i opolskim, oraz po 2 powiaty leżące z województwach kujawsko-pomorskim, lubelskim, podlaskim i warmińsko-mazurskim. ●● Do grupy kwintylowej o niskich płacach najczęściej należały powiaty położone w województwie lubelskim (9 powiatów), dolnośląskim, kujawsko-pomorskim, warmińsko-mazurskim i zachodniopomorskim (po 7 powiatów). W grupie tej znalazło się również po 6 powiatów reprezentujących województwa łódzkie i wielkopolskie, 5 – mazowieckie, po 4 – małopolskie, podkarpackie i podlaskie, 3 – pomorskie, po 2 – lubuskie, opolskie i świętokrzyskie, oraz 1 powiat leżący w województwie śląskim. ●● W grupie kwintylowej o najniższych płacach w latach 2002–2011 dominowały powiaty z województw kujawsko-pomorskiego (11) i wielkopolskiego (10). Znalazło się tu także 9 powiatów z województwa warmińsko-mazurskiego, po 8 z łódzkiego i podkarpackiego, 6 powiatów z województwa lubelskiego, 5 z małopolskiego, po 4 z mazowieckiego i śląskiego, po 3 z dolnośląskiego i lubuskiego, 2 z zachodniopomorskiego oraz po 1 z województw pomorskiego i świętokrzyskiego. Warto też zauważyć, że w grupie tej nie było żadnego powiatu położonego w województwach opolskim i pomorskim. Wykres 4.10. Płace w powiatach grodzkich i ziemskich w latach 2002–2011 (zł, ceny stałe z 2009 roku) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.11. Płace w latach 2002–2011 w powiatach leżących na ziemiach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) i ziemiach włączonych do Polski w 1945 roku (W) [zł, ceny stałe z 2009 roku] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Tablica 4.11. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów z uwzględnieniem inwestycji na mieszkańca w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 36 17 8 3 1 Ziemskie 40 59 68 73 74 Ziemie byłego zaboru austriackiego 7 12 10 7 13 Ziemie byłego zaboru niemieckiego 12 14 12 14 17 Ziemie byłego zaboru rosyjskiego 35 23 31 28 28 Ziemie włączone do Polski w 1945 roku 22 27 23 27 17 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Najniższe płace, mniejsze niż 2100 zł, notowane były w powiatach rawickim (wielkopolskie, 2059,89 zł), kłobuckim (śląskie, 2050,00 zł), brzezińskim (łódzkie, 2013,61 zł) i kępińskim (wielkopolskie, 1845,38 zł). ●● Współczynniki korelacji Pearsona pomiędzy płacami a analizowanymi wcześniej zmiennymi makroekonomicznymi wynosiły 0,507 (z produkcją sprzedaną na mieszkańca), 0,623 (z wartością brutto środków trwałych na mieszkańca) oraz 0,559 (z inwestycjami per capita). Sugeruje to, że przestrzenne zróżnicowanie płac w Polsce w pewnej mierze jest zbliżone do przestrzennego zróżnicowania badanych wcześniej zmiennych makroekonomicznych. Na wykresach 4.10 i 4.11 zilustrowano średnie nieważone płac w powiatach w podziale na grodzkie i ziemskie (wykres 4.10) oraz leżące na ziemiach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku (wykres 4.11). W tabeli 4.11 zestawiono zaś liczby powiatów w kolejnych grupach kwintylowych płac w grupach powiatów wyróżnionych ze względów administracyjnych i historycznych. Ze wspomnianych wykresów i tabeli płyną następujące wnioski: ●● Trajektorie średnich nieważonych płac w powiatach grodzkich i ziemskich były prawie równoległe do siebie. Płace w powiatach ziemskich stanowiły średnio w latach 2002–2011 86,2% płac w powiatach ziemskich (minimalna relacja owych płac wynosiła 84,5% w roku 2002, maksymalna zaś – 86,9% w 2004 roku). ●● Płace w latach 2002–2011 nieco szybciej rosły w powiatach ziemskich niż grodzkich. Płace w powiatach ziemskich wzrosły bowiem między 2002 a 2011 rokiem o 27,7%, w powiatach grodzkich zaś – o 24,5%. ●● Płace, w podziale powiatów na grupy ze względów historycznych, były znacznie bardziej zbliżone do siebie niż przy podziale powiatów na grodzkie i ziemskie. Średni poziom płac w powiatach leżących na ziemiach włączonych do Polski w 1945 roku wynosił 2560,91 zł, na ziemiach byłego zaboru rosyjskiego – 2553,52 zł, niemieckiego – 2517,66 zł, a austriackiego – 2485,25 zł. ●● Również względny wzrost płac w tych czterech grupach powiatów między rokiem 2002 a 2011 był bardzo zbliżony do siebie. Najszybciej wzrosły bowiem płace w powiatach ziem włączonych do Polski w 1945 roku (o 27,6%), następnie na ziemiach byłego zaboru rosyjskiego (o 27,5%), austriackiego (o 26,4%), najwolniej zaś – w powiatach położonych na ziemiach byłego zaboru niemieckiego (o 25,6%). Tablica 4.12. Współczynniki korelacji pomiędzy wartościami płac i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,965 0,974 2003/2004 0,983 0,978 2004/2005 0,986 0,971 2005/2006 0,990 0,974 2006/2007 0,992 0,977 2007/2008 0,987 0,974 2008/2009 0,987 0,963 2009/2010 0,979 0,971 2010/2011 0,986 0,972 2002/2011 0,850 0,814 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.12. Współczynniki zmienności VS, Vd i VQ płac w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty grodzkie zdecydowanie najczęściej znajdowały się w grupach kwintylowych o najwyższych (36 powiatów) i wysokich (17 powiatów) płacach. 8 powiatów grodzkich należało do grupy kwintylowej o średnich płacach, 3 powiaty – do grupy o niskich płacach, 1 zaś powiat (Piotrków Trybunalski w województwie łódzkim) – do grupy kwintylowej o najniższych płacach. ●● Powiaty leżące na ziemiach byłego zaboru austriackiego najczęściej znajdowały się w piątej (13 powiatów) i drugiej grupie kwintylowej płac (12). 10 powiatów z tych ziem należało do trzeciej grupy kwintylowej, a po 7 – do pierwszej i czwartej. ●● Powiaty ziem byłych zaborów niemieckiego i rosyjskiego oraz (w znaczniej mierze) ziem włączonych do Polski w 1945 roku dość równomiernie rozłożyły się we wszystkich grupach kwintylowych płac. W tablicy 4.12 zestawiono współczynniki korelacji pomiędzy płacami oraz ich rangami zarówno w kolejnych latach, jak i między rokiem 2002 a 2011. Ze współczynników tych wynika, że przestrzenne zróżnicowanie płac w powiatach w latach 2002–2011 było bardzo stabilne w czasie. Z wykresu 4.12 można wysnuć wywnioskować, że w latach 2002–2011 przestrzenne zróżnicowanie płac w powiatach podlegało procesowi dość słabej konwergencji. 4.2.5. REGON na 1000 mieszkańców Przestrzenne zróżnicowanie liczby podmiotów z REGON na 1000 mieszkańców w Polsce w latach 2002–2011 zilustrowane jest na mapie 4.5. W tablicy 4.13 zestawiono natomiast liczby powiatów w kolejnych grupach kwintylowych ze względu na rozważaną tu zmienną. Z mapy 4.5, tablicy 4.13 oraz danych statystycznych dotyczących owej zmiennej wynika że: ●● Zdecydowanie najwyższą (wyższą niż 150) liczbą podmiotów z REGON na 1000 mieszkańców w latach 2002–2011 charakteryzowały się powiaty: Sopot (pomorskie, 193,95), Warszawa (mazowieckie, 180,88), kołobrzeski (zachodniopomorskie, 171,94), Koszalin (zachodniopomorskie, 169,54), Świnoujście (zachodniopomorskie, 163,50), Poznań (wielkopolskie, 162,77), Szczecin (zachodniopomorskie, 156,76), Opole (opolskie, 154,63) i Wrocław (dolnośląskie, 151,13). ●● W grupie kwintylowej o najwyższych wartościach badanej tu zmiennej zdecydowanie dominowały powiaty leżące w województwach mazowieckim (12 powiatów, głównie w okolicach Warszawy) i zachodniopomorskim (10, głównie w powiatach nadmorskich). W grupie tej znalazło się również po 8 powiatów reprezentujących województwa śląskie i wielkopolskie, po 7 – dolnośląskie i pomorskie, po 4 – lubuskie oraz łódzkie, po 3 – kujawsko-pomorskie, małopolskie i podkarpackie, po 2 – lubelskie oraz podlaskie, i po 1 – opolskie, świętokrzyskie oraz warmińsko-mazurskie. ●● W drugiej zaś grupie kwintylowej najwięcej powiatów leżało w województwach wielkopolskim (12) i dolnośląskim (10). W grupie tej znalazło się również 9 powiatów z województwa śląskiego, 8 z zachodniopomorskiego, po 5 z lubuskiego, małopolskiego i pomorskiego, po 3 z województw kujawsko-pomorskiego, łódzkiego, mazowieckiego, opolskiego, podkarpackiego i warmińsko-mazurskiego, 2 ze świętokrzyskiego oraz po 1 powiecie leżącym w województwach lubelskim i podlaskim. Mapa 4.5. Przestrzenne zróżnicowanie REGON na 1000 mieszkańców w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Grupa kwintylowa o niskiej liczbie podmiotów REGON na 1000 mieszkańców złożona była z 12 powiatów reprezentujących województwo kujawsko-pomorskie, 11 – śląskie, 10 – warmińsko-mazurskie, 9 – mazowieckie, 5 – lubelskie, po 4 – dolnośląskie, podkarpackie, podlaskie i świętokrzyskie, po 3 – łódzkie i małopolskie, po 2 – opolskie, pomorskie i wielkopolskie, oraz 1 powiat leżący w województwie zachodniopomorskim. Warto również zauważyć, że w tej grupie kwintylowej, podobnie jak w piątej grupie kwintylowej, żaden powiat nie pochodził z województwa lubuskiego. ●● W grupie kwintylowej o najniższych wartościach badanej tu zmiennej makroekonomicznej dominowały powiaty reprezentujące województwa lubelskie i podkarpackie (po 14) oraz mazowieckie (11). Znalazło się tu także 9 powiatów leżących w województwie podlaskim, 6 w małopolskim, 5 w warmińsko-mazurskim, po 4 w łódzkim, świętokrzyskim i wielkopolskim, 2 w kujawsko-pomorskim, oraz po 1 powiecie położonym w województwach opolskim i śląskim. Do grupy tej nie zakwalifikował się żaden powiat leżący w województwach dolnośląskim, lubuskim, pomorskim oraz zachodniopomorskim. Tablica 4.13. Liczby powiatów w grupach kwintylowych ze względu REGON na 1000 mieszkańców w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 7 10 8 4 0 Kujawsko-pomorskie 3 3 3 12 2 Lubelskie 2 1 2 5 14 Lubuskie 4 5 5 0 0 Łódzkie 4 3 10 3 4 Małopolskie 3 5 5 3 6 Mazowieckie 12 3 7 9 11 Opolskie 1 3 5 2 1 Podkarpackie 3 3 1 4 14 Podlaskie 2 1 1 4 9 Pomorskie 7 5 6 2 0 Śląskie 8 9 7 11 1 Świętokrzyskie 1 2 3 4 4 Warmińsko-mazurskie 1 3 2 10 5 Wielkopolskie 8 12 9 2 4 Zachodniopomorskie 10 8 2 1 0 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Zdecydowanie najniższymi (poniżej 50 podmiotów REGON na 1000 mieszkańców) wartościami analizowanej zmiennej w latach 2002–2011 charakteryzowały się powiaty: łomżyński (podlaskie, 49,92), bialski podlaski (lubelskie, 49,91), strzyżowski (podkarpackie, 49,47), ostrołęcki (mazowieckie, 49,28), kolbuszowski (podkarpackie, 49,11), krasnostawski (lubelskie, 48,97), przeworski (podkarpackie, 48,17), przemyski (podkarpackie, 47,94), tarnowski (małopolskie, 47,47), lubaczowski (podkarpackie, 47,26), suwalski (podlaskie, 46,79), dąbrowski (małopolskie, 44,72), kazimierski (świętokrzyskie, 42,14) i chełmski (lubelskie, 38,04). ●● Współczynniki korelacji Pearsona pomiędzy liczbą podmiotów REGON na 1000 mieszkańców a badanymi uprzednio zmiennymi makroekonomicznymi były względnie niskie, gdyż wynosiły (odpowiednio) 0,332 (z produkcją sprzedaną na mieszkańca), 0,430 (z wartością brutto środków trwałych per capita), 0,344 (z inwestycjami na mieszkańca) oraz 0,398 (z płacami). Wynika to – jak się wydaje – stąd, że (po pierwsze) na atrakcyjnych turystycznie obszarach nadmorskich oraz w Bieszczadach8, na których występuje wysokie bezrobocie popegeerowskie, liczba podmiotów REGON jest wysoka oraz (po drugie) w Polsce wschodniej liczba owych podmiotów jest, na ogół, niższa niż w Polsce zachodniej. 8 Nie dotyczy to większości powiatów leżących również na atrakcyjnych turystycznie terenach województwa warmińsko-mazurskiego. Wykres 4.13. REGON na 1000 mieszkańców w powiatach grodzkich i ziemskich w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.14. REGON na 1000 mieszkańców w latach 2002–2011 w powiatach leżących na ziemiach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) i ziemiach włączonych do Polski w 1945 roku (W) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Na wykresie 4.13 zilustrowano liczbę podmiotów z REGON na 1000 mieszkańców w powiatach grodzkich i ziemskich, zaś na wykresie 4.14 – w powiatach byłych zaborów austriackiego, niemieckiego i rosyjskiego oraz na ziemiach włączonych do Polski w 1945 roku. W tablicy 4.14 zestawiono liczby powiatów w podziale na powiaty grodzkie i ziemskie oraz w podziale ze względów historycznych w kolejnych grupach kwintylowych. Z analizy wykresów 4.13–4.14 oraz tablicy 4.14 można wysnuć następujące wnioski: Tablica 4.14. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów ze względu na REGON na 1000 mieszkańców w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 42 14 5 3 1 Ziemskie 34 62 71 73 74 Ziemie byłego zaboru austriackiego 7 9 7 6 20 Ziemie byłego zaboru niemieckiego 12 20 16 18 3 Ziemie byłego zaboru rosyjskiego 28 13 27 31 46 Ziemie włączone do Polski w 1945 roku 29 34 26 21 6 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W powiatach ziemskich liczba podmiotów REGON na 1000 mieszkańców w latach 2002–2011 wynosiła średnio 68,9% wartości tej zmiennej w powiatach ziemskich. Warto jednak zauważyć, że udział ten wzrósł w latach 2002–2011 o 1,9 punktu procentowego z poziomu 67,5% w roku 2002 do 68,9% w 2011 roku. ●● W powiatach grodzkich liczba podmiotów REGON na 1000 mieszkańców wzrosła między rokiem 2002 a 2011 o 6,4%, w ziemskich zaś – o 9,4%. ●● Najwyższą liczbą podmiotów z REGON na 1000 mieszkańców w latach 2002–2011 charakteryzowały się powiaty leżące na ziemiach włączonych do Polski w 1945 roku (średnio 93,57). Może wynikać to stąd, że na ogół powiaty te charakteryzują się znacznie wyższymi stopami bezrobocia (niż pozostałe powiaty), względnie większa liczba osób (szczególnie na obszarach atrakcyjnych turystycznie) szuka więc swojej szansy na pracę przez samozatrudnienie. ●● Następne w kolejności, pod względem liczby podmiotów REGON na 1000 mieszkańców, były powiaty leżące na ziemiach byłego zaboru niemieckiego (87,30), rosyjskiego (77,79) i austriackiego (76,50). ●● Liczba podmiotów REGON na 1000 mieszkańców najszybciej rosła w latach 2002–2011 w powiatach ziem włączonych do Polski w 1945 roku (o 11,7%), następnie w powiatach byłego zaboru austriackiego (o 10,0%), niemieckiego (o 8,5%), i – najwolniej – rosyjskiego (5,5%). ●● Powiaty grodzkie najczęściej znajdowały się w grupie kwintylowej o najwyższej (42 powiaty) i wysokiej (14 powiatów) wartości badanej tu zmiennej. Jedynie 3 powiaty grodzkie znalazły się w grupie powiatów o niskiej liczbie podmiotów REGON na 1000 mieszkańców, 1 zaś (powiat Piekary Śląskie) był w grupie o kwintylowej najniższych wartościach owej zmiennej. ●● 20 (z 49) powiatów byłego zaboru austriackiego znalazło się w grupie kwintylowej o najniższych liczbach podmiotów REGON na 1000 mieszkańców, pozostałe zaś powiaty z tych ziem dość równomiernie rozłożyło się w pozostałych grupach kwintylowych. Tablica 4.15. Współczynniki korelacji pomiędzy wartościami REGON na 1000 mieszkańców i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,997 0,997 2003/2004 0,995 0,992 2004/2005 0,997 0,997 2005/2006 0,994 0,993 2006/2007 0,998 0,997 2007/2008 0,996 0,995 2008/2009 0,987 0,982 2009/2010 0,997 0,995 2010/2011 0,998 0,997 2002/2011 0,951 0,942 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.15. Współczynniki zmienności VS, Vd i VQ REGON na 1000 mieszkańców w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Najwięcej powiatów leżących na ziemiach byłego zaboru niemieckiego znalazło się w grupie kwintylowej o wysokich wartościach rozważanej tu zmiennej (20 powiatów), następne 18 powiatów – w grupie o jej niskich wartościach, 16 – średnich, 12 – najwyższych, i jedynie 3 powiaty były w grupie kwintylowej o niskiej liczbie podmiotów REGON na 1000 mieszkańców. ●● Powiaty z ziem byłego zaboru rosyjskiego najczęściej znajdowały się w piątej (46 powiatów) i czwartej (31 powiatów) grupie kwintylowej. Ponadto 28 powiatów (głównie z okolic Warszawy) należało do pierwszej grupy kwintylowej, 27 – do trzeciej, pozostałe zaś 13 powiatów było w drugiej grupie kwintylowej. ●● Powiaty z ziem włączonych do Polski w 1945 roku najczęściej znajdowały się w grupie kwintylowej o wysokich (34 powiaty) i najwyższych (29 powiatów) wartościach analizowanej tu zmiennej. 26 powiatów znalazło się w grupie kwintylowej o średnich wartościach owej zmiennej, 21 – w grupie o jej niskich wartościach a tylko 6 powiatów – w grupie kwintylowej o najniższej liczbie podmiotów REGON na 1000 mieszkańców. W tablicy 4.15 zestawiono współczynniki korelacji Pearsona pomiędzy wartościami badanej tu zmiennej i rangami powiatów w kolejnych latach oraz między rokiem 2002 a 2011. Z tablicy tej płynie wniosek, że przestrzenne zróżnicowanie liczby podmiotów REGON na 1000 mieszkańców było bardzo stabilne w czasie. Z wykresu 4.15 wynika, że liczba pomiotów REGON na 1000 mieszkańców w powiatach nie podlegała ani procesowi konwergencji, ani też dywergencji. 4.2.6. Stopy bezrobocia rejestrowanego Na mapie 4.6 oraz w tablicy 4.16 zilustrowano dane statystyczne opisujące przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w powiatach w latach 2002–2011. W tablicy 4.16 zestawione są liczby powiatów w kolejnych grupach kwintylowych ze względu na stopy bezrobocia rejestrowanego. Analizując przestrzenne zróżnicowanie owej zmiennej makroekonomicznej przeciętnie w latach 2002–2011 można wysnuć następujące wnioski (por. także: Rogut, Tokarski, 2001, 2007; Kwiatkowski, Tokarski, 2007; Tokarski, 2005a, 2005b, 2005c; Majchrowska, Mroczek, Tokarski, 2013; Mroczek, Tokarski, 2013): ●● Najwyższymi, przekraczającymi 30%, stopami bezrobocia rejestrowanego charakteryzowały się powiaty: szydłowiecki (województwo mazowieckie, 35,97%), braniewski (warmińsko-mazurskie, 35,05%), bartoszycki (warmińsko-mazurskie, 34,58%), łobeski (zachodniopomorskie, 34,39%), piski (warmińsko-mazurskie, 33,84%), białogardzki (zachodniopomorskie, 33,20%), węgorzewski (warmińsko-mazurskie, 32,99%), nowodworski gdański (pomorskie, 32,61%), świdwiński (zachodniopomorskie, 32,09%), drawski (zachodniopomorskie, 31,98%), krośnieński odrzański (lubuskie, 31,31%), choszczeński (30,79%), gołdapski (warmińsko-mazurskie, 30,71%), radomski (mazowieckie, 30,62%), gryficki (zachodniopomorskie, 30,57%), koszaliński (zachodniopomorskie, 30,49%), lidzbarski (warmińsko-mazurskie, 30,34%), szczecinecki (zachodniopomorskie, 30,23%) i kętrzyński (warmińsko-mazurskie, 30,11%). Są to głównie powiaty popegeerowskie. ●● W pierwszej grupie kwintylowej pod względem stóp bezrobocia rejestrowanego dominowały powiaty leżące w województwach popegeerowskich. Znajdowało się tam bowiem 17 powiatów leżących w województwie warmińsko-mazurskim, 14 – w zachodniopomorskim, 11 – w kujawsko-pomorskim, 10 – w dolnośląskim, 8 – w pomorskim, 5 – w mazowieckim, 4 – w lubuskim, 3 – w podkarpackim, oraz po 2 powiaty z województw opolskiego i świętokrzyskiego. Nie było tam zaś żadnego powiatu z województw lubelskiego, łódzkiego, małopolskiego, podlaskiego, śląskiego i wielkopolskiego. ●● W drugiej grupie kwintylowej najwięcej było powiatów z województw mazowieckiego (11) i kujawsko-pomorskiego (9). Do grupy tej należało również po 8 powiatów leżących w województwie podkarpackim, 7 – w dolnośląskim, 6 powiatów z województwa lubuskiego, po 5 powiatów z województw śląskiego i wielkopolskiego, po 4 – z lubelskiego i łódzkiego, po 3 – z małopolskiego i pomorskiego i świętokrzyskiego, oraz po 2 powiaty reprezentujące województwa opolskie, podlaskie, warmińsko-mazurskie i zachodniopomorskie. Mapa 4.6. Przestrzenne zróżnicowanie stóp bezrobocia w powiatach (w %, przeciętnie w latach 2002–2011) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W czwartej grupie kwintylowej najwięcej powiatów było z województwa śląskiego (11). Znalazło się tu także po 9 powiatów leżących w województwach lubelskim, łódzkim i wielkopolskim, 4 – w świętokrzyskim, po 3 reprezentowały województwa dolnośląskie, opolskie, podkarpackie i śląskie, po 2 powiaty – podlaskie i zachodniopomorskie, oraz 1 powiat z województwa lubuskiego. W grupie tej nie miały swoich reprezentantów województwa kujawsko-pomorskie i warmińsko-mazurskie. Tablica 4.16. Liczby powiatów w grupach kwintylowych stóp bezrobocia w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 10 7 6 3 3 Kujawsko-pomorskie 11 9 1 0 2 Lubelskie 0 4 8 9 3 Lubuskie 4 6 1 1 2 Łódzkie 0 4 6 9 5 Małopolskie 0 3 3 8 8 Mazowieckie 5 11 10 8 8 Opolskie 2 2 2 3 3 Podkarpackie 3 8 9 3 2 Podlaskie 0 2 6 2 7 Pomorskie 8 3 3 3 3 Śląskie 0 5 8 11 12 Świętokrzyskie 2 3 2 4 3 Warmińsko-mazurskie 17 2 1 0 1 Wielkopolskie 0 5 8 9 13 Zachodniopomorskie 14 2 2 2 1 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupie kwintylowej o najniższych stopach bezrobocia zdecydowanie dominowały powiaty leżące w województwach wielkopolskim (13) i śląskim (12). Do grupy tej należało też po 8 powiatów z województw małopolskiego i mazowieckiego, 7 – z podlaskiego, 5 – z łódzkiego, po 3 powiaty – z województw dolnośląskiego, lubelskiego, opolskiego, pomorskiego i świętokrzyskiego, po 2 – z kujawsko-pomorskiego, lubuskiego i podkarpackiego, oraz po 1 powiecie – z warmińsko-mazurskiego i zachodniopomorskiego. ●● Najniższe (niższe niż 10%) średnie stopy bezrobocia rejestrowanego w badanym przedziale czasu notowane były w powiatach: Tarnów (małopolskie, 9,93%), Rybnik (śląskie, 9,89%), oleskim (opolskie, 9,77%), Leszno (wielkopolskie, 9,63%), Gliwice (śląskie, 9,59%), nowotomyskim (wielkopolskie, 9,54%), wysokomazowieckim (podlaskie, 9,41%), skierniewickim (łódzkie, 9,13%), Bydgoszcz (kujawsko-pomorskie, 9,05%), grodziskim wielkopolskim (wielkopolskie, 9,00%), bielskim podlaskim (podlaskie, 8,95%), Tychy (śląskie, 8,94%), pszczyńskim (śląskie, 8,71%), grodziskim (mazowieckie, 8,61%), pruszkowskim (mazowieckie, 8,52%), siemiatyckim (podlaskie, 8,43%), wolsztyńskim (wielkopolskie, 8,41%), Rzeszów (podkarpackie, 8,19%), grójeckim (mazowieckie, 8,16%), warszawskim wschodnim (mazowieckie, 8,13%), Olsztyn (warmińsko-mazurskie, 8,12%), Wrocław (dolnośląskie, 7,97%), Opole (opolskie, 7,70%), piaseczyńskim (mazowieckie, 7,66%), Bielsko-Biała (śląskie, 7,64%), Krosno (podkarpackie, 7,50%), Gdańsk (pomorskie, 7,49%), bieruńsko-lędzińskim (śląskie, 7,44%), kępińskim (wielkopolskie, 6,94%), Gdynia (pomorskie, 6,47%), poznańskim (wielkopolskie, 6,09%), Kraków (małopolskie, 5,69%), Sopot (pomorskie, 5,42%), Katowice (śląskie, 5,33%), Poznań (wielkopolskie, 4,69%) i Warszawa (mazowieckie, 4,36%). ●● Z mapy 4.6 płyną również trzy następujące, bardziej ogólne wnioski. Po pierwsze, niższymi stopami bezrobocia rejestrowanego w latach 2002–2011 zazwyczaj charakteryzowały się powiaty leżące w dużych aglomeracjach miejskich (z wyjątkiem aglomeracji łódzkiej). Dzieje się tak dlatego, że aglomeracje te są centrami rozwoju ekonomicznego na poziomie ogólnokrajowym. Po drugie, w powiatach grodzkich stopy bezrobocia rejestrowanego były zazwyczaj niższe od otaczających je powiatów ziemskich, gdyż powiaty te są nadal centrami rozwoju ekonomicznego na poziomie regionalnym (np. Rzeszów) lub lokalnym (np. Krosno). Po trzecie, na skutek wysokiego bezrobocia ukrytego w rolnictwie stopy bezrobocia rejestrowanego na terenach rolniczych (leżących w większości w Polsce wschodniej) są zazwyczaj niższe od tych, które są notowane na terenach nierolniczych (szerzej zob. Kwiatkowski, Kucharski, Tokarski, 2004). ●● Warto również podkreślić, że przestrzenne zróżnicowanie stóp bezrobocia w Polsce w znacznej mierze różniło się od przestrzennego zróżnicowania analizowanych wcześniej zmiennych makroekonomicznych. Świadczą o tym współczynniki korelacji Pearsona między owymi stopami a i produkcją sprzedaną na mieszkańca (–0,363), wartością brutto środków trwałych per capita (–0,357), inwestycjami na mieszkańca (–0,364), płacami (–0,483) i liczbą podmiotów REGON na 1000 mieszkańców (–0,259). Omawiając przestrzenne zróżnicowanie polskiego bezrobocia, warto również spojrzeć na owo zjawisko w podziale powiatów na grodzkie i ziemskie oraz w podziale na powiaty leżące na ziemiach byłych zaborów austriackiego, rosyjskiego, niemieckiego oraz ziem włączonych do Polski w 1945 roku. Drugi z proponowanych tu podziałów wydaje się szczególnie istotny z punktu widzenia polskiego rynku pracy, gdyż – szczególnie w powiatach ziemskich – na terenach byłych zaborów austriackiego i rosyjskiego dominowało w 1989 roku nisko produktywne rolnictwo rodzinne, a na ziemiach byłego zaboru niemieckiego (w szczególności w Wielkopolsce) rolnictwo było znacznie lepiej rozwinięte niż na terenach zaboru austriackiego i rosyjskiego. Na terenach włączonych do Polski w 1945 roku utworzono PGR-y, które zlikwidowano na początku transformacji systemowej, co było, i jest nadal, przyczyną utrzymującego się tam wysokiego bezrobocia o charakterze strukturalnym. Dane statystyczne dotyczące stóp bezrobocia rejestrowanego w podziale na powiaty grodzkie i ziemskie oraz powiaty ziem byłych zaborów i ziem włączonych do Polski zestawione są na wykresach 4.16–4.17 oraz w tablicy 4.17. Z wykresów tych oraz tablicy wynika, że: ●● Zarówno w powiatach grodzkich, jak i ziemskich trajektorie stóp bezrobocia rejestrowanego przypominały te, które występowały w całej gospodarce polskiej. Wykres 4.16. Stopy bezrobocia rejestrowanego w powiatach grodzkich i ziemskich w latach 2002–2011 [%] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.17. Stopy bezrobocia rejestrowanego w powiatach byłego zaboru austriackiego (A), rosyjskiego (R), niemieckiego (N) oraz ziemiach włączonych do Polski w 1945 roku (W) w latach 2002–2011 [%] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W powiatach grodzkich stopy bezrobocia rejestrowanego w latach 2002–2011 były średnio o ok. 5,7 punktu procentowego niższe od tych, które notowano w powiatach ziemskich. Najmniejszą różnicę pomiędzy owymi stopami zanotowano w 2002 roku (3,7 punktu procentowego), największą zaś w roku 2003 i 2005 (6,5 punktu procentowego). Tablica 4.17. Liczby powiatów w grupach kwintylowych ze względu na typy powiatów z punktu widzenia stóp bezrobocia w latach 2002–2011 Typy powiatów Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Grodzkie 2 8 11 15 29 Ziemskie 74 68 65 60 47 Ziemie byłego zaboru austriackiego 3 11 12 12 11 Ziemie byłego zaboru rosyjskiego 9 33 37 37 29 Ziemie byłego zaboru niemieckiego 11 11 12 13 22 Ziemie włączone do Polski w 1945 roku 53 21 15 13 14 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty grodzkie w latach 2002–2011 należały głównie do grup kwintylowych o najniższych (29 powiatów) i niskich (15 powiatów) stopach bezrobocia. Powiaty ziemskie znajdowały się najczęściej w grupach kwintylowych o najwyższych (74 powiaty) i wysokich (68 powiatach) wartościach owej zmiennej makroekonomicznej. ●● Trajektorie stóp bezrobocia rejestrowanego w grupach powiatów utworzonych ze względów historycznych, były (kształtem) zbliżone do trajektorii stopy bezrobocia w Polsce. ●● Najwyższymi stopami bezrobocia rejestrowanego w latach 2002–2011 charakteryzowały się powiaty leżące na ziemiach włączonych do Polski w 1945 roku. Stopy bezrobocia w tych powiatach były przeciętnie o ok. 5,4 punktu procentowego wyższe od tych obserwowanych w powiatach byłego zaboru rosyjskiego, o ok. 5,9 punktu procentowego wyższe od powiatów byłego zaboru niemieckiego, i o ok. 6,0 punktu procentowego wyższe od powiatów byłego zaboru austriackiego. ●● Średnie stopy bezrobocia w analizowanym w opracowaniu przedziale czasu w powiatach ziem włączonych do Polski w 1945 roku wynosiły ok. 21,7%, w powiatach byłego zaboru rosyjskiego – 16,3%, austriackiego i niemieckiego – 15,7%. ●● Tylko 3 powiaty leżące na ziemiach byłego zaboru austriackiego znajdowały się w latach 2002–2011 w grupie kwintylowej o najwyższych stopach bezrobocia. Pozostałe 46 powiatów z tych ziem dość równomiernie rozłożyło się w pozostałych grupach kwintylowych. ●● Powiaty ziem byłego zaboru rosyjskiego w miarę równomiernie rozłożyły się w grupach kwintylowych o wysokich (33 powiaty), średnich (37 powiatów) i niskich (również 37 powiatów) stopach bezrobocia rejestrowanego. 27 powiatów z tej grupy powiatów znalazło się w grupie kwintylowej o najniższych stopach bezrobocia, 9 zaś powiatów – w grupie o najwyższych stopach bezrobocia. ●● 22 spośród 69 powiatów byłego zaboru niemieckiego należało w latach 2002–2011 do grupy kwintylowej o najniższych stopach bezrobocia, pozostałe powiaty leżące na tych ziemiach dość równomiernie rozłożyły się w pozostałych grupach kwintylowych. Tablica 4.18. Współczynniki korelacji pomiędzy stopami bezrobocia i rangami powiatów w latach 2002–2011 Lata Współczynniki korelacji między: Wartościami zmiennej Rangami 2002/2003 0,966 0,967 2003/2004 0,992 0,993 2004/2005 0,990 0,988 2005/2006 0,983 0,981 2006/2007 0,971 0,968 2007/2008 0,969 0,967 2008/2009 0,977 0,977 2009/2010 0,990 0,990 2010/2011 0,980 0,980 2002/2011 0,793 0,777 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 4.18. Współczynniki zmienności VS, Vd i VQ stóp bezrobocia w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Powiaty leżące na ziemiach włączonych do Polski w 1945 roku najczęściej znajdowały się w pierwszej grupie kwintylowej ze względu na stopy bezrobocia rejestrowanego (aż 53 powiaty). 21 powiatów należało do drugiej grupy kwintylowej, 15 – do trzeciej, 13 – do czwartej i 14 – powiatów do piątej grupy kwintylowej. W tablicy 4.18 zestawiono współczynniki korelacji między stopami bezrobocia w powiatach oraz ich rangami w kolejnych latach, a także pomiędzy rokiem 2002 i 2011. Z wartości zamieszczonych w tej tablicy wynika, że przestrzenne zróżnicowanie polskiego bezrobocia w latach 2002–2011 było stabilne. Ze zilustrowanych na wykresie 4.18 współczynników zmienności VS, Vd i VQ stóp bezrobocia wynika natomiast, że ta zmienna makroekonomiczna nie podlegała ani procesowi konwergencji, ani też dywergencji. 4.3. ODDZIAŁYWANIE CZYNNIKÓW INSTYTUCJONALNYCH, AGLOMERACYJNYCH, HISTORYCZNYCH I GEOGRAFICZNYCH NA PRZESTRZENNE ZRÓŻNICOWANIE PODSTAWOWYCH ZMIENNYCH MAKROEKONOMICZNYCH Analizując przestrzenne zróżnicowanie scharakteryzowanych uprzednio zmiennych makroekonomicznych w powiatach w latach 2002–2011, można dokonać prostego oszacowania parametrów równania regresji, w którym poziomy owych zmiennych zależne są od czynników administracyjnych (powiaty grodzkie i ziemskie), historycznych (powiaty ziem byłych zaborów oraz ziem włączonych do Polski w 1945 roku), geograficznych (odległość stolicy powiatu od stolicy województwa, w którym powiat leży, oraz od Warszawy) i demograficznych. Oddziaływanie czynników administracyjnych może wynikać stąd, że – jak wcześniej wspomniano – powiaty grodzkie stanowią zazwyczaj centra rozwoju ekonomicznego na poziomie ogólnokrajowych (np. Warszawa, Kraków, Poznań, Wrocław, Trójmiasto czy aglomeracja śląsko-dąbrowska), regionalnym (np. Rzeszów albo Kielce) bądź lokalnym (np. Tarnów lub Nowy Sącz). Oddziaływanie czynników historycznych można uzasadnić różną strukturą rolnictwa, która – w szczególności – różni ziemie włączone do Polski w 1945 roku od pozostałych ziem. Wpływ czynników geograficznych wynikać zaś może stąd, iż im dalej oddalony jest dany powiat od centrum rozwoju ogólnokrajowego (Warszawy) lub regionalnego (stolica województwa), tym niższy jest poziom aktywności ekonomicznej ludności tam mieszkającej. Oddziaływanie czynnika demograficznego może natomiast wynikać z tzw. efektu aglomeracji. Efekt ów polega na tym, że we współczesnych gospodarkach większość aktywności ekonomicznych koncentruje się w dużych aglomeracjach (szerzej zob. Gajewski, 2002, 2003, 2007). Ponieważ w Polsce aglomeracje znajdują się w powiatach o dużej liczbie ludności, zatem efekt aglomeracji mierzony będzie z prowadzonych dalej analizach statystycznych liczbą ludności w danym powiecie (por. np. Mroczek, Tokarski, 2013). Równanie opisujące wspomniane uprzednio determinanty analizowanych zmiennych w powiatach w latach 2002–2011 można zapisać następująco: , (4.1)9 gdzie: yit oznacza wartość zmiennej objaśniane w powiecie i (i=1, 2, …, 379) w roku t (t = 2002, 2003, …, 2011), t – zmienna przyjmująca wartości 2002, 2003, …, 2011 w kolejnych latach, Gi – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy i-ty powiat jest powiatem grodzkim, 0 w pozostałych przypadkach, Ai – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w monarchii austro-węgierskiej, 0 w pozostałych przypadkach, Ri – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w cesarstwie rosyjskim, 0 w pozostałych przypadkach, Ni – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w cesarstwie niemieckim, 0 w pozostałych przypadkach10, Si – odległość drogowa (wyrażona w km) stolicy i-tego powiatu od stolicy województwa, w którym powiat ten leży, Wi – odległość drogowa (wyrażona w km) stolicy i-tego powiatu od Warszawy, Pi – przeciętna liczba ludności w powiecie i w roku t (w tys. osób). Parametry interpretuje się ekonomicznie następująco: α – stała, która nie ma bezpośredniej interpretacji ekonomicznej, g – stopa wzrostu badanej zmiennej powstała na skutek działania czynników nieuwzględnionych w równaniu (4.1), αG – odchylenie (wyrażone w procentach) badanych zmiennych w powiatach grodzkich od wartości owych zmiennych w powiatach ziemskich, βA, βR oraz βN – przeciętne odchylenie (wyrażone w procentach) wartości zmiennych zależnych na ziemiach byłego zaboru austriackiego, rosyjskiego i niemieckiego od tych, które były notowane na ziemiach włączonych do Polski w 1945 roku. Ponieważ przy warunku ceteris paribus:  9 W równaniu (4.1) bierze się pod uwagę wyrażenia ln(1 + Si) oraz ln(1 + Wi) z tego względu, iż jeśli weźmie się funkcję to: oraz: Wynika stąd, że jeśli wartość zmiennej x rośnie od 0 do +∞, to wartości funkcji f(x) rosną coraz wolniej od 0 do +∞. 10 Płynie stąd wniosek, że powiatami bazowymi, z historycznego punktu widzenia, są powiaty, których stolice zostały włączone do Polski w 1945 roku. oraz: zatem parametry γS i γW oznaczają (wyrażone w procentach) przyrosty lokalnych wartości badanych zmiennych dlnyit powstałe na skutek wzrostu oddalenia stolicy i-tego województwa od stolicy województwa i Warszawy o 1% (czyli o dSi/Si i dWi/Wi). Parametr δ jest zaś elastycznością badanej zmiennej zależnej względem liczby ludności. W przypadku stóp bezrobocia rejestrowanego w powiatach oszacowano parametry równania danego wzorem: , (4.2) gdzie uit to stopa bezrobocia w powiecie i w roku t. Różnica w interpretacji ekonomicznej parametrów równań (4.1–4.2) sprowadza się do tego, że w przypadku równania (4.2) przyrosty wartości zmiennej zależnej wyrażone są w punktach procentowych, nie zaś w procentach. Parametry równań (4.1–4.2) oszacowano metodą najmniejszych kwadratów (MNK). Parametry te zestawione są w tablicy 4.19. Ponadto oszacowano także parametry funkcji logitowej danej wzorem: , (4.3) gdzie h(x1,x2, …, xn) jest pewną funkcją n zmiennych objaśniających. Funkcja logitowa L(h) charakteryzuje się tym, że: (i) jej dziedziną jest zbiór liczb rzeczywistych R, (ii) (iii) (iv) a zatem funkcja ta jest funkcją rosnącą w całej swojej dziedzinie, (v) co powoduje, że dla każdego h < 0 zaś dla h > 0 czyli dla h ujemnych (dodatnich) funkcja ligotowa L(h) jest wypukła (wklęsła), (vi) Kształt owej funkcji przedstawiono na wykresie 4.19. Wykres 4.19. Krzywa logitowa Różniczkując funkcję logitową (4.3) względem xi (dla i = 1,2, …, n) okazuje się, że: skąd płynie wniosek, że jeśli pochodna cząstkowa ∂h / ∂xi jest dodatnia (ujemna), to również pochodna ∂L / ∂xi jest dodatnia (ujemna). Analizując determinanty przestrzennego zróżnicowania badanych zmiennych w latach 2002–2011 wykorzystano funkcję logitową daną wzorem: (4.4) gdzie: w przypadku stopy bezrobocia lub: w przypadku pozostałych zmiennych. Parametry równania (4.4) oszacowano nieliniową MNK (NMNK), korzystając z procedury Marquardta. Parametry te zestawione są w tablicy 4.20. Z oszacowań w tablicach 4.19–4.20 wynika, że11: 11 Każdy z wyciągniętych tu wniosków wymaga założenia ceteris paribus. Tablica 4.19. Oszacowane parametry równań (4.1–4.2) Zmienna objaśniająca Zmienna objaśniana Produkcja sprzedana per capita Wartość brutto środków trwałych na mieszkańca Inwestycje per capita Płace REGON na 1000 mieszkańców Stopa bezrobocia Stała –97,545*** (–11,678) –75,345*** (–11,193) –157,176*** (–21,324) –53,340*** (–42,768) –14,442*** (–5,807) 0,261*** (14,299) t 0,0489*** (11,745) 0,0382*** (11,390) 0,0781*** (21,274) 0,0305*** (49,066) 0,00941*** (7,592) – G 0,284*** (8,120) 0,765*** (27,146) 0,496*** (16,082) 0,103*** (19,751) 0,305*** (29,294) –0,0339*** (–10,638) A –0,350*** (–8,677) –0,381*** (–11,691) –0,375*** (–10,513) –0,0553*** (–9,175) –0,267*** (–22,220) –0,0505*** (–13,714) R –0,259*** (–6,947) –0,347*** (–11,549) –0,438*** (–13,321) –0,0492*** (–8,840) –0,259*** (–23,278) –0,0502*** (–14,776) N 0,181*** (5,044) –0,0790*** (–2,730) –0,00704 (–0,222) –0,0476*** (–8,882) –0,119*** (–11,108) –0,0514*** (–15,687) ln(1 + S) 0,0161 (1,358) 0,000731 (0,0766) –0,0173* (–1,653) –0,0105*** (–5,937) –0,0129*** (–3,665) 0,00900*** (8,331) ln(1 + W) –0,0967*** (–4,221) –0,0819*** (–4,435) –0,153*** (–7,561) –0,0406*** (–11851) –0,0582*** (–8,531) 0,00224 (1,073) lnP 0,538*** (20,263) 0,449*** (21,007) 0,408*** (17,447) 0,0599*** (15,131) 0,0969*** (12,266) –0,0205*** (–8,455) R2 Skor. R2 0,246 0,245 0,405 0,404 0,342 0,341 0,524 0,523 0,414 0,413 0,243 0,241 Liczba obserwacji 3790 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. ●● Zarówno oszacowania funkcji (4.1), jak i funkcji logitowej (4.4) wskazują, że zmienna czasowa istotnie statystycznie (na 1% poziomie istotności) oddziaływała na wartości produkcji sprzedanej na mieszkańca, wartości brutto środków trwałych per capita, inwestycji na mieszkańca, płac i liczby podmiotów REGON na 1000 mieszkańców. Co więcej, z oszacowań w tablicy 4.19 można wysnuć wniosek, że z roku na rok zmienne te rosły przeciętnie między 0,9% (w przypadku liczby podmiotów REGON na 1000 mieszkańców) a 7,8% (w przypadku inwestycji na mieszkańca). ●● W powiatach grodzkich pięć pierwszych z analizowanych uprzednio zmiennych makroekonomicznych było istotnie statystycznie wyższych niż ziemskie, a stopy bezrobocia były wyższe w powiatach ziemskich. Tablica 4.20. Oszacowane parametry równania (4.4) Zmienna objaśniająca Zmienna objaśniana Produkcja sprzedana per capita Wartość brutto środków trwałych na mieszkańca Inwestycje per capita Płace REGON na tysiąc mieszkańców Stopa bezrobocia Stała –113,959*** (–12,418) –91,673*** (–11,125) –164,685*** (–21,82) –102,493*** (–42,244) –30,054*** (–7,605) –1,339*** (–9,908) t 0,0544*** (11,897) 0,0438*** (10,656) 0,0796*** (21,169) 0,0509*** (42,088) 0,0153*** (7,503) – G 0,330*** (8,607) 0,908*** (26,349) 0,507*** (16,077) 0,181*** (17,844) 0,532*** (31,134) –0,283*** (–11,999) A –0,364*** (–8,209) –0,450*** (–11,289) –0,383*** (–10,504) –0,105*** (–8,975) –0,427*** (–21,621) –0,283*** (–10,372) R –0,274*** (–6,700) –0,409*** (–11,135) –0,446*** (–13,254) –0,0958*** (–8,859) –0,434*** (–23,856) –0,247*** (–9,836) N 0,189*** (4,799) –0,122*** (–3,455) –0,00919 (–0,283) –0,0826*** (–7,927) –0,218*** (–12,438) –0,350*** (–14,462) ln(1 + S) 0,0160 (1,227) 0,00626 (0,536) –0,0183* (–1,715) –0,0171*** (–4,962) –0,0272*** (–4,697) 0,0804*** (10,065) ln(1 + W) –0,101*** (–4,002) –0,125*** (–5,516) –0,157*** (–7,590) –0,0786*** (–11,811) –0,114*** (–10,167) 0,0580*** (3,748) lnP 0,581*** (19,948) 0,534*** (20,418) 0,4155*** (17,339) 0,109*** (14,194) 0,158*** (12,162) –0,155*** (–8,637) Oszacowane θ 192,934 180,07 100 6501,4 238,109 1 R2 Skor. R2 0,245 0,243 0,386 0,385 0,340 0,339 0,462 0,461 0,432 0,431 0,251 0,249 Liczba obserwacji 3790 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. ●● W powiatach leżących na ziemiach byłych zaborów austriackiego i rosyjskiego każda z analizowanych zmiennych była istotnie statystycznie niższa niż na ziemiach włączonych do Polski w 1945 roku. ●● W powiatach leżących na ziemiach byłego zaboru niemieckiego produkcja sprzedana była istotnie statystycznie wyższa, pozostałe zaś zmienne poza inwestycjami na mieszkańca – istotnie niższe niż na ziemiach włączonych do Polski w 1945 roku. ●● Zarówno w przypadku oszacowań funkcji (4.1–4.2), jak i funkcji logitowej (4.4), odległość stolicy powiatu od stolicy województwa najsilniej oddziaływała na przestrzenne zróżnicowanie stóp bezrobocia. Im dalej od stolicy województwa leżała stolica danego powiatu, tym na ogół wyższymi stopami bezrobocia się on charakteryzował. Ponadto odległość ta oddziaływała istotnie statystycznie na płace i liczbę podmiotów REGON na 1000 mieszkańców na 1% poziomie istotności oraz na inwestycje na mieszkańca na 10% poziomie istotności. Kierunek oddziaływania tej odległości na wspomniane wyżej zmienne był przeciwny do kierunku oddziaływania na lokalne stopy bezrobocia. ●● Odległość stolicy powiatu od Warszawy istotnie statystycznie ujemnie oddziaływała na każdą z analizowanych zmiennych poza stopą bezrobocia. Na stopę bezrobocia oddziaływała ona istotnie, dodatnio w przypadku funkcji logitowej oraz nieistotnie w przypadku oszacowań parametrów funkcji (4.2). ●● Efekt aglomeracji, mierzony liczbą ludności w powiecie, wpływał zaś istotnie statystycznie, dodatnio, na każdą z badanych zmiennych poza stopą bezrobocia. Na stopę tę oddziaływał on natomiast ujemnie i istotnie statystycznie. ●● Zmienne wyspecyfikowane w równaniach (4.1–4.2) oraz (4.4) objaśniały przestrzenne zróżnicowanie analizowanych zmiennych w odpowiednio 24,5% i 24,3% w przypadku produkcji sprzedanej per capita, 40,4% i 38,5% przy wartości brutto środków trwałych na mieszkańca, 34,1% i 33,9% w przypadku inwestycji na mieszkańca, 52,3% i 46,1% dla płac, 41,3% i 43,1% przy liczbie podmiotów REGON na 1000 mieszkańców oraz 24,1% i 24,9% w przypadku stóp bezrobocia. 4.4. PODSUMOWANIE Prowadzone w rozdziale czwartym rozważania można podsumować następująco: I. Przestrzenne zróżnicowanie produkcji sprzedanej przedsiębiorstw na mieszkańca, wartości brutto środków trwałych per capita, inwestycji na mieszkańca i – w znacznej mierze – płac w Polsce w latach 2002–2011 było zbliżone do siebie. Najwyższymi wartościami owych zmiennych makroekonomicznych charakteryzowały się zazwyczaj powiaty leżące w dużych aglomeracjach miejskich oraz w powiatach grodzkich. Ponadto w powiatach leżących na wschód od Wisły wartości owych zmiennych makroekonomicznych na ogół były niższe niż w powiatach leżących na zachód od rzeki. Istotnie statystycznie, ujemnie, na wartości tych zmiennych oddziaływała odległość stolicy powiatu od Warszawy oraz – w mniejszym stopniu – od stolicy województwa, w którym powiat leżał. II. Płynie stąd wniosek, że na kształtowanie się owych zmiennych bardzo istotny wpływ ma rozwój sieciowy, w którym jest kilka ośrodków o znaczeniu ogólnokrajowym (aglomeracja warszawska, krakowska, poznańska, wrocławska, trójmiejska i – w pewnym stopniu – łódzka), kilkanaście o znaczeniu regionalnym (stolice województw) oraz kilkadziesiąt – o znaczeniu lokalnym (powiaty grodzkie). III. Nieco inaczej, od zróżnicowania produkcji sprzedanej przedsiębiorstw na mieszkańca, wartości brutto środków trwałych per capita, inwestycji na mieszkańca i płac, kształtowało się przestrzenne zróżnicowanie liczby podmiotów REGON na 1000 mieszkańców. Najwyższymi wartościami owej zmiennej w latach 2002–2011 charakteryzowały się zazwyczaj powiaty leżące w dużych aglomeracjach miejskich oraz powiaty leżące na ziemiach włączonych do Polski w 1945 roku (poza województwem warmińsko-mazurskim). Powiaty leżące w Polsce wschodniej (mniej więcej na wschód od Wisły) cechowały się natomiast znacznie niższymi wartościami owej zmiennej od powiatów leżących w Polsce zachodniej. IV. Analizując przestrzenne zróżnicowanie bezrobocia na poziomie lokalnym można wyodrębnić cztery następujące grupy powiatów: (1) Powiaty leżące w dużych aglomeracjach miejskich oraz powiaty grodzkie, stanowiące centra rozwoju ogólnokrajowego, regionalnego lub lokalnego, w których bezrobocie jest na względnie niskim poziomie. (2) Powiaty postindustrialne (np. Radom, Tarnobrzeg, powiaty skarżyski czy starachowicki) z ich najbliższym otoczeniem, gdzie występuje wysokie bezrobocie strukturalne. (3) Powiaty popegeerowskie (leżące głównie na ziemiach włączonych do Polski w 1945 roku) również o wysokim bezrobociu strukturalnym. (4) Powiaty ziemskie leżące na terenach rolniczych (szczególnie w Polsce wschodniej), w których notowane jest niskie bezrobocie jawne połączone z wysokim bezrobociem ukrytym w rolnictwie. Aneks 4.1. Liczby powiatów w poszczególnych województwach według typów powiatów pod względem przynależności do zaborów Województwo Typ powiatu Z zaboru austriackiego Z zaboru niemieckiego Z zaboru rosyjskiego Z ziem włączonych do Polski w 1945 roku Dolnośląskie 0 0 0 29 Kujawsko-pomorskie 0 17 6 0 Lubelskie 0 0 24 0 Lubuskie 0 0 0 14 Łódzkie 0 0 24 0 Małopolskie 19 0 3 0 Mazowieckie 0 0 42 0 Opolskie 0 0 0 12 Podkarpackie 25 0 0 0 Podlaskie 0 0 17 0 Pomorskie 0 8 0 12 Śląskie 5 18 8 5 Świętokrzyskie 0 0 14 0 Warmińsko-mazurskie 0 1 0 20 Wielkopolskie 0 25 7 3 Zachodniopomorskie 0 0 0 21 Razem powiatów: 49 69 145 116 BIBLIOGRAFIA Adamczyk A., Tokarski T., Włodarczyk R.W. (2009), Przestrzenne zróżnicowanie płac w Polsce, „Gospodarka Narodowa” nr 9. Gajewski P. (2002), Regionalne zróżnicowanie poziomu rozwoju gospodarczego Polski w latach dziewięćdziesiątych, praca magisterska napisana pod kierunkiem E. Kwiatkowskiego, Instytut Ekonomii Uniwersytetu Łódzkiego. Gajewski P. (2003), Zróżnicowanie rozwoju gospodarczego w latach 90., „Wiadomości Statystyczne” nr 11. Gajewski P. (2007), Konwergencja regionalna w Polsce, praca doktorska napisana pod kierunkiem T. Tokarskiego w Instytucie Ekonomii Uniwersytetu Łódzkiego Jabłoński Ł., Tokarski T. (2012), Taksonomiczne wskaźniki przestrzennego zróżnicowania rozwoju powiatów, „Studia Prawno-Ekonomiczne”, tom LXXXI, Łódzkie Towarzystwo Naukowe, Łódź. Kwiatkowski E., Kucharski L., Tokarski T. (2004), Makroekonomiczne skutki nadzatrudnienia w rolnictwie polskim, w: Zarządzanie zasobami ludzkimi w warunkach nowej gospodarki, red. Z. Wiśniewski, A. Pocztowski, Oficyna Ekonomiczna, Kraków. Kwiatkowski E., Tokarski T. (2007), Bezrobocie regionalne w Polsce w latach 1995–2005, „Ekonomista” nr 4. Majchrowska A., Mroczek K., Tokarski T. (2013), Przestrzenne zróżnicowanie stóp bezrobocia rejestrowanego w latach 2002–2011, tekst przesłany do redakcji „Gospodarki Narodowej”. Mroczek K., Tokarski T. (2013), Przestrzenne zróżnicowanie polskiego bezrobocia, referat prezentowany na konferencji Instytutu Ekonomii i Administracji Uniwersytetu Jana Kochanowskiego w Kielcach, maj 2013, Borków k. Kielc. Rogut A., Tokarski T. (2001), Regional Diversity of Wages in Poland in 90’s, „International Review of Economics and Business” vol. XLVIII, no. 4 December. Rogut A., Tokarski T. (2007), Determinanty regionalnego zróżnicowania płac w Polsce, „Ekonomista” nr 1/. Szewczyk M.W., Tokarski T. (2012), Taksonomiczne wskaźniki rozwoju ekonomicznego województw i powiatów, referat prezentowany na konferencji Wzrost gospodarczy – rynek pracy – innowacyjność gospodarki organizowanej przez Katedrę Makroekonomii i Katedrę Mikroekonomii Uniwersytetu Łódzkiego w czerwcu 2012 roku. Tokarski T. (2005a) O zróżnicowaniu rozwoju ekonomicznego polskich regionów i podregionów, „Studia Prawno-Ekonomiczne” t. LXXI. Tokarski T. (2005b) Regionalne zróżnicowanie rynku pracy, „Wiadomości Statystyczne” nr 11. Tokarski T. (2005c) Statystyczna analiza regionalnego zróżnicowania wydajności pracy, zatrudnienia i bezrobocia w Polsce, Wydawnictwo Polskiego Towarzystwa Ekonomicznego, Warszawa. Tokarski T. (2009), Matematyczne modele wzrostu gospodarczego, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Tokarski T. (2013), Zróżnicowanie podstawowych zmiennych makroekonomicznych w powiatach, w: Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, red. M. Trojak, T. Tokarski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Trojak M., Tokarski T. (red.) (2013), Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Wiśniewski Z., Pocztowski A. (red.) (2004), Zarządzanie zasobami ludzkimi w warunkach nowej gospodarki, Oficyna Ekonomiczna, Kraków. 140 141 5 TAKSONOMICZNE WSKAŹNIKI ROZWOJU EKONOMICZNEGO WOJEWÓDZTW I POWIATÓW1 (Piotr Kościelniak, Marek W. Szewczyk, Tomasz Tokarski) 5.1. WPROWADZENIE Celem rozdziału piątego są analizy przestrzennego zróżnicowania rozwoju ekonomicznego województw i powiatów w latach 2002–2011 z wykorzystaniem taksonomicznych wskaźników owego rozwoju. Struktura rozdziału piątego przedstawia się następująco. W podrozdziale 5.2 zdefiniowano wykorzystane dalej wskaźniki taksonomiczne. Podrozdział 5.3 zawiera opis przestrzennego zróżnicowania taksonomicznych wskaźników rozwoju ekonomicznego województw. W podrozdziale 5.4 znajdują się takie same analizy dotyczące powiatów. W punkcie 5.5 natomiast, podobnie jak w podrozdziale 4.3 w rozdziale czwartym, taksonomiczne wskaźniki rozwoju ekonomicznego powiatów uzależnia się od czynników instytucjonalnych, aglomeracyjnych, historycznych i geograficznych. Rozdział kończy punkt 5.6, w którym znajduje się podsumowanie prowadzonych w nim rozważań oraz ważniejsze wnioski zeń płynące. 5.2. TAKSONOMICZNE WSKAŹNIKI ROZWOJU EKONOMICZNEGO W prowadzonych dalej analizach przestrzennego zróżnicowania rozwoju ekonomicznego województw wykorzystano trzy następujące wskaźniki taksonomiczne: wskaźnik oparty na odległości euklidesowej (dalej OE), odległości miejskiej (OM) oraz wskaźnik maksymalizujący sumę współczynników korelacji pomiędzy jego składowymi a wskaźnikiem (SK)2. W prowadzonych dalej prostych analizach taksonomicznych wykorzystaną następującą procedurę: 1 Podjęte w rozdziale piątym analizy stanowią kontynuację rozważań prowadzonych w pracy: Dykas, Kościelniak, Tokarski, Kraków 2013. 2 Tego typu wskaźniki taksonomicznego rozwoju województw i/lub powiatów wykorzystane były w pracach: Edigarian, Kościelniak, Tokarski, Trojak, 2011; Dykas, Kościelniak, Tokarski, 2013. Alternatywne metody analiz taksonomicznych przedstawione są m.in. w pracach: Berbek, 1999; Majewski, 1999; Tokarski, Gabryjelska, Krajewski, Mackiewicz, 1999; Gajewski, 2002; Gajewski, 2003. I. Określono zbiór stymulant i destymulant. W zbiorze tym stymulantami rozwoju ekonomicznego są: produkcja sprzedana na mieszkańca, wartość brutto środków trwałych per capita, inwestycje na mieszkańca, płace oraz liczba podmiotów w rejestrze REGON na 1000 mieszkańców a destymulantą jest stopa bezrobocia. II. Destymulantę zamieniono na stymulantę, licząc jej odwrotność. III. Uzyskane w ten sposób stymulanty (produkcję sprzedaną na mieszkańca, wartość brutto środków trwałych per capita, inwestycje na mieszkańca, płace, liczbę podmiotów REGON na 1000 mieszkańców oraz odwrotność stopy bezrobocia) wystandaryzowano zgodnie z równaniem: (5.1) gdzie indeksy i odnoszą się do województw (lub powiatów), j-stymulant, t-lat, a xijt to wartość j-tej stymulanty w i-tym województwie (powiecie) w roku t, sijt oznacza natomiast wartość wystandaryzowanej j-tej stymulanty w i-tym województwie (powiecie) w roku t. Wystandaryzowane stymulanty sijt, określone przez równanie (5.1), charakteryzują się tym, że wartość każdej z nich należy do przedziału [0; 1]. Wartość 1 oznacza, że w i-tym województwie (powiecie) w roku t j-ta stymulanta uzyskała maksymalną wartość wśród województw (powiatów) w całym rozważanym przedziale czasu. Wartość owej stymulanty równa 0 równoznaczna jest z tym, że w i-tym województwie (powiecie) w roku t j-ta stymulanta uzyskała minimalną możliwą wartość. IV. Następnie policzono wskaźniki rozwoju ekonomicznego oparte na odległości w przestrzeni euklidesowej: (5.2) oraz w przestrzeni miejskiej: (5.3) Wskaźniki taksonomiczne (5.2–5.3) mierzą sprowadzoną do przedziału [0; 1] odległości w przestrzeni euklidesowej oraz miejskiej i-tego województwa (powiatu) w roku t od hipotetycznego województwa (wzorca) powiatu (wzorca), tj. takiego województwa (powiatu), który charakteryzowałby się maksymalną wartością każdej z badanych stymulant. Gdyby wartość wskaźnika (5.2) lub (5.3) była równa 0, to dane województwo (powiat) charakteryzowałoby się maksymalną wartością każdej z badanych stymulant. Im wyższa jest zaś wartość owego wskaźnika, tym niższy jest poziom rozwoju ekonomicznego danego województwa (powiatu). Policzono ponadto taksonomiczne wskaźniki rozwoju ekonomicznego SK określone wzorem: (5.4) gdzie: Wagi ωj we wskaźniku (5.4) wyznaczono numerycznie (metodą Monte Carlo) tak, by maksymalizować sumę współczynników korelacji Pearsona pomiędzy wskaźnikiem SKit a wystandaryzowanymi stymulantami sijt. Wyznaczone wagi oraz współczynniki korelacji pomiędzy wskaźnikiem a stymulantami, dla województw i powiatów, zestawiono w tablicy 5.1. Taksonomiczne wskaźniki rozwoju ekonomicznego (5.4) mogą należeć do przedziału [0; 1]. Wartości zbliżone do jedności oznaczają, że i-te województwo (powiat) w roku t zbliżone jest do województwa (wzorca). Im niższa jest zaś wartość owych wskaźników, tym niższym poziomem rozwoju ekonomicznego charakteryzuje się dane województwo (powiat) w danym roku. Tablica 5.1. Oszacowane wagi wskaźnika SK oraz współczynniki korelacji Pearsona pomiędzy stymulantami a wskaźnikiem Stymulanta Województwa Powiaty Waga Współczynnik korelacji Waga Współczynnik korelacji Produkcja sprzedana na mieszkańca 0,1327 0,8753 0,1723 0,7765 Wartość brutto środków trwałych na mieszkańca 0,1491 0,9148 0,1147 0,8488 Inwestycje na mieszkańca 0,1394 0,9353 0,1980 0,8104 Płace 0,2405 0,9190 0,1978 0,7872 Podmioty REGON na 1000 mieszkańców 0,1869 0,7258 0,1255 0,6372 1/stopa bezrobocia rejestrowanego 0,1514 0,7225 0,1918 0,6864 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). 5.3. WSKAŹNIKI ROZWOJU EKONOMICZNEGO WOJEWÓDZTW W tablicy 5.2 zestawiono średnie wartości taksonomicznych wskaźników rozwoju ekonomicznego województw w latach 2002–2012 w kolejnych grupach kwartylowych3. Z zestawionych w tablicy 5.2 grup kwartylowych taksonomicznych wskaźników rozwoju ekonomicznego województw wynika, że: 3 W tablicy tej w pierwszej grupie kwartylowej znajdują się województwa o najniższych wartościach wskaźników OE i OM oraz o najwyższych wartościach wskaźnika SK. Dlatego w pierwszej grupie kwartylowej znaleźć można najlepiej rozwinięte województwa, w ostatniej zaś – najgorzej rozwinięte (ze względu na każdy z analizowanych wskaźników). ●● Zdecydowanie najwyższym poziomem rozwoju ekonomicznego w latach 2002–2011, mierzonym każdym z wykorzystanych wskaźników taksonomicznych, charakteryzowało się województwo mazowieckie. ●● W grupie 25% powiatów o najwyższym poziomie rozwoju ekonomicznego znalazły się województwa śląskie, wielkopolskie i dolnośląskie. ●● Druga grupa kwartylowa ze względu na analizowane tu wskaźniki taksonomiczne złożona była z województw: pomorskiego, łódzkiego, małopolskiego i opolskiego (w przypadku wskaźnika OE), lub pomorskiego, łódzkiego, małopolskiego oraz zachodniopomorskiego (w przypadku dwóch pozostałych analizowanych wskaźników rozwoju ekonomicznego). Tablica 5.2. Grupy kwartylowe taksonomicznych wskaźników rozwoju ekonomicznego województw Grupa kwartylowa Wskaźnik taksonomiczny OE OM SK Pierwsza mazowieckie (0,2392) śląskie (0,3820) wielkopolskie (0,4177) dolnośląskie (0,4374 mazowieckie (0,1991) śląskie (0,3580) wielkopolskie (0,3939) dolnośląskie (0,4133) mazowieckie (0,8175) śląskie (0,6526) wielkopolskie (0,6183) dolnośląskie (0,6087) Druga pomorskie (0,4479) łódzkie (0,5058) małopolskie (0,5167) opolskie (0,5186) pomorskie (0,4201) łódzkie (0,4891) małopolskie (0,4925) zachodniopomorskie (0,4996) pomorskie (0,6023) zachodniopomorskie (0,5357) małopolskie (0,5329) łódzkie (0,5317) Trzecia lubuskie (0,5360) kujawsko-pomorskie (0,5455) zachodniopomorskie (0,5515) świętokrzyskie (0,5848) opolskie (0,5006) lubuskie (0,515) kujawsko-pomorskie (0,5271) świętokrzyskie (0,5666) opolskie (0,5228) lubuskie (0,5125) kujawsko-pomorskie (0,4954) świętokrzyskie (0,4609) Czwarta podlaskie (0,6068) podkarpackie (0,6095) warmińsko-mazurskie (0,6227) lubelskie (0,6349) podlaskie (0,5850) podkarpackie (0,5971) warmińsko-mazurskie (0,6038) lubelskie (0,6132) podlaskie (0,4454) podkarpackie (0,4279) warmińsko-mazurskie (0,4254) lubelskie (0,4194) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupie 25% województw o niskim poziomie rozwoju ekonomicznego znalazły się województwa: lubuskie, kujawsko-pomorskie, zachodniopomorskie i świętokrzyskie (w przypadku wskaźnika OE), lub opolskie, lubuskie, kujawsko-pomorskie i świętokrzyskie (w przypadku wskaźników OM i SK). ●● Czwarta grupa kwartylowa – w przypadku każdego z rozważanych wskaźników – złożona była z czterech województw Polski wschodniej, tj. z województw: podlaskiego, podkarpackiego, warmińsko-mazurskiego oraz lubelskiego. ●● Współczynniki korelacji Pearsona pomiędzy średnimi wartościami taksonomicznych wskaźników rozwoju ekonomicznego województw przekraczają, co do modułu, 0,99 (por. tablica 5.4). Świadczy to o tym, że każdy z analizowanych wskaźników rozwoju ekonomicznego wskazuje na podobną klasyfikację rozwoju województw. W tablicy 5.3 zestawiono względne zmiany taksonomicznych wskaźników rozwoju ekonomicznego województw pomiędzy 2002 a 2011 rokiem4. Na wykresach 5.1–5.3 zilustrowane są natomiast korelogramy zależności zachodzących pomiędzy względnymi zmianami owych wskaźników a ich wartościami w roku 2002. Z tablicy 5.3 oraz z wykresów 5.1–5.3 można wysnuć następujące wnioski: Tablica 5.3. Względne zmiany taksonomicznych wskaźników rozwoju ekonomicznego województw w latach 2002–2011 Grupa kwartylowa Wskaźnik OE OM SK Województwo Względna zmiana [w %] Województwo Względna zmiana [w %] Województwo Względna zmiana [w %] Pierwsza mazowieckie śląskie dolnośląskie wielkopolskie –53,5 –39,5 –39,2 –36,6 mazowieckie śląskie dolnośląskie wielkopolskie –65,6 –45,5 –39,8 –39,2 dolnośląskie śląskie wielkopolskie pomorskie 41,4 39,2 38,9 37,0 Druga pomorskie łódzkie lubuskie małopolskie –32,8 –27,8 –27,0 –24,2 pomorskie łódzkie lubuskie małopolskie –35,5 –27,3 –27,2 –25,9 lubuskie łódzkie małopolskie lubelskie 36,5 35,2 33,0 32,9 Trzecia opolskie kujawsko-pomorskie zachodniopomorskie świętokrzyskie –23,1 –21,0 –18,8 –18,6 opolskie zachodniopomorskie kujawsko-pomorskie świętokrzyskie –23,8 –21,0 –20,7 –18,9 opolskie podkarpackie mazowieckie świętokrzyskie 32,1 31,5 30,0 29,4 Czwarta podkarpackie lubelskie podlaskie warmińsko-mazurskie –17,7 –15,8 –15,6 –15,2 podkarpackie lubelskie podlaskie warmińsko-mazurskie –17,9 –17,2 –15,8 –15,7 warmińsko-mazurskie kujawsko-pomorskie zachodniopomorskie podlaskie 27,6 27,0 26,2 26,1 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Wszystkie polskie województwa zanotowały wzrost poziomu rozwoju ekonomicznego pomiędzy rokiem 2002 a 2011, co wynika z tego, że względne zmiany wskaźników OE oraz OM są ujemne, a wskaźnika SK – dodatnie. ●● Najwyższą dynamiką rozwoju ekonomicznego (mierzonym wskaźnikami OE i OM) w rozważanym przedziale czasu charakteryzowały się województwa mazowieckie, śląskie, dolnośląskie i wielkopolskie, a więc województwa o najniższych poziomach badanych wskaźników rozwoju. Najwyższą natomiast dynamiką 4 W pierwszych grupach kwartylowych w tablicy 5.3 znajdują się województwa o najwyższych spadkach wskaźników OE i OM oraz najwyższych wzrostach wskaźnika SK. W czwartych natomiast grupach kwartylowych – województwa o najniższych spadkach OE i OM oraz najniższych wzrostach SK. Dlatego w przypadku każdego z rozważanych taksonomicznych wskaźników rozwoju ekonomicznego w pierwszych grupach kwartylowych można znaleźć województwa o najwyższej dynamice owego rozwoju, w czwartych zaś grupach – województwa o najniższej dynamice rozwoju. rozwoju mierzoną wskaźnikiem SK cechowały się województwa: dolnośląskie, śląskie i wielkopolskie oraz pomorskie (zamiast mazowieckiego). ●● W drugich grupach kwartylowych ze względu na dynamikę wskaźników OE i OM znalazły się województwa: pomorskie, łódzkie, lubuskie i małopolskie, a w przypadku wskaźnika SK, poza lubuskim, łódzkim i małopolskim, również lubelskie. ●● Do grup kwartylowych o niskiej dynamice taksonomicznych wskaźników rozwoju ekonomicznego należały województwa: opolskie, kujawsko-pomorskie, zachodniopomorskie i świętokrzyskie (w przypadku wskaźników OE i OM), lub opolskie, podkarpackie, mazowieckie i świętokrzyskie (w przypadku wskaźnika SK). ●● W grupach kwartylowych o najniższej dynamice wskaźników OE i OM znajdowały się cztery województwa Polski wschodniej o najniższym poziomie rozwoju ekonomicznego (tj. podkarpackie, lubelskie, podlaskie i warmińsko-mazurskie), w przypadku natomiast wskaźnika SK – warmińsko-mazurskie, kujawsko-pomorskie, zachodniopomorskie i podlaskie. ●● Z wykresów 5.1–5.2 wynika, że taksonomiczne wskaźniki rozwoju ekonomicznego województw OE i OM podlegały w latach 2002–2011 procesom β-dywergencji5 (współczynnik korelacji pomiędzy względnymi zmianami owych wskaźników w latach 2002–2011 a ich poziomem w roku 2002 wynosił 0,952 w przypadku wskaźnika opartego na odległości euklidesowej oraz 0,969 dla wskaźnika opartego na odległości miejskiej). Wykres 5.1. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego OE (dOE, w %) a jego wartość w roku 2002 (OE 2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). 5 Proces β-dywergencji jest odwrotnością analizowanego w rozdziale drugi procesu β-konwergencji. Bardziej szczegółowe analizy konwergencji/dywergencji na poziomie regionalnym i lokalnym znajdują się w rozdziale siódmym. ●● Z wykresu 5.3 wynika, że taksonomiczny wskaźnik rozwoju SK podlegał słabej β-dywergencji (współczynnik korelacji Pearsona pomiędzy przyrostem owego wskaźnika a jego wyjściowym poziomem ukształtował się na poziomie 0,285). Wykres 5.2. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego OM (dOM, w %) a jego wartość w roku 2002 (OM 2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.3. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego SK (dSK, w %) a jego wartość w roku 2002 (SK 2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Tablica 5.4. Współczynniki korelacji pomiędzy wartościami i rangami taksonomicznych wskaźników rozwoju ekonomicznego województw w latach 2002–2011 Lata Wskaźnik taksonomiczny OE OM SK Współczynnik korelacji między Wartościami Rangami Wartościami Rangami Wartościami Rangami 2002/2003 0,993 0,994 0,996 0,991 0,997 0,988 2003/2004 0,998 0,997 0,998 0,997 0,998 0,997 2004/2005 0,996 0,985 0,997 0,979 0,998 0,988 2005/2006 0,993 0,988 0,995 0,979 0,996 0,991 2006/2007 0,994 0,988 0,995 0,976 0,996 0,968 2007/2008 0,995 0,991 0,995 0,994 0,995 0,985 2008/2009 0,996 0,976 0,992 0,979 0,993 0,953 2009/2010 0,995 0,965 0,994 0,968 0,995 0,974 2010/2011 0,996 0,971 0,997 0,985 0,997 0,950 2002/2011 0,975 0,965 0,980 0,938 0,982 0,965 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). W tablicy 5.4 zestawiono współczynniki korelacji Pearsona pomiędzy wartościami taksonomicznych wskaźników rozwoju ekonomicznego województw i ich rangami w kolejnych latach oraz między rokiem 2002 i 2011. Z zestawionych w tej tablicy współczynników korelacji wynika, że przestrzenne zróżnicowanie rozwoju ekonomicznego województw (mierzone wskaźnikami OE, OM oraz SK) było w latach 2002–2011 bardzo stabilne. 5.4. WSKAŹNIKI ROZWOJU EKONOMICZNEGO POWIATÓW Przestrzenne zróżnicowanie taksonomicznych wskaźników rozwoju ekonomicznego OE, OM oraz SK powiatów w latach 2002–2011 zilustrowane jest na mapach 5.1–5.3. W tablicach 5.5–5.7 zestawione są natomiast liczby powiatów z województw w kolejnych grupach kwintylowych6. Z wymienionych map, tablic oraz wartości policzonych wskaźników rozwoju ekonomicznego powiatów (por. aneks 5.1) wynika, że: 6 W tablicach 5.5–5.6 w pierwszej grupie kwintylowej znajduje się 20% powiatów o najniższych wartościach wskaźników OE i OM, w ostatniej zaś – 20% powiatów o najwyższych wartościach owych wskaźników. W tablicy 5.7 jest na odwrót. Dlatego w każdej z tych tablic w pierwszej grupie kwintylowej są powiaty o najwyższym poziomie rozwoju ekonomicznego, w ostatniej – o najniższym. Mapa 5.1. Taksonomiczne wskaźniki rozwoju ekonomicznego OE powiatów w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Mapa 5.2. Taksonomiczne wskaźniki rozwoju ekonomicznego OM powiatów w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Mapa 5.3. Taksonomiczne wskaźniki rozwoju ekonomicznego SK powiatów w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Najwyższym poziomem rozwoju ekonomicznego mierzonym wskaźnikiem OE w latach 2002–2011 charakteryzowały się powiaty: Warszawa (mazowieckie, 0,4838), Katowice (śląskie, 0,5508), bełchatowski (łódzkie, 0,5679), Poznań (wielkopolskie, 0,5833), Płock (mazowieckie, 0,5841) oraz polkowicki (dolnośląskie, 5869). ●● Z policzonych wartości wskaźników OM wynika, że najwyższym poziomem rozwoju ekonomicznego cechowały się powiaty: Warszawa (mazowieckie, 0,4280), bełchatowski (łódzkie, 0,5040), Katowice (śląskie, 0,5216), Płock (mazowieckie, 0,5287), polkowicki (dolnośląskie, 0,5433), Poznań (wielkopolskie, 0,5505), Bielsko-Biała (śląskie, 0,5727), Tychy (śląskie, 0,5910) i Gdańsk (pomorskie, 0,5984). ●● Wskaźniki SK sugerują zaś, że najwyższy poziom rozwoju ekonomicznego w latach 2002–2011 notowany był w powiatach: Warszawa (mazowieckie, 0,5442), bełchatowskim (łódzkie, 0,4790), Katowice (śląskie, 0,4690), Płock (mazowieckie, 0,4422), polkowickim (dolnośląskie, 0,4364), Poznań (wielkopolskie, 0,4328) i Bielsko-Biała (śląskie, 0,4151). ●● Wśród 20% najlepiej rozwiniętych ekonomicznie powiatów (według wskaźnika OE) dominowały powiaty leżące w województwach: śląskim (14 powiatów), mazowieckim (11 powiatów) oraz dolnośląskim (9 powiatów). Również wskaźnik taksonomiczny oparty na odległości miejskiej sugeruje, że w grupie tej dominowały powiaty reprezentujące te same województwa (województwo śląskie miało w tej grupie 13 powiatów, mazowieckie – 12, i dolnośląskie – 9). Podobnie było w przypadku wskaźnika SK, gdyż województwo śląskie reprezentowało w grupie kwintylowej o najwyższym poziomie rozwoju ekonomicznego 14 powiatów, mazowieckie – 12, a dolnośląskie – ponownie 9 powiatów. Tablica 5.5. Liczby powiatów w grupach kwintylowych ze wskaźnik OE w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 9 5 7 6 2 Kujawsko-pomorskie 4 1 4 8 6 Lubelskie 3 1 3 2 15 Lubuskie 3 2 5 4 0 Łódzkie 2 6 8 7 1 Małopolskie 3 7 3 3 6 Mazowieckie 11 8 4 5 14 Opolskie 4 1 4 3 0 Podkarpackie 3 4 3 6 9 Podlaskie 1 4 3 4 5 Pomorskie 4 5 5 5 1 Śląskie 14 11 6 5 0 Świętokrzyskie 2 2 6 2 2 Warmińsko-mazurskie 1 1 3 5 11 Wielkopolskie 7 15 6 6 1 Zachodniopomorskie 5 3 6 5 2 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupach kwintylowych o wysokim poziomie rozwoju ekonomicznego, a więc w drugich grupach kwintylowych, najczęściej pojawiały się powiaty leżące w województwach: wielkopolskim (15), śląskim (11) oraz mazowieckim (8 – w przypadku wskaźnika OE), wielkopolskim (14), śląskim (12) i małopolskim (7 – dla wskaźnika OM) oraz wielkopolskim (15), śląskim (11) i małopolskim (8 – w przypadku wskaźnika SK). ●● Do grup kwintylowych o niskich wartościach badanych wskaźników rozwoju ekonomicznego (a więc w czwartych grupach kwintylowych) najczęściej należały powiaty z województw: kujawsko-pomorskiego (8), łódzkiego (7) oraz dolnośląskiego, podkarpackiego i wielkopolskiego (po 6 powiatów w przypadku wskaźnika OE), kujawsko-pomorskiego (8), łódzkiego oraz podkarpackiego (po 7 w przypadku wskaźnika OM) i kujawsko-pomorskiego (8), dolnośląskiego, łódzkiego, śląskiego, warmińsko-mazurskiego oraz wielkopolskiego (po 6 – w przypadku wskaźnika SK). Tablica 5.6. Liczby powiatów w grupach kwintylowych ze wskaźnik OM w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 9 5 7 6 2 Kujawsko-pomorskie 3 2 4 8 6 Lubelskie 3 1 2 3 15 Lubuskie 3 3 5 3 0 Łódzkie 2 5 9 7 1 Małopolskie 2 7 4 3 6 Mazowieckie 12 6 4 6 14 Opolskie 4 1 4 3 0 Podkarpackie 2 4 3 7 9 Podlaskie 1 4 2 5 5 Pomorskie 5 4 6 4 1 Śląskie 13 12 6 5 0 Świętokrzyskie 2 3 5 2 2 Warmińsko-mazurskie 1 1 4 4 11 Wielkopolskie 7 14 7 6 1 Zachodniopomorskie 7 4 4 4 2 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● W grupach kwintylowych o najniższych poziomach rozwoju ekonomicznego dominowały zaś powiaty leżące na terenie województw: lubelskiego (15), mazowieckiego (14) i warmińsko-mazurskiego (11 – dla wskaźników OE oraz OM) i lubelskiego oraz mazowieckiego (po 14), warmińsko-mazurskiego (11) i podkarpackiego (10 – w przypadku wskaźnika SK). ●● Taksonomiczne wskaźniki OE sugerują, że najgorzej rozwiniętymi ekonomicznie powiatami w latach 2002–2011 były powiaty: sejneński (podlaskie, 0,8800), bartoszycki (warmińsko-mazurskie, 0,8804), radomski (mazowieckie, 0,8804), żuromiński (mazowieckie, 0,8808), niżański (podkarpackie, 0,8810), węgorzewski (warmińsko-mazurskie, 0,8826), kazimierski (świętokrzyskie, 0,8835), dąbrowski (małopolskie, 0,8850), lubaczowski (podkarpackie, 0,8851), brzozowski (podkarpackie, 0,8854), przemyski (podkarpackie, 0,8887), strzyżowski (podkarpackie, 0,8900) oraz chełmski (lubelskie, 0,8931). Ze wskaźników OM wynika natomiast, że w grupa ta składała się z powiatów: niżańskiego (podkarpackie, 0,8706), kazimierskiego (świętokrzyskie, 0,8732), dąbrowskiego (małopolskie, 0,8740), brzozowskiego (podkarpackie, 0,8743), lubaczowskiego (podkarpackie, 0,8747), przemyskiego (podkarpackie, 0,8773), strzyżowskiego (podkarpackie, 0,8795) i chełmskiego (lubelskie, 0,8822). Ze wskaźników SK wynika zaś, że w grupie najgorzej rozwiniętych powiatów znalazły się powiaty: włodawski (lubelskie, 0,1349), włocławski (kujawsko-pomorskie, 0,1389), górowski (dolnośląskie, 0,1386), nidzicki (warmińsko-mazurskie, 0,1381), zwoleński (mazowieckie, 0,1376), kolneński (podlaskie, 0,1374), sejneński (podlaskie, 0,1367), lipnowski (kujawsko-pomorskie, 0,1362), zamojski (lubelskie, 0,1357), szydłowiecki (mazowieckie, 0,1357), nowomiejski (warmińsko-mazurskie, 0,1356), kazimierski (świętokrzyskie, 0,1336), bartoszycki (warmińsko-mazurskie, 0,1330), żuromiński (mazowieckie, 0,1326), niżański (podkarpackie, 0,1324), radomski (mazowieckie, 0,1319), dąbrowski (małopolskie, 0,1312), węgorzewski (warmińsko-mazurskie, 0,1301), lubaczowski (podkarpackie, 0,1294), brzozowski (podkarpackie, 0,1291), przemyski (podkarpackie, 0,1280), chełmski (lubelskie, 0,1244) oraz strzyżowski (podkarpackie, 0,1239). Tablica 5.7. Liczby powiatów w grupach kwintylowych ze wskaźnik SK w latach 2002–2011 Województwo Grupa kwintylowa Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 9 5 7 6 2 Kujawsko-pomorskie 4 1 4 8 6 Lubelskie 3 1 3 3 14 Lubuskie 3 3 4 4 0 Łódzkie 2 5 10 6 1 Małopolskie 2 8 3 4 5 Mazowieckie 12 7 5 4 14 Opolskie 3 3 2 3 1 Podkarpackie 2 4 4 5 10 Podlaskie 1 4 4 4 4 Pomorskie 5 4 4 5 2 Śląskie 14 11 5 6 0 Świętokrzyskie 2 2 6 2 2 Warmińsko-mazurskie 1 1 2 6 11 Wielkopolskie 7 15 6 6 1 Zachodniopomorskie 6 2 7 4 2 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Wartości bezwzględne współczynników korelacji między średnimi wartościami badanych wskaźników taksonomicznych w latach 2002–2011 przekraczały, co do modułu, 0,99, co oznacza, że wskaźniki te w bardzo podobnym stopniu opisywały zróżnicowanie rozwoju ekonomicznego powiatów. ●● Z map 5.1–5.3 można wysnuć również trzy bardziej ogólne wnioski: (1) Najwyższym poziomem rozwoju ekonomicznego charakteryzowały się (zazwyczaj) powiaty leżące w dużych aglomeracjach miejskich oraz ich najbliższym otoczeniu. (2) Powiaty grodzkie (przeciętnie) cechowały się wyższym poziomem rozwoju ekonomicznego od powiatów ziemskich. (3)Powiaty Polski zachodniej były (na ogół) lepiej rozwinięte od powiatów leżących w Polsce wschodniej (por. też rozważania prowadzone w rozdziale czwartym). Wykres 5.4. Taksonomiczne wskaźniki rozwoju ekonomicznego OE w powiatach grodzkich i ziemskich w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.5. Taksonomiczne wskaźniki rozwoju ekonomicznego OM w powiatach grodzkich i ziemskich w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.6. Taksonomiczne wskaźniki rozwoju ekonomicznego SK w powiatach grodzkich i ziemskich w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Na wykresach 5.4–5.6 zilustrowano wartości badanych taksonomicznych wskaźników rozwoju ekonomicznego powiatów w latach 2002–2011 w podziale na powiaty grodzkie i ziemskich. Z wykresów tych wynika, że: ●● Trajektorie analizowanych wskaźników rozwoju ekonomicznego w powiatach grodzkich i ziemskich były niemal równoległe do siebie. Oznacza to, że te dwie grupy powiatów podobnie reagowały na zmiany koniunktury w gospodarce polskiej. ●● Poziom rozwoju ekonomicznego mierzony omawianymi tu wskaźnikami w obu grupach analizowanych powiatów rósł w latach 2002–2008, następnie w roku 2009 spadł, by po roku 2009 ponownie rosnąć. ●● Powiaty grodzkie na ogół charakteryzowały się wyższym poziomem rozwoju ekonomicznego od powiatów ziemskich. Wykresy 5.7–5.9 ilustrują średnie wartości wskaźników OE, OM i SK w podziale powiatów na powiaty byłego zaboru austriackiego, niemieckiego i rosyjskiego oraz ziem włączonych do Polski w 1945 roku. Z wykresów tych wynika, że: ●● Procykliczność zmian poziomu rozwoju ekonomicznego powiatów była podobna w każdej z analizowanych tu grup powiatów. ●● Najwyższym poziomem rozwoju ekonomicznego w latach 2002–2011 charakteryzowały się zazwyczaj powiaty byłego zaboru niemieckiego, następnie ziem włączonych do Polski w 1945 roku. Nieco słabiej rozwinięte zaś były powiaty leżące na ziemiach zaborów austriackiego i rosyjskiego. Wykres 5.7. Taksonomiczne wskaźniki rozwoju ekonomicznego OE w powiatach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) oraz ziem włączonych do Polski w 1945 roku (W) w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.8. Taksonomiczne wskaźniki rozwoju ekonomicznego OM w powiatach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) oraz ziem włączonych do Polski w 1945 roku (W) w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.9. Taksonomiczne wskaźniki rozwoju ekonomicznego SK w powiatach byłego zaboru austriackiego (A), niemieckiego (N), rosyjskiego (R) oraz ziem włączonych do Polski w 1945 roku (W) w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Na wykresach 5.10–5.12 przedstawiono korelogramy, opisujące relacje pomiędzy względnymi zmianami taksonomicznych wskaźników rozwoju ekonomicznego (odpowiednio dOE, dOM i dSK, w %) a ich poziomem w roku 2002 (czyli OE 2002, OM 2002 oraz SK 2002). Wykres 5.10. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego OE (dOE, w %) a jego wartość w roku 2002 (OE2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 5.11. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego OM (dOM, w %) a jego wartość w roku 2002 (OM 2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Z wykresów 5.10–5.11 wynika, że wskaźniki rozwoju ekonomicznego oparte na odległościach euklidesowej i miejskiej podlegały w latach 2002–2011 procesowi β-dywergencji (współczynniki korelacji Pearsona pomiędzy ich względnymi zmianami w badanym przedziale czasu a poziomem w roku 2002 wynosił – odpowiednio – 0,582 oraz 0,612). Wykres 5.12 sugeruje Natomiast, że wskaźniki SK nie podlegały wówczas ani β-dywergencji, ani β-konwergencji (współczynnik korelacji pomiędzy dSK a SK 2002 równy był tylko 0,0729). Wykres 5.12. Względne zmiany taksonomicznego wskaźnika rozwoju ekonomicznego SK (dSK, w %) a jego wartość w roku 2002 (SK 2002) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Analizując zaś stabilność przestrzennego zróżnicowania rozwoju ekonomicznego powiatów w latach 2002–2011 można posłużyć się współczynnikami korelacji Pearsona pomiędzy wartościami a rangami taksonomicznych wskaźników rozwoju ekonomicznego. Tablica 5.8. Współczynniki korelacji pomiędzy wartościami a rangami taksonomicznych wskaźników rozwoju ekonomicznego powiatów w latach 2002–2011 Lata Wskaźnik taksonomiczny OE OM SK Współczynnik korelacji między Wartościami Rangami Wartościami Rangami Wartościami Rangami 2002/2003 0,984 0,981 0,987 0,983 0,983 0,976 2003/2004 0,990 0,990 0,992 0,991 0,988 0,989 2004/2005 0,990 0,989 0,992 0,991 0,988 0,987 2005/2006 0,987 0,986 0,989 0,988 0,985 0,986 2006/2007 0,985 0,984 0,988 0,986 0,984 0,983 2007/2008 0,986 0,980 0,985 0,983 0,981 0,977 2008/2009 0,985 0,977 0,984 0,977 0,979 0,972 2009/2010 0,987 0,980 0,988 0,983 0,984 0,976 2010/2011 0,989 0,985 0,991 0,987 0,988 0,983 2002/2011 0,923 0,914 0,930 0,920 0,916 0,900 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Z zestawionych w tablicy 5.8 współczynników korelacji płynie wniosek, że przestrzenne zróżnicowanie rozwoju ekonomicznego powiatów, podobnie jak w przypadku województw, było w latach 2002–2011 bardzo stabilne. 5.5. ODDZIAŁYWANIE CZYNNIKÓW INSTYTUCJONALNYCH, AGLOMERACYJNYCH, HISTORYCZNYCH I GEOGRAFICZNYCH NA PRZESTRZENNE ZRÓŻNICOWANIE TAKSONOMICZNYCH WSKAŹNIKÓW ROZWOJU EKONOMICZNEGO POWIATÓW W celu zbadania przestrzennego zróżnicowania taksonomicznych wskaźników rozwoju ekonomicznego OE, OM oraz SK zostały zastosowane równania analogiczne do wykorzystanych w rozdziale czwartym zależności (4.1) i (4.3). Dlatego oszacowano parametry równania: (5.5) gdzie: WTit – taksonomiczny wskaźnik rozwoju ekonomicznego (OE, OM lub SK) w i-tym powiecie (i = 1, 2, …, 379) w roku t (t = 2002, 2003, …, 2011), t – zmienna czasowa przyjmująca wartości 2002, 2003, …, 2011 w kolejnych latach, Gi – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy i-ty powiat jest powiatem grodzkim, 0 w pozostałych przypadkach, Ai – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w monarchii austro-węgierskiej, 0 w pozostałych przypadkach, Ri – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w cesarstwie rosyjskim, 0 w pozostałych przypadkach, Ni – zmienna zerojedynkowa przyjmująca wartość 1 wówczas, gdy stolica i-tego powiatu leżała w 1914 roku w cesarstwie niemieckim, 0 w pozostałych przypadkach, Si – odległość drogowa (wyrażona w km) stolicy i-tego powiatu od stolicy województwa, w którym powiat ten leży, Wi – odległość drogowa (wyrażona w km) stolicy i-tego powiatu od Warszawy, Pi – przeciętna liczba ludności w powiecie i w roku t (w tys. osób), oraz: (5.6) gdzie: Parametry równania (5.5) interpretuje się ekonomicznie analogicznie do parametrów równania (4.1). Parametry te estymowano wedługMNK. Oszacowane parametry owych równań zestawiono w tablicy 5.9. Natomiast parametry równań (5.6), interpretowane analogicznie do parametrów równań (4.4), oszacowano NMNK. Parametry te znajdują się w tablicy 5.10. Z zestawionych w tablicach 5.9–5.10 oszacowań parametrów równań (5.5–5.6) płyną następujące wnioski7: ●● Ponieważ oszacowania parametru przy zmiennej czasowej t są (po pierwsze) ujemne w przypadkach, w których zmienną objaśnianą był wskaźnik OE lub OM, dodatnie wówczas, gdy zmienną objaśnianą był wskaźnik SK (po drugie), oraz (po trzecie) istotne statystycznie, zatem wraz z upływem czasu poziom rozwoju ekonomicznego powiatów na ogół rósł. ●● Powiaty grodzkie charakteryzowały się wyższym poziomem rozwoju ekonomicznego od powiatów ziemskich. 7 Każdy z podanych dalej wniosków wymaga klauzuli ceteris paribus. ●● Powiaty ziem byłych zaborów austriackiego i rosyjskiego cechowały się niższym poziomem rozwoju od powiatów bazowych – czyli powiatów leżących na ziemiach włączonych do Polski w 1945 roku. Tablica 5.9. Oszacowane parametry równań (5.5) MNK Zmienna objaśniająca Zmienna objaśniana OE OM SK Stała 12,524*** (23,334) 13,707*** (23,441) –13,539*** (–24,219) t –0,00582*** (–21,759) –0,00642*** (–22,034) 0,00684*** (24,540) G –0,0613*** (–27,291) –0,0691*** (–28,271) 0,0613*** (26,220) A 0,0288*** (11,086) 0,0350*** (12,380) –0,0299*** (–11,056) R 0,0309*** (12,907) 0,0365*** (14,007) –0,0315*** (–12,653) N 0,00530** (2,299) 0,0108*** (4,318) –0,00723*** (–3,010) ln(1+S) 0,00471*** (6,143) 0,00487*** (5,832) –0,00515*** (–6,454) ln(1+W) 0,0159*** (10,819) 0,0181*** (11,306) –0,0173*** (–11,278) lnP –0,0337*** (–19,775) –0,0357*** (–19,233) 0,0332*** (18,693) R2 Skor. R2 0,469 0,468 0,472 0,471 0,464 0,463 Liczba obserwacji 3790 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. ●● Podobnie było z powiatami ziem byłego zaboru niemieckiego, z tą różnicą, że w przypadku estymacji parametrów funkcji logitowej, w której zmienną objaśnianą był wskaźnik OE, zmienna zerojedynkowa dla powiatów byłego zaboru niemieckiego okazała się nieistotna statystycznie (nawet na 10% poziomie istotności). ●● Im dalej od stolicy województwa oraz od Warszawy znajdowała się stolica danego powiatu, tym powiat ten charakteryzował się niższym poziomem rozwoju ekonomicznego (mierzonego wskaźnikami OE, OM oraz SK). Porównując wartości bezwzględne statystyk t-Studenta przy ln(1+S) oraz ln(1+W), można też wysnuć wniosek, że silniej na poziom rozwoju ekonomicznego powiatu oddziaływała odległość od Warszawy, niż od stolicy województwa, w którym powiat ten leżał. Tablica 5.10. Oszacowane parametry równań (5.6) NMNK Zmienna objaśniająca Zmienna objaśniana OE OM SK Stała 77,668*** (24,931) 80,730*** (25,312) –86,830*** (–28,380) t –0,0378*** (–24,349) –0,0394*** (–24,794) 0,0424*** (27,843) G –0,362*** (–27,765) –0,386*** (–28,915) 0,346*** (27,059) A 0,179*** (11,904) 0,205*** (13,309) –0,173*** (–11,728) R 0,177*** (12,767) 0,200*** (14,067) –0,170*** (–12,464) N 0,0218 (1,631) 0,0518*** (3,778) –0,0322** (–2,450) ln(1+S) 0,0243*** (5,472) 0,0242*** (5,317) –0,0261*** (–5,988) ln(1+W) 0,0787*** (9,217) 0,0859*** (9,822) –0,0828*** (–9,868) lnP –0,202*** (–20,390) –0,201*** (–19,847) 0,189*** (19,440) Oszacowane θ 1 R2 Skor. R2 0,481 0,480 0,487 0,486 0,484 0,483 Liczba obserwacji 3790 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. ●● Także efekt aglomeracji, mierzony liczbą ludności w powiecie, istotnie statystycznie, dodatnio, oddziaływał na poziom rozwoju ekonomicznego powiatu. ●● Zmienne objaśniające taksonomiczne wskaźniki rozwoju ekonomicznego objaśniały ich przestrzenne zróżnicowanie w latach 2002–2011 w ok. 46,3–47,1% w przypadku oszacowań parametrów równania (5.5) lub 48,0–48,6% przy oszacowaniach parametrów zależności (5.6). 5.6. PODSUMOWANIE Prowadzone w rozdziale piątym rozważania można podsumować następująco: I. Najwyższym poziomem rozwoju ekonomicznego w latach 2002–2011 mierzonym taksonomicznymi wskaźnikami rozwoju ekonomicznego OE, OM i SK charakteryzowały się województwa: mazowieckie, wielkopolskie, śląskie i dolnośląskie. Są to województwa, w których znajdują się bardzo prężne aglomeracje miejskie (warszawska, poznańska, górnośląsko-zagłębiowska oraz wrocławska). II. Pozostałe 3 województwa, w których znajdują się duże aglomeracje miejskie (krakowska, łódzka i trójmiejska), należały do grupy województw o wysokim poziomie rozwoju ekonomicznego. III. Do grupy 5 województw o najniższym poziomie rozwoju ekonomicznego należały województwa Polski wschodniej, tj. świętokrzyskie, podlaskie, podkarpackie, warmińsko-mazurskie i lubelskie. IV. Analizując przestrzenne zróżnicowanie rozwoju powiatów okazuje się, że na poziom owego zróżnicowania silnie oddziałuje efekt aglomeracji. W powiatach o wyższym potencjale demograficznym poziom rozwoju ekonomicznego w latach 2002–2011 był, na ogół, wyższy, niż w powiatach o mniejszej liczbie ludności. Również w powiatach grodzkich poziom ten był wyższy w stosunku do powiatów ziemskich. V. Na zróżnicowanie rozwoju ekonomicznego polskich powiatów oddziaływały także czynniki geograficzne. Odległość stolicy powiatu od Warszawy oraz stolicy województwa wpływała bowiem na poziom owego rozwoju. Zwiększenie odległości od Warszawy i stolicy województwa zazwyczaj obniżało poziom rozwoju ekonomicznego, przy czym istotniejsze znaczenie miała odległość od Warszawy. VI. Ponadto powiaty leżące na ziemiach włączonych do Polski w 1945 roku oraz na ziemiach byłego zaboru niemieckiego były lepiej rozwinięte od powiatów znajdujących się na terenach byłych zaborów austriackiego i rosyjskiego. Płynie stąd wniosek, że (przeciętnym) wyższym poziomem rozwoju ekonomicznego charakteryzują się tereny Polski zachodniej. Aneks 5.1. Taksonomiczne wskaźniki rozwoju ekonomicznego powiatów w latach 2002–2011 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 1 Warszawa mazowieckie 0,4838 Warszawa mazowieckie 0,4280 Warszawa mazowieckie 0,5442 2 Katowice śląskie 0,5508 bełchatowski łódzkie 0,5040 bełchatowski łódzkie 0,4790 3 bełchatowski łódzkie 0,5679 Katowice śląskie 0,5216 Katowice śląskie 0,4690 4 Poznań wielkopolskie 0,5833 Płock mazowieckie 0,5287 Płock mazowieckie 0,4422 5 Płock mazowieckie 0,5841 polkowicki dolnośląskie 0,5433 polkowicki dolnośląskie 0,4364 6 polkowicki dolnośląskie 0,5869 Poznań wielkopolskie 0,5505 Poznań wielkopolskie 0,4328 7 Tychy śląskie 0,6014 Bielsko-Biała śląskie 0,5727 Bielsko-Biała śląskie 0,4151 8 Bielsko-Biała śląskie 0,6046 Tychy śląskie 0,5910 Tychy śląskie 0,3982 9 Gdańsk pomorskie 0,6207 Gdańsk pomorskie 0,5984 Gdańsk pomorskie 0,3925 10 Gliwice śląskie 0,6324 piaseczyński mazowieckie 0,6012 Sopot pomorskie 0,3756 11 piaseczyński mazowieckie 0,6347 Sopot pomorskie 0,6056 piaseczyński mazowieckie 0,3729 12 Dąbrowa Górnicza śląskie 0,6457 Dąbrowa Górnicza śląskie 0,6164 Gliwice śląskie 0,3719 13 Kraków małopolskie 0,6718 Gliwice śląskie 0,6171 Dąbrowa Górnicza śląskie 0,3671 14 wrocławski dolnośląskie 0,6756 zgorzelecki dolnośląskie 0,6346 Kraków małopolskie 0,3423 15 zgorzelecki dolnośląskie 0,6764 Kraków małopolskie 0,6442 zgorzelecki dolnośląskie 0,3394 16 poznański wielkopolskie 0,6773 Wrocław dolnośląskie 0,6520 poznański wielkopolskie 0,3394 17 Sopot pomorskie 0,6780 poznański wielkopolskie 0,6533 wrocławski dolnośląskie 0,3364 18 Wrocław dolnośląskie 0,6851 pruszkowski mazowieckie 0,6633 Wrocław dolnośląskie 0,3333 19 Olsztyn warmińsko-mazurskie 0,6923 wrocławski dolnośląskie 0,6642 pruszkowski mazowieckie 0,3271 20 Konin wielkopolskie 0,6982 Opole opolskie 0,6689 lubiński dolnośląskie 0,3182 21 pruszkowski mazowieckie 0,7029 Olsztyn warmińsko-mazurskie 0,6722 Gdynia pomorskie 0,3157 22 Opole opolskie 0,7032 Gdynia pomorskie 0,6761 Olsztyn warmińsko-mazurskie 0,3155 23 Ostrołęka mazowieckie 0,7050 Konin wielkopolskie 0,6798 Opole opolskie 0,3152 24 kwidzyński pomorskie 0,7079 Zielona Góra lubuskie 0,6823 Jastrzębie-Zdrój śląskie 0,3132 25 Gdynia pomorskie 0,7087 Ostrołęka mazowieckie 0,6843 warszawski zachodni mazowieckie 0,3025 26 policki zachodniopomorskie 0,7120 lubiński dolnośląskie 0,6852 Konin wielkopolskie 0,3023 27 Zielona Góra lubuskie 0,7134 policki zachodniopomorskie 0,6862 policki zachodniopomorskie 0,2978 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 28 Rzeszów podkarpackie 0,7199 warszawski zachodni mazowieckie 0,6901 Ostrołęka mazowieckie 0,2971 29 warszawski zachodni mazowieckie 0,7199 Szczecin zachodniopomorskie 0,6906 kwidzyński pomorskie 0,2954 30 kozienicki mazowieckie 0,7233 Jastrzębie-Zdrój śląskie 0,6923 Zielona Góra lubuskie 0,2933 31 Włocławek kujawsko-pomorskie 0,7258 kwidzyński pomorskie 0,6928 Szczecin zachodniopomorskie 0,2911 32 Jastrzębie-Zdrój śląskie 0,7273 kozienicki mazowieckie 0,7001 Rzeszów podkarpackie 0,2897 33 Szczecin zachodniopomorskie 0,7315 Rzeszów podkarpackie 0,7014 kozienicki mazowieckie 0,2863 34 krapkowicki opolskie 0,7325 Włocławek kujawsko-pomorskie 0,7072 krapkowicki opolskie 0,2855 35 Bydgoszcz kujawsko-pomorskie 0,7333 Gorzów Wielkopolski lubuskie 0,7084 Włocławek kujawsko-pomorskie 0,2808 36 Gorzów Wielkopolski lubuskie 0,7345 Bydgoszcz kujawsko-pomorskie 0,7114 grodziski mazowieckie 0,2798 37 oławski dolnośląskie 0,7347 Kielce świętokrzyskie 0,7150 Gorzów Wielkopolski lubuskie 0,2770 38 Krosno podkarpackie 0,7361 grodziski mazowieckie 0,7163 Bydgoszcz kujawsko-pomorskie 0,2766 39 Rybnik śląskie 0,7370 Toruń kujawsko-pomorskie 0,7166 Toruń kujawsko-pomorskie 0,2731 40 Toruń kujawsko-pomorskie 0,7375 krapkowicki opolskie 0,7169 oławski dolnośląskie 0,2696 41 mikołowski śląskie 0,7379 Koszalin zachodniopomorskie 0,7172 Rybnik śląskie 0,2694 42 lubiński dolnośląskie 0,7398 Świnoujście zachodniopomorskie 0,7219 Kielce świętokrzyskie 0,2685 43 grodziski mazowieckie 0,7433 Rybnik śląskie 0,7219 łęczyński lubelskie 0,2683 44 Kielce świętokrzyskie 0,7443 oławski dolnośląskie 0,7230 Krosno podkarpackie 0,2650 45 kędzierzyńsko-kozielski opolskie 0,7466 mikołowski śląskie 0,7233 mikołowski śląskie 0,2638 46 Jaworzno śląskie 0,7516 Krosno podkarpackie 0,7238 Koszalin zachodniopomorskie 0,2623 47 Tarnów małopolskie 0,7521 Jelenia Góra dolnośląskie 0,7247 Jaworzno śląskie 0,2618 48 Częstochowa śląskie 0,7545 Jaworzno śląskie 0,7285 kędzierzyńsko-kozielski opolskie 0,2613 49 Łódź łódzkie 0,7546 Łódź łódzkie 0,7313 Świnoujście zachodniopomorskie 0,2607 50 Kalisz wielkopolskie 0,7548 kędzierzyńsko-kozielski opolskie 0,7324 Łódź łódzkie 0,2577 51 Jelenia Góra dolnośląskie 0,7557 Leszno wielkopolskie 0,7326 Jelenia Góra dolnośląskie 0,2576 52 pszczyński śląskie 0,7563 kołobrzeski zachodniopomorskie 0,7343 Leszno wielkopolskie 0,2557 53 Leszno wielkopolskie 0,7571 Lublin lubelskie 0,7356 Lublin lubelskie 0,2546 54 Lublin lubelskie 0,7575 Kalisz wielkopolskie 0,7378 nowodworski mazowieckie 0,2545 55 staszowski świętokrzyskie 0,7577 Częstochowa śląskie 0,7389 Częstochowa śląskie 0,2527 56 Legnica dolnośląskie 0,7606 Tarnów małopolskie 0,7396 grójecki mazowieckie 0,2515 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 57 grójecki mazowieckie 0,7612 Legnica dolnośląskie 0,7407 Kalisz wielkopolskie 0,2499 58 Koszalin zachodniopomorskie 0,7624 pszczyński śląskie 0,7424 Tarnów małopolskie 0,2493 59 szczecinecki zachodniopomorskie 0,7650 łęczyński lubelskie 0,7427 pszczyński śląskie 0,2480 60 Mysłowice śląskie 0,7651 wałbrzyski dolnośląskie 0,7449 Legnica dolnośląskie 0,2468 61 wałbrzyski dolnośląskie 0,7651 staszowski świętokrzyskie 0,7451 wałbrzyski dolnośląskie 0,2460 62 szamotulski wielkopolskie 0,7651 Słupsk pomorskie 0,7469 kołobrzeski zachodniopomorskie 0,2452 63 Świnoujście zachodniopomorskie 0,7667 grójecki mazowieckie 0,7471 szamotulski wielkopolskie 0,2448 64 opolski opolskie 0,7668 szczecinecki zachodniopomorskie 0,7476 staszowski świętokrzyskie 0,2447 65 gorzowski lubuskie 0,7670 nowodworski mazowieckie 0,7484 sochaczewski mazowieckie 0,2441 66 nowodworski mazowieckie 0,7680 opolski opolskie 0,7509 bieruńsko-lędziński śląskie 0,2422 67 łęczyński lubelskie 0,7693 szamotulski wielkopolskie 0,7514 szczecinecki zachodniopomorskie 0,2414 68 bieruńsko-lędziński śląskie 0,7698 Mysłowice śląskie 0,7517 gorzowski lubuskie 0,2414 69 puławski lubelskie 0,7702 sochaczewski mazowieckie 0,7529 puławski lubelskie 0,2391 70 pilski wielkopolskie 0,7704 gorzowski lubuskie 0,7540 Mysłowice śląskie 0,2389 71 świecki kujawsko-pomorskie 0,7712 Białystok podlaskie 0,7542 Słupsk pomorskie 0,2379 72 sochaczewski mazowieckie 0,7724 bieruńsko-lędziński śląskie 0,7565 żywiecki śląskie 0,2374 73 stalowowolski podkarpackie 0,7746 puławski lubelskie 0,7571 świecki kujawsko-pomorskie 0,2368 74 Białystok podlaskie 0,7748 otwocki mazowieckie 0,7582 Białystok podlaskie 0,2366 75 chrzanowski małopolskie 0,7751 pilski wielkopolskie 0,7583 otwocki mazowieckie 0,2363 76 Chorzów śląskie 0,7753 gryfiński zachodniopomorskie 0,7602 pilski wielkopolskie 0,2361 77 nowotomyski wielkopolskie 0,7762 Chorzów śląskie 0,7604 nowotomyski wielkopolskie 0,2360 78 mielecki podkarpackie 0,7766 chrzanowski małopolskie 0,7607 żyrardowski mazowieckie 0,2328 79 żywiecki śląskie 0,7779 nowotomyski wielkopolskie 0,7609 opolski opolskie 0,2324 80 Słupsk pomorskie 0,7787 żyrardowski mazowieckie 0,7610 goleniowski zachodniopomorskie 0,2322 81 otwocki mazowieckie 0,7796 świecki kujawsko-pomorskie 0,7612 Siedlce mazowieckie 0,2320 82 Nowy Sącz małopolskie 0,7797 Siedlce mazowieckie 0,7614 Chorzów śląskie 0,2305 83 goleniowski zachodniopomorskie 0,7799 Sosnowiec śląskie 0,7616 chrzanowski małopolskie 0,2305 84 Siedlce mazowieckie 0,7808 żywiecki śląskie 0,7626 stalowowolski podkarpackie 0,2303 85 świebodziński lubuskie 0,7809 goleniowski zachodniopomorskie 0,7628 olkuski małopolskie 0,2300 86 kołobrzeski zachodniopomorskie 0,7812 legionowski mazowieckie 0,7632 Sosnowiec śląskie 0,2290 87 Sosnowiec śląskie 0,7818 olkuski małopolskie 0,7639 wolsztyński wielkopolskie 0,2284 88 wolsztyński wielkopolskie 0,7825 stalowowolski podkarpackie 0,7642 legionowski mazowieckie 0,2279 89 żyrardowski mazowieckie 0,7825 Nowy Sącz małopolskie 0,7649 mielecki podkarpackie 0,2269 90 gryfiński zachodniopomorskie 0,7828 świebodziński lubuskie 0,7667 grajewski podlaskie 0,2266 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 91 olkuski małopolskie 0,7831 wolsztyński wielkopolskie 0,7668 Nowy Sącz małopolskie 0,2266 92 średzki dolnośląskie 0,7852 tatrzański małopolskie 0,7669 świebodziński lubuskie 0,2265 93 żarski lubuskie 0,7862 mielecki podkarpackie 0,7678 gryfiński zachodniopomorskie 0,2262 94 Zabrze śląskie 0,7867 pucki pomorskie 0,7680 gdański pomorskie 0,2259 95 bielski śląskie 0,7869 będziński śląskie 0,7694 średzki dolnośląskie 0,2246 96 będziński śląskie 0,7875 żarski lubuskie 0,7701 Zabrze śląskie 0,2238 97 Skierniewice łódzkie 0,7878 Zabrze śląskie 0,7706 żarski lubuskie 0,2228 98 głogowski dolnośląskie 0,7885 Skierniewice łódzkie 0,7719 bielski śląskie 0,2226 99 grajewski podlaskie 0,7891 gdański pomorskie 0,7720 Skierniewice łódzkie 0,2216 100 kępiński wielkopolskie 0,7906 głogowski dolnośląskie 0,7721 pucki pomorskie 0,2214 101 tczewski pomorskie 0,7913 średzki dolnośląskie 0,7724 tatrzański małopolskie 0,2205 102 wołowski dolnośląskie 0,7923 bielski śląskie 0,7728 tczewski pomorskie 0,2204 103 gdański pomorskie 0,7928 Radom mazowieckie 0,7749 kępiński wielkopolskie 0,2199 104 pucki pomorskie 0,7932 Zamość lubelskie 0,7753 będziński śląskie 0,2196 105 obornicki wielkopolskie 0,7941 grajewski podlaskie 0,7756 leszczyński wielkopolskie 0,2193 106 Siemianowice Śląskie śląskie 0,7948 świdnicki dolnośląskie 0,7758 obornicki wielkopolskie 0,2183 107 grodziski wielkopolskie 0,7950 obornicki wielkopolskie 0,7767 krakowski małopolskie 0,2173 108 świdnicki dolnośląskie 0,7950 tczewski pomorskie 0,7778 głogowski dolnośląskie 0,2171 109 gostyński wielkopolskie 0,7952 kępiński wielkopolskie 0,7786 świdnicki dolnośląskie 0,2168 110 oświęcimski małopolskie 0,7956 Elbląg warmińsko-mazurskie 0,7788 wołowski dolnośląskie 0,2158 111 legionowski mazowieckie 0,7958 leszczyński wielkopolskie 0,7799 Siemianowice Śląskie śląskie 0,2151 112 tatrzański małopolskie 0,7962 Siemianowice Śląskie śląskie 0,7799 grodziski wielkopolskie 0,2143 113 Elbląg warmińsko-mazurskie 0,7964 Suwałki podlaskie 0,7806 oświęcimski małopolskie 0,2137 114 leszczyński wielkopolskie 0,7966 wołowski dolnośląskie 0,7813 Radom mazowieckie 0,2136 115 Radom mazowieckie 0,7980 oświęcimski małopolskie 0,7824 Zamość lubelskie 0,2136 116 krakowski małopolskie 0,7984 krakowski małopolskie 0,7827 Ruda Śląska śląskie 0,2136 117 Suwałki podlaskie 0,7985 cieszyński śląskie 0,7830 gostyński wielkopolskie 0,2131 118 Ruda Śląska śląskie 0,7987 gostyński wielkopolskie 0,7840 Elbląg warmińsko-mazurskie 0,2126 119 Zamość lubelskie 0,8002 grodziski wielkopolskie 0,7842 wielicki małopolskie 0,2118 120 zawierciański śląskie 0,8006 tarnogórski śląskie 0,7856 cieszyński śląskie 0,2107 121 cieszyński śląskie 0,8008 Ruda Śląska śląskie 0,7858 średzki wielkopolskie 0,2106 122 tarnogórski śląskie 0,8009 lęborski pomorskie 0,7860 tarnogórski śląskie 0,2099 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 123 sanocki podkarpackie 0,8010 średzki wielkopolskie 0,7861 Suwałki podlaskie 0,2097 124 wielicki małopolskie 0,8024 pabianicki łódzkie 0,7862 zawierciański śląskie 0,2089 125 średzki wielkopolskie 0,8025 wielicki małopolskie 0,7865 śremski wielkopolskie 0,2080 126 śremski wielkopolskie 0,8037 zawierciański śląskie 0,7872 kościański wielkopolskie 0,2059 127 wrzesiński wielkopolskie 0,8040 wrzesiński wielkopolskie 0,7875 wołomiński mazowieckie 0,2058 128 pabianicki łódzkie 0,8045 śremski wielkopolskie 0,7880 ciechanowski mazowieckie 0,2050 129 międzychodzki wielkopolskie 0,8049 wołomiński mazowieckie 0,7887 pabianicki łódzkie 0,2045 130 Piotrków Trybunalski łódzkie 0,8055 brzeski opolskie 0,7888 ostrowiecki świętokrzyskie 0,2043 131 ostrowiecki świętokrzyskie 0,8062 sanocki podkarpackie 0,7895 raciborski śląskie 0,2042 132 ciechanowski mazowieckie 0,8066 kościański wielkopolskie 0,7908 wrzesiński wielkopolskie 0,2035 133 kościański wielkopolskie 0,8072 Tarnobrzeg podkarpackie 0,7911 augustowski podlaskie 0,2032 134 brzeski opolskie 0,8073 Piotrków Trybunalski łódzkie 0,7914 międzychodzki wielkopolskie 0,2030 135 inowrocławski kujawsko-pomorskie 0,8093 ostrowiecki świętokrzyskie 0,7921 lęborski pomorskie 0,2027 136 Tarnobrzeg podkarpackie 0,8098 międzychodzki wielkopolskie 0,7925 sokołowski mazowieckie 0,2007 137 ostrowski wielkopolskie 0,8105 ciechanowski mazowieckie 0,7939 Piotrków Trybunalski łódzkie 0,2003 138 raciborski śląskie 0,8106 kamieński zachodniopomorskie 0,7945 sandomierski świętokrzyskie 0,1999 139 sokołowski mazowieckie 0,8112 jeleniogórski dolnośląskie 0,7946 sanocki podkarpackie 0,1999 140 kutnowski łódzkie 0,8115 Łomża podlaskie 0,7954 bocheński małopolskie 0,1997 141 wołomiński mazowieckie 0,8115 słubicki lubuskie 0,7954 ostrowski wielkopolskie 0,1996 142 zgierski łódzkie 0,8123 zgierski łódzkie 0,7958 bielski podlaskie 0,1996 143 wieruszowski łódzkie 0,8125 ostrowski wielkopolskie 0,7963 brzeski opolskie 0,1991 144 lęborski pomorskie 0,8127 gnieźnieński wielkopolskie 0,7975 milicki dolnośląskie 0,1988 145 rawicki wielkopolskie 0,8128 inowrocławski kujawsko-pomorskie 0,7977 Tarnobrzeg podkarpackie 0,1980 146 Łomża podlaskie 0,8136 augustowski podlaskie 0,7977 zgierski łódzkie 0,1977 147 sandomierski świętokrzyskie 0,8137 łódzki wschodni łódzkie 0,7981 inowrocławski kujawsko-pomorskie 0,1975 148 bolesławiecki dolnośląskie 0,8141 raciborski śląskie 0,7982 kutnowski łódzkie 0,1970 149 gnieźnieński wielkopolskie 0,8148 wałecki zachodniopomorskie 0,7984 słubicki lubuskie 0,1960 150 bocheński małopolskie 0,8152 skarżyski świętokrzyskie 0,7988 gnieźnieński wielkopolskie 0,1955 151 augustowski podlaskie 0,8154 stargardzki zachodniopomorskie 0,7989 oleski opolskie 0,1954 152 dębicki podkarpackie 0,8156 sandomierski świętokrzyskie 0,7989 ostrzeszowski wielkopolskie 0,1954 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 153 krotoszyński wielkopolskie 0,8156 kutnowski łódzkie 0,7998 Łomża podlaskie 0,1948 154 łódzki wschodni łódzkie 0,8156 sokołowski mazowieckie 0,8020 bolesławiecki dolnośląskie 0,1946 155 turecki wielkopolskie 0,8156 bolesławiecki dolnośląskie 0,8024 łódzki wschodni łódzkie 0,1946 156 stargardzki zachodniopomorskie 0,8167 wieruszowski łódzkie 0,8031 jeleniogórski dolnośląskie 0,1945 157 jeleniogórski dolnośląskie 0,8170 milicki dolnośląskie 0,8032 skarżyski świętokrzyskie 0,1939 158 skarżyski świętokrzyskie 0,8170 bocheński małopolskie 0,8035 miński mazowieckie 0,1938 159 toruński kujawsko-pomorskie 0,8173 rawicki wielkopolskie 0,8043 zielonogórski lubuskie 0,1937 160 ostrzeszowski wielkopolskie 0,8175 zielonogórski lubuskie 0,8045 dębicki podkarpackie 0,1936 161 bielski podlaskie 0,8179 ostrzeszowski wielkopolskie 0,8046 wieruszowski łódzkie 0,1933 162 zduńskowolski łódzkie 0,8187 bielski podlaskie 0,8046 toruński kujawsko-pomorskie 0,1930 163 oleski opolskie 0,8188 myszkowski śląskie 0,8050 stargardzki zachodniopomorskie 0,1928 164 zielonogórski lubuskie 0,8189 zduńskowolski łódzkie 0,8051 pińczowski świętokrzyskie 0,1924 165 wałecki zachodniopomorskie 0,8189 miński mazowieckie 0,8058 tarnobrzeski podkarpackie 0,1922 166 milicki dolnośląskie 0,8190 turecki wielkopolskie 0,8058 wałecki zachodniopomorskie 0,1920 167 chodzieski wielkopolskie 0,8204 krotoszyński wielkopolskie 0,8060 rawicki wielkopolskie 0,1919 168 słubicki lubuskie 0,8205 Przemyśl podkarpackie 0,8060 krotoszyński wielkopolskie 0,1914 169 myszkowski śląskie 0,8207 starogardzki pomorskie 0,8063 turecki wielkopolskie 0,1911 170 tarnobrzeski podkarpackie 0,8210 wadowicki małopolskie 0,8064 kolski wielkopolskie 0,1910 171 miński mazowieckie 0,8210 oleski opolskie 0,8066 kamieński zachodniopomorskie 0,1909 172 starogardzki pomorskie 0,8215 bydgoski kujawsko-pomorskie 0,8068 starogardzki pomorskie 0,1906 173 bydgoski kujawsko-pomorskie 0,8215 toruński kujawsko-pomorskie 0,8071 poddębicki łódzkie 0,1904 174 wadowicki małopolskie 0,8225 dębicki podkarpackie 0,8072 zduńskowolski łódzkie 0,1900 175 myśliborski zachodniopomorskie 0,8228 chodzieski wielkopolskie 0,8073 wejherowski pomorskie 0,1894 176 lubliniecki śląskie 0,8232 wejherowski pomorskie 0,8077 siemiatycki podlaskie 0,1893 177 czarnkowsko-trzcianecki wielkopolskie 0,8232 myśliborski zachodniopomorskie 0,8080 bydgoski kujawsko-pomorskie 0,1889 178 siemiatycki podlaskie 0,8237 Bytom śląskie 0,8084 wadowicki małopolskie 0,1886 179 Żory śląskie 0,8241 białogardzki zachodniopomorskie 0,8087 czarnkowsko-trzcianecki wielkopolskie 0,1883 180 Przemyśl podkarpackie 0,8244 międzyrzecki lubuskie 0,8088 myszkowski śląskie 0,1881 181 wejherowski pomorskie 0,8245 namysłowski opolskie 0,8090 lubliniecki śląskie 0,1879 182 kolski wielkopolskie 0,8249 kolski wielkopolskie 0,8093 chodzieski wielkopolskie 0,1878 183 namysłowski opolskie 0,8250 gryficki zachodniopomorskie 0,8096 myśliborski zachodniopomorskie 0,1876 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 184 poddębicki łódzkie 0,8250 tarnobrzeski podkarpackie 0,8102 garwoliński mazowieckie 0,1875 185 strzeliński dolnośląskie 0,8253 Biała Podlaska lubelskie 0,8104 Bytom śląskie 0,1874 186 pińczowski świętokrzyskie 0,8254 dzierżoniowski dolnośląskie 0,8110 namysłowski opolskie 0,1863 187 wieluński łódzkie 0,8254 Żory śląskie 0,8111 myślenicki małopolskie 0,1861 188 oleśnicki dolnośląskie 0,8254 kłodzki dolnośląskie 0,8112 Żory śląskie 0,1859 189 Chełm lubelskie 0,8259 Chełm lubelskie 0,8114 Przemyśl podkarpackie 0,1859 190 białogardzki zachodniopomorskie 0,8260 czarnkowsko-trzcianecki wielkopolskie 0,8115 rawski łódzkie 0,1856 191 Bytom śląskie 0,8261 poddębicki łódzkie 0,8115 strzeliński dolnośląskie 0,1854 192 rawski łódzkie 0,8262 pińczowski świętokrzyskie 0,8116 włoszczowski świętokrzyskie 0,1850 193 garwoliński mazowieckie 0,8263 lubliniecki śląskie 0,8116 trzebnicki dolnośląskie 0,1847 194 Biała Podlaska lubelskie 0,8275 trzebnicki dolnośląskie 0,8125 międzyrzecki lubuskie 0,1847 195 ostrowski mazowieckie 0,8276 strzeliński dolnośląskie 0,8126 białogardzki zachodniopomorskie 0,1844 196 międzyrzecki lubuskie 0,8277 oleśnicki dolnośląskie 0,8127 Biała Podlaska lubelskie 0,1843 197 gliwicki śląskie 0,8282 myślenicki małopolskie 0,8134 gliwicki śląskie 0,1842 198 włoszczowski świętokrzyskie 0,8283 malborski pomorskie 0,8134 jędrzejowski świętokrzyskie 0,1840 199 myślenicki małopolskie 0,8283 rawski łódzkie 0,8138 oleśnicki dolnośląskie 0,1838 200 dzierżoniowski dolnośląskie 0,8290 wieluński łódzkie 0,8139 suski małopolskie 0,1836 201 kamieński zachodniopomorskie 0,8292 ostrowski mazowieckie 0,8141 ostrowski mazowieckie 0,1834 202 trzebnicki dolnośląskie 0,8300 siemiatycki podlaskie 0,8147 wieluński łódzkie 0,1833 203 malborski pomorskie 0,8305 garwoliński mazowieckie 0,8151 strzelecko-drezdenecki lubuskie 0,1823 204 tomaszowski łódzkie 0,8310 suski małopolskie 0,8158 dzierżoniowski dolnośląskie 0,1819 205 pajęczański łódzkie 0,8313 gliwicki śląskie 0,8164 malborski pomorskie 0,1818 206 łowicki łódzkie 0,8315 Grudziądz kujawsko-pomorskie 0,8169 Chełm lubelskie 0,1814 207 jędrzejowski świętokrzyskie 0,8316 włoszczowski świętokrzyskie 0,8171 pajęczański łódzkie 0,1810 208 suski małopolskie 0,8322 strzelecko-drezdenecki lubuskie 0,8173 łowicki łódzkie 0,1803 209 ostródzki warmińsko-mazurskie 0,8324 jędrzejowski świętokrzyskie 0,8185 gryficki zachodniopomorskie 0,1798 210 Grudziądz kujawsko-pomorskie 0,8324 krośnieński lubuskie 0,8185 kłodzki dolnośląskie 0,1796 211 strzelecko-drezdenecki lubuskie 0,8325 koszaliński zachodniopomorskie 0,8186 kartuski pomorskie 0,1793 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 212 brodnicki kujawsko-pomorskie 0,8327 tomaszowski łódzkie 0,8187 wysokomazowiecki podlaskie 0,1792 213 starachowicki świętokrzyskie 0,8336 mrągowski warmińsko-mazurskie 0,8188 biłgorajski lubelskie 0,1783 214 mławski mazowieckie 0,8340 pajęczański łódzkie 0,8196 opatowski świętokrzyskie 0,1776 215 kłodzki dolnośląskie 0,8340 łowicki łódzkie 0,8205 tomaszowski łódzkie 0,1774 216 mrągowski warmińsko-mazurskie 0,8345 kartuski pomorskie 0,8206 ostródzki warmińsko-mazurskie 0,1768 217 kartuski pomorskie 0,8346 nyski opolskie 0,8208 hajnowski podlaskie 0,1757 218 wschowski lubuskie 0,8347 ostródzki warmińsko-mazurskie 0,8212 brodnicki kujawsko-pomorskie 0,1757 219 biłgorajski lubelskie 0,8348 kluczborski opolskie 0,8217 kluczborski opolskie 0,1755 220 ełcki warmińsko-mazurskie 0,8349 giżycki warmińsko-mazurskie 0,8222 Grudziądz kujawsko-pomorskie 0,1754 221 leżajski podkarpackie 0,8352 starachowicki świętokrzyskie 0,8223 starachowicki świętokrzyskie 0,1749 222 opatowski świętokrzyskie 0,8357 człuchowski pomorskie 0,8223 mławski mazowieckie 0,1748 223 gryficki zachodniopomorskie 0,8358 brodnicki kujawsko-pomorskie 0,8225 mrągowski warmińsko-mazurskie 0,1746 224 Świętochłowice śląskie 0,8362 wschowski lubuskie 0,8231 leżajski podkarpackie 0,1745 225 wysokomazowiecki podlaskie 0,8363 słupski pomorskie 0,8232 wschowski lubuskie 0,1744 226 nyski opolskie 0,8373 ełcki warmińsko-mazurskie 0,8233 koszaliński zachodniopomorskie 0,1744 227 kluczborski opolskie 0,8376 Świętochłowice śląskie 0,8234 białobrzeski mazowieckie 0,1742 228 człuchowski pomorskie 0,8377 opatowski świętokrzyskie 0,8239 łęczycki łódzkie 0,1742 229 jarociński wielkopolskie 0,8378 biłgorajski lubelskie 0,8240 krośnieński lubuskie 0,1742 230 radomszczański łódzkie 0,8378 wyszkowski mazowieckie 0,8240 strzelecki opolskie 0,1741 231 świdnicki lubelskie 0,8379 białobrzeski mazowieckie 0,8243 świdnicki lubelskie 0,1740 232 hajnowski podlaskie 0,8382 leżajski podkarpackie 0,8248 ełcki warmińsko-mazurskie 0,1733 233 giżycki warmińsko-mazurskie 0,8385 wysokomazowiecki podlaskie 0,8249 nyski opolskie 0,1732 234 słupski pomorskie 0,8386 mławski mazowieckie 0,8254 Świętochłowice śląskie 0,1732 235 wyszkowski mazowieckie 0,8388 złotoryjski dolnośląskie 0,8256 człuchowski pomorskie 0,1730 236 opoczyński łódzkie 0,8388 hajnowski podlaskie 0,8258 słupski pomorskie 0,1728 237 nowosolski lubuskie 0,8389 świdnicki lubelskie 0,8258 Piekary Śląskie śląskie 0,1726 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 238 krośnieński lubuskie 0,8390 ząbkowicki dolnośląskie 0,8259 koniński wielkopolskie 0,1723 239 jasielski podkarpackie 0,8390 głubczycki opolskie 0,8260 przasnyski mazowieckie 0,1717 240 koszaliński zachodniopomorskie 0,8391 sławieński zachodniopomorskie 0,8264 głubczycki opolskie 0,1717 241 iławski warmińsko-mazurskie 0,8392 bieszczadzki podkarpackie 0,8265 giżycki warmińsko-mazurskie 0,1716 242 chojnicki pomorskie 0,8396 nowosolski lubuskie 0,8267 wyszkowski mazowieckie 0,1716 243 strzelecki opolskie 0,8399 jaworski dolnośląskie 0,8272 rybnicki śląskie 0,1716 244 głubczycki opolskie 0,8402 chojnicki pomorskie 0,8272 opoczyński łódzkie 0,1713 245 przasnyski mazowieckie 0,8403 radomszczański łódzkie 0,8274 jasielski podkarpackie 0,1710 246 Piekary Śląskie śląskie 0,8405 leski podkarpackie 0,8276 złotoryjski dolnośląskie 0,1709 247 wodzisławski śląskie 0,8407 drawski zachodniopomorskie 0,8277 nowosolski lubuskie 0,1702 248 łęczycki łódzkie 0,8411 przasnyski mazowieckie 0,8277 ząbkowicki dolnośląskie 0,1701 249 białobrzeski mazowieckie 0,8422 jarociński wielkopolskie 0,8281 sieradzki łódzkie 0,1690 250 sieradzki łódzkie 0,8425 Piekary Śląskie śląskie 0,8282 iławski warmińsko-mazurskie 0,1689 251 jaworski dolnośląskie 0,8427 opoczyński łódzkie 0,8282 chojnicki pomorskie 0,1688 252 ząbkowicki dolnośląskie 0,8427 strzelecki opolskie 0,8282 wodzisławski śląskie 0,1688 253 konecki świętokrzyskie 0,8431 jasielski podkarpackie 0,8284 radomszczański łódzkie 0,1688 254 pleszewski wielkopolskie 0,8434 łęczycki łódzkie 0,8292 jarociński wielkopolskie 0,1687 255 legnicki dolnośląskie 0,8435 kamiennogórski dolnośląskie 0,8298 zambrowski podlaskie 0,1685 256 rypiński kujawsko-pomorskie 0,8437 sieradzki łódzkie 0,8301 olsztyński warmińsko-mazurskie 0,1685 257 kamiennogórski dolnośląskie 0,8440 iławski warmińsko-mazurskie 0,8302 buski świętokrzyskie 0,1684 258 zambrowski podlaskie 0,8442 zambrowski podlaskie 0,8302 bieszczadzki podkarpackie 0,1682 259 olsztyński warmińsko-mazurskie 0,8444 wodzisławski śląskie 0,8304 jaworski dolnośląskie 0,1680 260 rybnicki śląskie 0,8447 konecki świętokrzyskie 0,8304 skierniewicki łódzkie 0,1674 261 złotoryjski dolnośląskie 0,8451 legnicki dolnośląskie 0,8304 leski podkarpackie 0,1672 262 bieszczadzki podkarpackie 0,8451 wągrowiecki wielkopolskie 0,8305 legnicki dolnośląskie 0,1670 263 żniński kujawsko-pomorskie 0,8453 koniński wielkopolskie 0,8309 konecki świętokrzyskie 0,1668 264 sławieński zachodniopomorskie 0,8459 rypiński kujawsko-pomorskie 0,8311 miechowski małopolskie 0,1666 265 wągrowiecki wielkopolskie 0,8462 olsztyński warmińsko-mazurskie 0,8311 kamiennogórski dolnośląskie 0,1665 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 266 olecki warmińsko-mazurskie 0,8464 olecki warmińsko-mazurskie 0,8311 sławieński zachodniopomorskie 0,1661 267 buski świętokrzyskie 0,8466 pleszewski wielkopolskie 0,8313 pleszewski wielkopolskie 0,1660 268 aleksandrowski kujawsko-pomorskie 0,8468 rybnicki śląskie 0,8313 olecki warmińsko-mazurskie 0,1658 269 kłobucki śląskie 0,8470 aleksandrowski kujawsko-pomorskie 0,8316 wągrowiecki wielkopolskie 0,1657 270 koniński wielkopolskie 0,8470 nowodworski pomorskie 0,8322 łomżyński podlaskie 0,1655 271 słupecki wielkopolskie 0,8471 buski świętokrzyskie 0,8328 rypiński kujawsko-pomorskie 0,1653 272 drawski zachodniopomorskie 0,8472 żagański lubuskie 0,8331 drawski zachodniopomorskie 0,1651 273 wąbrzeski kujawsko-pomorskie 0,8474 słupecki wielkopolskie 0,8333 słupecki wielkopolskie 0,1645 274 leski podkarpackie 0,8485 lubański dolnośląskie 0,8333 płoński mazowieckie 0,1643 275 sulęciński lubuskie 0,8486 żniński kujawsko-pomorskie 0,8340 wąbrzeski kujawsko-pomorskie 0,1639 276 żagański lubuskie 0,8489 miechowski małopolskie 0,8346 aleksandrowski kujawsko-pomorskie 0,1631 277 bytowski pomorskie 0,8491 bytowski pomorskie 0,8348 bytowski pomorskie 0,1627 278 kraśnicki lubelskie 0,8491 wąbrzeski kujawsko-pomorskie 0,8361 kłobucki śląskie 0,1621 279 lubański dolnośląskie 0,8495 łaski łódzkie 0,8366 kaliski wielkopolskie 0,1621 280 łaski łódzkie 0,8496 świdwiński zachodniopomorskie 0,8369 ropczycko-sędziszowski podkarpackie 0,1616 281 miechowski małopolskie 0,8497 kłobucki śląskie 0,8370 żagański lubuskie 0,1615 282 ropczycko-sędziszowski podkarpackie 0,8508 pyrzycki zachodniopomorskie 0,8371 nowodworski pomorskie 0,1615 283 płoński mazowieckie 0,8513 sulęciński lubuskie 0,8374 żniński kujawsko-pomorskie 0,1612 284 kaliski wielkopolskie 0,8513 płoński mazowieckie 0,8380 lubański dolnośląskie 0,1610 285 nowotarski małopolskie 0,8517 kraśnicki lubelskie 0,8391 nowotarski małopolskie 0,1609 286 gołubsko-dobrzyński kujawsko-pomorskie 0,8518 brzeziński łódzkie 0,8393 chełmiński kujawsko-pomorskie 0,1609 287 brzeski małopolskie 0,8519 nowotarski małopolskie 0,8396 łaski łódzkie 0,1605 288 świdwiński zachodniopomorskie 0,8521 gołubsko-dobrzyński kujawsko-pomorskie 0,8399 gołubsko-dobrzyński kujawsko-pomorskie 0,1600 289 częstochowski śląskie 0,8522 skierniewicki łódzkie 0,8399 jarosławski podkarpackie 0,1597 290 skierniewicki łódzkie 0,8522 jarosławski podkarpackie 0,8400 sulęciński lubuskie 0,1596 291 chełmiński kujawsko-pomorskie 0,8527 ropczycko-sędziszowski podkarpackie 0,8407 pyrzycki zachodniopomorskie 0,1591 292 jarosławski podkarpackie 0,8528 kaliski wielkopolskie 0,8408 częstochowski śląskie 0,1589 293 mogileński kujawsko-pomorskie 0,8528 mogileński kujawsko-pomorskie 0,8413 białostocki podlaskie 0,1588 294 pyrzycki zachodniopomorskie 0,8530 chełmiński kujawsko-pomorskie 0,8413 brzeski małopolskie 0,1586 295 brzeziński łódzkie 0,8531 częstochowski śląskie 0,8414 łosicki mazowieckie 0,1584 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 296 nowodworski pomorskie 0,8536 szczycieński warmińsko-mazurskie 0,8417 mogileński kujawsko-pomorskie 0,1578 297 białostocki podlaskie 0,8539 brzeski małopolskie 0,8419 kraśnicki lubelskie 0,1578 298 łomżyński podlaskie 0,8546 białostocki podlaskie 0,8420 świdwiński zachodniopomorskie 0,1578 299 łańcucki podkarpackie 0,8549 łomżyński podlaskie 0,8422 szczycieński warmińsko-mazurskie 0,1573 300 szczycieński warmińsko-mazurskie 0,8552 prudnicki opolskie 0,8431 moniecki podlaskie 0,1571 301 radziejowski kujawsko-pomorskie 0,8559 radziejowski kujawsko-pomorskie 0,8433 proszowicki małopolskie 0,1570 302 gostyniński mazowieckie 0,8559 gostyniński mazowieckie 0,8437 brzeziński łódzkie 0,1565 303 kościerski pomorskie 0,8560 kościerski pomorskie 0,8437 krasnostawski lubelskie 0,1564 304 prudnicki opolskie 0,8566 łańcucki podkarpackie 0,8442 grudziądzki kujawsko-pomorskie 0,1560 305 łukowski lubelskie 0,8568 łosicki mazowieckie 0,8450 prudnicki opolskie 0,1558 306 krasnostawski lubelskie 0,8568 nakielski kujawsko-pomorskie 0,8452 łukowski lubelskie 0,1557 307 łosicki mazowieckie 0,8576 pułtuski mazowieckie 0,8454 radzyński lubelskie 0,1556 308 grudziądzki kujawsko-pomorskie 0,8578 łukowski lubelskie 0,8459 kościerski pomorskie 0,1554 309 radzyński lubelskie 0,8587 makowski mazowieckie 0,8466 łańcucki podkarpackie 0,1551 310 działdowski warmińsko-mazurskie 0,8592 krasnostawski lubelskie 0,8469 gostyniński mazowieckie 0,1548 311 gorlicki małopolskie 0,8592 tomaszowski lubelskie 0,8470 gorlicki małopolskie 0,1547 312 nakielski kujawsko-pomorskie 0,8592 grudziądzki kujawsko-pomorskie 0,8473 pułtuski mazowieckie 0,1544 313 rzeszowski podkarpackie 0,8595 radzyński lubelskie 0,8474 radziejowski kujawsko-pomorskie 0,1544 314 tomaszowski lubelskie 0,8596 proszowicki małopolskie 0,8474 lipski mazowieckie 0,1543 315 pułtuski mazowieckie 0,8599 sztumski pomorskie 0,8476 rzeszowski podkarpackie 0,1538 316 lipski mazowieckie 0,8605 lipski mazowieckie 0,8478 lubelski lubelskie 0,1531 317 sierpecki mazowieckie 0,8608 gorlicki małopolskie 0,8479 działdowski warmińsko-mazurskie 0,1530 318 janowski lubelskie 0,8611 gołdapski warmińsko-mazurskie 0,8486 sierpecki mazowieckie 0,1527 319 moniecki podlaskie 0,8612 piski warmińsko-mazurskie 0,8487 nakielski kujawsko-pomorskie 0,1523 320 proszowicki małopolskie 0,8612 rzeszowski podkarpackie 0,8488 tomaszowski lubelskie 0,1522 321 gołdapski warmińsko-mazurskie 0,8614 łobeski zachodniopomorskie 0,8491 kielecki świętokrzyskie 0,1521 322 kielecki świętokrzyskie 0,8615 kielecki świętokrzyskie 0,8491 siedlecki mazowieckie 0,1520 323 sztumski pomorskie 0,8615 działdowski warmińsko-mazurskie 0,8491 makowski mazowieckie 0,1520 324 makowski mazowieckie 0,8618 moniecki podlaskie 0,8492 płocki mazowieckie 0,1517 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 325 elbląski warmińsko-mazurskie 0,8618 janowski lubelskie 0,8495 janowski lubelskie 0,1513 326 płocki mazowieckie 0,8620 lwówecki dolnośląskie 0,8496 ostrołęcki mazowieckie 0,1509 327 kętrzyński warmińsko-mazurskie 0,8628 sierpecki mazowieckie 0,8496 piski warmińsko-mazurskie 0,1506 328 lubelski lubelskie 0,8630 płocki mazowieckie 0,8507 sztumski pomorskie 0,1505 329 lwówecki dolnośląskie 0,8631 braniewski warmińsko-mazurskie 0,8512 rycki lubelskie 0,1504 330 rycki lubelskie 0,8639 lubelski lubelskie 0,8512 elbląski warmińsko-mazurskie 0,1503 331 lidzbarski warmińsko-mazurskie 0,8640 lidzbarski warmińsko-mazurskie 0,8513 lwówecki dolnośląskie 0,1501 332 łobeski zachodniopomorskie 0,8642 elbląski warmińsko-mazurskie 0,8514 suwalski podlaskie 0,1497 333 piski warmińsko-mazurskie 0,8642 kętrzyński warmińsko-mazurskie 0,8516 braniewski warmińsko-mazurskie 0,1485 334 siedlecki mazowieckie 0,8643 rycki lubelskie 0,8518 sokólski podlaskie 0,1484 335 złotowski wielkopolskie 0,8643 choszczeński zachodniopomorskie 0,8522 gołdapski warmińsko-mazurskie 0,1481 336 limanowski małopolskie 0,8648 złotowski wielkopolskie 0,8533 limanowski małopolskie 0,1481 337 braniewski warmińsko-mazurskie 0,8650 siedlecki mazowieckie 0,8537 łobeski zachodniopomorskie 0,1481 338 lubartowski lubelskie 0,8660 limanowski małopolskie 0,8541 węgrowski mazowieckie 0,1477 339 węgrowski mazowieckie 0,8670 węgrowski mazowieckie 0,8543 lubartowski lubelskie 0,1475 340 sokólski podlaskie 0,8670 lubartowski lubelskie 0,8548 złotowski wielkopolskie 0,1472 341 choszczeński zachodniopomorskie 0,8673 ostrołęcki mazowieckie 0,8553 przeworski podkarpackie 0,1466 342 krośnieński podkarpackie 0,8675 sokólski podlaskie 0,8557 choszczeński zachodniopomorskie 0,1460 343 przeworski podkarpackie 0,8679 tucholski kujawsko-pomorskie 0,8561 hrubieszowski lubelskie 0,1459 344 hrubieszowski lubelskie 0,8684 krośnieński podkarpackie 0,8566 kętrzyński warmińsko-mazurskie 0,1458 345 tucholski kujawsko-pomorskie 0,8686 sępoleński kujawsko-pomorskie 0,8566 lidzbarski warmińsko-mazurskie 0,1456 346 ostrołęcki mazowieckie 0,8686 hrubieszowski lubelskie 0,8567 parczewski lubelskie 0,1447 347 suwalski podlaskie 0,8689 przeworski podkarpackie 0,8577 krośnieński podkarpackie 0,1447 348 sępoleński kujawsko-pomorskie 0,8697 suwalski podlaskie 0,8579 tucholski kujawsko-pomorskie 0,1432 349 parczewski lubelskie 0,8704 parczewski lubelskie 0,8588 sępoleński kujawsko-pomorskie 0,1421 350 piotrkowski łódzkie 0,8719 przysuski mazowieckie 0,8592 tarnowski małopolskie 0,1420 351 kolbuszowski podkarpackie 0,8720 opolski lubelskie 0,8609 nowosądecki małopolskie 0,1419 352 nowosądecki małopolskie 0,8721 górowski dolnośląskie 0,8610 opolski lubelskie 0,1419 Lp. Powiat Województwo Wskaźnik OE Powiat Województwo Wskaźnik OM Powiat Województwo Wskaźnik SK 353 opolski lubelskie 0,8724 nowosądecki małopolskie 0,8610 kolbuszowski podkarpackie 0,1414 354 bialski lubelskie 0,8726 włodawski lubelskie 0,8618 bialski lubelskie 0,1414 355 nidzicki warmińsko-mazurskie 0,8729 nidzicki warmińsko-mazurskie 0,8619 piotrkowski łódzkie 0,1411 356 przysuski mazowieckie 0,8729 piotrkowski łódzkie 0,8624 przysuski mazowieckie 0,1408 357 tarnowski małopolskie 0,8730 włocławski kujawsko-pomorskie 0,8624 włodawski lubelskie 0,1394 358 włocławski kujawsko-pomorskie 0,8731 kolbuszowski podkarpackie 0,8625 włocławski kujawsko-pomorskie 0,1389 359 górowski dolnośląskie 0,8740 bialski lubelskie 0,8631 górowski dolnośląskie 0,1386 360 włodawski lubelskie 0,8745 szydłowiecki mazowieckie 0,8631 nidzicki warmińsko-mazurskie 0,1381 361 nowomiejski warmińsko-mazurskie 0,8759 lipnowski kujawsko-pomorskie 0,8634 zwoleński mazowieckie 0,1376 362 lipnowski kujawsko-pomorskie 0,8769 tarnowski małopolskie 0,8637 kolneński podlaskie 0,1374 363 zamojski lubelskie 0,8769 nowomiejski warmińsko-mazurskie 0,8657 sejneński podlaskie 0,1367 364 szydłowiecki mazowieckie 0,8775 zwoleński mazowieckie 0,8658 lipnowski kujawsko-pomorskie 0,1362 365 zwoleński mazowieckie 0,8782 kolneński podlaskie 0,8664 zamojski lubelskie 0,1357 366 kolneński podlaskie 0,8793 sejneński podlaskie 0,8664 szydłowiecki mazowieckie 0,1357 367 sejneński podlaskie 0,8800 zamojski lubelskie 0,8675 nowomiejski warmińsko-mazurskie 0,1356 368 bartoszycki warmińsko-mazurskie 0,8804 bartoszycki warmińsko-mazurskie 0,8678 kazimierski świętokrzyskie 0,1336 369 radomski mazowieckie 0,8804 żuromiński mazowieckie 0,8686 bartoszycki warmińsko-mazurskie 0,1330 370 żuromiński mazowieckie 0,8808 radomski mazowieckie 0,8689 żuromiński mazowieckie 0,1326 371 niżański podkarpackie 0,8810 węgorzewski warmińsko-mazurskie 0,8698 niżański podkarpackie 0,1324 372 węgorzewski warmińsko-mazurskie 0,8826 niżański podkarpackie 0,8706 radomski mazowieckie 0,1319 373 kazimierski świętokrzyskie 0,8835 kazimierski świętokrzyskie 0,8732 dąbrowski małopolskie 0,1312 374 dąbrowski małopolskie 0,8850 dąbrowski małopolskie 0,8740 węgorzewski warmińsko-mazurskie 0,1301 375 lubaczowski podkarpackie 0,8851 brzozowski podkarpackie 0,8743 lubaczowski podkarpackie 0,1294 376 brzozowski podkarpackie 0,8854 lubaczowski podkarpackie 0,8747 brzozowski podkarpackie 0,1291 377 przemyski podkarpackie 0,8887 przemyski podkarpackie 0,8773 przemyski podkarpackie 0,1280 378 strzyżowski podkarpackie 0,8900 strzyżowski podkarpackie 0,8795 chełmski lubelskie 0,1244 379 chełmski lubelskie 0,8931 chełmski lubelskie 0,8822 strzyżowski podkarpackie 0,1239 BIBLIOGRAFIA Berbeka J. (1999), Porównanie poziomu życia w krajach Europy Środkowej, „Wiadomości Statystyczne” nr 8. Dykas P., Kościelniak P., Tokarski T. (2013), Taksonomiczne wskaźniki rozwoju ekonomicznego województw i powiatów, w: Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, red. M. Trojak, T. Tokarski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków 2013. Edigarian A., Kościelniak P., Tokarski T., Trojak M. (2011), Taksonomiczne wskaźniki rozwoju ekonomicznego powiatów, w: Capability to social Progress in Poland’s regions, red. D. Tomczak, Warsaw University Press, Warszawa. Gajewski P. (2002), Regionalne zróżnicowanie poziomu rozwoju gospodarczego Polski w latach dziewięćdziesiątych, praca magisterska napisana pod kierunkiem E. Kwiatkowskiego, Katedra Ekonomii Uniwersytetu Łódzkiego. Gajewski P. (2003), Zróżnicowanie rozwoju gospodarczego w latach 90., „Wiadomości Statystyczne” nr 11. Majewski S. (1999), Szeregowanie krajów przy pomocy Diagramu Czekanowskiego i Taksonomicznego Miernika Rozwoju, „Wiadomości Statystyczne” nr 8. Tokarski T., Gabryjelska A., Krajewski P., Mackiewicz M. (1999), Determinanty regionalnego zróżnicowania PKB, zatrudnienia i płac, „Wiadomości Statystyczne” nr 8. Tomczak D. (red.) (2011), Capability to social Progress in Poland’s regions, Warsaw University Press, Warszawa. Trojak M., Tokarski T. (red.) (2013), Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków 2013. 178 179 6 ANALIZA ZRÓŻNICOWANIA ROZWOJU EKONOMICZNEGO WOJEWÓDZTW I POWIATÓW OPARTA NA ŁAŃCUCHACH MARKOWA1 (Armen Edigarian, Piotr Kościelniak, Mariusz Trojak) 6.1. WPROWADZENIE Celem rozdziału szóstego jest przedstawienie metody, jaką zastosowano do analizy przestrzennego zróżnicowania rozwoju ekonomicznego województw i powiatów w Polsce. Aby przeprowadzić tę analizę, posłużono się wskaźnikami taksonomicznymi rozwoju ekonomicznego zaprezentowanymi w rozdziale 5 niniejszego opracowania. Rozdział ma następującą strukturę: w punkcie 6.2. zaprezentowano koncepcję łańcuchów Markowa, którą następnie wykorzystano dla oszacowania prawdopodobieństwa przejścia poszczególnych województw i powiatów pomiędzy różnymi stanami gospodarki, co przedstawiono w podrozdziałach 6.3 (analiza na poziomie wojewódzkim) oraz 6.4. (analiza na poziomie powiatowym). Rozdział kończy podsumowanie, w którym znajdują się ważniejsze wnioski płynące z analizy. 6.2. CHARAKTERYSTYKA ŁAŃCUCHÓW MARKOWA Niech S = {1, …, N} będzie zbiorem stanów, a P(A/B) oznacza prawdopodobieństwo zdarzenia A pod warunkiem B. Definicja 1. Ciąg zmiennych losowych X0, …, Xt, …, o wartościach ze zbioru S nazywamy łańcuchem Markowa, gdy dla każdego t ∈ N oraz każdych s0, …, st ∈ S (6.1) 1 Rozdział szósty stanowi uzupełnienie i poszerzenie prac analitycznych prowadzonych w opracowaniu: Edigarian, Kościelniak, 2013. Analiza została przeprowadzona na podstawie danych statystycznych pochodzących z GUS za lata 2002 – 2011. Przy konstrukcji wskaźnika taksonomicznego, w odniesieniu do wcześniejszego opracowania: M. Trojak, T. Tokarski, Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, WUJ, Kraków 2013, poszerzono zakres zmiennych o wskaźnik reprezentujący postawę przedsiębiorczości w regionach – liczbę przedsiębiorstw zarejestrowanych w bazie REGON na 1000 mieszkańców Wprost z definicji można wywnioskować, że prawdopodobieństwo tego, iż badany układ znajduje się w chwili t oraz w stanie i zależy tylko od stanu, w którym znajdował się w chwili t – 1, a nie zależy od stanu w chwili t – 1 i dalszych. Obrazowo można powiedzieć, że układ opisany łańcuchem Markowa „pamięta” tylko gdzie był w chwili poprzedniej, a „zapomina”, gdzie był 2 chwile wcześniej, 3 chwile wcześniej itd. Badając łańcuchy Markowa wygodniej jest posługiwać się tzw. macierzami przejścia, które zdefiniowane są następująco: Definicja 2. Niech X0, …, Xt… będzie łańcuchem Markowa o zbiorze stanów S. Wtedy macierz P(t) zdefiniowana dla każdych i, j ∈ S wzorem P(t)ij = P(Xt = j/Xt – 1 = i) nazywamy macierzą przejścia w chwili t. W sytuacji gdy łańcuch Markowa ma macierze przejścia takie same dla każdego t, nazywamy go jednorodnym. Wtedy P(t)ij nie zależy od chwili t i można przyjąć oznaczenia P = P(t) oraz pij = Pij (pij oznacza prawdopodobieństwo przejścia układu ze stanu i do j). Dla łańcucha Markowa zdefiniujemy macierz P(n) wzorem: . (6.2) Taka macierz informuje, jakie jest prawdopodobieństwo przejścia ze stanu i do stanu j w dokładnie n krokach. Twierdzenie 1. Dla jednorodnego łańcucha Markowa zachodzi: 1. (równanie Chapmana-Kołmogorowa) dla każdego n ≥ 2 oraz k ∈ {1, …, n – 1} . (6.3) 2. P(n) = Pn. Znając rozkład początkowy łańcucha Markowa, tj. rozkład zmiennej losowej X0, możemy wyznaczyć rozkłady pozostałych zmiennych tego łańcucha. Mówi o tym twierdzenie 2. Twierdzenie 2. Dla każdego n > 0 . (6.4) Wartym omówienia jest problem, jaki jest rozkład Xn dla dużych n (czyli n → ∞), w szczególności, czy wszystkie zmienne losowe X0, X1, … mogą mieć ten sam rozkład. Dowodzi się, że tak zdefiniowany rozkład stacjonarny posiada tę własność. Definicja 3. Dla jednorodnego łańcucha Markowa rozkład π = (π1, …, πn) jest stacjonarny, gdy πP = π, tj. πj = Σiπipij. Kolejne własności rozkładu stacjonarnego wymagają dodatkowych definicji. Definicja 4. Mówimy, że i → j, tj. że stan j jest osiągalny ze stanu i, gdy istnieje n ≥ 0 takie, że pij(n) > 0. Definicja 5. Mówimy, że stany i oraz j komunikują się, gdy i → j oraz j → i. Definicja 6. Łańcuch Markowa jest nieredukowalny, gdy dla wszystkich i, j ∈ S oraz i → j. Niech Ti = inf {n ≥ 1 : Xn = i / X0 = i} będzie zmienną losową określającą czas pierwszego powrotu do stanu i przy wyruszeniu ze stanu i, a Mi = E(Ti) jej wartością średnią. Definicja 7. Stan i nazywamy powracającym, gdy Mi < ∞. Definicja 8. Liczbę ki = NWD{n : pij(n) > 0} nazywamy okresem stanu i, gdzie NWD oznacza największy wspólny dzielnik. Gdy ki = 1, stan i nazywa się aperiodycznym. Łańcuch jest aperiodyczny, gdy każdy jego stan jest aperiodyczny. Na podstawie powyższych definicji można sformułować następujące twierdzenie. Twierdzenie 3. Niech X0, X1,… będzie jednorodnym i nieredukowalnym łańcuchem Markowa. Posiada on rozkład stacjonarny wtedy i tylko wtedy, gdy wszystkie jego stany są powracające. Co więcej, jest on jedyny i dany wzorem πi = . W sytuacji, gdy łańcuch jest jednorodny, nieredukowalny i aperiodyczny, to dla każdej i, j ∈ S . Ta druga własność mówi, że bez względu na rozkład początkowy łańcuch dąży do rozkładu stacjonarnego. 6.3. DYNAMICZNA ANALIZA ZRÓŻNICOWANIA EKONOMICZNEGO WOJEWÓDZTW W POLSCE OPARTA NA ŁAŃCUCHACH MARKOWA Na podstawie wskazanych w rozdziale 5 zmiennych makroekonomicznych zbudowano wskaźnik taksonomiczny (SK) rozwoju ekonomicznego województw. Wskaźnik ten uwzględnia wartości następujących zmiennych makroekonomicznych: PKB per capita, wartości brutto środków trwałych per capita, inwestycji per capita, płace, stóp bezrobocia oraz liczby przedsiębiorstw zarejestrowanych w bazie REGON na 1000 mieszkańców. W tablicy 6.1 zaprezentowano przynależność województw do poszczególnych grup o podobnym poziomie rozwoju ekonomicznego mierzonego wskaźnikiem SK, wykres 6.1 prezentuje zaś zmienność tego wskaźnika w okresie od 2002 do 2011 roku. Przynależność poszczególnych województw do niższej grupy kwartylowej świadczy o wyższym poziomie rozwoju ekonomicznego. Na podstawie danych zawartych w tablicy 6.1 można wysnuć następujące wnioski: ●● Najlepiej pod względem ekonomicznym rozwinięte były województwa mazowieckie i śląskie, które przynależały do pierwszej grupy kwartylowej w całym analizowanym okresie. ●● Wysokim stopniem rozwoju charakteryzowały się również województwa: wielkopolskie (9 lat w pierwszej i 1 rok w drugiej grupie kwartylowej), dolnośląskie (8 lat w pierwszej i 2 lata w drugiej grupie kwartylowej), pomorskie (3 lata w pierwszej i 7 lat w drugiej grupie kwartylowej). ●● Bezsprzecznie najsłabiej rozwiniętymi województwami były: lubelskie, podkarpackie i warmińsko – mazurskie (przez cały badany okres w czwartej grupie kwartylowej). Nieznacznie lepsze wyniki pod tym względem miało województwa podlaskie (9 lat w czwartej i 1 rok w trzeciej grupie kwartylowej). Tablica 6.1. Województwa w grupach – taksonomiczny wskaźnik rozwoju ekonomicznego województw w Polsce w latach 2002–2011 Województwa Przynależność województwa do grup kwartylowych w latach 2002–2011 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dolnośląskie 2 1 1 1 1 1 2 1 1 1 Kujawsko-pomorskie 3 3 3 3 3 3 3 3 3 3 Lubelskie 4 4 4 4 4 4 4 4 4 4 Lubuskie 3 3 3 3 3 3 3 3 3 3 Łódzkie 2 2 2 2 2 2 2 2 2 2 Małopolskie 2 2 2 3 2 2 2 3 3 2 Mazowieckie 1 1 1 1 1 1 1 1 1 1 Opolskie 3 3 3 2 3 2 3 2 2 3 Podkarpackie 4 4 4 4 4 4 4 4 4 4 Podlaskie 4 3 4 4 4 4 4 4 4 4 Pomorskie 1 2 2 2 2 2 1 1 2 2 Śląskie 1 1 1 1 1 1 1 1 1 1 Świętokrzyskie 3 4 3 3 3 3 3 3 3 3 Warmińsko-mazurskie 4 4 4 4 4 4 4 4 4 4 Wielkopolskie 1 1 1 1 1 1 1 2 1 1 Zachodniopomorskie 2 2 2 2 2 3 2 2 2 2 Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 6.7.2013). ●● W pozostałych województwach obserwowany był średnio poziom rozwoju ekonomicznego. Województwa łódzkie, małopolskie i zachodniopomorskie zwykle znajdowały się w drugiej grupie kwartylowej, podczas gdy świętokrzyskie, opolskie, lubuskie i kujawsko-pomorskie zwykle lokowały się w grupie trzeciej. W tablicy 6.2 zaprezentowano przesunięcia pomiędzy poszczególnymi grupami kwartylowymi. Znak minus oznacza przesunięcie z grupy wyższej do niższej, czyli poprawę sytuacji ekonomicznej województwa. Z tablicy 6.2 płyną następujące wnioski: ●● W całym badanym okresie zmiany w poziomie rozwoju ekonomicznego województw były niewielkie, o czym świadczy fakt, że aż 8 na 16 województw w Polsce nie zmieniło przynależności do grup kwartylowych od 2002 do 2011 roku. W pozostałych przypadkach obserwowane były zmiany co najwyżej o jedną grupę kwartylową. ●● W większości wypadków zmiana wiązała się z poprawą sytuacji ekonomicznej województw (12 przesunięć do grupy niższej). W 10 przypadkach województwa przesuwały się do grupy wyższej, co świadczy o pogorszeniu się ich sytuacji ekonomicznej. Tablica 6.2. Ewolucja rozwoju ekonomicznego województw w latach 2002–2011 Województwa Przesunięcia województw między grupami kwartylowymi 2002* 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dolnośląskie 2 –1 0 0 0 0 1 –1 0 0 Kujawsko-pomorskie 3 0 0 0 0 0 0 0 0 0 Lubelskie 4 0 0 0 0 0 0 0 0 0 Lubuskie 3 0 0 0 0 0 0 0 0 0 Łódzkie 2 0 0 0 0 0 0 0 0 0 Małopolskie 2 0 0 1 –1 0 0 1 0 –1 Mazowieckie 1 0 0 0 0 0 0 0 0 0 Opolskie 3 0 0 –1 1 –1 1 –1 0 1 Podkarpackie 4 0 0 0 0 0 0 0 0 0 Podlaskie 4 –1 1 0 0 0 0 0 0 0 Pomorskie 1 1 0 0 0 0 –1 0 1 0 Śląskie 1 0 0 0 0 0 0 0 0 0 Świętokrzyskie 3 1 –1 0 0 0 0 0 0 0 Warmińsko-mazurskie 4 0 0 0 0 0 0 0 0 0 Wielkopolskie 1 0 0 0 0 0 0 1 –1 0 Zachodniopomorskie 2 0 0 0 0 1 –1 0 0 0 * Przynależność województw do grup kwartylowych w roku 2002. Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 6.7.2013). ●● W przypadku województwa dolnośląskiego w ciągu dziesięcioletniego okresu obserwacji nastąpiło przesunięcie się z grupy drugiej do pierwszej, a więc swego rodzaju awans ekonomiczny, w przypadku zaś województwa pomorskiego nastąpiła odwrotna sytuacja. W 2002 roku województwo to znajdowało się w grupie pierwszej, a w 2011 w grupie drugiej co świadczy o niekorzystnych zmianach ekonomicznych w tym regionie. Tablica 6.3 zawiera analizę przejścia poszczególnych województw między grupami kwartylowymi określającymi stany rozwoju ekonomicznego. W tablicy 6.3 zamieszczono informacje na temat liczności poszczególnych grup oraz prawdopodobieństwa zdarzenia, że poszczególne województwa znajdą się w jednej z czterech grup określających różny poziom rozwoju ekonomicznego. Z danych zawartych tej tablicy płyną następujące wnioski: ●● Pomiędzy 2002 a 2003 rokiem prawdopodobieństwo tego, że województwo pozostanie w grupie pierwszej wynosi 75% (dotyczy 3 województw), zaś z prawdopodobieństwem 0,25 jedno województwo (pomorskie) przesunie się do grupy drugiej. Ponadto jedno województwo z prawdopodobieństwem 25% przesunęło się z grupy drugiej do pierwszej (dolnośląskie), trzy zaś województwa z prawdopodobieństwem 75% pozostało w grupie drugiej. Trzy województwa pozostały w grupie trzeciej (prawdopodobieństwo 75%) i jedno (świętokrzyskie) przesunęło się z grupy trzeciej do czwartej (prawdopodobieństwo (25%). Tablica 6.3. Łańcuchy przejścia Markowa w odniesieniu do taksonomicznego wskaźnika rozwoju ekonomicznego (SK) województw w Polsce w latach 2002–2011 Prawdopodobieństwo przejścia Liczebność 2002/2003 V1 V2 V3 V4 2002/2003 V1 V2 V3 V4 1 0,75 0,25 0 0 1 3 1 0 0 2 0 0,75 0 0 2 1 3 0 0 3 0 0 0,75 0,25 3 0 0 3 1 4 0 0 0,25 0,75 4 0 0 1 3 2003/2004 V1 V2 V3 V4 2003/2004 V1 V2 V3 V4 1 1 0 0 0 1 4 0 0 0 2 0 1 0 0 2 0 4 0 0 3 0 0 0,75 0 3 0 0 3 1 4 0 0 0,25 0,75 4 0 0 1 3 2004/2005 V1 V2 V3 V4 2004/2005 V1 V2 V3 V4 1 1 0 0 0 1 4 0 0 0 2 0 0,75 0,25 0 2 0 3 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 2005/2006 V1 V2 V3 V4 2005/2006 V1 V2 V3 V4 1 1 0 0 0 1 4 0 0 0 2 0 0,75 0,25 0 2 0 3 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 2006/2007 V1 V2 V3 V4 2006/2007 V1 V2 V3 V4 1 1 0 0 0 1 4 0 0 0 2 0 0,75 0,25 0 2 0 3 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 2007/2008 V1 V2 V3 V4 2007/2008 V1 V2 V3 V4 1 0,75 0,25 0 0 1 3 1 0 0 2 0,25 0,5 0,25 0 2 1 2 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 Prawdopodobieństwo przejścia Liczebność 2008/2009 V1 V2 V3 V4 2008/2009 V1 V2 V3 V4 1 0,75 0,25 0 0 1 3 1 0 0 2 0,25 0,5 0,25 0 2 1 2 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 2009/2010 V1 V2 V3 V4 2009/2010 V1 V2 V3 V4 1 0,75 0,25 0 0 1 3 1 0 0 2 0,25 0,75 0 0 2 1 3 0 0 3 0 0 1 0 3 0 0 4 0 4 0 0 0 1 4 0 0 0 4 2010/2011 V1 V2 V3 V4 2010/2011 V1 V2 V3 V4 1 1 0 0 0 1 4 0 0 0 2 0 0,75 0,25 0 2 0 3 1 0 3 0 0,25 0,75 0 3 0 1 3 0 4 0 0 0 1 4 0 0 0 4 Źródło: opracowanie własne. ●● W okresie od 2003 do 2004 nie zaobserwowano znaczących ruchów pomiędzy grupami. Cztery województwa pozostały w grupie pierwszej i cztery w grupie drugiej (prawdopodobieństwa pozostania w obu przypadkach wynosiły 100%). Jedno województwo przeszło z grupy trzeciej do czwartej (podlaskie, z prawdopodobieństwem 25%), jedno awansowało z grupy trzeciej do drugiej (świętokrzyskie, z prawdopodobieństwem 25%). ●● Pomiędzy 2004 a 2005 rokiem również można zaobserwować stabilność województw. Cztery województwa pozostały w pierwszej grupie (prawdopodobieństwo 100%). Taka sama sytuacja dotyczyła grupy drugiej, w której nie doszło do żadnych ruchów. Jedno województwo awansowało z grupy trzeciej do drugiej (opolskie, z prawdopodobieństwem 25%) i jedno spadło z grupy drugiej do trzeciej (małopolskie, również z prawdopodobieństwem 25%). ●● Lata 2005–2006 oraz 2006–2007 to również czas względnej stabilności, a zmiany jakie zachodziły pomiędzy grupami były identyczne jak między 2004 a 2005 rokiem. ●● Większą dynamikę zmian obserwowano zaś pomiędzy 2007 a 2008 rokiem. Jedno (pomorskie, z prawdopodobieństwem 25%) awansowało z grupy drugiej do pierwszej, a jedno (zachodniopomorskie, z prawdopodobieństwem 25%) przesunęło się z grupy trzeciej do drugiej, co świadczy o poprawie ekonomicznych warunków tego regionu. W tym czasie obserwowane były również ruch z grup niższych do wyższych, świadczące o pogorszeniu się warunków ekonomicznych w tych regionach. Jedno województwo przesunęło się z grupy pierwszej do drugiej (dolnośląskie, z prawdopodobieństwem 25%) i jedno z grupy drugiej do trzeciej (opolskie z prawdopodobieństwem 25%). W następnym okresie – lata 2008–2009. Zachodziły identyczne ruchy pomiędzy grupami jak w okresie 2007–2008. ●● W okresie od 2009 do 2010 roku obserwowano ruchy pomiędzy pierwszą a drugą, oraz drugą a pierwszą grupą kwartylową. Województwo pomorskie spadło z pierwszej do drugiej grupy (prawdopodobieństwo 25%), a województwo wielkopolskie awansowało z grupy drugiej do pierwszej. Grupy trzecia i czwarta były stabilne. ●● W ostatnim okresie analizy, lata 20010–2011, stabilne były grupy pierwsza i czwarta. Ruchy dotyczyły przesunięć jednego województwa z grupy drugiej do trzeciej (opolskie, z prawdopodobieństwem 25%) i z grupy trzeciej do drugiej (małopolskie, również z prawdopodobieństwem 25%). ●● Podsumowując, w całym badanym okresie obserwowane były niewielkie ruchy województw pomiędzy poszczególnymi grupami kwartylowymi. Z wysokim prawdopodobieństwem województwa pozostawały w grupach kwartylowych z 2002 roku, a ewentualne prawdopodobieństwa zmian było nie wyższe niż 25%. 6.4. DYNAMICZNA ANALIZA ZRÓŻNICOWANIA EKONOMICZNEGO POWIATÓW W POLSCE OPARTA NA ŁAŃCUCHACH MARKOWA W celu dokonania analizy przejścia poszczególnych powiatów w odniesieniu do taksonomicznego wskaźnika dokonano podziału 379 powiatów na 5 grup, z których cztery pierwsze liczą 76, a grupa piąta – 75 powiatów. Są to grupy ujednolicone, a powiaty zakwalifikowane do nich mają zbliżone wartości analizowanego taksonomicznego wskaźnika rozwoju ekonomicznego. Można uznać, że powiaty należące do grupy pierwszej charakteryzują się najwyższym poziomem rozwoju ekonomicznego, należące do grupy drugiej – wysokim poziomem rozwoju, do grupy trzeciej – średnim, do grupy czwartej – niskim, a należące do grupy piątej – wysokim poziomem rozwoju ekonomicznego. Trzeba w tym miejscu zaznaczyć, że powiaty w Polsce podzielone zostały administracyjnie na powiaty ziemskie oraz grodzkie. Ta druga grupa obejmuje miasta na prawach powiatów. Na wykresie 6.1 zaprezentowano stopień zróżnicowania analizowanego wskaźnika taksonomicznego w grupie powiatów ziemskich i grodzkich. Jak łatwo zauważyć, powiaty grodzkie charakteryzują się znaczenie wyższymi wartościami wskaźnika niż powiaty ziemskie, co świadczy, że średnio miasta na prawach powiatu są znacznie lepiej rozwinięte ekonomicznie niż powiaty ziemskie. Poza tym dystans dzielący powiaty ziemskie od grodzkich nie ulega zmianie. W całym badanym okresie odległość między tymi dwoma typami powiatów jest w miarę stała, choć obserwowany jest systematyczny wzrost analizowanego wskaźnika, oprócz 2009 roku, gdy obserwowano znaczące obniżenie jego wartości spowodowane spadkiem koniunktury gospodarczej w Polsce. Do podobnych wniosków można dojść również na podstawie wykresu 6.2 przedstawiającego zróżnicowanie analizowanych dwóch grup powiatów pod względem wartości wskaźnika taksonomicznego rozwoju ekonomicznego. Wykres 6.1. Średnia wartość taksonomicznego wskaźnika rozwoju ekonomicznego w grupach powiatów w Polsce w latach 2002–2011 Źródło: opracowanie własne. Wykres 6.2. Zróżnicowanie wartości taksonomicznego wskaźnika rozwoju ekonomicznego w grupie powiatów grodzkich i ziemskich w latach od 2002 do 2011. Źródło: opracowanie własne. Z wykresu 6.2 płyną następujące wnioski: ●● We wszystkich analizowanych latach mediana analizowanego wskaźnika w przypadku powiatów grodzkich znacząco przewyższała mediany w grupie powiatów grodzkich. W 2002 roku mediana na powiatów grodzkich wynosiła około 0,17 a w 2011 roku już niemal 0,25. W przypadku powiatów ziemskich mediana w 2002 roku wyniosła około 0,11, w 2011 roku natomiast wartość ta wyniosła około 0,21. Różnica pomiędzy medianami powiatów grodzkich i ziemskich zatem się zmniejsza. ●● Zróżnicowanie ekonomiczne powiatów grodzkich jest większe niż powiatów ziemskich, a liczba obserwacji nietypowych jest wyższa w przypadku powiatów ziemskich. Na podstawie wyznaczonych wskaźników prezentowanych w rozdziale piątym wyznaczono łańcuchy przejścia Markowa. Prawdopodobieństwa przejścia oraz liczebności poszczególnych grup zaprezentowano w tablicy 6.4. Analiza danych zawartych w tablicy 6.4 pozwala na wysnucie następujących wniosków: ●● Pomiędzy 2002 a 2003 rokiem 68 powiatów pozostało w pierwszej grupie kwintylowej, świadcząc o bardzo wysokim stopniu rozwoju ekonomicznego. Prawdopodobieństwo pozostania powiatu w tej grupie wyniosło 89%. Sytuacja 8 powiatów pogorszyła się, co skutkowało ich spadkiem z grupy pierwszej do drugiej (prawdopodobieństwo tego zdarzenia wyniosło 11%). W tym czasie w grupie drugiej pozostało 59 powiatów (prawdopodobieństwo 78%), 8 przesunęło się z grupy drugiej do pierwszej (prawdopodobieństwo 11%), 6 spadło z grupy drugiej do trzeciej (prawdopodobieństwo 8%) i 3 z grupy drugiej do czwartej (p. 4% – były to powiaty ziemskie milicki i żniński oraz powiat grodzki Piekary Śląskie). Podobne ruchy odbywały się między grupą trzecią a drugą i czwartą. W grupie trzeciej pozostało 59 powiatów (p. 78%), 9 awansowało z trzeciej do drugiej (p. 12%), a 8 spadło z grupy trzeciej do czwartej (p. 11%). Ruchy z grupy czwartej do trzeciej dotyczyły 10 powiatów (p. 13%), a z czwartej do piątej grupy – 7 powiatów (p. 9%). W grupie piątej pozostało 68 powiatów (p. 91%), a awans do grupy czwartej dotyczył 6 powiatów (p. 8%). W tym przypadku obserwowano awans o dwie grupy – z piątej do trzeciej – oznaczający znaczącą poprawę ekonomiczną powiatu poddębickiego (p.1,3%). ●● W okresie od 2003 do 2004 roku obserwowano podobne ruchy jak w okresie poprzednim. Z prawdopodobieństwem od 80% do 93% powiaty pozostawały w tych samych grupach kwintylowych, co oznacza, że ich sytuacja ekonomiczna nie uległa znaczącej zmianie, a ewentualne przemieszczenia miały charakter wzrostów, bądź spadków, o jedną grupę kwintylową, co zachodziło z prawdopodobieństwem od 7% do 11%. ●● Kolejny okres – od 2004 do 2005 roku – charakteryzował się również względnie dużą stabilnością. Większość powiatów znajdowała się w tych samych grupach co w okresie poprzednim. Warto zwrócić uwagę na jeden powiat ziemski – chełmiński, który spadł z grupy trzeciej oznaczającej średni poziom rozwoju ekonomicznego, do grupy piątej skupiającej podmioty o bardzo złych warunkach ekonomicznych (p. 1,3%). Tablica 6.4. Łańcuchy przejścia Markowa w odniesieniu do taksonomicznego wskaźnika rozwoju ekonomicznego województw w Polsce w latach 2002–2011 Prawdopodobieństwo przejścia między grupami kwintylowymi Liczebności 2002/2003 V1 V2 V3 V4 V5 2002/2003 V1 V2 V3 V4 V5 1 0,89 0,11 0,00 0,00 0,00 1 68 8 0 0 0 2 0,11 0,78 0,08 0,04 0,00 2 8 59 6 3 0 3 0,00 0,12 0,78 0,11 0,00 3 0 9 59 8 0 4 0,00 0,00 0,13 0,78 0,09 4 0 0 10 59 7 5 0,00 0,00 0,01 0,08 0,91 5 0 0 1 6 68 2003/2004 V1 V2 V3 V4 V5 2003/2004 V1 V2 V3 V4 V5 1 0,91 0,09 0,00 0,00 0,00 1 69 7 0 0 0 2 0,09 0,80 0,11 0,00 0,00 2 7 61 8 0 0 3 0,00 0,11 0,80 0,09 0,00 3 0 8 61 7 0 4 0,00 0,00 0,09 0,84 0,07 4 0 0 7 64 5 5 0,00 0,00 0,00 0,07 0,93 5 0 0 0 5 70 2004/2005 V1 V2 V3 V4 V5 2004/2005 V1 V2 V3 V4 V5 1 0,93 0,07 0,00 0,00 0,00 1 71 5 0 0 0 2 0,07 0,82 0,12 0,00 0,00 2 5 62 9 0 0 3 0,00 0,12 0,76 0,11 0,01 3 0 9 58 8 1 4 0,00 0,00 0,12 0,79 0,09 4 0 0 9 60 7 5 0,00 0,00 0,00 0,11 0,89 5 0 0 0 8 67 2005/2006 V1 V2 V3 V4 V5 2005/2006 V1 V2 V3 V4 V5 1 0,91 0,09 0,00 0,00 0,00 1 69 7 0 0 0 2 0,09 0,80 0,11 0,00 0,00 2 7 61 8 0 0 3 0,00 0,09 0,80 0,11 0,00 3 0 7 61 8 0 4 0,00 0,01 0,09 0,83 0,07 4 0 1 7 63 5 5 0,00 0,00 0,00 0,07 0,93 5 0 0 0 5 70 2006/2007 V1 V2 V3 V4 V5 2006/2007 V1 V2 V3 V4 V5 1 0,91 0,09 0,00 0,00 0,00 1 69 7 0 0 0 2 0,09 0,78 0,12 0,01 0,00 2 7 59 9 1 0 3 0,00 0,12 0,79 0,09 0,00 3 0 9 60 7 0 4 0,00 0,01 0,08 0,80 0,11 4 0 1 6 61 8 5 0,00 0,00 0,01 0,09 0,89 5 0 0 1 7 67 Prawdopodobieństwo przejścia między grupami kwintylowymi Liczebności 2007/2008 V1 V2 V3 V4 V5 2007/2008 V1 V2 V3 V4 V5 1 0,91 0,09 0,00 0,00 0,00 1 69 7 0 0 0 2 0,09 0,79 0,12 0,00 0,00 2 7 60 9 0 0 3 0,00 0,09 0,74 0,17 0,00 3 0 7 56 13 0 4 0,00 0,03 0,14 0,74 0,09 4 0 2 11 56 7 5 0,00 0,00 0,00 0,09 0,91 5 0 0 0 7 68 2008/2009 V1 V2 V3 V4 V5 2008/2009 V1 V2 V3 V4 V5 1 0,91 0,09 0,00 0,00 0,00 1 69 7 0 0 0 2 0,08 0,80 0,11 0,01 0,00 2 6 61 8 1 0 3 0,00 0,11 0,74 0,16 0,00 3 0 8 56 12 0 4 0,01 0,00 0,14 0,74 0,11 4 1 0 11 56 8 5 0,00 0,00 0,01 0,09 0,89 5 0 0 1 7 67 2009/2010 V1 V2 V3 V4 V5 2009/2010 V1 V2 V3 V4 V5 1 0,93 0,07 0,00 0,00 0,00 1 71 5 0 0 0 2 0,07 0,86 0,08 0,00 0,00 2 5 65 6 0 0 3 0,00 0,08 0,84 0,05 0,03 3 0 6 64 4 2 4 0,00 0,00 0,07 0,80 0,13 4 0 0 5 61 10 5 0,00 0,00 0,01 0,15 0,84 5 0 0 1 11 63 2010/2011 V1 V2 V3 V4 V5 2010/2011 V1 V2 V3 V4 V5 1 0,92 0,08 0,00 0,00 0,00 1 70 6 0 0 0 2 0,07 0,84 0,09 0,00 0,00 2 5 64 7 0 0 3 0,01 0,08 0,79 0,12 0,00 3 1 6 60 9 0 4 0,00 0,00 0,12 0,80 0,08 4 0 0 9 61 6 5 0,00 0,00 0,00 0,08 0,92 5 0 0 0 6 69 Źródło: opracowanie własne. ●● Bardzo podobnie wyglądała sytuacja między rokiem 2005 a 2006. W tym czasie 324 powiaty pozostały w tych samych grupach kwintylowych, 54 powiaty przesunęły się o jedną pozycję do wyższej bądź niższej grupy kwintylowej. Tylko jeden – Świętochłowice – awansował z grupy czwartej oznaczającej złe warunku ekonomiczne, do grupy drugiej skupiającej powiaty o dobrych warunkach ekonomicznych. ●● W kolejnym okresie – od 2006 do 2007 roku – liczba „stabilnych” pod względem ekonomicznym powiatów spadła do 316. Prawdopodobieństwo tego, że powiat pozostanie w tej samej grupie kwintylowej wahało się od 79% do 93%, przy czym z najwyższym prawdopodobieństwem powiaty pozostają w pierwszej i piątej grupie kwintylowej. Trzy powiaty przesunęły się o dwie pozycje. Jeden spadł z grupy drugiej do czwartej (Świętochłowice ), jeden awansował z grupy czwartej do drugiej (powiat ziemski legnicki), i jeden z piątej do trzeciej (powiat ziemski toruński). ●● Pomiędzy 2007 a 2008 rokiem 309 powiatów pozostawało w tych samych grupach kwintylowych co w okresie poprzednim. Zwiększała się liczba powiatów migrujących o jedną grupę kwintylową. Było ich 68. Dwa powiaty ziemskie – poddębicki i skierniewicki – awansowały z grupy czwartej do drugiej (p. 2,7%). ●● W latach 2008–2009 r. obserwowano znacznie większe ruchy między grupami. Wciąż dominowała sytuacja, w której powiaty nie zmieniały stopnia rozwoju ekonomicznego scharakteryzowanego przez przynależność do jednej z pięciu grup – podobnie jak w poprzednim okresie, było to 309 powiatów. Jeden powiat spadł z grupy drugiej do czwartej (skierniewicki – powiat ziemski skierniewicki), jeden awansował aż o trzy pozycje z grupy czwartej do pierwszej (powiat ziemski milicki) i jeden przesunął się z grupy piątej do trzeciej (powiat ziemski braniewski). ●● Okres od 2009 do 2010 roku charakteryzował się względnie wysoką stabilnością poszczególnych grup kwintylowych. 324 powiaty nie zmieniły swojej pozycji. Tylko trzy przesunęły się o dwa miejsca. Dwa spadły z grupy trzeciej do piątej (powiaty ziemskie opatowski i braniewski), a jeden awansował z grupy piątej do trzeciej (powiat ziemski chełmiński). ●● W ostatnim z analizowanych podokresów – obejmującym lata od 2010 do 2011 – nie zaszły znaczące zmiany pomiędzy grupami. Wciąż 324 powiaty pozostały w tych samych grupach kwintylowych, 54 powiaty przesuwały się o jedną pozycję, i tylko jeden awansował z grupy trzeciej do pierwszej (powiat ziemski bialski w województwie podlaskim). 6.5. PODSUMOWANIE Prowadzone w rozdziale szóstym rozważania pozwalają na sformułowanie następujących wniosków: I. Najlepiej pod względem ekonomicznym rozwinięte były województwa mazowieckie i śląskie, które należały do pierwszej grupy kwartylowej w całym analizowanym okresie. II. Wysokim stopniem rozwoju charakteryzowały się również województwa: wielkopolskie (9 lat w pierwszej i 1 rok w drugiej grupie kwartylowej), dolnośląskie (8 lat w pierwszej i 2 lata w drugiej grupie kwartylowej), pomorskie (3 lata w pierwszej i 7 lat w drugiej grupie kwartylowej).III. Bezsprzecznie najsłabiej rozwiniętymi województwami były: lubelskie, podkarpackie i warmińsko-mazurskie (przez cały badany okres w czwartej grupie kwartylowej). Nieznacznie lepsze wyniki pod tym względem osiągało województwa podlaskie (9 lat w czwartej i 1 rok w trzeciej grupie kwartylowej). IV. W pozostałych województwach obserwowany był średni poziom rozwoju ekonomicznego. Województwa: łódzkie, małopolskie i zachodniopomorskie zwykle znajdowały się w drugiej grupie kwartylowej, podczas gdy: świętokrzyskie, opolskie, lubuskie i kujawsko-pomorskie zwykle lokowały się w grupie trzeciej. V. Najwyższym stopniem rozwoju ekonomicznego charakteryzowały się województwa mazowieckie i śląskie, które w całym analizowanym okresie znajdowały się w pierwszej grupie kwartylowej skupiającej województwa o najlepszych warunkach ekonomicznych, czyli o wysokich wartościach PKB per capia, wysokich inwestycjach, wysokim poziomie wartości brutto środków trwałych, niskiej stopie bezrobocia i względnie wysokim poziomie przedsiębiorczości. VI. Nieco gorszymi, choć wciąż wysokimi, wartościami wskaźnika taksonomicznego rozwoju ekonomicznego, charakteryzowały się województwa wielkopolskie, dolnośląskie i pomorskie, które zwykle znajdowały się w pierwszej, rzadziej w drugiej, grupie kwartylowej. VII. Zdecydowanie najgorszymi warunkami ekonomicznymi charakteryzowały się województwa lubelskie, podkarpackie i warmińsko-mazurskie, które od 2002 do 2011 roku niezmiennie pozostawały w czwartej grupie kwartylowej. VIII. Rozwój ekonomiczny powiatów był zbliżony do rozwoju województw. Znacznie wyższym poziomem wskaźnika taksonomicznego rozwoju ekonomicznego charakteryzowały się powiaty grodzkie niż ziemskie. Aneks 6.1. Przynależność powiatów do poszczególnych grup kwintylowych w latach 2002–2011 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dolnośląskie bolesławiecki 3 3 3 2 3 3 3 3 2 2 Dolnośląskie dzierżoniowski 3 3 3 3 3 3 3 3 3 3 Dolnośląskie głogowski 2 2 2 2 2 2 2 2 2 2 Dolnośląskie górowski 5 5 5 5 5 5 5 5 5 5 Dolnośląskie jaworski 4 4 4 3 4 4 4 4 4 4 Dolnośląskie Jelenia Góra 1 1 1 1 1 1 1 1 1 1 Dolnośląskie jeleniogórski 3 3 3 3 2 3 3 2 2 2 Dolnośląskie kamiennogórski 4 4 4 4 4 4 4 4 4 4 Dolnośląskie Kłodzki 3 3 3 3 3 3 3 4 4 3 Dolnośląskie Legnica 1 1 1 1 1 1 1 1 1 1 Dolnośląskie legnicki 4 4 5 4 5 3 4 3 4 3 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dolnośląskie lubański 4 4 4 4 4 4 4 4 4 4 Dolnośląskie lubiński 1 1 1 1 1 1 1 1 1 1 Dolnośląskie lwowecki 5 5 5 5 5 5 5 5 5 4 Dolnośląskie milicki 2 4 4 4 4 4 4 1 1 1 Dolnośląskie oleśnicki 3 3 3 3 3 3 3 3 3 3 Dolnośląskie oławski 2 2 1 1 1 1 1 1 1 1 Dolnośląskie polkowicki 1 1 1 1 1 1 1 1 1 1 Dolnośląskie strzeliński 4 3 3 3 3 3 3 2 3 3 Dolnośląskie średzki 2 2 2 2 2 2 2 1 1 2 Dolnośląskie świdnicki 2 2 2 2 2 2 2 2 2 2 Dolnośląskie trzebnicki 3 3 3 3 3 3 3 3 3 2 Dolnośląskie wałbrzyski 2 1 1 1 1 1 1 1 1 1 Dolnośląskie wołowski 2 2 2 2 2 2 2 2 2 2 Dolnośląskie Wrocław 1 1 1 1 1 1 1 1 1 1 Dolnośląskie wrocławski 1 2 2 2 1 1 1 1 1 1 Dolnośląskie ząbkowicki 3 3 3 4 4 4 4 4 4 4 Dolnośląskie zgorzelecki 1 1 1 1 1 1 1 1 1 1 Dolnośląskie złotoryjski 4 4 4 4 4 4 4 3 3 3 Kujawsko-pomorskie aleksandrowski 4 4 4 4 4 4 4 4 4 4 Kujawsko-pomorskie brodnicki 4 3 3 3 3 3 3 4 4 4 Kujawsko-pomorskie bydgoski 3 3 3 3 3 3 3 2 3 3 Kujawsko-pomorskie Bydgoszcz 1 1 1 1 1 1 1 1 1 1 Kujawsko-pomorskie chełmiński 3 3 3 5 5 5 5 5 3 3 Kujawsko-pomorskie golubsko-dobrzyński 5 5 4 5 5 4 4 4 4 4 Kujawsko-pomorskie Grudziądz 3 3 3 3 3 3 4 4 4 4 Kujawsko-pomorskie grudziądzki 5 5 5 5 5 5 4 4 3 2 Kujawsko-pomorskie inowrocławski 2 2 2 2 2 3 3 2 2 2 Kujawsko-pomorskie lipnowski 5 5 5 5 5 5 5 5 5 5 Kujawsko-pomorskie mogileński 4 4 4 4 5 4 5 4 4 4 Kujawsko-pomorskie nakielski 5 5 5 4 4 5 5 5 5 4 Kujawsko-pomorskie radziejowski 5 4 4 4 4 4 5 5 5 5 Kujawsko-pomorskie rypiński 4 4 4 4 4 4 4 4 4 4 Kujawsko-pomorskie sępoleński 5 5 5 5 5 5 5 5 5 5 Kujawsko-pomorskie świecki 1 2 2 2 2 2 1 1 2 1 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Kujawsko-pomorskie Toruń 1 1 1 1 1 1 1 1 1 1 Kujawsko-pomorskie toruński 5 5 4 5 4 2 2 2 1 2 Kujawsko-pomorskie tucholski 5 5 5 5 5 5 5 5 5 5 Kujawsko-pomorskie wąbrzeski 4 4 4 4 4 4 4 4 4 3 Kujawsko-pomorskie Włocławek 1 1 1 1 1 1 1 1 1 1 Kujawsko-pomorskie włocławski 5 5 5 5 5 5 5 5 5 5 Kujawsko-pomorskie żniński 2 4 4 4 4 5 4 4 4 5 Lubelskie bialski 5 5 5 5 5 5 5 5 5 5 Lubelskie Biała Podlaska 3 3 3 3 3 3 3 3 3 3 Lubelskie biłgorajski 3 3 3 4 3 3 3 3 3 3 Lubelskie Chełm 2 2 3 3 4 3 3 3 3 4 Lubelskie chełmski 5 5 5 5 5 5 5 5 5 5 Lubelskie hrubieszowski 5 5 5 5 5 5 5 5 5 5 Lubelskie janowski 5 5 5 4 5 5 5 5 5 4 Lubelskie krasnostawski 4 5 5 4 4 4 4 5 4 4 Lubelskie kraśnicki 4 3 3 4 4 4 5 5 5 5 Lubelskie lubartowski 5 5 5 5 5 5 5 5 5 5 Lubelskie lubelski 4 5 5 5 5 5 4 5 5 5 Lubelskie Lublin 1 1 1 1 1 1 1 1 1 1 Lubelskie łęczyński 1 1 1 1 1 1 1 1 1 1 Lubelskie łukowski 5 5 5 5 5 4 4 4 4 4 Lubelskie opolski 5 5 5 5 5 5 5 5 5 5 Lubelskie parczewski 5 5 5 5 5 5 5 4 5 5 Lubelskie puławski 2 1 2 1 1 2 2 1 1 1 Lubelskie radzyński 4 4 4 5 4 5 5 4 5 5 Lubelskie Rycki 5 5 5 5 5 5 5 5 5 5 Lubelskie świdnicki 3 3 3 3 3 4 4 3 4 3 Lubelskie tomaszowski 5 5 5 4 5 5 5 5 5 5 Lubelskie włodawski 5 5 5 5 5 5 5 5 5 5 Lubelskie zamojski 5 5 5 5 5 5 5 5 5 5 Lubelskie Zamość 2 2 2 2 2 2 2 2 2 2 Lubuskie gorzowski 2 1 2 2 1 1 1 1 1 1 Lubuskie Gorzów Wielkopolski 1 1 1 1 1 1 1 1 1 1 Lubuskie krośnieński 3 3 3 3 3 3 4 4 3 4 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Lubuskie międzyrzecki 3 3 3 3 3 3 3 3 3 3 Lubuskie nowosolski 4 4 4 4 4 4 4 3 3 3 Lubuskie słubicki 2 2 2 2 2 2 3 3 3 3 Lubuskie strzelecko-drezdenecki 4 4 3 4 3 4 4 3 2 2 Lubuskie sulęciński 4 5 4 4 4 4 5 5 4 4 Lubuskie świebodziński 2 2 2 1 2 1 2 2 2 1 Lubuskie wschowski 4 3 3 3 3 3 4 3 4 4 Lubuskie Zielona Góra 1 1 1 1 1 1 1 1 1 1 Lubuskie zielonogórski 3 3 3 2 2 2 3 3 3 3 Lubuskie żagański 4 4 4 4 4 4 5 5 5 5 Lubuskie żarski 2 2 2 2 2 2 2 2 2 2 Łódzkie bełchatowski 1 1 1 1 1 1 1 1 1 1 Łódzkie brzeziński 4 4 4 4 4 5 4 4 5 5 Łódzkie kutnowski 3 3 3 2 2 3 3 3 2 2 Łódzkie laski 4 4 4 4 4 4 4 5 4 5 Łódzkie łęczycki 4 4 4 4 4 3 3 3 3 3 Łódzkie łowicki 3 3 3 3 3 3 3 3 3 3 Łódzkie łódzki wschodni 3 3 3 3 3 3 2 3 3 2 Łódzkie Łódź 1 1 1 1 1 1 1 1 1 1 Łódzkie opoczyński 3 3 3 3 4 4 4 5 4 4 Łódzkie pabianicki 2 2 2 2 2 2 2 3 3 3 Łódzkie pajęczański 4 4 4 4 3 3 3 2 3 3 Łódzkie piotrkowski 5 5 5 5 5 5 5 5 5 5 Łódzkie Piotrków Trybunalski 2 2 2 2 2 3 2 3 3 3 Łódzkie poddębicki 5 3 4 3 4 4 2 1 2 3 Łódzkie radomszczański 3 4 4 4 4 4 4 3 3 4 Łódzkie rawski 4 4 3 3 3 3 3 3 2 3 Łódzkie sieradzki 3 3 4 4 4 4 4 4 4 4 Łódzkie Skierniewice 2 2 2 2 2 1 2 2 2 2 Łódzkie skierniewicki 4 5 4 4 4 4 2 4 4 4 Łódzkie tomaszowski 3 3 3 3 4 4 4 3 3 4 Łódzkie wieluński 3 3 3 3 3 3 3 3 3 3 Łódzkie wieruszowski 3 2 2 2 2 2 3 3 3 3 Łódzkie zduńskowolski 2 3 3 3 3 3 3 3 3 3 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Łódzkie zgierski 3 3 3 2 2 2 2 2 3 2 Małopolskie bocheński 3 3 3 3 2 2 2 2 2 2 Małopolskie brzeski 4 4 4 4 4 4 4 5 4 4 Małopolskie chrzanowski 1 2 1 1 2 2 2 2 2 2 Małopolskie dąbrowski 5 5 5 5 5 5 5 5 5 5 Małopolskie gorlicki 4 4 4 5 5 5 5 5 5 5 Małopolskie krakowski 2 2 2 2 2 2 2 2 2 2 Małopolskie Kraków 1 1 1 1 1 1 1 1 1 1 Małopolskie limanowski 5 5 5 5 5 5 5 5 5 5 Małopolskie miechowski 4 4 4 4 4 4 4 4 4 4 Małopolskie myślenicki 2 2 3 3 3 3 3 4 4 4 Małopolskie nowosądecki 5 5 5 5 5 5 5 5 5 5 Małopolskie nowotarski 4 4 4 4 4 4 4 4 4 5 Małopolskie Nowy Sącz 1 2 2 2 2 2 2 2 2 1 Małopolskie olkuski 2 2 1 1 1 2 2 2 2 2 Małopolskie oświęcimski 2 2 2 2 2 2 2 2 2 2 Małopolskie proszowicki 4 5 5 4 4 4 4 4 5 5 Małopolskie suski 3 3 3 3 3 3 3 3 3 3 Małopolskie tarnowski 5 5 5 5 5 5 5 5 5 5 Małopolskie Tarnów 1 1 1 1 1 1 2 1 1 1 Małopolskie tatrzański 2 2 2 2 2 2 2 2 2 2 Małopolskie wadowicki 3 3 2 3 3 3 3 3 3 3 Małopolskie wielicki 2 2 3 3 3 2 2 2 2 2 Mazowieckie białobrzeski 4 3 3 3 3 3 4 4 4 4 Mazowieckie ciechanowski 2 2 3 3 2 3 2 2 2 2 Mazowieckie garwoliński 3 2 3 3 3 3 3 3 3 3 Mazowieckie gostyniński 5 5 5 5 5 4 4 4 5 5 Mazowieckie grodziski 1 1 1 1 1 1 1 1 1 1 Mazowieckie grójecki 1 1 1 1 1 1 1 1 1 1 Mazowieckie kozienicki 1 1 1 1 1 1 1 1 1 1 Mazowieckie legionowski 2 1 2 2 2 2 2 1 1 2 Mazowieckie lipski 5 5 5 5 4 4 4 5 5 4 Mazowieckie łosicki 4 4 4 4 4 5 5 4 4 4 Mazowieckie makowski 4 4 5 5 5 4 5 5 5 5 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie miński 2 2 2 3 3 3 3 2 3 3 Mazowieckie mławski 4 4 4 3 3 3 3 4 4 3 Mazowieckie nowodworski 2 2 1 1 1 1 1 1 1 1 Mazowieckie ostrołęcki 5 5 5 5 5 4 4 5 5 5 Mazowieckie Ostrołęka 1 1 1 1 1 1 1 1 1 1 Mazowieckie ostrowski 3 3 2 3 3 3 3 3 3 3 Mazowieckie otwocki 2 2 2 1 2 2 1 1 1 1 Mazowieckie piaseczyński 1 1 1 1 1 1 1 1 1 1 Mazowieckie Płock 1 1 1 1 1 1 1 1 1 1 Mazowieckie płocki 5 5 5 5 5 5 5 5 4 4 Mazowieckie płoński 4 4 4 4 4 4 3 4 4 4 Mazowieckie pruszkowski 1 1 1 1 1 1 1 1 1 1 Mazowieckie przasnyski 3 3 4 3 3 4 4 4 4 4 Mazowieckie przysuski 5 5 5 5 5 5 5 5 5 5 Mazowieckie pułtuski 5 5 5 5 5 5 5 5 4 5 Mazowieckie Radom 2 2 2 2 2 2 2 2 2 2 Mazowieckie radomski 5 5 5 5 5 5 5 5 5 5 Mazowieckie Siedlce 1 1 1 2 2 2 2 2 2 2 Mazowieckie siedlecki 5 5 4 5 5 5 4 4 4 4 Mazowieckie sierpecki 4 5 5 5 5 5 5 4 5 5 Mazowieckie sochaczewski 1 1 1 1 1 1 1 1 2 2 Mazowieckie sokołowski 2 3 3 2 2 2 2 2 2 2 Mazowieckie szydłowiecki 5 5 5 5 5 5 5 5 5 5 Mazowieckie Warszawa 1 1 1 1 1 1 1 1 1 1 Mazowieckie warszawski zachodni 1 1 1 1 1 1 1 1 1 1 Mazowieckie węgrowski 4 5 5 5 5 5 5 5 5 5 Mazowieckie wołomiński 2 2 2 2 2 2 2 2 2 2 Mazowieckie wyszkowski 4 4 4 4 3 3 4 4 4 4 Mazowieckie zwoleński 5 5 5 5 5 5 5 5 5 5 Mazowieckie żuromiński 5 5 5 5 5 5 5 5 5 5 Mazowieckie żyrardowski 2 2 1 1 1 2 2 2 2 2 Opolskie brzeski śląski 3 2 2 2 3 2 3 2 2 2 Opolskie głubczycki 4 3 3 4 4 4 4 4 4 4 Opolskie kędzierzyńsko-kozielski 1 1 1 1 1 1 1 1 1 1 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Opolskie kluczborski 4 4 4 4 3 3 3 3 3 3 Opolskie krapkowicki 1 1 1 1 1 1 1 1 1 1 Opolskie namysłowski 3 3 3 3 3 3 3 3 3 3 Opolskie nyski 4 4 4 3 3 3 4 3 3 4 Opolskie oleski 3 3 3 3 3 2 2 2 2 3 Opolskie Opole 1 1 1 1 1 1 1 1 1 1 Opolskie opolski 1 1 1 1 2 2 2 2 2 2 Opolskie prudnicki 4 4 4 4 5 5 5 5 5 5 Opolskie strzelecki opolski 4 4 4 4 4 4 4 3 3 3 Podkarpackie bieszczadzki 3 4 4 4 4 4 4 4 4 3 Podkarpackie brzozowski 5 5 5 5 5 5 5 5 5 5 Podkarpackie dębicki 3 3 3 2 2 3 3 3 3 3 Podkarpackie jarosławski 4 4 4 4 4 5 5 5 4 4 Podkarpackie jasielski 3 3 3 3 3 4 4 4 4 4 Podkarpackie kolbuszowski 5 5 5 5 5 5 5 5 5 5 Podkarpackie Krosno 1 1 1 1 1 1 1 1 1 1 Podkarpackie krośnieński 5 5 5 5 5 5 5 5 5 5 Podkarpackie leski 3 3 4 4 4 4 4 4 4 4 Podkarpackie leżajski 3 3 3 3 3 3 4 4 4 4 Podkarpackie lubaczowski 5 5 5 5 5 5 5 5 5 5 Podkarpackie łańcucki 4 4 4 4 4 5 5 5 5 5 Podkarpackie mielecki 2 2 1 2 2 2 2 2 2 2 Podkarpackie niżański 5 5 5 5 5 5 5 5 5 5 Podkarpackie przemyski 5 5 5 5 5 5 5 5 5 5 Podkarpackie Przemyśl 2 2 2 3 3 3 3 3 3 3 Podkarpackie przeworski 5 5 5 5 5 5 5 5 5 5 Podkarpackie ropczycko-sędziszowski 4 4 4 4 4 4 4 4 4 4 Podkarpackie rzeszowski 5 5 5 5 5 5 5 5 4 4 Podkarpackie Rzeszów 1 1 1 1 1 1 1 1 1 1 Podkarpackie sanocki 3 3 3 3 3 2 2 2 2 2 Podkarpackie stalowowolski 2 2 2 2 1 1 1 2 2 2 Podkarpackie strzyżowski 5 5 5 5 5 5 5 5 5 5 Podkarpackie Tarnobrzeg 2 2 2 2 2 3 3 3 3 3 Podkarpackie tarnobrzeski 3 2 2 3 3 3 3 4 3 2 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Podlaskie augustowski 2 2 2 2 2 2 2 3 3 3 Podlaskie białostocki 4 4 5 4 4 4 4 4 4 4 Podlaskie Białystok 1 1 1 1 1 2 2 2 2 2 Podlaskie bielski 3 3 3 3 3 3 3 3 3 1 Podlaskie grajewski 2 2 2 1 2 1 2 2 2 2 Podlaskie hajnowski 3 3 3 3 4 3 3 4 4 4 Podlaskie kolneński 5 5 5 5 5 5 5 5 5 5 Podlaskie Łomża 2 2 2 2 2 3 3 3 3 3 Podlaskie łomżyński 5 5 5 5 4 4 4 3 3 4 Podlaskie moniecki 4 4 4 4 4 4 5 5 5 5 Podlaskie sejneński 5 5 5 5 5 5 5 5 5 5 Podlaskie siemiatycki 3 2 2 2 3 3 3 3 3 3 Podlaskie sokolski 5 5 5 5 5 5 5 5 5 5 Podlaskie suwalski 5 5 5 5 5 5 4 4 5 5 Podlaskie Suwałki 2 2 2 2 2 2 2 2 2 2 Podlaskie wysokomazowiecki 3 4 4 3 3 3 3 3 3 3 Podlaskie zambrowski 4 4 4 4 4 4 3 4 4 4 Pomorskie bytowski 5 4 4 4 4 4 4 4 4 4 Pomorskie chojnicki 4 4 4 4 4 4 4 4 4 4 Pomorskie człuchowski 4 4 3 3 3 4 4 4 4 4 Pomorskie Gdańsk 1 1 1 1 1 1 1 1 1 1 Pomorskie gdański 2 2 2 2 2 2 1 1 2 2 Pomorskie Gdynia 1 1 1 1 1 1 1 1 1 1 Pomorskie kartuski 4 4 4 4 3 3 3 3 3 3 Pomorskie kościerski 5 4 4 5 5 5 5 4 5 5 Pomorskie kwidzyński 1 1 1 1 1 1 1 1 1 1 Pomorskie lęborski 2 2 2 2 2 2 2 2 2 3 Pomorskie malborski 3 3 3 3 3 4 3 3 3 3 Pomorskie nowodworski 4 4 4 4 4 4 4 4 4 4 Pomorskie pucki 2 1 2 2 2 2 2 2 2 2 Pomorskie Słupsk 1 1 1 2 1 2 2 2 2 2 Pomorskie słupski 4 4 4 4 4 4 3 3 3 3 Pomorskie Sopot 1 1 1 1 1 1 1 1 1 1 Pomorskie starogardzki 3 2 2 3 3 3 3 3 3 3 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Pomorskie sztumski 5 5 5 5 5 5 4 5 5 5 Pomorskie tczewski 2 2 2 2 2 2 2 2 1 2 Pomorskie wejherowski 3 3 3 3 2 2 3 3 3 3 Śląskie będziński 2 2 2 2 2 2 2 2 2 2 Śląskie bielski 2 2 2 2 2 2 2 2 2 1 Śląskie Bielsko-Biała 1 1 1 1 1 1 1 1 1 1 Śląskie bieruńsko-lędziński 1 2 2 2 2 1 1 1 1 1 Śląskie Bytom 2 3 3 3 3 3 3 3 3 3 Śląskie Chorzów 2 1 1 2 2 2 1 2 2 2 Śląskie cieszyński 2 2 2 2 2 2 2 2 2 2 Śląskie Częstochowa 1 1 1 1 1 1 1 1 1 1 Śląskie częstochowski 4 4 5 5 4 4 4 4 4 4 Śląskie Dąbrowa Górnicza 1 1 1 1 1 1 1 1 1 1 Śląskie Gliwice 1 1 1 1 1 1 1 1 1 1 Śląskie gliwicki 3 4 3 3 3 3 3 3 3 3 Śląskie Jastrzębie-Zdrój 1 1 1 1 1 1 1 1 1 1 Śląskie Jaworzno 1 1 1 1 1 1 1 1 1 1 Śląskie Katowice 1 1 1 1 1 1 1 1 1 1 Śląskie kłobucki 4 4 4 4 4 4 4 4 4 4 Śląskie lubliniecki 3 3 3 3 3 3 3 3 3 3 Śląskie mikołowski 1 1 1 1 1 1 1 1 1 1 Śląskie Mysłowice 2 2 2 2 1 2 1 1 1 1 Śląskie myszkowski 2 3 2 2 3 3 3 3 3 3 Śląskie Piekary Śląskie 2 4 4 4 4 4 3 3 3 4 Śląskie pszczyński 1 1 1 1 1 1 1 1 1 1 Śląskie raciborski 3 2 2 2 2 2 2 2 2 2 Śląskie Ruda Śląska 1 2 2 2 2 2 2 2 2 2 Śląskie rybnicki 3 4 4 4 4 4 3 3 4 4 Śląskie Rybnik 1 1 1 1 1 1 1 1 1 1 Śląskie Siemianowice śląskie 2 2 2 2 2 2 2 2 2 2 Śląskie Sosnowiec 2 1 1 1 2 2 2 2 2 2 Śląskie Świętochłowice 3 4 4 4 2 4 4 4 4 4 Śląskie tarnogórski 2 2 2 2 2 2 2 2 2 2 Śląskie Tychy 1 1 1 1 1 1 1 1 1 1 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Śląskie wodzisławski 4 4 4 4 4 4 3 4 4 4 Śląskie Zabrze 2 2 2 2 2 2 2 2 2 2 Śląskie zawierciański 2 2 2 2 2 2 2 2 2 2 Śląskie Żory 4 4 3 4 3 3 2 3 3 3 Śląskie żywiecki 1 2 1 1 1 1 2 2 1 2 Świętokrzyskie buski 3 4 4 4 4 4 4 4 4 4 Świętokrzyskie jędrzejowski 3 3 3 3 3 3 3 3 3 3 Świętokrzyskie kazimierski 5 5 5 5 5 5 5 5 5 5 Świętokrzyskie Kielce 1 1 1 1 1 1 1 1 1 1 Świętokrzyskie kielecki 5 5 5 5 5 5 5 5 4 5 Świętokrzyskie konecki 4 4 4 4 4 4 4 4 4 4 Świętokrzyskie opatowski 2 3 3 3 3 4 3 3 5 5 Świętokrzyskie ostrowiecki 3 4 3 3 3 2 1 1 2 2 Świętokrzyskie pińczowski 1 2 2 3 3 3 3 3 3 4 Świętokrzyskie sandomierski 3 3 2 2 2 2 3 2 2 2 Świętokrzyskie skarżyski 2 2 2 2 2 2 3 3 3 3 Świętokrzyskie starachowicki 4 3 3 3 3 3 3 4 3 4 Świętokrzyskie staszowski 1 1 2 2 2 2 1 1 1 1 Świętokrzyskie włoszczowski 3 3 4 3 3 3 3 3 3 2 Warmińsko-mazurskie bartoszycki 5 5 5 5 5 5 5 5 5 5 Warmińsko-mazurskie braniewski 5 5 5 5 5 5 5 3 5 5 Warmińsko-mazurskie działdowski 5 5 5 5 5 5 5 5 4 3 Warmińsko-mazurskie Elbląg 1 1 2 2 2 2 2 2 2 2 Warmińsko-mazurskie elbląski 5 5 5 5 5 5 5 4 4 4 Warmińsko-mazurskie ełcki 4 3 3 3 3 3 4 4 4 4 Warmińsko-mazurskie giżycki 4 3 4 3 4 3 4 4 4 4 Warmińsko-mazurskie gołdapski 5 5 5 5 5 5 5 5 5 5 Warmińsko-mazurskie piławski 5 4 4 4 4 3 4 4 4 4 Warmińsko-mazurskie kętrzyński 4 4 4 5 5 5 5 5 5 5 Warmińsko-mazurskie lidzbarski 5 5 5 5 5 5 5 5 5 5 Warmińsko-mazurskie mrągowski 3 3 4 3 3 3 4 4 4 4 Warmińsko-mazurskie nidzicki 5 5 5 5 5 5 5 5 5 5 Warmińsko-mazurskie nowomiejski 5 5 5 5 5 5 5 5 5 5 Warmińsko-mazurskie olecki 4 4 4 4 4 3 4 4 4 4 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Warmińsko-mazurskie Olsztyn 1 1 1 1 1 1 1 1 1 1 Warmińsko-mazurskie olsztyński 5 4 4 4 4 4 4 4 4 3 Warmińsko-mazurskie ostródzki 4 4 4 4 4 4 3 3 3 3 Warmińsko-mazurskie piski 4 4 4 4 4 5 5 5 5 5 Warmińsko-mazurskie szczycieński 5 5 5 4 4 4 4 4 5 4 Warmińsko-mazurskie węgorzewski 5 5 5 5 5 5 5 5 5 5 Wielkopolskie chodzieski 3 3 3 3 3 3 3 3 3 3 Wielkopolskie czarnkowsko-trzcianecki 3 3 3 3 3 2 2 3 3 3 Wielkopolskie gnieźnieński 3 2 3 2 3 3 2 2 3 3 Wielkopolskie gostyński 2 2 2 2 2 2 2 2 2 2 Wielkopolskie grodziski 2 2 2 2 2 2 2 2 2 2 Wielkopolskie jarociński 4 4 4 4 4 4 3 4 4 3 Wielkopolskie kaliski 4 4 5 5 5 4 3 4 4 4 Wielkopolskie Kalisz 1 1 1 1 1 1 1 2 1 1 Wielkopolskie kępiński 3 3 2 2 2 1 1 2 2 2 Wielkopolskie kolski 3 3 3 2 2 3 3 3 3 3 Wielkopolskie Konin 1 1 1 1 1 1 1 1 1 1 Wielkopolskie koniński 3 3 3 4 4 4 4 4 4 4 Wielkopolskie kościański 2 2 2 2 3 2 2 2 2 2 Wielkopolskie krotoszyński 3 3 3 3 3 2 3 3 3 3 Wielkopolskie leszczyński 2 2 2 2 2 2 2 2 2 2 Wielkopolskie Leszno 1 1 1 1 1 1 1 1 1 1 Wielkopolskie międzychodzki 3 3 2 2 3 2 2 2 2 2 Wielkopolskie nowotomyski 2 2 2 2 2 1 1 2 1 1 Wielkopolskie obornicki 2 2 2 2 2 2 2 2 2 2 Wielkopolskie ostrowski 2 2 2 2 2 2 2 3 2 2 Wielkopolskie ostrzeszowski 3 3 3 3 2 2 2 3 3 3 Wielkopolskie pilski 1 1 1 1 1 1 1 2 2 2 Wielkopolskie pleszewski 4 4 4 4 4 4 4 4 4 4 Wielkopolskie Poznań 1 1 1 1 1 1 1 1 1 1 Wielkopolskie poznański 1 1 1 1 1 1 1 1 1 1 Wielkopolskie rawicki 3 3 2 3 2 2 3 3 3 3 Wielkopolskie słupecki 4 4 4 4 4 4 4 4 4 4 Wielkopolskie szamotulski 1 1 1 1 1 1 1 2 2 1 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Wielkopolskie średzki 2 2 2 2 2 2 2 2 2 2 Wielkopolskie śremski 2 2 2 2 2 2 2 2 2 2 Wielkopolskie turecki 2 2 3 3 3 3 3 3 3 3 Wielkopolskie wągrowiecki 4 4 4 4 4 4 4 4 4 4 Wielkopolskie wolsztyński 2 2 2 2 2 1 2 2 2 2 Wielkopolskie wrzesiński 3 3 3 3 2 2 2 2 2 2 Wielkopolskie złotowski 5 5 5 5 5 5 5 5 5 5 Zachodniopomorskie białogardzki 4 4 3 3 3 3 2 2 2 3 Zachodniopomorskie choszczeński 5 5 5 5 5 5 5 5 5 5 Zachodniopomorskie drawski 4 3 3 4 4 4 4 4 4 4 Zachodniopomorskie goleniowski 2 3 2 2 1 1 2 1 1 1 Zachodniopomorskie gryficki 3 3 3 3 3 3 3 3 3 3 Zachodniopomorskie gryfiński 1 1 2 1 2 2 2 2 2 2 Zachodniopomorskie kamieński 2 2 2 3 3 3 3 3 3 3 Zachodniopomorskie kołobrzeski 1 1 1 1 1 1 1 1 1 2 Zachodniopomorskie Koszalin 1 1 1 1 1 1 1 1 1 1 Zachodniopomorskie koszaliński 3 3 3 3 4 4 4 4 3 3 Zachodniopomorskie łobeski 5 5 5 5 5 5 5 5 5 5 Zachodniopomorskie myśliborski 3 2 3 2 3 3 3 3 3 3 Zachodniopomorskie policki 1 1 1 1 1 1 1 1 1 1 Zachodniopomorskie pyrzycki 4 4 4 4 4 4 4 4 4 5 Zachodniopomorskie sławieński 4 4 4 4 4 4 4 4 4 4 Zachodniopomorskie stargardzki 3 3 3 3 3 3 2 2 2 3 Zachodniopomorskie Szczecin 1 1 1 1 1 1 1 1 1 1 Zachodniopomorskie szczecinecki 2 1 1 2 1 2 2 2 2 2 Zachodniopomorskie świdwiński 5 4 4 4 4 4 4 4 5 4 Zachodniopomorskie Świnoujście 1 1 1 1 1 1 1 1 1 1 Zachodniopomorskie wałecki 3 3 3 3 3 3 3 3 2 3 Aneks 6.2. Ruchy powiatów między grupami kwintylowymi w latach 2002–2011 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dolnośląskie bolesławiecki 3 0 0 –1 1 0 0 0 –1 0 Dolnośląskie dzierżoniowski 3 0 0 0 0 0 0 0 0 0 Dolnośląskie głogowski 2 0 0 0 0 0 0 0 0 0 Dolnośląskie górowski 5 0 0 0 0 0 0 0 0 0 Dolnośląskie jaworski 4 0 0 –1 1 0 0 0 0 0 Dolnośląskie Jelenia Góra 1 0 0 0 0 0 0 0 0 0 Dolnośląskie jeleniogórski 3 0 0 0 –1 1 0 –1 0 0 Dolnośląskie kamiennogórski 4 0 0 0 0 0 0 0 0 0 Dolnośląskie Kłodzki 3 0 0 0 0 0 0 1 0 –1 Dolnośląskie Legnica 1 0 0 0 0 0 0 0 0 0 Dolnośląskie legnicki 4 0 1 –1 1 –2 1 –1 1 –1 Dolnośląskie lubański 4 0 0 0 0 0 0 0 0 0 Dolnośląskie lubiński 1 0 0 0 0 0 0 0 0 0 Dolnośląskie lwowecki 5 0 0 0 0 0 0 0 0 –1 Dolnośląskie milicki 2 2 0 0 0 0 0 –3 0 0 Dolnośląskie oleśnicki 3 0 0 0 0 0 0 0 0 0 Dolnośląskie oławski 2 0 –1 0 0 0 0 0 0 0 Dolnośląskie polkowicki 1 0 0 0 0 0 0 0 0 0 Dolnośląskie strzeliński 4 –1 0 0 0 0 0 –1 1 0 Dolnośląskie Średzki śląski 2 0 0 0 0 0 0 –1 0 1 Dolnośląskie świdnicki 2 0 0 0 0 0 0 0 0 0 Dolnośląskie trzebnicki 3 0 0 0 0 0 0 0 0 –1 Dolnośląskie wałbrzyski 2 –1 0 0 0 0 0 0 0 0 Dolnośląskie wołowski 2 0 0 0 0 0 0 0 0 0 Dolnośląskie Wrocław 1 0 0 0 0 0 0 0 0 0 Dolnośląskie wrocławski 1 1 0 0 –1 0 0 0 0 0 Dolnośląskie ząbkowicki 3 0 0 1 0 0 0 0 0 0 Dolnośląskie zgorzelecki 1 0 0 0 0 0 0 0 0 0 Dolnośląskie złotoryjski 4 0 0 0 0 0 0 –1 0 0 Kujawsko-pomorskie aleksandrowski 4 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie brodnicki 4 –1 0 0 0 0 0 1 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Kujawsko-pomorskie bydgoski 3 0 0 0 0 0 0 –1 1 0 Kujawsko-pomorskie Bydgoszcz 1 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie chełmiński 3 0 0 2 0 0 0 0 –2 0 Kujawsko-pomorskie golubsko-dobrzyński 5 0 –1 1 0 –1 0 0 0 0 Kujawsko-pomorskie Grudziądz 3 0 0 0 0 0 1 0 0 0 Kujawsko-pomorskie grudziądzki 5 0 0 0 0 0 –1 0 –1 –1 Kujawsko-pomorskie inowrocławski 2 0 0 0 0 1 0 –1 0 0 Kujawsko-pomorskie lipnowski 5 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie mogileński 4 0 0 0 1 –1 1 –1 0 0 Kujawsko-pomorskie nakielski 5 0 0 –1 0 1 0 0 0 –1 Kujawsko-pomorskie radziejowski 5 –1 0 0 0 0 1 0 0 0 Kujawsko-pomorskie rypiński 4 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie sępoleński 5 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie świecki 1 1 0 0 0 0 –1 0 1 –1 Kujawsko-pomorskie Toruń 1 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie toruński 5 0 –1 1 –1 –2 0 0 –1 1 Kujawsko-pomorskie tucholski 5 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie wąbrzeski 4 0 0 0 0 0 0 0 0 –1 Kujawsko-pomorskie Włocławek 1 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie włocławski 5 0 0 0 0 0 0 0 0 0 Kujawsko-pomorskie żniński 2 2 0 0 0 1 –1 0 0 1 Lubelskie bialski 5 0 0 0 0 0 0 0 0 0 Lubelskie Biała Podlaska 3 0 0 0 0 0 0 0 0 0 Lubelskie biłgorajski 3 0 0 1 –1 0 0 0 0 0 Lubelskie Chełm 2 0 1 0 1 –1 0 0 0 1 Lubelskie chełmski 5 0 0 0 0 0 0 0 0 0 Lubelskie hrubieszowski 5 0 0 0 0 0 0 0 0 0 Lubelskie janowski 5 0 0 –1 1 0 0 0 0 –1 Lubelskie krasnostawski 4 1 0 –1 0 0 0 1 –1 0 Lubelskie kraśnicki 4 –1 0 1 0 0 1 0 0 0 Lubelskie lubartowski 5 0 0 0 0 0 0 0 0 0 Lubelskie lubelski 4 1 0 0 0 0 –1 1 0 0 Lubelskie Lublin 1 0 0 0 0 0 0 0 0 0 Lubelskie leczyński 1 0 0 0 0 0 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Lubelskie łukowski 5 0 0 0 0 –1 0 0 0 0 Lubelskie opolski 5 0 0 0 0 0 0 0 0 0 Lubelskie parczewski 5 0 0 0 0 0 0 –1 1 0 Lubelskie puławski 2 –1 1 –1 0 1 0 –1 0 0 Lubelskie radzyński 4 0 0 1 –1 1 0 –1 1 0 Lubelskie Rycki 5 0 0 0 0 0 0 0 0 0 Lubelskie świdnicki 3 0 0 0 0 1 0 –1 1 –1 Lubelskie tomaszowski 5 0 0 –1 1 0 0 0 0 0 Lubelskie włodawski 5 0 0 0 0 0 0 0 0 0 Lubelskie zamojski 5 0 0 0 0 0 0 0 0 0 Lubelskie Zamość 2 0 0 0 0 0 0 0 0 0 Lubuskie gorzowski 2 –1 1 0 –1 0 0 0 0 0 Lubuskie Gorzów Wielkopolski 1 0 0 0 0 0 0 0 0 0 Lubuskie krośnieński 3 0 0 0 0 0 1 0 –1 1 Lubuskie międzyrzecki 3 0 0 0 0 0 0 0 0 0 Lubuskie nowosolski 4 0 0 0 0 0 0 –1 0 0 Lubuskie słubicki 2 0 0 0 0 0 1 0 0 0 Lubuskie strzelecko-drezdenecki 4 0 –1 1 –1 1 0 –1 –1 0 Lubuskie sulęciński 4 1 –1 0 0 0 1 0 –1 0 Lubuskie świebodziński 2 0 0 –1 1 –1 1 0 0 –1 Lubuskie wschowski 4 –1 0 0 0 0 1 –1 1 0 Lubuskie Zielona Góra 1 0 0 0 0 0 0 0 0 0 Lubuskie zielonogórski 3 0 0 –1 0 0 1 0 0 0 Lubuskie żagański 4 0 0 0 0 0 1 0 0 0 Lubuskie żarski 2 0 0 0 0 0 0 0 0 0 Łódzkie bełchatowski 1 0 0 0 0 0 0 0 0 0 Łódzkie brzeziński 4 0 0 0 0 1 –1 0 1 0 Łódzkie kutnowski 3 0 0 –1 0 1 0 0 –1 0 Łódzkie laski 4 0 0 0 0 0 0 1 –1 1 Łódzkie łęczycki 4 0 0 0 0 –1 0 0 0 0 Łódzkie łowicki 3 0 0 0 0 0 0 0 0 0 Łódzkie łódzki wschodni 3 0 0 0 0 0 –1 1 0 –1 Łódzkie Łódź 1 0 0 0 0 0 0 0 0 0 Łódzkie opoczyński 3 0 0 0 1 0 0 1 –1 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Łódzkie pabianicki 2 0 0 0 0 0 0 1 0 0 Łódzkie pajęczański 4 0 0 0 –1 0 0 –1 1 0 Łódzkie piotrkowski 5 0 0 0 0 0 0 0 0 0 Łódzkie Piotrków Trybunalski 2 0 0 0 0 1 –1 1 0 0 Łódzkie poddębicki 5 –2 1 –1 1 0 –2 –1 1 1 Łódzkie radomszczański 3 1 0 0 0 0 0 –1 0 1 Łódzkie rawski 4 0 –1 0 0 0 0 0 –1 1 Łódzkie sieradzki 3 0 1 0 0 0 0 0 0 0 Łódzkie Skierniewice 2 0 0 0 0 –1 1 0 0 0 Łódzkie skierniewicki 4 1 –1 0 0 0 –2 2 0 0 Łódzkie tomaszowski 3 0 0 0 1 0 0 –1 0 1 Łódzkie wieluński 3 0 0 0 0 0 0 0 0 0 Łódzkie wieruszowski 3 –1 0 0 0 0 1 0 0 0 Łódzkie zduńskowolski 2 1 0 0 0 0 0 0 0 0 Łódzkie zgierski 3 0 0 –1 0 0 0 0 1 –1 Małopolskie bocheński 3 0 0 0 –1 0 0 0 0 0 Małopolskie brzeski 4 0 0 0 0 0 0 1 –1 0 Małopolskie chrzanowski 1 1 –1 0 1 0 0 0 0 0 Małopolskie dąbrowski 5 0 0 0 0 0 0 0 0 0 Małopolskie gorlicki 4 0 0 1 0 0 0 0 0 0 Małopolskie krakowski 2 0 0 0 0 0 0 0 0 0 Małopolskie Kraków 1 0 0 0 0 0 0 0 0 0 Małopolskie limanowski 5 0 0 0 0 0 0 0 0 0 Małopolskie miechowski 4 0 0 0 0 0 0 0 0 0 Małopolskie myślenicki 2 0 1 0 0 0 0 1 0 0 Małopolskie nowosądecki 5 0 0 0 0 0 0 0 0 0 Małopolskie nowotarski 4 0 0 0 0 0 0 0 0 1 Małopolskie Nowy Sącz 1 1 0 0 0 0 0 0 0 –1 Małopolskie olkuski 2 0 –1 0 0 1 0 0 0 0 Małopolskie oświęcimski 2 0 0 0 0 0 0 0 0 0 Małopolskie proszowicki 4 1 0 –1 0 0 0 0 1 0 Małopolskie suski 3 0 0 0 0 0 0 0 0 0 Małopolskie tarnowski 5 0 0 0 0 0 0 0 0 0 Małopolskie Tarnów 1 0 0 0 0 0 1 –1 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Małopolskie tatrzański 2 0 0 0 0 0 0 0 0 0 Małopolskie wadowicki 3 0 –1 1 0 0 0 0 0 0 Małopolskie wielicki 2 0 1 0 0 –1 0 0 0 0 Mazowieckie białobrzeski 4 –1 0 0 0 0 1 0 0 0 Mazowieckie ciechanowski 2 0 1 0 –1 1 –1 0 0 0 Mazowieckie garwoliński 3 –1 1 0 0 0 0 0 0 0 Mazowieckie gostyniński 5 0 0 0 0 –1 0 0 1 0 Mazowieckie grodziski 1 0 0 0 0 0 0 0 0 0 Mazowieckie grójecki 1 0 0 0 0 0 0 0 0 0 Mazowieckie kozienicki 1 0 0 0 0 0 0 0 0 0 Mazowieckie legionowski 2 –1 1 0 0 0 0 –1 0 1 Mazowieckie lipski 5 0 0 0 –1 0 0 1 0 –1 Mazowieckie łosicki 4 0 0 0 0 1 0 –1 0 0 Mazowieckie makowski 4 0 1 0 0 –1 1 0 0 0 Mazowieckie miński 2 0 0 1 0 0 0 –1 1 0 Mazowieckie mławski 4 0 0 –1 0 0 0 1 0 –1 Mazowieckie nowodworski 2 0 –1 0 0 0 0 0 0 0 Mazowieckie ostrołęcki 5 0 0 0 0 –1 0 1 0 0 Mazowieckie Ostrołęka 1 0 0 0 0 0 0 0 0 0 Mazowieckie ostrowski 3 0 –1 1 0 0 0 0 0 0 Mazowieckie otwocki 2 0 0 –1 1 0 –1 0 0 0 Mazowieckie piaseczyński 1 0 0 0 0 0 0 0 0 0 Mazowieckie Płock 1 0 0 0 0 0 0 0 0 0 Mazowieckie płocki 5 0 0 0 0 0 0 0 –1 0 Mazowieckie płoński 4 0 0 0 0 0 –1 1 0 0 Mazowieckie pruszkowski 1 0 0 0 0 0 0 0 0 0 Mazowieckie przasnyski 3 0 1 –1 0 1 0 0 0 0 Mazowieckie przysuski 5 0 0 0 0 0 0 0 0 0 Mazowieckie pułtuski 5 0 0 0 0 0 0 0 –1 1 Mazowieckie Radom 2 0 0 0 0 0 0 0 0 0 Mazowieckie radomski 5 0 0 0 0 0 0 0 0 0 Mazowieckie Siedlce 1 0 0 1 0 0 0 0 0 0 Mazowieckie siedlecki 5 0 –1 1 0 0 –1 0 0 0 Mazowieckie sierpecki 4 1 0 0 0 0 0 –1 1 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Mazowieckie sochaczewski 1 0 0 0 0 0 0 0 1 0 Mazowieckie sokołowski 2 1 0 –1 0 0 0 0 0 0 Mazowieckie szydłowiecki 5 0 0 0 0 0 0 0 0 0 Mazowieckie Warszawa 1 0 0 0 0 0 0 0 0 0 Mazowieckie warszawski zachodni 1 0 0 0 0 0 0 0 0 0 Mazowieckie węgrowski 4 1 0 0 0 0 0 0 0 0 Mazowieckie wołomiński 2 0 0 0 0 0 0 0 0 0 Mazowieckie wyszkowski 4 0 0 0 –1 0 1 0 0 0 Mazowieckie zwoleński 5 0 0 0 0 0 0 0 0 0 Mazowieckie żuromiński 5 0 0 0 0 0 0 0 0 0 Mazowieckie żyrardowski 2 0 –1 0 0 1 0 0 0 0 Opolskie brzeski śląski 3 –1 0 0 1 –1 1 –1 0 0 Opolskie głubczycki 4 –1 0 1 0 0 0 0 0 0 Opolskie kędzierzyńsko-kozielski 1 0 0 0 0 0 0 0 0 0 Opolskie kluczborski 4 0 0 0 –1 0 0 0 0 0 Opolskie krapkowicki 1 0 0 0 0 0 0 0 0 0 Opolskie namysłowski 3 0 0 0 0 0 0 0 0 0 Opolskie nyski 4 0 0 –1 0 0 1 –1 0 1 Opolskie oleski 3 0 0 0 0 –1 0 0 0 1 Opolskie Opole 1 0 0 0 0 0 0 0 0 0 Opolskie opolski 1 0 0 0 1 0 0 0 0 0 Opolskie prudnicki 4 0 0 0 1 0 0 0 0 0 Opolskie strzelecki 4 0 0 0 0 0 0 –1 0 0 Podkarpackie bieszczadzki 3 1 0 0 0 0 0 0 0 –1 Podkarpackie brzozowski 5 0 0 0 0 0 0 0 0 0 Podkarpackie dębicki 3 0 0 –1 0 1 0 0 0 0 Podkarpackie jarosławski 4 0 0 0 0 1 0 0 –1 0 Podkarpackie jasielski 3 0 0 0 0 1 0 0 0 0 Podkarpackie kolbuszowski 5 0 0 0 0 0 0 0 0 0 Podkarpackie Krosno 1 0 0 0 0 0 0 0 0 0 Podkarpackie krośnieński 5 0 0 0 0 0 0 0 0 0 Podkarpackie leski 3 0 1 0 0 0 0 0 0 0 Podkarpackie leżajski 3 0 0 0 0 0 1 0 0 0 Podkarpackie lubaczowski 5 0 0 0 0 0 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Podkarpackie łańcucki 4 0 0 0 0 1 0 0 0 0 Podkarpackie mielecki 2 0 –1 1 0 0 0 0 0 0 Podkarpackie niżański 5 0 0 0 0 0 0 0 0 0 Podkarpackie przemyski 5 0 0 0 0 0 0 0 0 0 Podkarpackie Przemyśl 2 0 0 1 0 0 0 0 0 0 Podkarpackie przeworski 5 0 0 0 0 0 0 0 0 0 Podkarpackie ropczycko-sędziszowski 4 0 0 0 0 0 0 0 0 0 Podkarpackie rzeszowski 5 0 0 0 0 0 0 0 –1 0 Podkarpackie Rzeszów 1 0 0 0 0 0 0 0 0 0 Podkarpackie sanocki 3 0 0 0 0 –1 0 0 0 0 Podkarpackie stalowowolski 2 0 0 0 –1 0 0 1 0 0 Podkarpackie strzyżowski 5 0 0 0 0 0 0 0 0 0 Podkarpackie Tarnobrzeg 2 0 0 0 0 1 0 0 0 0 Podkarpackie tarnobrzeski 3 –1 0 1 0 0 0 1 –1 –1 Podlaskie augustowski 2 0 0 0 0 0 0 1 0 0 Podlaskie białostocki 4 0 1 –1 0 0 0 0 0 0 Podlaskie Białystok 1 0 0 0 0 1 0 0 0 0 Podlaskie bielski 3 0 0 0 0 0 0 0 0 –2 Podlaskie grajewski 2 0 0 –1 1 –1 1 0 0 0 Podlaskie hajnowski 3 0 0 0 1 –1 0 1 0 0 Podlaskie kolneński 5 0 0 0 0 0 0 0 0 0 Podlaskie Łomża 2 0 0 0 0 1 0 0 0 0 Podlaskie łomżyński 5 0 0 0 –1 0 0 –1 0 1 Podlaskie moniecki 4 0 0 0 0 0 1 0 0 0 Podlaskie sejneński 5 0 0 0 0 0 0 0 0 0 Podlaskie siemiatycki 3 –1 0 0 1 0 0 0 0 0 Podlaskie sokolski 5 0 0 0 0 0 0 0 0 0 Podlaskie suwalski 5 0 0 0 0 0 –1 0 1 0 Podlaskie Suwalski 2 0 0 0 0 0 0 0 0 0 Podlaskie wysokomazowiecki 3 1 0 –1 0 0 0 0 0 0 Podlaskie zambrowski 4 0 0 0 0 0 –1 1 0 0 Pomorskie bytowski 5 –1 0 0 0 0 0 0 0 0 Pomorskie chojnicki 4 0 0 0 0 0 0 0 0 0 Pomorskie człuchowski 4 0 –1 0 0 1 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Pomorskie Gdańsk 1 0 0 0 0 0 0 0 0 0 Pomorskie gdański 2 0 0 0 0 0 –1 0 1 0 Pomorskie Gdynia 1 0 0 0 0 0 0 0 0 0 Pomorskie kartuski 4 0 0 0 –1 0 0 0 0 0 Pomorskie kościerski 5 –1 0 1 0 0 0 –1 1 0 Pomorskie kwidzyński 1 0 0 0 0 0 0 0 0 0 Pomorskie lęborski 2 0 0 0 0 0 0 0 0 1 Pomorskie malborski 3 0 0 0 0 1 –1 0 0 0 Pomorskie nowodworski 4 0 0 0 0 0 0 0 0 0 Pomorskie pucki 2 –1 1 0 0 0 0 0 0 0 Pomorskie Słupsk 1 0 0 1 –1 1 0 0 0 0 Pomorskie słupski 4 0 0 0 0 0 –1 0 0 0 Pomorskie Sopot 1 0 0 0 0 0 0 0 0 0 Pomorskie starogardzki 3 –1 0 1 0 0 0 0 0 0 Pomorskie sztumski 5 0 0 0 0 0 –1 1 0 0 Pomorskie tczewski 2 0 0 0 0 0 0 0 –1 1 Pomorskie wejherowski 3 0 0 0 –1 0 1 0 0 0 Śląskie będziński 2 0 0 0 0 0 0 0 0 0 Śląskie bielski 2 0 0 0 0 0 0 0 0 –1 Śląskie Bielsko-Biała 1 0 0 0 0 0 0 0 0 0 Śląskie bieruńsko-lędziński 1 1 0 0 0 –1 0 0 0 0 Śląskie Bytom 2 1 0 0 0 0 0 0 0 0 Śląskie Chorzów 2 –1 0 1 0 0 –1 1 0 0 Śląskie cieszyński 2 0 0 0 0 0 0 0 0 0 Śląskie Częstochowa 1 0 0 0 0 0 0 0 0 0 Śląskie częstochowski 4 0 1 0 –1 0 0 0 0 0 Śląskie Dąbrowa Górnicza 1 0 0 0 0 0 0 0 0 0 Śląskie Gliwice 1 0 0 0 0 0 0 0 0 0 Śląskie gliwicki 3 1 –1 0 0 0 0 0 0 0 Śląskie Jastrzębie-Zdrój 1 0 0 0 0 0 0 0 0 0 Śląskie Jaworzno 1 0 0 0 0 0 0 0 0 0 Śląskie Katowice 1 0 0 0 0 0 0 0 0 0 Śląskie kłobucki 4 0 0 0 0 0 0 0 0 0 Śląskie lubliniecki 3 0 0 0 0 0 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Śląskie mikołowski 1 0 0 0 0 0 0 0 0 0 Śląskie Mysłowice 2 0 0 0 –1 1 –1 0 0 0 Śląskie myszkowski 2 1 –1 0 1 0 0 0 0 0 Śląskie Piekary Śląskie 2 2 0 0 0 0 –1 0 0 1 Śląskie pszczyński 1 0 0 0 0 0 0 0 0 0 Śląskie raciborski 3 –1 0 0 0 0 0 0 0 0 Śląskie Ruda Śląska 1 1 0 0 0 0 0 0 0 0 Śląskie rybnicki 3 1 0 0 0 0 –1 0 1 0 Śląskie Rybnik 1 0 0 0 0 0 0 0 0 0 Śląskie Siemianowice śląskie 2 0 0 0 0 0 0 0 0 0 Śląskie Sosnowiec 2 –1 0 0 1 0 0 0 0 0 Śląskie Świętochłowice 3 1 0 0 –2 2 0 0 0 0 Śląskie tarnogórski 2 0 0 0 0 0 0 0 0 0 Śląskie Tychy 1 0 0 0 0 0 0 0 0 0 Śląskie wodzisławski 4 0 0 0 0 0 –1 1 0 0 Śląskie Zabrze 2 0 0 0 0 0 0 0 0 0 Śląskie zawierciański 2 0 0 0 0 0 0 0 0 0 Śląskie Żory 4 0 –1 1 –1 0 –1 1 0 0 Śląskie żywiecki 1 1 –1 0 0 0 1 0 –1 1 Świętokrzyskie buski 3 1 0 0 0 0 0 0 0 0 Świętokrzyskie jędrzejowski 3 0 0 0 0 0 0 0 0 0 Świętokrzyskie kazimierski 5 0 0 0 0 0 0 0 0 0 Świętokrzyskie Kielce 1 0 0 0 0 0 0 0 0 0 Świętokrzyskie kielecki 5 0 0 0 0 0 0 0 –1 1 Świętokrzyskie konecki 4 0 0 0 0 0 0 0 0 0 Świętokrzyskie opatowski 2 1 0 0 0 1 –1 0 2 0 Świętokrzyskie ostrowiecki 3 1 –1 0 0 –1 –1 0 1 0 Świętokrzyskie pińczowski 1 1 0 1 0 0 0 0 0 1 Świętokrzyskie sandomierski 3 0 –1 0 0 0 1 –1 0 0 Świętokrzyskie skarżyski 2 0 0 0 0 0 1 0 0 0 Świętokrzyskie starachowicki 4 –1 0 0 0 0 0 1 –1 1 Świętokrzyskie staszowski 1 0 1 0 0 0 –1 0 0 0 Świętokrzyskie włoszczowski 3 0 1 –1 0 0 0 0 0 –1 Warmińsko-mazurskie bartoszycki 5 0 0 0 0 0 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Warmińsko-mazurskie braniewski 5 0 0 0 0 0 0 –2 2 0 Warmińsko-mazurskie działdowski 5 0 0 0 0 0 0 0 –1 –1 Warmińsko-mazurskie Elbląg 1 0 1 0 0 0 0 0 0 0 Warmińsko-mazurskie elbląski 5 0 0 0 0 0 0 –1 0 0 Warmińsko-mazurskie ełcki 4 –1 0 0 0 0 1 0 0 0 Warmińsko-mazurskie giżycki 4 –1 1 –1 1 –1 1 0 0 0 Warmińsko-mazurskie gołdapski 5 0 0 0 0 0 0 0 0 0 Warmińsko-mazurskie piławski 5 –1 0 0 0 –1 1 0 0 0 Warmińsko-mazurskie kętrzyński 4 0 0 1 0 0 0 0 0 0 Warmińsko-mazurskie lidzbarski 5 0 0 0 0 0 0 0 0 0 Warmińsko-mazurskie mrągowski 3 0 1 –1 0 0 1 0 0 0 Warmińsko-mazurskie nidzicki 5 0 0 0 0 0 0 0 0 0 Warmińsko-mazurskie nowomiejski 5 0 0 0 0 0 0 0 0 0 Warmińsko-mazurskie olecki 4 0 0 0 0 –1 1 0 0 0 Warmińsko-mazurskie Olsztyn 1 0 0 0 0 0 0 0 0 0 Warmińsko-mazurskie olsztyński 5 –1 0 0 0 0 0 0 0 –1 Warmińsko-mazurskie ostródzki 4 0 0 0 0 0 –1 0 0 0 Warmińsko-mazurskie piski 4 0 0 0 0 1 0 0 0 0 Warmińsko-mazurskie szczycieński 5 0 0 –1 0 0 0 0 1 –1 Warmińsko-mazurskie węgorzewski 5 0 0 0 0 0 0 0 0 0 Wielkopolskie chodzieski 3 0 0 0 0 0 0 0 0 0 Wielkopolskie czarnkowsko-trzcianecki 3 0 0 0 0 –1 0 1 0 0 Wielkopolskie gnieźnieński 3 –1 1 –1 1 0 –1 0 1 0 Wielkopolskie gostyński 2 0 0 0 0 0 0 0 0 0 Wielkopolskie grodziski wielkopolski 2 0 0 0 0 0 0 0 0 0 Wielkopolskie jarociński 4 0 0 0 0 0 –1 1 0 –1 Wielkopolskie kaliski 4 0 1 0 0 –1 –1 1 0 0 Wielkopolskie Kalisz 1 0 0 0 0 0 0 1 –1 0 Wielkopolskie kępiński 3 0 –1 0 0 –1 0 1 0 0 Wielkopolskie kolski 3 0 0 –1 0 1 0 0 0 0 Wielkopolskie Konin 1 0 0 0 0 0 0 0 0 0 Wielkopolskie koniński 3 0 0 1 0 0 0 0 0 0 Wielkopolskie kościański 2 0 0 0 1 –1 0 0 0 0 Wielkopolskie krotoszyński 3 0 0 0 0 –1 1 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Wielkopolskie leszczyński 2 0 0 0 0 0 0 0 0 0 Wielkopolskie Leszno 1 0 0 0 0 0 0 0 0 0 Wielkopolskie międzychodzki 3 0 –1 0 1 –1 0 0 0 0 Wielkopolskie nowotomyski 2 0 0 0 0 –1 0 1 –1 0 Wielkopolskie obornicki 2 0 0 0 0 0 0 0 0 0 Wielkopolskie ostrowski 2 0 0 0 0 0 0 1 –1 0 Wielkopolskie ostrzeszowski 3 0 0 0 –1 0 0 1 0 0 Wielkopolskie pilski 1 0 0 0 0 0 0 1 0 0 Wielkopolskie pleszewski 4 0 0 0 0 0 0 0 0 0 Wielkopolskie Poznań 1 0 0 0 0 0 0 0 0 0 Wielkopolskie poznański 1 0 0 0 0 0 0 0 0 0 Wielkopolskie rawicki 3 0 –1 1 –1 0 1 0 0 0 Wielkopolskie słupecki 4 0 0 0 0 0 0 0 0 0 Wielkopolskie szamotulski 1 0 0 0 0 0 0 1 0 –1 Wielkopolskie średzki 2 0 0 0 0 0 0 0 0 0 Wielkopolskie śremski 2 0 0 0 0 0 0 0 0 0 Wielkopolskie turecki 2 0 1 0 0 0 0 0 0 0 Wielkopolskie wągrowiecki 4 0 0 0 0 0 0 0 0 0 Wielkopolskie wolsztyński 2 0 0 0 0 –1 1 0 0 0 Wielkopolskie wrzesiński 3 0 0 0 –1 0 0 0 0 0 Wielkopolskie złotowski 5 0 0 0 0 0 0 0 0 0 Zachodniopomorskie białogardzki 4 0 –1 0 0 0 –1 0 0 1 Zachodniopomorskie choszczeński 5 0 0 0 0 0 0 0 0 0 Zachodniopomorskie drawski 4 –1 0 1 0 0 0 0 0 0 Zachodniopomorskie goleniowski 2 1 –1 0 –1 0 1 –1 0 0 Zachodniopomorskie gryficki 3 0 0 0 0 0 0 0 0 0 Zachodniopomorskie gryfiński 1 0 1 –1 1 0 0 0 0 0 Zachodniopomorskie kamieński 2 0 0 1 0 0 0 0 0 0 Zachodniopomorskie kołobrzeski 1 0 0 0 0 0 0 0 0 1 Zachodniopomorskie Koszalin 1 0 0 0 0 0 0 0 0 0 Zachodniopomorskie koszaliński 3 0 0 0 1 0 0 0 –1 0 Zachodniopomorskie łobeski 5 0 0 0 0 0 0 0 0 0 Zachodniopomorskie myśliborski 3 –1 1 –1 1 0 0 0 0 0 Zachodniopomorskie policki 1 0 0 0 0 0 0 0 0 0 Województwo Powiat 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Zachodniopomorskie pyrzycki 4 0 0 0 0 0 0 0 0 1 Zachodniopomorskie sławieński 4 0 0 0 0 0 0 0 0 0 Zachodniopomorskie stargardzki 3 0 0 0 0 0 –1 0 0 1 Zachodniopomorskie Szczecin 1 0 0 0 0 0 0 0 0 0 Zachodniopomorskie szczecinecki 2 –1 0 1 –1 1 0 0 0 0 Zachodniopomorskie świdwiński 5 –1 0 0 0 0 0 0 1 –1 Zachodniopomorskie Świnoujście 1 0 0 0 0 0 0 0 0 0 Zachodniopomorskie wałecki 3 0 0 0 0 0 0 0 –1 1 BIBLIOGRAFIA Bush R.R., Mosteller F. (1955), Stochastic models for learning, Wiley & sons, Oxford. Esteban J. (2000), Regional convergence in Europe and industry mix. A shift sharing analysis, „Regional Science and Urban Economics” 30. Hamilton J. (1989), A new approach to the economic analysis of nonstationary time series and the business cycle, „Econometrica” 57. Iosifescu M.(1988), Skończone procesy Markowa i ich zastosowania, PWN, Warszawa. Jakubowski J., Stencel R. (2004), Wstęp do teorii prawdopodobieństwa, SCRIPT, Warszawa. Jarrow R., Lando A., D., Turnbull S.M. (1997), A Markov Model for the Term Structure of Credit Risk Spreads, „The Review of Financial Studies”. Markov A.A. (1906), Extension of the law of large number to dependent variables, Izv. Fiz.-Mat. Obsc. pri Kazansk. Univ. (2 Ser.). Trojak M., Tokarski T. (2013), Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Wójcik P. (2008), Dywergencja czy konwergencja. Dynamika rozwoju polskich regionów, Studia Regionalne i Lokalne nr 2(32)/2008. 216 217 7 KONWERGENCJA MIĘDZYREGIONALNA I WEWNĄTRZREGIONALNA TAKSONOMICZNYCH WSKAŹNIKÓW ROZWOJU EKONOMICZNEGO (Tomasz Misiak) 7.1. WPROWADZENIE Celem rozdziału siódmego jest określenie występowania efektu konwergencji bądź dywergencji rozwoju ekonomicznego wyznaczonych w rozdziale piątym taksonomicznych wskaźników rozwoju ekonomicznego województw i powiatów w latach 2002–2011. W ocenie czy w badanym okresie zachodził efekt konwergencji czy dywergencji realnej wykorzystano zatem: wskaźniki rozwoju ekonomicznego oparte na odległości przestrzeni euklidesowej (OE), miejskiej (OM) oraz wskaźniki maksymalizujące sumę korelacji (SK). Prowadzone w rozdziale siódmym analizy konwergencji/dywergencji taksonomicznych wskaźników rozwoju ekonomicznego oparto na znanych z literatury prostych metodach oceny występowania tzw. σ-konwergencji/dywergencji i β-konwergencji/dywergencji. Struktura rozdziału siódmego przedstawia się następująco. W punkcie 7.2 dokonano krótkiego przeglądu teoretycznych aspektów procesu konwergencji i dywergencji realnej. W punkcie 7.3 dokonano statystycznej analizy występowania efektu konwergencji bądź dywergencji zarówno na poziomie województw Polski, jak i powiatów. W punkcie tym dokonano również podziału powiatów na grodzkie oraz ziemskie w celu określenia, w której grupie powiatów efekt konwergencji bądź dywergencji charakteryzował się większą szybkością. W punkcie 7.4 przeprowadzono analogiczne do tych, których już dokonano w punkcie 7.3, analizy konwergencji/dywergencji na poziomie powiatów wewnątrz każdego z polskich województw. Rozdział kończy punkt 7.5, w którym można znaleźć podsumowanie oraz ważniejsze wnioski wynikające z przeprowadzonych rozważań. 7.2. KONWERGENCJA W TEORII EKONOMII1 Problematyka konwergencji jest jednym ciekawszych oraz najdynamiczniej rozwijających się obszarów badań w makroekonomicznej teorii wzrostu gospodarczego. Szeroko zakrojone badania empiryczne zarówno w skali międzynarodowej (pomiędzy krajami), jak i regionalnej czy lokalnej, oprócz celów poznawczych, mają również bardzo duże znaczenie dla ukierunkowania i projektowania odpowiedniej polityki gospodarczej. Konwergencja w sensie ekonomicznym oznacza bowiem proces wyrównywania się wartości podstawowych zmiennych makroekonomicznych (np. PKB per capita czy wydajności pracy) pomiędzy krajami, regionami bądź podregionami charakteryzującymi się różnymi wyjściowymi wartościami tych zmiennych (por. Gajewski, Tokarski, 2004: 46), lub jak to opisano w rozdziale siódmym, pomiędzy wskaźnikami taksonomicznymi OE, OM czy SK, które również odzwierciedlają poziom rozwoju danego województwa lub powiatu. Efekt konwergencji pozwala zatem odpowiedzieć na pytanie, czy kraje (regiony, podregiony) różniące się istotnie wyjściowym poziomem badanego wskaźnika (bądź danej zmiennej makroekonomicznej) będą pod wpływem osiąganych stóp wzrostu zbliżały się do siebie pod względem wysokości analizowanego wskaźnika, czy też będą się od siebie oddalały. Nadrabianie dystansu do gospodarek (regionów, podregionów) najlepiej rozwiniętych oznacza proces konwergencji realnej, natomiast oddalanie się gospodarek (regionów, podregionów) rozwiniętych od biedniejszej gospodarki (regionu, podregionu) nazywa się procesem dywergencji. W teorii ekonomii kwestia występowania wśród krajów, regionów czy podregionów konwergencji realnej nie jest jednoznacznie rozstrzygnięta. Można jednak na podstawie wybranych modeli wzrostu gospodarczego wyodrębnić kilka determinant, których kształtowanie bądź sprzyja procesowi konwergencji realnej, bądź prowadzi do procesu przeciwnego – czyli dywergencji. Do najważniejszych determinant konwergencji można zatem zaliczyć2: ●● prawo malejącej produktywności czynników produkcji (np. w przypadku nakładów kapitału rzeczowego) 3, ●● efekt aglomeracji (inaczej efekt koncentracji kapitału), ●● charakter postępu technicznego (kwestie imitacji i innowacji oraz zdolności absorpcyjne technologii), ●● mobilność czynników produkcji i technologii. W literaturze przedmiotu występują dwie główne koncepcje konwergencji: σ-konwergencja oraz β-konwergencja. σ-konwergencja zachodzi wówczas, gdy zróżnicowanie badanego wskaźnika między regionami, podregionami lub krajami zmniejsza się w czasie. β-konwergencja dotyczy natomiast zależności między osiąganą stopą wzrostu badanego 1 Podrozdział ten stanowi nawiązanie do przeglądu teorii konwergencji znajdujących się w opracowaniach: Misiak, Tokarski, Włodarczyk, 2011; Misiak, Tokarski, 2012. 2 Szeroki przegląd determinant konwergencji realnej zawiera np. opracownie: Misiak, Sulima,Tokarski, 2010. 3 Uwzględnienie jednak akumulacji zasobu kapitału ludzkiego w modelu wzrostu endogenicznego Lucasa (1988) znacznie osłabia jednak postawione tu tezy. wskaźnika a początkowym jej poziomem i najczęściej w literaturze występuje w dwóch wariantach: konwergencji bezwarunkowej (lub absolutnej) i warunkowej. Konwergencja bezwarunkowa oznacza, że regiony upodobniają się do siebie niezależnie od początkowych, fundamentalnych charakterystyk. Wynika z niej, że regiony biedne będą się rozwijały szybciej niż bogate, a stopa wzrostu będzie tym wyższa, im niższy jest początkowy poziom analizowanego wskaźnika. Wymagane są jedynie swoboda przepływ kapitału i brak barier dyfuzji technologii. Konwergencja warunkowa oznacza zaś, że regiony upodabniają się do siebie pod warunkiem występowania takich samych początkowych, fundamentalnych charakterystyk (np. średni poziom wykształcenia, technologii, struktury dochodu), a regiony o różnych fundamentalnych charakterystykach zbliżają się do różnych długookresowych poziomów wskaźnika. W literaturze często ponadto można spotkać koncepcję konwergencji klubowej. Konwergencja klubowa występuje między regionami o podobnej strukturze i zbliżonych warunkach początkowych (dotyczy to na przykład wyposażenia w niemobilne czynniki produkcji i surowce naturalne oraz początkowy zasób wiedzy technicznej). Konwergencja klubowa może zatem generować wzrost różnic w poziomie wskaźnika rozwoju, gdyż regiony w ramach swoich klubów konwergencji będą się zbliżały do typowych tylko dla nich długookresowych ścieżek wzrostu. Okazuje się, że koncepcja konwergencji klubowej jest bardzo podobna do koncepcji konwergencji warunkowej, co sprawia coraz więcej trudności w rozróżnieniu tych koncepcji w analizach empirycznych. Punktem wyjścia analiz bezwzględnej β-konwergencji jest równanie stopy wzrostu wydajności pracy wynikające z założeń modelu Solowa w postaci: (7.1) gdzie: yi0 to poziom produktu na zatrudnionego w i-tym obiekcie (kraju, regionie, podregionie) w okresie początkowym, yi1 to poziom produktu na zatrudnionego w okresie t, α to stała a ξ// to składnik losowy opisujący szoki losowe w obiekcie (kraju, regionie, podregionie) i w okresie t. W równaniu (7.1) parametr β określa stopę konwergencji bezwarunkowej (bezwzględnej). Estymacji parametru β dokonuje się nieliniową metodą najmniejszych kwadratów lub można estymować metodą najmniejszych kwadratów, obliczając następnie wartość parametru β z równania b = (1 – e–βt). Dodatnia wartość oszacowanego parametru β powoduje, że obiekty (kraje, regiony, podregiony) biedniejsze rozwijają się szybciej niż bogatsze niezależnie od kształtowania się pozostałych wielkości ekonomicznych. Ujemne wartości parametru β oznaczają zaś istnienie efektu dywergencji regionalnej. Gdyby parametr β był równy zero, to oznaczałoby to brak związku między stopą wzrostu a wyjściowym poziomem badanego wskaźnika. Metodą alternatywną do ekonometrycznych metod szacowania parametrów równania (7.1) jest kalibracja modelu, która polega na wyznaczeniu wielkości parametrów oryginalnego modelu Solowa. Na podstawie tak uzyskanych parametrów można wyznaczyć wartości PKB per capita w stanie stacjonarnym oraz obliczyć stopę konwergencji. Zastosowanie tej metody w ujęciu regionalnym można znaleźć na przykład w opracowaniu Malagi i Klibera, 2007. Wielu autorów uważa, że istnienie absolutnej β-konwergencji [gdzie β ∈ (0,1)] nie oznacza rzeczywistego występowania σ-konwergencji. Jest to bowiem warunek konieczny, ale niewystarczający, co wynika z faktu, że nawet dodatnie wartości parametru β, które powinny powodować zmniejszanie różnic międzyregionalnych, mogą być równoważone przez szoki losowe (por. np. Gajewski, Tokarski, 2004: 44–50). Warunkowa β-konwergencja nie oznacza natomiast, że stopy wzrostu gospodarczego biednych regionów będą wyższe niż te w bogatszych regionach. Ze względu na to, że poziomy wskaźnika w stanie początkowym są różne dla różnych regionów, to wysoki stopień nierówności między regionami może zostać utrzymany. A zatem według tej koncepcji dopuszcza się możliwość tego, że biedne regiony pozostaną biedne, a bogate regiony nadal będą się bogacić. Analiza efektu konwergencji powinna zatem odpowiadać na pytanie, czy zróżnicowanie regionów pod względem poziomu wskaźnika zmniejsza się w czasie, czyli czy zachodzi σ-konwergencja, której koncepcja jest najbardziej zbliżona do intuicyjnego pojmowania efektu konwergencji. W analizach σ-konwergencji wykorzystuje się różne miary rozproszenia rozkładu. Do najczęściej stosowanych miar zalicza się odchylenia standardowe (lub wariancję) albo współczynnik zmienności. Często też można spotkać wykorzystanie współczynnika Giniego lub indeksu Theila. Jeżeli wartość wybranego wskaźnika dyspersji w momencie t jest mniejsza niż w momencie t0 to można stwierdzić, że pomiędzy t a t0 wystąpiła σ-konwergencja. W literaturze analizy efektu konwergencji typu β i σ uznawane są za klasyczne. Metody te nie są jednak pozbawione wad. Analizy β-konwergencji były kwestionowane między innymi przez Quaha (1993). Po pierwsze, twierdzi on, że nawet jeśli biedne regiony (podregiony) rozwijają się szybciej niż bogatsze, to nie musi to wcale oznaczać zmniejszenia dystansu między nimi. Jest to bowiem warunek konieczny, ale niewystarczający, wystąpienia σ-konwergencji. Po drugie, możliwe jest występowanie ujemnej zależności pomiędzy stopą wzrostu wskaźnika a jego poziomem początkowym nawet w przypadku dywergencji4. Może to wynikać z faktu, że zawsze będą pojawiały się regiony rozwijające się szybko oraz bardzo wolno, a wpływ na to mają również czynniki losowe. Może się też zdarzyć, że regiony wyjściowo biedniejsze, rozwijając się szybciej, będą zamieniać się miejscami z początkowo bogatszymi (efekt leap frogging). Wówczas również β-konwergencja nie musi towarzyszyć σ-konwergencji. Z tych powodów Quah uważa, że godna zaufania i badania jest jedynie σ-konwergencja. Sala-i-Martin twierdzi natomiast, że oba podejścia są interesujące i powinny być poddawane analizom empirycznym (1996: 1325–1352). 4 M. Próchniak pokazuje, że w polskich województwach zjawisku dywergencji typu σ towarzyszy konwergencja warunkowa typu β (Próchniak, 2004: 27–44). 7.3. STATYSTYCZNE ANALIZY EFEKTU KONWERGENCJI/DYWERGENCJI TAKSONOMICZNYCH WSKAŹNIKÓW ROZWOJU EKONOMICZNEGO NA POZIOMIE WOJEWÓDZTW I POWIATÓW Jak już wspomniano, w prowadzonych dalej rozważaniach podjęta zostanie próba statystycznej analizy σ-konwergencji i β-konwergencji w polskich województwach oraz powiatach w latach 2002–2011. Do analizy występowania (bądź nie) efektu σ-konwergencji zastosowano następujące wskaźniki: współczynnik zmienności oparty na odchyleniu ćwiartkowym (VQ), współczynnik zmienności oparty na odchyleniu standardowym (VS) oraz współczynnik zmienności oparty na odchyleniu przeciętnym (Vd)5. Wartości współczynników zmienności policzone dla odpowiednik taksonomicznych wskaźników rozwoju ekonomicznego pozwalają na ocenę dyspersji badanych wskaźników, ich zmiany w czasie umożliwiają zaś określenie, czy w badanym okresie można zaobserwować efekt σ-konwergencji, czy σ-dywergencji Analizy β-konwergencji rozważanych wskaźników taksonomicznych oparto na zależności zachodzącej pomiędzy stopą wzrostu wskaźnika w roku t, a jego wartością w roku t – 1. Powyższą relację opisuje równanie konwergencji postaci6: (7.2) gdzie Xit to wartość wskaźnika (OE, OM lub SK) w województwie i (i = 1, 2, … 16) lub powiecie i (i = 1 ,2, … 379) w roku t (t = 2003, 2004, …, 2011), α to stała bez bezpośredniej interpretacji ekonomicznej, β jest zaś parametrem odzwierciedlającym siłę konwergencji bądź dywergencji realnej. Parametr ten dla taksonomicznych wskaźników rozwoju ekonomicznego należy interpretować następująco. Jeżeli dla wskaźników OE i OM (których niskie wartości oznaczają wysoki poziom rozwoju ekonomicznego) β > 0, to zachodzi proces konwergencji realnej, gdy zaś β < 0, oznacza to dywergencję realną. W przypadku natomiast wskaźnika SK, jeżeli β > 0, oznacza to, że zachodzi efekt dywergencji, gdy zaś β < 0 – efekt konwergencji realnej. Wstępne estymacje parametrów równania (7.2), zarówno na poziomie województw, jak i powiatów, nie przyniosły jednak zadowalających rezultatów, gdyż, jak się okazuje, istotną rolę w analizowanym okresie odgrywał kryzys gospodarczy z 2008 roku. W celu uwzględnienia efektu kryzysu, który w przypadku trajektorii analizowanych wskaźników taksonomicznych stanowił swoisty „punkt przegięcia” powodując zmianę tendencji z rosnącej na malejącą lub z malejącej na rosnącą, równanie (7.2) rozszerzono nakładając przełącznikowe zmienne zerojedynkowe na efekt kryzysu z 2008 roku. Równanie (7.2) po rozszerzeniu można zatem zapisać następująco: (7.3) 5 Współczynniki te policzono tak jak w rozdziale czwartym. 6 β-konwergencja w równaniach (3–4) będzie występowała wówczas, gdy β < 0. gdzie: dk – jest zmienną zerojedynkową, która przyjmuje wartość 1 w latach 2008–2011 oraz 0 w okresie 2002–2007. Parametry β i γ w równaniu (7.3) należy interpretować następująco. β w równaniu określa siłę wpływu opóźnionej wartości zmiennej na jej bieżącą stopę wzrostu, ale jedynie w latach 2002–2007, a siła wpływu opóźnionej zmiennej na bieżącą stopę wzrostu w latach 2008–2011 równa jest β + γ. Oznacza to że parametr γ koryguje siłę konwergencji bądź dywergencji badanych wskaźników, uwzględniając wpływ obecnego kryzysu gospodarczego na wartości analizowanych taksonomicznych wskaźników rozwoju ekonomicznego. Pozostałe parametry interpretuje się analogicznie do równania (7.2). 7.3.1. Konwergencja/dywergencja na poziomie województw Rozważając procesy σ-konwergencji/dywergencji na poziomie województw, można posłużyć się współczynnikami zmienności VQ, VS oraz Vd policzonych uprzednio taksonomicznych wskaźników OE, OM i SK. Trajektorie tych współczynników w latach 2002–2011 zilustrowano na wykresie 7.1. Z analizy wykresu 7.1 można wysnuć następujące wnioski natury ekonomicznej. Po pierwsze, obliczone współczynniki VQ, VS oraz Vd charakteryzowały się podobnymi trajektoriami zmian wskaźników taksonomicznych. Po drugie, obliczone współczynniki cechowały się tendencją wzrostową w okresie 2002–2008, co oznacza, że wskaźniki taksonomiczne w tych latach podlegały σ-dywergencji. W latach 2008–2010 obserwowany jest spadek współczynników zmienności VS i Vd (współczynnik VQ malał jedynie między 2008–2009 rokiem) wskaźników OE i OM, co oznacza że pomiędzy 2008 a 2010 rokiem zaobserwowano σ-konwergencję, a od 2010 roku (lub od 2009 roku w przypadku VQ) współczynniki zmienności ponownie zaczęły nieznacznie wzrastać. Po trzecie, trochę inną trajektorią charakteryzowały się współczynniki zmienności obliczone dla wskaźnika SK. Podobnie jak w przypadku wskaźników OE i OM, współczynniki zmienności policzone dla SK rosły do 2008 roku, tendencja wzrostowa jednak była zdecydowanie łagodniejsza niż ta, którą cechowały się wskaźniki OE i OM. Począwszy od 2008 roku, współczynniki zmienności wskaźnika SK charakteryzowały się względną stabilnością lub nieznacznie malały. Można zatem postawić hipotezę, że wskaźnik SK, podobnie jak wskaźniki OE i OM, cechował się σ-dywergencją w latach 2002–2008, w latach zaś 2009–2011 był względnie stabilny. Analizy procesów β-konwergencji dokonano na podstawie wyników estymacji parametrów równania (7.3), przy czym dla porównania wyników równanie poddano estymacji dwoma metodami: metodą najmniejszych kwadratów (MNK) oraz z wykorzystaniem zmiennych instrumentalnych – uogólnioną metodą momentów (UMM). Na gruncie analiz empirycznych procesów konwergencji w literaturze krajowej, a także zagranicznej, równie często stosuje się zarówno pierwszą, jak i drugą metodę estymacji (por. np. Braga, 2003; DiLiberto, Mura, Pigliaru, 2004; Ciołek, 2003)7. Wyniki oszacowań równania (7.3) przedstawiono w tablicy 7.1. 7 Warto jednak podkreślić, że jak wyjaśnia Maddala (2006: 112) z metodologicznego punktu widzenia UMM jest bardziej odpowiednią metodą do tego typu analiz, gdyż w MNK przyjmuje się restrykcyjne założenia o braku korelacji między zmiennymi objaśniającymi a składnikiem losowym oraz o wspólnej wariancji składników losowych. Wykres 7.1. Współczynniki zmienności VQ, VS i Vd taksonomicznych wskaźników rozwoju ekonomicznego województw w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 7.1. Oszacowania równania (7.3) na poziomie województw Zmienna objaśniana Stopa wzrostu wskaźnika taksonomicznego Metoda estymacji MNK UMM Wskaźnik taksonomiczny OE OM SK OE OM SK Stała –0,04501 (0,1950) –0,0504 (0,1926) 0,0175 (0,3063) –0,0190 (0,8379) –0,0361 (0,7362) 0,0294 (0,0500) Xit – 1 –0,00802 (0,8969) –0,0002 (0,9981) 0,0710 (0,0446) –0,0693 (0,6633) –0,0408 (0,8319) 0,0549 (0,0912) dkXit – 1 0,0881 (0,0046) 0,0874 (0,0237) –0,0851 (0,0000) –0,0947 (0,0089) 0,0982 (0,0124) –0,0890 (0,0007) F-statistic 4,4488 (0,01338) 2,7076 (0,0702) 22,8826 (0,0000) – – – J-statistic – – – 0,0000 0,0000 0,0000 Durbin-Watson 1,16 1,24 0,54 1,19 1,26 0,54 Zmienne instrumentalne – – – 4 4 4 R2 0,05936 0,0370 0,2450 0,0711 0,0439 0,2703 Skor. R2 0,04602 0,0233 0,2343 0,0562 0,0286 0,2586 Liczba obserwacji 144 144 144 128 128 128 W nawiasach podano poziomy istotności. F – wartość testu wariancji F obliczonego dla oszacowań MNK, natomiast J-statistic – statystyka J-Sargana prezentowana jest dla oszacowań metodą UMM. W przypadku estymacji metodą UMM przyjęto następujące zmienne instrumentalne: stała, opóźniona o dwa lata wartość wskaźnika taksonomicznego, oraz stopa wzrostu danego wskaźnika. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Z oszacowań zestawionych w tabeli 7.1 wynika, że oszacowania nie są zadowalające statystycznie. Okazuje się, że oszacowane parametry β – czy to MNK czy UMM – dla wskaźników OE i OM na poziomie województw okazały się nieistotne statystycznie. Oszacowany parametr stojący przy zmiennych zerojedynkowych, uwzględniających efekt obecnego kryzysu, wskazuje na występowanie konwergencji realnej wskaźników OE i OM w latach 2008–2011, niejednoznaczne oszacowania parametrów β i γ prowadzą jednakże do wniosku, że w przypadku wskaźników OE i OM proces β-konwergencji rozwoju ekonomicznego na poziomie województw nie występował. Gdy natomiast analizujemy uzyskane wyniki estymacji parametrów równania (7.3) dla wskaźnika SK, okazuje się, że są one istotnie statystycznie i mogą wskazywać, że w latach 2002–2007 występował efekt dywergencji realnej, a w latach 2008–2011 – efekt konwergencji realnej. Trudno jednak i te wyniki (mimo wysokiego poziomu istotności) uznać za zadowalające, gdyż uzyskano niskie poziomy statystyki Durbina-Watsona, co może sugerować występowanie procesu autokorelacji składnika losowego. Wydaje się, że tak niski poziom testu Durbina-Watsona, wskazujący na istnienie autokorelacji dodatniej, zawyża współczynnik determinacji, gdyż skorygowany R2 kształtował się na poziomie 23% w estymacjach MNK i około 26% w estymacjach UMM, co w przypadku równań konwergencji wydaje się być wartością przeszacowaną. Dlatego, na podstawie wyników estymacji parametrów równania (7.3) dla wskaźnika SK nie można potwierdzić występowania ani procesu β-konwergencji, ani β-dywergencji. 7.3.2. Konwergencja/dywergencja na poziomie powiatów Analizując procesy konwergencji taksonomicznych wskaźników rozwoju ekonomicznego powiatów, zastosowano takie same metody jak w przypadku rozważań na poziomie województw. Obliczone wartości współczynników zmienności (VQ, VS i Vd) dla wskaźników OE, OM i SK zestawiono na wykresie 7.2. Z wykresu tego wynika, że najwyższym poziomem dyspersji, w grupie wszystkich powiatów, charakteryzował się wskaźnik SK, gdyż zarówno współczynnik zmienności VQ, VS, jak i Vd – obliczone dla tego wskaźnika rozwoju ekonomicznego – cechowały się najwyższymi wartościami. Podobne były też tendencje zmian współczynników zmienności dla wszystkich analizowanych w tym rozdziale taksonomicznych wskaźników rozwoju ekonomicznego. W latach 2002–2008 współczynniki zmienności obliczone dla każdego ze wskaźników taksonomicznych charakteryzowały się tendencją wzrostową. Można zatem na tej podstawie wysnuć wniosek, że w tym okresie wskaźniki OE, OM i SK w grupie wszystkich powiatów podlegały procesowi σ-dywergencji. Trochę inaczej kształtowały się zmiany współczynników zmienności po 2008 roku. Światowy kryzys gospodarczy spowodował zmianę trajektorii współczynników zmienności obliczonych wskaźników OE, OM i SK, gdyż począwszy od 2008 roku, w zasadzie charakteryzowały się one tendencją spadkową. Można zatem wnioskować, że na podstawie obliczonych wskaźników zmienności taksonomiczne wskaźniki rozwoju ekonomicznego w latach 2008–2011 podlegały efektowi σ-konwergencji. Z z wykresu 7.2 wynika również, że efekt σ-konwergencji odnotowany w latach 2008–2011 był słabszy niż notowany w latach 2002–2008 efekt σ-dywergencji taksonomicznych wskaźników rozwoju ekonomicznego we wszystkich powiatach Polski. Mimo że odnotowano σ-dywergencję w okresie 2002–2008 i σ-konwergencję po 2008 roku w grupie wszystkich powiatów, to podjęto również próbę analizy tych procesów w wyodrębnionych grupach powiatów – grodzkich oraz ziemskich. Z dotychczas prowadzonych rozważań (np. w rozdziale piątym) wynika, że powiaty grodzkie są lepiej rozwiniętymi powiatami od powiatów ziemskich. Ciekawe zatem staje się pytanie, czy w wyodrębnionych grupach zaobserwowano takie same procesy konwergencji lub dywergencji, czy też grupy te istotnie różniły się na przykład co do szybkości analizowanych w rozdziale siódmym procesów. W zasadzie wszystkie analizowane współczynniki zmienności cechowały się zbliżonymi wartościami oraz trajektoriami. Dlatego na wykresie 7.3 zestawiono wyniki jedynie współczynnika VS dla wskaźników OE, OM i SK w trzech grupach powiatów: grupie wszystkich powiatów, powiatów grodzkich oraz ziemskich. Zdanych zilustrowanych na wykresie 7.3 dotyczących wskaźników OE i OM wynika, że największym zróżnicowaniem rozwoju ekonomicznego charakteryzowały się powiaty grodzkie, najmniejszymi zaś dysproporcjami rozwojowymi cechowały się powiaty ziemskie. Trochę inaczej sytuacja ta kształtuje się w przypadku wskaźnika SK, gdzie największym poziomem dyspersji charakteryzowała się grupa wszystkich powiatów, a najmniej zróżnicowana przestrzennie była grupa składająca się z powiatów ziemskich. Wykres 7.2 Współczynniki zmienności VQ, VS i Vd taksonomicznych wskaźników rozwoju ekonomicznego powiatów w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Wykres 7.3 Współczynniki zmienności VS taksonomicznych wskaźników rozwoju ekonomicznego OE, OM i SK w grupach powiatów w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 7.2. Oszacowania równania (7.3) na poziomie powiatów Zmienna objaśniana Stopa wzrostu wskaźnika taksonomicznego Metoda estymacji MNK UMM Wskaźnik taksonomiczny OE OM SK OE OM SK Stała W –0,03067 (0,0000) –0,0335 (0,0000) 0,03008 (0,0000) –0,0506 (0,0001) –0,0622 (0,0000) 0,02712 (0,0000) G –0,03716 (0,0011) –0,03931 (0,0011) 0,01505 (0,1163) –0,0717 (0,0050) –0,09123 (0,0015) 0,01908 (0,0975) Z –0,02537 (0,0000) –0,02848 (0,0000) 0,03275 (0,0000) –0,02994 (0,0255) –0,0365 (0,0263) 0,02766 (0,0001) Xit – 1 W 0,02608 (0,0000) 0,02931 (0,0000) 0,07929 (0,0000) 0,05102 (0,0006) 0,0644 (0,0002) 0,08773 (0,0030) G 0,02987 (0,0444) 0,03281 (0,0427) 0,1289 (0,0010) 0,07586 (0,0193) 0,1022 (0,0067) 0,09397 (0,0622) Z 0,02059 (0,0007) 0,02391 (0,0001) 0,06765 (0,0126) 0,02685 (0,0866) 0,0337 (0,0858) 0,0893 (0,0438) dkXit – 1 W 0,00915 (0,0000) 0,00899 (0,0000) –0,15202 (0,0000) 0,00698 (0,0000) 0,00843 (0,0000) –0,1576 (0,0000) G 0,01907 (0,0000) 0,01791 (0,0000) –0,15452 (0,0000) 0,01442 (0,0009) 0,01618 (0,0010) –0,13065 (0,0002) Z 0,00735 (0,0000) 0,00737 (0,0000) –0,1533 (0,0000) 0,00589 (0,0000) 0,00669 (0,0000) –0,1655 (0,0000) F W 71,8754 (0,0000) 55,7304 (0,000) 116,417 (0,0000) – – – G 17,5736 (0,0000) 11,0567 (0,0000) 29,9803 (0,0000) – – – Z 50,6841 (0,0000) 40,637 (0,0000) 86,489 (0,0000) – – – J-statistic W – – – 102,32 (0,0000) 62,84 (0,0000) 142,58 (0,0000) G – – – 34,265 (0,0000) 24,30 (0,0000) 46,34 (0,0000) Z – – – 89,598 (0,0000) 56,193 (0,0000) 111,86 (0,0000) Durbin-Watson W 1,37 1,35 1,28 1,36 1,35 1,26 G 1,37 1,45 1,17 1,36 1,46 1,13 Z 1,46 1,48 1,32 1,43 1,47 1,31 Zmienne instrumentalne W – – – 4 4 4 G – – – 4 4 4 Z – – – 4 4 4 Skor. R2 W 0,0399 0,0311 0,0634 0,0320 0,017 0,078 G 0,0537 0,0333 0,0903 0,0360 0,00 0,11 Z 0,0340 0,0273 0,0571 0,0345 0,0269 0,0682 Liczba obserwacji W 3411 3411 3411 3032 3032 3032 G 585 585 585 520 520 520 Z 2826 2826 2826 2512 2512 2512 Oznaczenia i skróty – jak w tablicy 7.1. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Poza tym na podstawie zaprezentowanych na wykresie 7.3 danych jednoznacznie można stwierdzić, że trajektorie zmian współczynnika VS w grupie powiatów grodzkich oraz ziemskich są podobne dla wszystkich taksonomicznych wskaźników rozwoju ekonomicznego. Analizując zatem te dane, można także wnioskować, że w wyodrębnionych grupach (jak to było również w grupie wszystkich powiatów) w latach 2002–2008 występował proces σ-dywergencji, a po 2008 roku odnotowano σ-konwergencję. Zdecydowanie inaczej kształtowały się procesy β-konwergencji realnej na poziomie powiatów – czy to w całej grupie wszystkich powiatów, czy to we wspomnianych uprzednio podgrupach. Dane dotyczące wyników estymacji β-konwergencji realnej na poziomie powiatowym zestawiono w tablicy 7.2. Z danych tych można wysnuć następujące wnioski: ●● Taksonomiczne wskaźniki OE i OM we wszystkich analizowanych grupach charakteryzowały się występowaniem procesu β-konwergencji w całym analizowanym okresie bez względu na metodę estymacji. Przy czym różna była szybkość konwergencji zarówno w omawianych podokresach (2002–2007 i 2008–2011), jak i grupach powiatów. ●● W grupie wszystkich powiatów w latach 2002–2007 szybkość konwergencji wyniosła odpowiednio 2,6% dla wskaźnika OE i ok. 2,9% dla wskaźnika OM w estymacjach MNK oraz 5,1% (OE) i 6,4% (OM) w estymacjach UMM. W latach zaś 2008–2011 proces β-konwergencji cechował się wyższą o ok. 0,9 punktu procentowego szybkością dla wskaźników OE i OM w estymacjach MNK i o odpowiednio 0,7 punktu procentowego (OE) i 0,8 punktu procentowego (OM) w oszacowaniach UMM w zależności od szybkości procesu konwergencji odnotowanych dla odpowiednich wskaźników w latach 2002–2007. ●● Wyniki estymacji parametrów β-konwergencji dla wskaźnika SK w grupie wszystkich powiatów wskazują, że w latach 2002–2007 poziom rozwoju mierzony tym wskaźnikiem charakteryzował się występowaniem β-dywergencji, której szybkość wynosiła ok. 8% w estymacjach MNK i ok. 8,7% w oszacowaniach UMM oraz efektem β-konwergencji w latach 2008–20011, której szybkość oszacowano na poziomie ok. 7% rocznie. ●● W powiatach grodzkich wskaźniki OE i OM w latach 2002–2011 podlegały efektowi β-konwergencji, przy czym różna była jej szybkość w wyodrębnionych podokresach. W latach 2002–2007 szybkość zbieżności wynosiła od 3% do 3,2% odpowiednio dla OE i OM w estymacjach MNK oraz 7,6% (OE) do ok. 10% (OM) rocznie w oszacowaniach UMM. W latach 2008–2011 zbieżność była szybsza, i wynosiła ok. 5% rocznie dla OE i OM w oszacowaniach MNK oraz 9% (OE) i aż 11,6% (OM) rocznie w estymacjach UMM. ●● Wyniki estymacji dla wskaźnika SK w grupie powiatów grodzkich kształtowały się podobnie jak w grupie wszystkich powiatów. Wskaźnik SK charakteryzował się efektem β-dywergencji w pierwszym z analizowanych podokresów oraz β-konwergencji w drugim podokresie. Szybkość β-dywergencji wynosiła ok. 12,9% dla oszacowań MNK i ok. 9,4% dla estymacji UMM. Szybkość β-konwergencji wynosiła zaś odpowiednio 2,5% dla MNK i ok. 3,8% dla UMM. ●● Wskaźniki OE i OM w powiatach ziemskich cechowały się podobnie jak we wszystkich powiatach oraz w powiatach grodzkich efektem β-konwergencji zarówno w pierwszym, jak i w drugim badanym podokresie. Poziom zbieżności był jednak wyższy w latach 2008–2011. W grupie tej otrzymane wyniki estymacji wskazują, że proces konwergencji zachodził najwolniej. ●● Podobnie jak w dwóch analizowanych wcześniej grupach, kształtowały się wyniki oszacowań parametrów β-konwergencji dla wskaźnika SK. W latach 2002–2007 wskaźnik ten podlegał efektowi β-dywergencji z szybkością ok. 6,7% (MNK) i 8,9% (UMM) rocznie. W latach 2008–2011 odnotowano efekt β-konwergencji ze średnią szybkością ok. 8,5% (MNK) i 7,6% (UMM) rocznie. ●● Najszybciej procesy β-konwergencji/dywergencji zachodziły w grupie powiatów grodzkich, najwolniej zaś w grupie powiatów ziemskich. 7.4. WEWNĄTRZREGIONALNA KONWERGENCJA/DYWERGENCJA Analizując procesy σ–konwergencji wewnątrzregionalnie na poziomie powiatów, zestawiono wyniki obliczonych współczynników zmienności VQ, VS i Vd w tablicy 7.3. Dodatkowo, w celu zilustrowania trajektorii zmian, wartości wybranego współczynnika zmienności VS wskaźnika OE dla wszystkich województw zestawiono na wykresie 7.4. Tablica 7.3. Współczynniki zmienności dla OE, OM i SK na poziomie powiatów wewnątrz polskich województw w latach 2002–2011 Województwo Współczynnik zmienności 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 dolnośląskie OE VQ 0,023 0,030 0,039 0,042 0,052 0,054 0,060 0,052 0,051 0,055 VS 0,069 0,070 0,071 0,074 0,083 0,102 0,111 0,100 0,098 0,101 Vd 0,047 0,050 0,054 0,058 0,066 0,080 0,086 0,076 0,073 0,074 OM VQ 0,025 0,031 0,039 0,045 0,055 0,061 0,065 0,057 0,057 0,059 VS 0,076 0,079 0,082 0,086 0,094 0,114 0,123 0,112 0,110 0,113 Vd 0,053 0,057 0,061 0,066 0,076 0,089 0,095 0,086 0,083 0,084 SK VQ 0,112 0,157 0,188 0,196 0,217 0,208 0,212 0,187 0,179 0,179 VS 0,318 0,313 0,309 0,314 0,324 0,347 0,353 0,325 0,321 0,319 Vd 0,221 0,224 0,235 0,244 0,261 0,271 0,272 0,251 0,243 0,234 kujawsko-pomorskie OE VQ 0,020 0,016 0,017 0,020 0,021 0,028 0,031 0,033 0,028 0,029 VS 0,046 0,047 0,049 0,052 0,052 0,059 0,063 0,064 0,063 0,057 Vd 0,035 0,035 0,037 0,039 0,040 0,047 0,051 0,051 0,050 0,046 OM VQ 0,021 0,019 0,019 0,022 0,022 0,028 0,031 0,034 0,029 0,030 VS 0,050 0,052 0,053 0,056 0,056 0,063 0,067 0,068 0,065 0,060 Vd 0,038 0,038 0,040 0,041 0,042 0,048 0,053 0,053 0,052 0,048 SK VQ 0,108 0,086 0,094 0,114 0,107 0,133 0,144 0,154 0,120 0,126 VS 0,237 0,242 0,248 0,264 0,247 0,256 0,255 0,273 0,246 0,219 Vd 0,182 0,179 0,187 0,196 0,187 0,200 0,207 0,213 0,199 0,180 Województwo Współczynnik zmienności 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 lubelskie OE VQ 0,016 0,019 0,019 0,019 0,018 0,023 0,025 0,023 0,021 0,022 VS 0,035 0,037 0,035 0,037 0,039 0,044 0,046 0,049 0,053 0,058 Vd 0,028 0,030 0,029 0,030 0,031 0,034 0,036 0,038 0,039 0,043 OM VQ 0,017 0,020 0,020 0,021 0,019 0,024 0,026 0,025 0,022 0,023 VS 0,039 0,041 0,040 0,041 0,044 0,048 0,051 0,055 0,059 0,065 Vd 0,032 0,033 0,033 0,033 0,035 0,038 0,040 0,042 0,044 0,047 SK VQ 0,093 0,099 0,105 0,108 0,096 0,111 0,111 0,104 0,099 0,095 VS 0,203 0,209 0,200 0,207 0,214 0,220 0,215 0,241 0,253 0,272 Vd 0,160 0,168 0,161 0,162 0,165 0,168 0,167 0,178 0,181 0,192 lubuskie OE VQ 0,024 0,025 0,029 0,033 0,034 0,047 0,046 0,037 0,036 0,042 VS 0,040 0,042 0,044 0,043 0,047 0,060 0,070 0,064 0,061 0,060 Vd 0,032 0,033 0,036 0,037 0,041 0,053 0,060 0,055 0,051 0,052 OM VQ 0,026 0,027 0,030 0,035 0,037 0,050 0,045 0,036 0,035 0,041 VS 0,046 0,048 0,049 0,049 0,052 0,067 0,076 0,070 0,068 0,066 Vd 0,036 0,038 0,040 0,040 0,044 0,056 0,062 0,058 0,055 0,055 SK VQ 0,129 0,128 0,136 0,146 0,146 0,183 0,172 0,141 0,129 0,153 VS 0,193 0,197 0,192 0,185 0,186 0,210 0,244 0,223 0,209 0,198 Vd 0,153 0,158 0,158 0,155 0,159 0,183 0,203 0,191 0,175 0,172 łódzkie OE VQ 0,014 0,015 0,015 0,019 0,024 0,026 0,023 0,015 0,017 0,020 VS 0,055 0,057 0,060 0,063 0,062 0,078 0,082 0,078 0,082 0,088 Vd 0,031 0,033 0,034 0,036 0,038 0,047 0,044 0,040 0,040 0,043 OM VQ 0,015 0,016 0,017 0,019 0,024 0,027 0,028 0,017 0,019 0,022 VS 0,064 0,067 0,070 0,073 0,072 0,092 0,107 0,094 0,098 0,109 Vd 0,036 0,037 0,039 0,041 0,043 0,052 0,054 0,048 0,046 0,052 SK VQ 0,068 0,073 0,072 0,093 0,096 0,099 0,092 0,058 0,057 0,073 VS 0,285 0,291 0,295 0,297 0,277 0,329 0,353 0,329 0,363 0,374 Vd 0,154 0,159 0,161 0,165 0,165 0,184 0,174 0,167 0,167 0,174 małopolskie OE VQ 0,026 0,031 0,029 0,034 0,040 0,046 0,049 0,046 0,044 0,049 VS 0,048 0,049 0,053 0,054 0,060 0,069 0,073 0,063 0,063 0,068 Vd 0,038 0,038 0,041 0,042 0,047 0,055 0,058 0,051 0,051 0,056 OM VQ 0,033 0,037 0,036 0,040 0,045 0,049 0,056 0,051 0,049 0,054 VS 0,053 0,054 0,058 0,059 0,065 0,073 0,079 0,070 0,069 0,074 Vd 0,041 0,043 0,045 0,046 0,050 0,058 0,062 0,056 0,056 0,060 SK VQ 0,141 0,159 0,140 0,154 0,174 0,183 0,183 0,190 0,170 0,184 VS 0,225 0,227 0,243 0,244 0,253 0,261 0,268 0,241 0,236 0,247 Vd 0,176 0,178 0,189 0,190 0,193 0,206 0,207 0,193 0,191 0,203 mazowieckie OE VQ 0,041 0,041 0,045 0,054 0,054 0,059 0,063 0,055 0,057 0,059 VS 0,084 0,092 0,093 0,093 0,098 0,113 0,128 0,118 0,116 0,116 Vd 0,061 0,066 0,068 0,070 0,072 0,082 0,092 0,088 0,086 0,086 OM VQ 0,046 0,048 0,051 0,059 0,059 0,064 0,070 0,062 0,060 0,061 VS 0,095 0,104 0,106 0,107 0,111 0,127 0,148 0,134 0,134 0,134 Vd 0,070 0,076 0,078 0,081 0,082 0,092 0,106 0,099 0,098 0,098 SK VQ 0,215 0,223 0,221 0,268 0,262 0,240 0,249 0,240 0,225 0,217 VS 0,376 0,401 0,405 0,395 0,393 0,410 0,438 0,411 0,399 0,395 Vd 0,275 0,293 0,295 0,297 0,289 0,298 0,312 0,307 0,294 0,290 Województwo Współczynnik zmienności 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 opolskie OE VQ 0,044 0,045 0,045 0,043 0,046 0,052 0,058 0,048 0,045 0,035 VS 0,052 0,050 0,054 0,057 0,059 0,071 0,077 0,065 0,062 0,066 Vd 0,046 0,045 0,048 0,051 0,053 0,062 0,068 0,056 0,055 0,054 OM VQ 0,045 0,046 0,046 0,045 0,047 0,052 0,058 0,046 0,047 0,036 VS 0,058 0,055 0,059 0,063 0,065 0,077 0,084 0,071 0,070 0,073 Vd 0,050 0,049 0,051 0,054 0,057 0,066 0,073 0,060 0,061 0,058 SK VQ 0,211 0,201 0,192 0,179 0,169 0,170 0,196 0,155 0,148 0,110 VS 0,240 0,226 0,237 0,244 0,238 0,252 0,261 0,228 0,215 0,226 Vd 0,209 0,198 0,206 0,209 0,205 0,212 0,223 0,191 0,182 0,178 podkarpackie OE VQ 0,023 0,028 0,027 0,028 0,034 0,033 0,036 0,036 0,034 0,037 VS 0,046 0,047 0,050 0,050 0,054 0,062 0,063 0,056 0,056 0,060 Vd 0,034 0,038 0,039 0,039 0,043 0,050 0,050 0,044 0,044 0,049 OM VQ 0,026 0,029 0,030 0,031 0,033 0,032 0,040 0,035 0,036 0,041 VS 0,048 0,050 0,052 0,052 0,056 0,064 0,065 0,059 0,058 0,062 Vd 0,036 0,039 0,041 0,040 0,044 0,051 0,051 0,046 0,046 0,050 SK VQ 0,106 0,149 0,138 0,146 0,155 0,156 0,146 0,157 0,148 0,153 VS 0,231 0,235 0,246 0,243 0,249 0,264 0,254 0,238 0,226 0,236 Vd 0,172 0,184 0,193 0,186 0,195 0,209 0,199 0,183 0,175 0,191 podlaskie OE VQ 0,025 0,029 0,032 0,030 0,030 0,031 0,026 0,024 0,028 0,026 VS 0,032 0,035 0,036 0,038 0,037 0,047 0,041 0,035 0,036 0,045 Vd 0,026 0,030 0,032 0,033 0,032 0,037 0,032 0,029 0,029 0,035 OM VQ 0,026 0,033 0,036 0,035 0,034 0,035 0,032 0,028 0,030 0,029 VS 0,036 0,039 0,039 0,040 0,040 0,049 0,044 0,038 0,038 0,048 Vd 0,029 0,032 0,035 0,036 0,034 0,040 0,035 0,031 0,031 0,038 SK VQ 0,126 0,150 0,178 0,158 0,121 0,111 0,091 0,091 0,097 0,104 VS 0,162 0,177 0,181 0,187 0,174 0,198 0,161 0,143 0,145 0,191 Vd 0,134 0,150 0,161 0,162 0,149 0,156 0,127 0,120 0,119 0,143 pomorskie OE VQ 0,032 0,034 0,030 0,027 0,032 0,039 0,047 0,034 0,036 0,039 VS 0,063 0,063 0,063 0,067 0,076 0,101 0,112 0,101 0,094 0,096 Vd 0,051 0,050 0,051 0,052 0,059 0,077 0,084 0,073 0,072 0,072 OM VQ 0,041 0,045 0,038 0,038 0,036 0,045 0,057 0,043 0,042 0,044 VS 0,073 0,072 0,072 0,076 0,086 0,116 0,132 0,115 0,112 0,114 Vd 0,060 0,060 0,059 0,061 0,067 0,089 0,100 0,084 0,084 0,084 SK VQ 0,178 0,185 0,154 0,143 0,149 0,173 0,194 0,157 0,161 0,161 VS 0,293 0,285 0,278 0,290 0,305 0,367 0,387 0,354 0,326 0,327 Vd 0,240 0,231 0,225 0,227 0,239 0,282 0,290 0,254 0,246 0,242 śląskie OE VQ 0,036 0,038 0,038 0,037 0,038 0,044 0,058 0,050 0,050 0,053 VS 0,069 0,074 0,080 0,082 0,094 0,113 0,123 0,113 0,111 0,119 Vd 0,054 0,055 0,059 0,060 0,068 0,079 0,090 0,083 0,081 0,089 OM VQ 0,041 0,043 0,042 0,039 0,040 0,046 0,062 0,054 0,053 0,056 VS 0,075 0,079 0,087 0,088 0,100 0,118 0,132 0,121 0,122 0,133 Vd 0,058 0,059 0,063 0,065 0,072 0,083 0,096 0,089 0,089 0,098 SK VQ 0,159 0,156 0,150 0,143 0,127 0,137 0,162 0,154 0,146 0,159 VS 0,269 0,287 0,306 0,303 0,313 0,330 0,331 0,325 0,323 0,340 Vd 0,211 0,209 0,219 0,220 0,226 0,231 0,240 0,237 0,235 0,252 Województwo Współczynnik zmienności 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 świętokrzyskie OE VQ 0,016 0,015 0,014 0,013 0,015 0,022 0,019 0,017 0,021 0,021 VS 0,039 0,039 0,039 0,038 0,040 0,042 0,055 0,048 0,050 0,055 Vd 0,030 0,028 0,027 0,028 0,029 0,031 0,041 0,036 0,037 0,042 OM VQ 0,018 0,016 0,015 0,016 0,017 0,024 0,023 0,020 0,023 0,021 VS 0,044 0,045 0,044 0,044 0,046 0,047 0,058 0,052 0,054 0,059 Vd 0,033 0,031 0,031 0,032 0,033 0,035 0,045 0,040 0,040 0,044 SK VQ 0,081 0,083 0,080 0,065 0,073 0,089 0,081 0,076 0,087 0,091 VS 0,190 0,188 0,181 0,178 0,176 0,167 0,200 0,182 0,188 0,203 Vd 0,147 0,134 0,128 0,129 0,129 0,123 0,153 0,138 0,142 0,154 warmińsko-mazurskie OE VQ 0,012 0,012 0,013 0,013 0,015 0,023 0,021 0,018 0,020 0,022 VS 0,039 0,041 0,042 0,047 0,051 0,058 0,057 0,045 0,048 0,048 Vd 0,025 0,025 0,025 0,028 0,030 0,036 0,036 0,029 0,030 0,032 OM VQ 0,012 0,012 0,013 0,013 0,017 0,023 0,023 0,019 0,022 0,022 VS 0,043 0,045 0,045 0,049 0,053 0,060 0,060 0,048 0,051 0,051 Vd 0,028 0,027 0,027 0,030 0,031 0,037 0,037 0,031 0,032 0,033 SK VQ 0,076 0,070 0,072 0,078 0,090 0,112 0,109 0,081 0,103 0,086 VS 0,232 0,235 0,234 0,252 0,268 0,275 0,255 0,207 0,216 0,210 Vd 0,147 0,138 0,138 0,149 0,151 0,168 0,159 0,133 0,135 0,139 wielkopolskie OE VQ 0,013 0,017 0,025 0,017 0,023 0,034 0,033 0,027 0,024 0,027 VS 0,051 0,056 0,058 0,058 0,066 0,080 0,088 0,075 0,072 0,076 Vd 0,034 0,037 0,039 0,039 0,044 0,054 0,056 0,049 0,046 0,051 OM VQ 0,016 0,018 0,024 0,019 0,024 0,037 0,039 0,028 0,026 0,028 VS 0,055 0,060 0,062 0,063 0,069 0,085 0,104 0,082 0,079 0,083 Vd 0,037 0,040 0,042 0,042 0,046 0,058 0,064 0,052 0,050 0,054 SK VQ 0,059 0,079 0,104 0,080 0,101 0,122 0,124 0,099 0,082 0,089 VS 0,230 0,242 0,238 0,238 0,244 0,264 0,307 0,258 0,243 0,246 Vd 0,152 0,159 0,162 0,160 0,165 0,183 0,188 0,165 0,154 0,160 zachodniopomorskie OE VQ 0,032 0,034 0,033 0,036 0,045 0,045 0,051 0,051 0,046 0,046 VS 0,046 0,048 0,053 0,050 0,059 0,061 0,067 0,056 0,053 0,058 Vd 0,038 0,040 0,044 0,042 0,052 0,053 0,056 0,050 0,047 0,050 OM VQ 0,040 0,047 0,047 0,042 0,061 0,050 0,049 0,052 0,057 0,056 VS 0,056 0,059 0,063 0,060 0,068 0,071 0,077 0,067 0,064 0,069 Vd 0,047 0,050 0,054 0,052 0,061 0,062 0,065 0,058 0,056 0,059 SK VQ 0,178 0,184 0,182 0,178 0,235 0,204 0,191 0,202 0,194 0,178 VS 0,226 0,229 0,245 0,227 0,247 0,240 0,243 0,213 0,202 0,220 Vd 0,186 0,196 0,208 0,196 0,221 0,209 0,204 0,187 0,175 0,187 VQ – współczynnik zmienności obliczony na podstawie odchylenia ćwiartkowego, VS – współczynnik zmienności obliczony na podstawie odchylenia standardowego, Vd – współczynnik zmienności obliczony na podstawie odchylenia przeciętnego. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Z danych zestawionych w tablicy 7.3 oraz zilustrowanych na wykresie 7.4 wynika, że najbardziej zróżnicowane wewnętrznie były najbogatsze województwa – odpowiednio, mazowieckie, śląskie, dolnośląskie i pomorskie – które charakteryzowały się najwyższymi współczynnikami zmienności. Najniższym poziomem wewnętrznej dyspersji cechowały się województwa wschodniej Polski: podlaskie, warmińsko-mazurskie, świętokrzyskie oraz lubelskie. Wykres 7.4. Współczynniki zmienności VS wskaźnika OE wewnątrz polskich województw w latach 2002–20011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Podobne, dla większości województw, były trajektorie zmian współczynnika zmienności wskaźnika OE. Jedynie dwa województwa (lubelskie i łódzkie) różniły się tendencjami zmian współczynnika zmienności opartego na odchyleniu standardowym (VS). Współczynnik VS w województwie lubelskim w całym badanym okresie charakteryzował się tendencją rosnącą, co wskazuje na to, że w latach 2002–2011 poziom zróżnicowania wewnątrzregionalnego się powiększał. W województwie lubelskim współczynnik zmienności VS obliczony dla wskaźnika OE nie zmieniał tendencji w kryzysowym 2008 roku. Podobnie zachowywały się zmiany współczynnika VS w województwie łódzkim, z tą różnicą, że współczynnik ten nieznacznie zareagował spadkiem na kryzys gospodarczy w 2008 roku, po czym znów, począwszy od 2009 roku, charakteryzował się tendencją rosnącą. Można zatem w przypadku województwa łódzkiego wysnuć wniosek, że w całym analizowanym okresie występował efekt σ-dywergencji z niewielką korektą w latach 2008–2009 spowodowaną światowym kryzysem gospodarczym. W pozostałych województwach, w pierwszym z analizowanych podokresów występował efekt σ-dywergencji (gdyż w większości tych województw współczynniki zmienności rosły) oraz okres σ-konwergencji (w latach 2008–2010), która charakteryzowała się spadkiem współczynników zmienności. Po 2010 roku w większości województw ponownie odnotowano wzrosty współczynników zmienności w porównaniu z rokiem poprzednim. Analizując wyniki estymacji równania (7.3) wewnątrzregionalnie na poziomie powiatów, które zostały zestawione w tablicach 7.4–7.6, można dojść do następujących wniosków: ●● Z wyników estymacji równania (7.3) dla wskaźników OE i OM wynika, że efekt β-konwergencji realnej w całym badanym okresie wystąpił jedynie w województwach: małopolskim, opolskim oraz śląskim. W każdym z tych województw β-konwergencja charakteryzowała się wzrostem szybkości po 2008 roku. W województwie małopolskim w latach 2002–2007 średnioroczna szybkość konwergencji wynosiła 8,6% (OE) i 8,4% (OM). Po 2008 roku natomiast szybkość konwergencji wzrosła o ok. 0,8 punktu procentowego zarówno dla wskaźnika OE, jak i OM. W województwie śląskim szybkość konwergencji w pierwszym z podokresów wynosiła 9,3% (OE) i 12,9% (OM) rocznie, a po 2008 roku wzrosła o 1,4–1,6 punktu procentowego w zależności do badanego wskaźnika. Najwyższą szybkość konwergencji odnotowano natomiast w województwie opolskim, gdzie w latach 2002–2011 kształtowała się na poziomie 13,3% (OE) i 11,8% (OM). Po 2008 roku szybkość wewnątrzregionalnego efektu konwergencji wzrosła o ok. 1,25–1,5 punktu procentowego. Przy czym, o ile w województwach małopolskim czy śląskim, skorygowany współczynnik determinacji kształtował się na poziomie kilku procent (1–3%), o tyle w województwie opolskim wyniósł 0%. Tablica 7.4. Wyniki estymacji UMM konwergencji/dywergencji wewnątrzregionalnej wskaźnika OE Województwo Liczba powiatów Liczba obserwacji Stała Xit – 1 dkXit – 1 Szybkość 2002–2011 Skor. R2 Zmienne instrumentalne J-Statistic prob.(J-statistic) DW Uwagi dolnośląskie 29 232 –0,0278 (0,3461) 0,02316 (0,5036) 0,006856 (0,1128) – 0,03 4 11,88 (0,0006) 1,33 – kujawsko-pomorskie 23 184 –0,0110 (0,7711) 0,0054 (0,9003) 0,0028 (0,4131) – 0,00 4 11,25 (0,0008) 1,71 – lubelskie 24 192 –0,0562 (0,0017) 0,0599 (0,0033) 0,0019 (0,4083) – 0,06 4 13,70 (0,0002) 1,44 – lubuskie 14 112 –0,0324 (0,4230) 0,0275 (0,5658) 0,0104 (0,0184) – 0,11 4 13,77 (0,0002) 1,52 – łódzkie 24 192 –0,0462 (0,2517) 0,0451 (0,3434) 0,009182 (0,0414) – 0,07 4 14,80 (0,0001) 1,61 – małopolskie 22 176 –0,0801 (0,0108) 0,0862 (0,0190) 0,0077 (0,0155) 9,4% 0,01 4 12,34 (0,0004) 1,31 konwergencja mazowieckie 42 336 –0,0333 (0,2900) 0,0309 (0,4094) 0,0066 (0,0599) – 0,02 4 12,85 (0,0003) 1,39 – opolskie 12 186 –0,1190 (0,0392) 0,1333 (0,0607) 0,0125 (0,0043) 14,5% 0,00 4 11,99 (0,0005) 1,73 konwergencja podkarpackie 25 200 –0,0430 (0,0585) 0,0449 (0,0866) 0,0013 (0,5966) – 0,02 4 15,78 (0,0000) 1,15 – podlaskie 17 136 0,0528 (0,2250) –0,0698 (0,1657) 0,0076 (0,0678) – 0,01 4 6,07 (0,0138) 1,45 – pomorskie 20 160 –0,0466 (0,3823) 0,0455 (0,4740) 0,0112 (0,0597) – 0,04 4 10,94 (0,0009) 1,24 – śląskie 36 288 –0,0881 (0,0071) 0,0933 (0,0199) 0,0138 (0,0095) 10,7% 0,03 4 15,49 (0,0000) 1,40 konwergencja świętokrzyskie 14 112 –0,0341 (0,3340) 0,0313 (0,4558) 0,0074 (0,0497) – 0,00 4 7,94 (0,0048) 1,42 – warmińsko-mazurskie 21 168 –0,0804 (0,0961) 0,0865 (0,1205) 0,0045 (0,1383) – 0,00 4 8,41 (0,0037) 1,71 – wielkopolskie 35 280 –0,0648 (0,2113) 0,0635 (0,3120) 0,01446 (0,0039) – 0,04 4 11,68 (0,0006) 1,05 – zachodniopomorskie 21 168 –0,0237 (0,5121) 0,0180 (0,6723) 0,0077 (0,0659) – 0,00 4 12,84 (0,0003) 1,69 – W nawiasach podano poziomy istotności. F – wartość testu wariancji F obliczonego dla oszacowań MNK, J-statistic – statystyka J-Sargana prezentowana dla oszacowań metodą UMM. W przypadku estymacji metoda UMM przyjęto następujące zmienne instrumentalne: stała, opóźniona o dwa lata wartość wskaźnika taksonomicznego oraz stopa wzrostu danego wskaźnika, DW-test Durbina-Watsona. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 7.5. Wyniki estymacji UMM konwergencji/dywergencji wewnątrzregionalnej wskaźnika OM Województwo Liczba powiatów Liczba obserwacji Stała Xit – 1 dkXit – 1 Szybkość 2002–2011 Skor. R2 Zmienne instrumentalne J-Statistic prob.(J-statistic) DW Uwagi dolnośląskie 29 232 –0,0475 (0,0912) 0,0466 (0,1647) 0,00764 (0,1044) – 0,02 3 12,33 (0,0004) 1,43 – kujawsko-pomorskie 23 184 –0,0040 (0,9104) –0,0029 (0,9454) 0,00214 (0,5543) – 0,00 4 11,35 (0,0008) 1,71 – lubelskie 24 192 –0,0526 (0,0011) 0,0558 (0,0026) 0,0015 (0,5395) – 0,07 4 14,04 (0,0002) 1,38 – lubuskie 14 112 –0,0245 (0,5084) 0,0175 (0,6961) 0,0114 (0,0134) – 0,12 4 13,51 (0,0002) 1,49 – łódzkie 24 192 –0,1052 (0,1309) 0,1168 (0,1661) 0,0118 (0,0183) – 0,04 4 8,06 (0,0045) 1,72 – małopolskie 22 176 –0,0777 (0,0093) 0,0840 (0,0178) 0,0078 (0,0210) 9,20% 0,01 4 11,55 (0,0007) 1,31 konwergencja mazowieckie 42 336 –0,0433 (0,2297) 0,0426 (0,3323) 0,0075 (0,0572) – 0,01 4 9,38 (0,0022) 1,27 – opolskie 12 186 –0,1050 (0,0220) 0,1178 (0,0428) 0,0153 (0,0017) 13,30% 0,00 4 12,43 (0,0004) 1,72 konwergencja podkarpackie 25 200 –0,0343 (0,0973) 0,0352 (0,1440) 0,0004 (0,8847) – 0,02 4 16,20 (0,0000) 1,06 – podlaskie 17 136 0,0454 (0,2346) –0,0625 (0,1620) 0,0072 (0,1024) – 0,00 4 6,13 (0,0133) 1,37 – pomorskie 20 160 –0,0492 (0,3398) 0,0493 (0,4302) 0,0099 (0,1425) – 0,02 4 11,00 (0,0009) 1,26 – śląskie 36 288 –0,1162 (0,0011) 0,1290 (0,0037) 0,0155 (0,0061) 14,45% 0,01 4 9,53 (0,0020) 1,52 konwergencja świętokrzyskie 14 112 –0,0291 (0,2922) 0,0252 (0,4497) 0,0078 (0,0505) – 0,00 4 8,07 (0,0045) 1,39 – warmińsko-mazurskie 21 168 –0,0671 (0,1321) 0,0716 (0,1684) 0,0038 (0,2470) – 0,00 4 8,68 (0,0032) 1,65 – wielkopolskie 35 280 –0,0567 (0,4460) 0,0532 (0,5640) 0,0169 (0,0025) – 0,01 4 5,76 (0,0164) 1,00 – zachodniopomorskie 21 168 –0,192 (0,4847) 0,0116 (0,7264) 0,0092 (0,0325) – 0,01 4 13,00 (0,0003) 1,68 – Oznaczenia i skróty jak w tablicy 7.4. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). Tablica 7.6. Wyniki estymacji UMM konwergencji/dywergencji wewnątrzregionalnej wskaźnika SK Województwo Liczba powiatów Liczba obserwacji Stała Xit – 1 dkXit – 1 Szybkość 2002–2011 Skor. R2 Zmienne instrumentalne J-Statistic prob.(J-statistic) DW Uwagi dolnośląskie 29 232 0,0347 (0,0102) 0,0768 (0,3655) –0,1603 (0,0051) – 0,08 4 8,87 (0,0029) 1,64 – kujawsko-pomorskie 23 184 0,0617 (0,0093) –0,1486 (0,2663) –0,0903 (0,2198) – 0,02 4 13,27 (0,0003) 1,60 – lubelskie 24 192 0,0118 (0,4528) 0,1188 (0,2582) –0,0619 (0,3279) – 0,00 4 21,13 (0,0000) 1,06 – lubuskie 14 112 0,0186 (0,4407) 0,1758 (0,2432) –0,2319 (0,0016) – 0,19 4 15,67 (0,0000) 1,49 – łódzkie 24 192 0,0019 (0,9324) 0,2470 (0,0757) –0,2465 (0,0012) 24,7% 0,04 4 13,53 (0,0002) 1,42 dywergencja/ konwergencja– małopolskie 22 176 0,0208 (0,1752) 0,1338 (0,1217) –0,1944 (0,0015) – 0,14 4 17,64 1,10 – mazowieckie 42 336 0,0353 (0,0001) 0,0173 (0,7284) –0,1291 (0,0064) – 0,03 4 28,41 (0,0000) 1,23 – opolskie 12 186 –0,0691 (0,2060) 0,5901 (0,0323) –0,2586 (0,0000) 59,0%/ 33,0% 0,00 4 12,93 (0,0003) 1,63 dywergencja/ konwergencja podkarpackie 25 200 0,0258 (0,0940) 0,0313 (0,7488) –0,2294 (0,0058) – 0,08 4 18,47 (0,0000) 0,78 – podlaskie 17 136 0,0924 (0,0124) –0,2987 (0,2262) –0,2010 (0,0474) – 0,03 4 6,87 (0,0088) 1,27 – pomorskie 20 160 0,0218 (0,2179) 0,1282 (0,2855) –0,2330 (0,0074) – 0,14 4 15,52 (0,0000) 0,84 – śląskie 36 288 0,0224 (0,1645) 0,1348 (0,0751) –0,1745 (0,0022) 13,5%/ 4,4% 0,09 4 28,23 (0,0000) 1,03 dywergencja/ konwergencja świętokrzyskie 14 112 0,0281 (0,2626) 0,0808 (0,5583) –0,1798 (0,0164) – 0,02 4 9,42 (0,0021) 1,38 – warmińsko-mazurskie 21 168 0,0292 (0,1696) 0,0708 (0,6257) –0,1652 (0,0326) – 0,03 4 7,43 (0,0064) 1,71 – wielkopolskie 35 280 0,0626 (0,0040) –0,0181 (0,8725) –0,2244 (0,0018) – 0,14 4 19,72 (0,0000) 0,91 – zachodniopomorskie 21 168 0,0456 (0,0510) –0,0301 (0,8353) –0,1509 (0,0337) – 0,04 4 12,79 (0,0003) 1,60 – Oznaczenia i skróty jak w tablicy 7.4. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 1.8.2013). ●● W przypadku oszacowań równania konwergencji wskaźników OE i OM dla pozostałych województw okazuje się, że albo występował efekt konwergencji w pierwszym z podokresów, tak jak to było w województwach: lubelskim (6% – OE, 5,6% – OM), podkarpackim (4,5% – OE), a oszacowane parametry w latach 2008–2011 były nieistotne statystycznie, albo też parametr stojący przy opóźnionym wskaźniku był nieistotny statystycznie, a oszacowania przy zmiennych zerojedynkowych uwzględniających efekt kryzysu wskazywały na występowanie w latach 2008–2011 konwergencji. Zarówno na podstawie niejednoznacznych oszacowań w podokresach, jak i kwestii interpretacji oszacowanych parametrów nie można jednak wysnuć wniosku, że w tym okresie występował efekt β-konwergencji realnej. ●● Trochę inne wnioski można sformułować, analizując wyniki estymacji równania konwergencji dla wskaźnika SK. W tych województwach, w których oszacowane parametry były istotne statystycznie (łódzkie, opolskie oraz śląskie), zaobserwowano efekt dywergencji w pierwszym z podokresów, czyli w latach 2002–2007, w drugim zaś podokresie województwa te odnotowały efekt konwergencji (z wyjątkiem województwa łódzkiego, w którym suma parametrów β i γ była zbliżona do zera). Wydaje się jednak, że szybkości dywergencji oszacowane dla województw łódzkiego (24,7%) oraz opolskiego ( 59%) są przeszacowane. W województwie śląskim szybkość dywergencji odnotowanej w pierwszym z podokresów wyniosła ok. 13,5%, a konwergencja notowana po 2008 roku cechowała się szybkością na poziomie 4,4% rocznie. ●● W pozostałych województwach estymacje równania konwergencji dla wskaźnika SK nie przyniosły zadowalających rezultatów statystycznych, gdyż oszacowania parametrów β okazały się nieistotne statystycznie. Mimo że oszacowane parametry γ w większości tych województw okazały się istotne statystycznie, to na podstawie tych wyników nie da się stwierdzić, czy w województwach tych występował efekt konwergencji, czy dywergencji wewnątrzregionalnej. ●● Dodatkowo, podobnie jak w przypadku estymacji na danych powiatowych, okazało się, że wyniki estymacji oraz zaobserwowane procesy konwergencji bądź dywergencji różnią się istotnie. Wskaźniki OE i OM cechowały się podobnymi efektami z różnicami co do szybkości zachodzących procesów. Wyniki estymacji uzyskane dla wskaźnika SK wskazują natomiast na występowanie odwrotnych procesów (szczególnie w pierwszym z badanych podokresów) niż zaobserwowane dla wskaźników OE i OM. 7.5. PODSUMOWANIE Prowadzone w rozdziale siódmym rozważania nasuwają następujące wnioski: I. Wszystkie taksonomiczne wskaźniki rozwoju ekonomicznego analizowane rozdziale siódmym cechowały się występowaniem w latach 2002–2007 σ-dywergencji realnej na poziomie województw. W latach 2008–2011 jedynie w przypadku wskaźników OE i OM można zauważy efekt σ-konwergencji realnej. Współczynniki zmienności dla wskaźnika SK po 2008 roku były względnie stabilne. II. Estymacje równania β-konwergencji na poziomie województw nie przyniosły zadowalających statystycznie efektów, gdyż oszacowania parametrów β okazały się nieistotne statystycznie. Na podstawie otrzymanych wyników, na poziomie województw, nie można potwierdzić ani występowania efektu β-konwergencji, ani β-dywergencji analizowanych taksonomicznych wskaźników rozwoju ekonomicznego. III. Taksonomiczne wskaźniki rozwoju na poziomie powiatów cechowały się występowaniem σ-dywergencji realnej w latach 2002–2008 oraz σ-konwergencji po 2008 roku. IV. Oszacowania równań konwergencji na poziomie powiatów dla wskaźników OE i OM wskazują na występowanie β-konwergencji realnej w całym analizowanym okresie, przy czym szybkość konwergencji po 2008 wzrastała. Występowanie efektu β-konwergencji realnej zostało również potwierdzone w oszacowaniach równania konwergencji w grupach powiatów grodzkich i ziemskich, z tą różnicą że efekt ten osiągał wyższe szybkości w grupie powiatów grodzkich niż ziemskich. V. Wyniki estymacji β-konwergencji realnej wskaźnika SK wskazują natomiast na występowanie β-dywergencji realnej w latach 2002–2007 oraz β-konwergencji realnej po 2008 roku. VI. Występowanie β-konwergencji realnej, w całym analizowanym okresie, wewnątrz województw Polski udało się potwierdzić jedynie w trzech województwach (małopolskim, opolskim oraz śląskim) dla wskaźników OE i OM. VII. Z przeprowadzonych rozważań jednoznacznie wynika, że istotny wpływ na wyniki prowadzonych analiz miał kryzys gospodarczy z 2008 roku. BIBLIOGRAFIA Braga V. (2003), Regional Growth and Local Convergence, Evidence for Portugal, „European Regional Science Conference Paper” . Ciołek D. (2003), Badanie konwergencji krajów Europy Środkowo-Wschodniej z wykorzystaniem danych panelowych, Dynamiczne Modele Ekonometryczne, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń. Di Liberto A., Mura R., Pigliaru F. (2004), How to Measure the Unobservable. A Panel Technique for Analysis of TFP Convergence, „Centro Richerche Economiche Nord Sud” working paper nr 5. Gajewski P., Tokarski T. (2004), Czy w Polsce występuje efekt konwergencji realnej?, „Studia Ekonomiczne” INE PAN nr 1–2. Kwiatkowska W., Kwiatkowski E. (red.) (2010), Wzrost gospodarczy i polityka makroekonomiczna, Wydawnictwo Uniwersytetu Łódzkiego, Łódź. Lucas R.E. (1988), On the Mechanics of Economics Development, „Journal of Monetary Economics”, July. Malaga K., Kliber P. (2007), Konwergencja a nierówności regionalne w Polsce w świetle neoklasycznych modeli wzrostu, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań. Maddala G.S. (2006), Ekonometria, Wydawnictwo Naukowe PWN, Warszawa. Misiak T., Sulima A, Tokarski T. (2010), Czy w polskich powiatach występuje efekt konwergencji realnej, w: Wzrost gospodarczy i polityka makroekonomiczna, red. W. Kwiatkowska, E. Kwiatkowski, Wydawnictwo Uniwersytetu Łódzkiego, Łódź. Misiak T., Tokarski T., Włodarczyk R.W. (2011), Konwergencja czy dywergencja polskich rynków pracy?, „Gospodarka Narodowa” nr 7–8. Misiak T., Tokarski T. (2012), Wewnątrzregionalne zróżnicowanie rynku pracy w Polsce, „Wiadomości Statystyczne” nr 12. Próchniak M. (2004), Analiza zbieżności wzrostu gospodarczego województw w latach 1995–2000, „Gospodarka Narodowa” nr 3. Sala-i-Martin X. (1996), Regional Cohesion. Evidence and Theories of Regional Growth and Convergence, „European Economic Review” 40. Quah D. (1993), Galton’s Fallacy and Tests of the Convergence Hypothesis, „Scandinavian Journal of Economics”, 95. 242 243 8 ENDOGENIZACJA WYBRANYCH WSKAŹNIKÓW ROZWOJU EKONOMICZNEGO NA POZIOMIE POLSKICH POWIATÓW (Paweł Dykas, Tomasz Misiak) 8.1. WPROWADZENIE Głównym celem niniejszego rozdziału jest próba endogenizacji wybranych wskaźników rozwoju ekonomicznego, takich jak wydajność pracy, płace realne brutto czy przyrost stóp bezrobocia. Endogenizacja polega na próbie wykazania, że analizowane w rozdziale wskaźniki rozwoju są determinowane przez parametry i zmienne występujące w modelu. Dlatego autorzy podejmują próbę oszacowania parametrów ważniejszych determinant wydajności pracy, realnych płac względnych brutto oraz stóp bezrobocia na poziomie powiatów w Polsce. W tym celu posłużono się teoretycznymi modelami ekonomicznymi dotyczącymi wskazanych zmiennych. Analizy prowadzono opierając się na danych panelowych dla wszystkich powiatów (379) Polski a także w wyodrębnionych grupach powiatów ziemskich (314) oraz grodzkich (65)1 w latach 2003–2011. Dane uzyskano z GUS, a także opierano się na danych oszacowanych samodzielnie przez autorów, dotyczących PKB na poziomie lokalnym, gdyż (jak już wspomniano w rozdziale czwartym) GUS nie publikuje wielkości tego wskaźnika w ujęciu lokalnym. Struktura rozdziału ósmego przedstawia się następująco. W punkcie 8.2 przedstawiono determinanty wydajności pracy, realnych płac względnych brutto oraz stóp bezrobocia wynikające z teoretycznych modeli makroekonomicznych. Punkt 8.3 zawiera wyniki oszacowań parametrów głównych determinant analizowanych w rozdziale zmiennych makroekonomicznych na poziomie powiatowym dla wszystkich powiatów w Polsce oraz w zaproponowanych grupach powiatów. W punkcie 8.4 znajduje się podsumowanie oraz ważniejsze wnioski wynikające z prowadzonych analiz. 1 Powiaty grodzkie to inaczej miasta na prawach powiatów. 8.2. DETERMINANTY WYDAJNOŚCI PRACY, PŁAC WZGLĘDNYCH ORAZ STÓP BEZROBOCIA WYNIKAJĄCE Z MODELI TEORETYCZNYCH 8.2.1. Determinanty wydajności pracy w ujęciu teoretycznym Dokonując analiz czynników determinujących wydajność pracy, można się posłużyć potęgową neoklasyczną funkcją produkcji typu Cobba-Douglasa opisaną wzorem (por. Tokarski, 2008: 44–45): Yit = f(Kit, Lit) = Aegt Kαit, Lit α – 1 (8.1). Przy czym: Yit – wielkość produkcji2 (oszacowanego PKB w tys. zł w cenach stałych z 2009 roku) powiatu i (i = 1, 2, 3…, 379) w roku t (t = 2002, 2003, …, 2011), Aegt > 0 – łączna produktywność czynników produkcji w roku t; wyrażenie Aegt może mierzyć poziom zaawansowania technicznego3, Kit – nakłady kapitału rzeczowego (wartość brutto środków trwałych w tys. zł w cenach stałych z 2009 roku) w powiecie i w roku t, Lit – wielkość zatrudnienia (w tys. pracujących) w powiecie i w roku t, t – zmienna czasowa przyjmująca wartości t = 2002, 2003, …, 2011, 2 Ze względu na to, że GUS nie publikuje PKB po powiatach, dokonano dezagregacji PKB wojewódzkiego na PKB po powiatach, opierając się na następującej procedurze (por. Tokarski 2013: 35): (1) Opierając się o dane wojewódzkie oszacowano metodą najmniejszych kwadratów parametry następujących równań: lnyit = α + βlnxit przy czym: yit to PKB w i-tym województwie (i = 1, 2, …, 16) w roku t (t = 2002, 2003, …, 2011); xit to wartość produkcji sprzedanej przemysłu, wartość środków trwałych oraz inwestycje w województwie i w okresie t. Wyniki oszacowań przedstawiają się następująco (w nawiasach podano wartości statystyk t-studenta): lnyit = 2,283 + 0,834lnxit(10,816) (39,035) ; skor. R2 = 0,923 dla produkcji sprzedanej, lnyit = 1,238 + 0,892lnxit(7,947) (61,021) ; skor. R2 = 0,967 dla środków trwałych, lnyit = 4,115 + 0,814lnxit(30,127) (47,367) ; skor. R2 = 0,946 dla inwestycji. (2) Powyższe oszacowania posłużyły do przeliczenia produkcji sprzedanej, wartości brutto środków trwałych oraz inwestycji na poziomie powiatowym na PKB na poziomie powiatów. (3) Otrzymane w punkcie (2) oszacowania PKB po powiatach uśredniono. (4) Następnie przeliczono udziały oszacowanych PKB w ujęciu powiatowym w relacji do PKB w ujęciu wojewódzkim bilansując tym samym PKB powiatowe z PKB wojewódzkim. Otrzymane udziały przemnożono przez wielkości wojewódzkiego PKB publikowanego przez GUS. 3 Parametr A > 0 oznacza łączną produktywność czynników produkcji w roku t = 0. Wynika to stąd, że jeżeli łączna produktywność czynników produkcji definiowana jest jako produkt, który mógłby być wytworzony przy jednostkowych nakładach kapitału oraz pracy w roku t, to Yi0 = f(1,1) = Ae0 = A. Szerzej na temat całkowitej produktywności czynników produkcji jej właściwości oraz sposobów mierzenia patrz np. Welfe (2007). g – stopa postępu technicznego, będąca stopą wzrostu łącznej produktywności czynników produkcji4, α oraz 1 – α – elastyczność produkcji Yit względem (odpowiednio) nakładów kapitału K oraz pracy L w powiecie i w roku t. Logarytmując stronami funkcję produkcji Cobba-Douglasa na poziomie lokalnym daną wzorem (8.1) można otrzymać równanie postaci: ln(Yit) = ln(A) + gt + αln(Kit) + (1 – α)ln(Lit) (8.2), lub dokonując elementarnych przekształceń dojść można do następujących zależności: ln(YitLit ) = ln(A) + gt + αln(KitLit ), (8.3) gdzie: YitLit – wydajność pracy a KitLit to techniczne uzbrojenie pracy w powiecie i w roku t. Równanie (8.3) oznacza, że poziom wydajności pracy jest rosnącą funkcją wyjściowego poziomu produktywności czynników produkcji, stopy postępu technicznego oraz technicznego uzbrojenia czynników produkcji na poziomie lokalnym. 8.2.2. Determinanty płac względnych w ujęciu teoretycznym Analizując determinanty płac względnych, można się posłużyć następującym rozumowaniem, będącym kontaminacją modelu płac efektywnościowych Solowa (1979) i neoklasycznego modelu wzrostu gospodarczego Solowa (1956) oraz jego uogólnień w postaci modeli Mankiwa, Romera, Weila (1992) i Nonnemana, Vanhoudta (1996). W modelu płac efektywnościowych przedsiębiorstwo funkcjonujące na lokalnym rynku dąży do maksymalizacji funkcji zysku opisanej wzorem (por. Romer, 2000): (8.4) Przy czym: wit – płace (ceny stałe 2009) w i-tym powiecie w okresie t (i = 1, …, 379; t = 2002, …, 2011), Lit – liczba pracujących w i-tym powiatowym rynku pracy w okresie t, e(wit) – efektywność typowego pracownika, ponadto zakłada się, iż owa efektywność jest rosnącą funkcją płac, a zatem zachodzi zależność dedw > 0, F(e(wit) ∙ Lit) – neoklasyczna funkcja produkcji, która opisuje zależność między jednostkami efektywnej pracy rozumianej jako iloczyn efektywności typowego pracownika e(wit) i liczby pracujących Lit . W przypadku funkcji F zakłada się również, że zachodzą następujące związki: 4 Analizowaną w opracowaniu stopę postępu technicznego należy rozumieć jako stopę postępu w sensie Hicksa, a więc jako stopę wzrostu produkcji, którą uzyskano przy stałych nakładach kapitału rzeczowego (w opracowaniu wartość środków trwałych brutto) oraz przy stałych nakładach pracy. (8.5). Nierówności (8.5) oznaczają, że funkcja F charakteryzuje się malejącymi produkcyjnościami jednostek efektywnej pracy. Warunki konieczne maksymalizacji funkcji zysku π(wit, Lit) są tożsame z następującym układem równań: (8.6). Usuwając z równań układu (8.6) wyrażenie dojść można do następującej zależności: (8.7). Z równania (8.7) wynika, że warunek konieczny maksymalizacji funkcji zysku π(wit, Lit) sprowadza się do tego, iż elastyczność wysiłku typowego pracownika względem płac realnych równa jest jedności. Następnie można się posłużyć następującą funkcją efektywności typowego pracownika opisaną wzorem: (8.8) gdzie α ∈ (0,1), a xit to minimalna płaca, którą akceptuje typowy pracownik; płaca xit nazywana bywa płacą progową. Zakłada się ponadto, że płaca progowa xit opisana jest następującym równaniem: xit =(1 – a ∙ uit) ∙ wt (8.9). gdzie a ∈ (0,1); uit to stopa bezrobocia w i-tym powiecie w okresie t wt natomiast to średnia płaca w całej gospodarce w okresie t. Z równań (8.8) oraz (8.9) wynika, że (po pierwsze) efektywność typowego pracownika jest rosnącą funkcją względnego odchylenia płacy na i-tym powiatowym rynku od płacy progowej funkcjonującej na tym rynku, oraz (po drugie) płaca progowa jest rosnącą funkcją przeciętnej płacy w całej gospodarce, a malejącą funkcją stopy bezrobocia. Łącząc równania (8.8) i (8.9) oraz związek (8.7) otrzymać można następujące równanie: (8.10) stąd otrzymuje się zależność: (8.11) gdzie jest płacą względną będącą udziałem płacy w i-tym powiecie w roku t do średniej płacy w całej gospodarce. Z równania (8.11) wynika również, że płaca względna jest malejącą funkcją stopy bezrobocia. Dodatkowo można założyć, że płace w długim okresie kształtują się zgodnie z krańcowym produktem – podobnie jak występuje to w modelach wzrostu gospodarczego Solowa, Mankiwa, Romera, Weila lub Nonnemana, Vanhoudta (Tokarski, 2009). Stąd przy potęgowej, neoklasycznej funkcji produkcji typu Cobba-Douglasa płace są proporcjonalne do wydajności pracy. Można zatem dodatkowo założyć, że płace względne w˜it są proporcjonalne do względnej wydajności pracy y˜it, rozumianej jako stosunek wydajności pracy na i-tym powiatowym rynku pracy do przeciętnej wydajności pracy w całej gospodarce. Korzystając z powyższych rozważań równanie (8.11) można rozszerzyć do następującego równania: w˜it = α0 – α1 ∙ ui + α2 ∙ y˜it (8.12) Wynika stąd, że głównymi determinantami realnych płac względnych są względna wydajność pracy oraz stopa bezrobocia. 8.2.3. Determinanty stóp bezrobocia w ujęciu teoretycznym Przyrosty stóp bezrobocia rejestrowanego, można uzależnić od poziomu stopy bezrobocia rejestrowanego oraz stopy wzrostu PKB. W tym celu można posłużyć się następującą definicją stopy bezrobocia5: (8.13) gdzie: Uit, Lit oraz Nit – odpowiednio – liczba osób bezrobotnych, liczba pracujących oraz podaż pracy w powiecie i (i = 1, 2, …, 379) w roku t (t = 2002, 2003, …, 2011). Różniczkując (po czasie t) równanie (8.13) otrzymać można przyrost stopy bezrobocia dany wzorem: (8.14) Wykorzystując definicję stopy bezrobocia (8.13), przyrost stopy bezrobocia można zapisać następująco: 5 Por. opracowanie: Tokarski, 2005. (8.15) Ponadto założyć można, że stopa wzrostu liczby pracujących jest rosnącą funkcją stopy wzrostu produktu g, stąd przyrost stopy bezrobocia opisany jest równaniem: (8.16), Przy czym oraz Równanie (8.16) oznacza, że przyrost stopy bezrobocia jest malejącą funkcją stopy wzrostu produktu g, oraz że jeżeli stopa wzrostu podaży pracy jest większa (mniejsza) od stopy wzrostu liczby pracujących, to przyrost stopy bezrobocia jest malejącą (rosnącą) funkcją stopy bezrobocia. 8.3. ZRÓŻNICOWANIE DETERMINANT ROZWAŻANYCH ZMIENNYCH MAKROEKONOMICZNYCH 8.3.1. Wydajność pracy Opierając się na wnioskach wynikających z rozważań teoretycznych z punktu 8.2.1. można oszacować dla danych powiatowych parametry następującego równania: (8.17) gdzie: α0 – logarytm naturalny z łącznej produktywności czynników produkcji w roku t = 0, α1 – parametr określający stopę wzrostu łącznej produktywności czynników produkcji (stopę postępu technicznego), α2 – siła wpływu technicznego uzbrojenia pracy na wydajność pracy na poziomie powiatowym. W tak zdefiniowanym równaniu zakłada się taki sam poziom łącznej produktywności czynników produkcji we wszystkich powiatach w Polsce oraz w zaproponowanych grupach. Założenie to wydaje się jednak zbyt restrykcyjne. Z tego powodu w opracowaniu równanie (8.17) rozszerzono, stosując procedurę dywersyfikacji stałej (fixed effect)6. Równanie (8.17) można zatem rozszerzyć następująco: (8.18) 6 Szerzej na temat procedury uzmienniania stałej (fixed effect) patrz np. Pindyck, Rubinfeld, 1991. gdzie: dj – zmienna zerojedynkowa dla każdego j-tego powiatu niebazowego, α0 – zlogarytmowany poziom łącznej produktywności czynników produkcji w roku t = 0 dla powiatu bazowego, α0 + φj – zlogarytmowany poziom łącznej produktywności czynników produkcji w roku t = 0 w j-tym powiecie niebazowym. Pozostałe parametry równania (8.18) interpretuje się analogicznie do równania (8.17). Oszacowania parametrów równań (8.17) i (8.18) dokonano dwoma sposobami: Metodą Najmniejszych Kwadratów (dalej MNK) oraz z wykorzystaniem metody zmiennych instrumentalnych, stosując Uogólnioną Metodę Momentów (dalej: UMM). Oszacowania parametrów lokalnej funkcji wydajności pracy przeprowadzono dla wszystkich 379 powiatów Polski, jak i w grupach powiatów ziemskich oraz grodzkich. Uzyskano zatem uśrednione wielkości elastyczności wydajności pracy względem technicznego uzbrojenia pracy oraz średnie stopy postępu technicznego dla całej Polski na poziomie powiatów i dla wyodrębnionych grup powiatów. Wyniki estymacji parametrów równań (8.17) i (8.18) zestawiono w tablicy 8.1. Na podstawie tych danych można sformułować następujące wnioski: ●● Elastyczność wydajności pracy względem technicznego uzbrojenia pracy w grupie wszystkich powiatów Polski kształtowała się między 0,52–0,63 w zależności od specyfikacji równania. Górne wartości elastyczności (0,63) uzyskano dla równania (8.17) bez uwzględniania zróżnicowania przestrzennego analizowanych zmiennych makroekonomicznych. Jeśli natomiast uwzględni się przestrzenną heterogeniczność zmiennych, stosując procedurę uzmienniania stałej, to okaże się, że elastyczność produktu na pracownika względem kapitału na pracownika była niższa i wynosiła odpowiednio 0,59 przy estymacjach MNK oraz 0,52 dla UMM. Należy jednak zauważyć, że oszacowane elastyczności w równaniu (8.18) dotyczą powiatu bazowego, którym był powiat grodzki Miasta Stołecznego Warszawa. Uzyskane elastyczności niższe dla Warszawy niż średnie dla całej Polski można tłumaczyć, opierając się na prawie malejącej produktywności krańcowej czynników produkcji. Wynika z nich bowiem, że jeżeli nakłady kapitału na pracującego są na wysokim poziomie, to ich produktywność jest niższa niż w powiatach o niższym technicznym uzbrojeniu pracy. ●● Podobną zależność można zaobserwować w przypadku oszacowań elastyczności wydajności pracy względem technicznego uzbrojenia pracy w grupie powiatów grodzkich i ziemskich. W grupie powiatów grodzkich, stosując procedurę uzmienniania stałej, uzyskano prawie dwukrotni niższy poziom elastyczności niż w oszacowaniach równania (8.17). ●● W grupie powiatów ziemskich uzyskano najwyższe poziomy elastyczności – ok. 0,68 – w oszacowaniach równania (8.14) i o ok. 0,08–0,11 niższą elastyczność w oszacowaniach równania (8.15) Tablica 8.1. Oszacowane parametry równań wydajności pracy na poziomie powiatów w Polsce Zmienna objaśniająca MNK MNK z Fixed Effect UMM UMM z Fixed Effect Stała wszystkie powiaty –27,8608 (0,0000) –30,1734 (0,0000) –20,7269 (0,0026) –27,7066 (0,0000) grodzkie –21,8763 (0,0006) –25,3177 (0,0000) –14,9432 (0,0677) –23,3956 (0,0000) ziemskie –28,0824 (0,0000) –32,8677 (0,0000) –23,1498 (0,0000) –28,8429 (0,0000) t wszystkie powiaty 0,01699 (0,0000) 0,01798 (0,0000) 0,01342 (0,0001) 0,0167 (0,0000) grodzkie 0,01397 (0,0000) 0,01544 (0,0000) 0,010541 (0,0099) 0,01443 (0,0000) ziemskie 0,01718 (0,0000) 0,01956 (0,0000) 0,01473 (0,0000) 0,01752 (0,0000) ln(KitLit ) wszystkie powiaty 0,6250 (0,0000) 0,5865 (0,0000) 0,6146 (0,0000) 0,5240 (0,0000) grodzkie 0,6540 (0,0000) 0,3951 (0,0000) 0,6832 (0,0000) 0,3075 (0,0073) ziemskie 0,6726 (0,0000) 0,5866 (0,0000) 0,6759 (0,0000) 0,56,82 (0,0000) Powiat bazowy wszystkie powiaty – Warszawa – Warszawa grodzkie – Warszawa – Warszawa ziemskie – warszawski zachodni – warszawski zachodni R2 Skor. R2 Wszystkie powiaty 0,7800 0,7800 0,9566 0,9504 0,7784 0,7783 0,9577 0,9506 grodzkie 0,6258 0,6244 0,9217 0,9117 0,6302 0,6288 0,9283 0,9179 ziemskie 0,7949 0,7948 0,9534 0,9475 0,7907 0,7905 0,9541 0,9475 Liczba obserwacji liczba instrumentów Wszystkie powiaty 3032 – 3032 2652 4 2652 382 grodzkie 585 585 520 4 520 68 ziemskie 2826 2826 2512 4 2512 317 F-statistic lub J-statistic* Wszystkie powiaty 5460,43 (0,0000) 153,7702 (0,0000) 227,9623 (0,0000) 92,3505 (0,0000) grodzkie 486,58 (0,0000) 92,3267 (0,0000) 63,9575 (0,0000) 32,9963 (0,0000) ziemskie 5471,147 (0,0000) 162,93 (0,0000) 203,7834 (0,0000) 99,3123 (0,0000) W nawiasach podano poziom istotności. *F-statistic podano dla oszacowań metodą MNK, natomiast J-statistic prezentowane są dla metody UMM. W przypadku metody UMM zastosowano następujące instrumenty: stała, zmienna czasowa oraz opóźnione o jeden okres wydajność pracy i techniczne uzbrojenie pracy. ●● W grupie wszystkich powiatów Polski uzyskano stopy postępu technicznego rzędu 1,3%–1,7% rocznie w oszacowaniach równania (8.17) oraz 1,7%–1,8% rocznie stosując procedurę uzmienniania stałej. Warto podkreślić, że oszacowane na poziomie wszystkich powiatów wartości stóp postępu technicznego są zbliżone do wyników podobnych estymacji dla Polski na poziomie regionalnym7. Analizując natomiast stopy postępu technicznego w zaproponowanych grupach powiatów, należy zauważyć, że w powiatach grodzkich zaangażowanie techniczne jest na wyższym poziomie niż w większości powiatów ziemskich stąd niższe uzyskane stopy postępu technicznego. ●● Porównywalne dla obu metod estymacji były wartości skorygowanych współczynników determinacji. W oszacowaniach równania (8.17) przyjęte zmienne objaśniające wyjaśniały zmienną objaśnianą w około 63%–80% w zależności od grupy. Wprowadzając procedurę dywersyfikacji stałej uzyskano wyższe wartości skorygowanych R2, które kształtowały się na poziomie 92%–96%. 8.3.2. Płace względne W celu empirycznej weryfikacji rozważań teoretycznych (punkt 8.2.2) na temat głównych determinant płac względnych na poziomie powiatowym w Polsce oszacowano parametry następującego równania: w˜it = α0 – α1 ∙ ui + α2 ∙ y˜it (8.19) przy czym to płaca względna, gdzie wit – średnia płaca realna brutto w i-tym powiecie w roku t zaś wt – średnia płaca realna brutto dla Polski w roku t, y˜it = yityt to względna wydajność pracy, gdzie yit to wydajność pracy w powiecie i w roku t (będąca stosunkiem wytworzonego PKB na jednego zatrudnionego), yt – średnia wydajność pracy w Polsce, α0 – stała bez bezpośredniej interpretacji ekonomicznej, α1 – mierzy siłę wpływu stopy bezrobocia na płace względne w i-tym powiecie w roku t, α2 – mierzy siłę wpływu względnej wydajności pracy na realne płace względne w powiecie i w roku t. Analogicznie do równań wydajności pracy oraz przyrostu stóp bezrobocia równanie (8.19) rozszerzono wprowadzając efekt dywersyfikacji stałej. Zatem równanie (8.20) można zapisać następująco: 7 W analizach innych autorów otrzymano następujące wyniki stopy postępu technicznego w sensie Hicksa: Tokarski, (2008) – 2% dla Polski na poziomie regionalnym; Roszkowska, (2006) – 1,7% dla Polski na poziomie regionalnym; Kolasa, Żółkiewski, (2003) – 3,1–3,6% dla Polski; Hsieh (2002) – szacunki dla krajów azjatyckich: 2,3%–2,7% dla Hong-Kongu, 1,4%–2,7 – dla Singapuru, 1,7%–2,3% – Korea Południowa, 3,5%–3,7% – Tajwan; Oliver, Sichel, (2002) – 1,16% – dla USA w latach 1996–1999. (8.20) gdzie: dj – zmienna zerojedynkowa dla każdego j-tego powiatu niebazowego; α0 – stała bez bezpośredniej interpretacji ekonomicznej dla powiatu bazowego; φj – pozwala określić, o ile różniłaby się płaca względna w j-tym powiecie niebazowym, gdyby założyć kształtowanie się pozostałych zmiennych makroekonomicznych na takim samym poziomie jak w powiecie bazowym. Wyniki oszacowań parametrów równań (8.19)–(8.20) dla wszystkich powiatów w Polsce oraz w analizowanych podgrupach zestawiono w tablicy 8.2. Okazuje się, że analizy empiryczne jedynie w przypadku równania (8.19) potwierdzają rozważania teoretyczne z podrozdziału 8.2.2 i to zarówno w przypadku estymacji MNK jak i UMM. Z estymacji tego równania wynika, że tak jak stopa bezrobocia, tak i względna wydajność pracy istotnie statystycznie objaśniają płace względne na poziomie lokalnym w grupie wszystkich powiatów Polski, a także w grupie powiatów ziemskich oraz grodzkich. Uzyskany poziom skorygowanego R2 nie jest jednak satysfakcjonujący, gdyż zmienne te objaśniają zmienną objaśnianą zaledwie w ok. 27%–37% w zależności od grupy. Z oszacowań równania (8.20) wynika zatem, że gdyby względna wydajność pracy na poziomie powiatów w Polsce wzrosła o 1%, to spowodowałoby to wzrost płac względnych o ok. 0,12%–0,15%. Gdyby natomiast stopa bezrobocia wzrosła o 1 punkt procentowy, to przyrost tej stopy determinowałoby spadek płac względnych o ok. 1%–9% w zależności od metody estymacji oraz grupy. Najsilniejszy wpływ stopy bezrobocia na zmianę płac względnych uzyskano w grupie powiatów grodzkich, gdzie wzrost stopy bezrobocia o 1 punkt procentowy prowadził do spadku płac względnych brutto o ok. 0,85–0,93 punktu procentowego w zależności od metody estymacji. Najsłabiej płace względne reagowały na zmianę stóp bezrobocia w grupie powiatów ziemskich, gdzie uzyskane parametry kształtowały się na poziomie od –0,15 do –0,11. Wprowadzając do równania płac względnych procedurę dywersyfikacji stałej w celu uchwycenia przestrzennej heterogeniczności zmiennych otrzymano co prawda wysokie współczynniki determinacji (ok. 96%–97%), ale otrzymane parametry nie w pełni potwierdzają wnioski płynące z rozważań teoretycznych. W równaniach płac względnych, w których zastosowano procedurę uzmienniania stałej, wzrost względnej wydajności pracy pozytywnie wpływał na wzrost płac względnych. Siła tego wpływu była jednak zdecydowanie niższa niż w oszacowaniach równania (8.19) i mieściła się w przedziale od 0,02 do 0,07. Oznacza to, że gdyby względna wydajność pracy wzrosła o 1%, to spowodowałoby to wzrost płac względnych od 0,02 do 0,07 punktu procentowego. Stopa bezrobocia była nieistotna statystycznie w estymacjach równania (8.20) UMM z uwzględnieniem procedury dywersyfikacji stałej w grupie powiatów grodzkich. W grupie wszystkich powiatów oraz powiatów ziemskich okazało się natomiast, że wzrost stopy bezrobocia nieznacznie podwyższał płace względne, co jest sprzeczne z teoretycznymi rozważaniami na temat wpływu stopy bezrobocia na płace względne brutto. Tablica 8.2. Oszacowane parametry równań płac względnych na poziomie powiatów w Polsce Zmienna objaśniająca MNK MNK z Fixed Effect UMM UMM z Fixed Effect Stała wszystkie powiaty 0,7686 (0,0000) 1,3784 (0,0000) 0,7478 (0,0000) 1,3460 (0,0000) grodzkie 0,9092 (0,0000) 1,3755 (0,0000) 0,9015 (0,0000) 1,3928 (0,0000) ziemskie 0,7337 (0,0000) 1,0317 (0,0000) 0,7151 (0,0000) 0,9912 (0,0000) y˜it wszystkie powiaty 0,1536 (0,0000) 0,03082 (0,0000) 0,1508 (0,0000) 0,0519 (0,0000) grodzkie 0,1371 (0,0000) 0,02936 (0,0010) 0,1237 (0,0000) 0,01576 (0,3500) ziemskie 0,1394 (0,0000) 0,0391 (0,0000) 0,1428 (0,0000) 0,0651 (0,0000) uit wszystkie powiaty –0,3215 (0,0000) 0,0752 (0,0000) –0,2671 (0,0000) 0,067131 (0,0008) grodzkie –0,8528 (0,0000) 0,01668 (0,5978) –0,9338 (0,0000) 0,01283 (0,7982) ziemskie –0,1493 (0,0000) 0,0880 (0,0000) –0,1068 (0,0001) 0,0893 (0,0003) Powiat bazowy wszystkie powiaty – Warszawa – Warszawa grodzkie – Warszawa – Warszawa ziemskie – warszawski zachodni – warszawski zachodni R2 Skor. R2 wszystkie powiaty 0,3708 0,3704 0,9695 0,9652 0,3672 0,3667 0,9731 0,9686 grodzkie 0,2730 0,2705 0,9724 0,9689 0,2679 0,2651 0,9798 0,9768 ziemskie 0,3623 0,3618 0,9531 0,9473 0,3610 0,3605 0,9539 0,9473 Liczba obserwacji liczba instrumentów wszystkie powiaty 3032 – 3032 – 2652 4 2652 382 grodzkie 585 – 585 – 520 4 520 68 ziemskie 2826 – 2826 – 2512 4 2512 317 F–statistic lub J–statistic* wszystkie powiaty 892,22 (0,0000) 222,3264 (0,0000) 81,7409 (0,0000) 90,2531 (0,0000) grodzkie 109,26 (0,0000) 277,016 (0,0000) 38,4715 (0,0000) 22,4982 (0,0000) ziemskie 801,80 (0,0000) 162,0915 (0,0000) 50,9966 (0,0000) 87,319 (0,0000) W nawiasach podano poziom istotności. *F-statistic podano dla oszacowań metodą MNK, a J-statistic prezentowane są w oszacowaniach metodą UMM. W przypadku metody UMM zastosowano następujące instrumenty: stała oraz opóźnione o jeden okres płace względne, względna wydajność pracy i stopa bezrobocia. 8.3.3. Stopy bezrobocia Analizując determinanty zmiany stóp bezrobocia wynikające z rozważań teoretycznych (punkt 8.2.3) jak również zależności wynikające ze wzoru (8.16) można oszacować parametry następującego równania: (8.21) gdzie: – stopa bezrobocia rejestrowanego w i-tym powiatowym rynku pracy w roku t, Δln(PKBit) – stopa wzrostu PKB, α0 – stała rzeczywista określająca wzrost stopy bezrobocia, który wystąpiłby przy zerowej stopie bezrobocia w poprzednim okresie oraz przy zerowej stopie wzrostu PKB, α1 – zmienna, która mierzy siłę oddziaływania stopy bezrobocia w sytuacji gdy owa zmienna nie rośnie, α2 – siła wpływu stopy bezrobocia na wzrost tej stopy w sytuacji gdy stopa bezrobocia rośnie, α3 – zależność przyrostu stopy bezrobocia rejestrowanego od stopy wzrostu PKB; dΔit – zmienna zerojedynkowa; przyjmuje wartość 1, gdy stopa bezrobocia rejestrowanego rośnie, 0 – w przeciwnym wypadku. Interpretacja parametrów α1 i α2 wynika stąd, że zmienna zerojedynkowa dΔit w równaniu zmiany stóp bezrobocia odgrywa rolę zmiennej przełącznikowej korygującej oddziaływanie stopy bezrobocia z poprzedniego okresu na zmianę bieżącej stopy bezrobocia, i zależy od tego czy przyrost tej stopy jest dodatni czy ujemny. Analizując wpływ przeszłych stóp bezrobocia oraz stopy wzrostu gospodarczego na zmiany stóp bezrobocia w równaniu (8.21) można dojść do wniosku, że gdyby założyć występowanie zarówno zerowej stopy wzrostu gospodarczego, jak i zerową stopę bezrobocia w poprzednim okresie, to okazałoby się, że we wszystkich powiatach wystąpiłby taki sam przyrost stopy bezrobocia. Powyższe założenie wydaje się zbyt restrykcyjne. Z tego powodu równanie (8.21) rozszerzono stosując procedurę uzmienniania stałej (fixed effect). Równanie (8.22) można zatem rozszerzyć do postaci: (8.22) gdzie: dj – zmienna zerojedynkowa dla każdego j-tego powiatu niebazowego, α0 – stała rzeczywista określająca przyrost stopy bezrobocia, który wystąpiłby przy zerowej stopie bezrobocia w poprzednim okresie oraz przy zerowej stopie wzrostu PKB w powiecie bazowym, φj – określa, o ile różniłby się przyrost stopy bezrobocia w powiecie j-tym od powiatu bazowego gdyby wystąpiły zerowe wartości stopy wzrostu gospodarczego i stopy bezrobocia w poprzednim okresie. Pozostałe parametry interpretuje się tak samo jak w równaniu (8.21). Parametry równań przyrostu stóp bezrobocia analogicznie do pozostałych zmiennych makroekonomicznych analizowanych w rozdziale VI estymowano MNK i UMM. Wyniki tych oszacowań zestawiono w tablicy 8.3. Z danych zawartych w tabeli 8.3 wynika, że przyrost stóp bezrobocia na poziomie powiatowym, biorąc pod uwagę wyniki otrzymane dla wszystkich grup, był objaśniany przez zmienność stóp bezrobocia notowanych w poprzednim roku oraz przez stopy wzrostu realnego PKB w ok. 50%–52% (stosując MNK) i między 27%–54% (stosując UMM). Przy założeniu nierosnącego bezrobocia każdy kolejny punkt procentowy stóp bezrobocia w roku poprzednim obniżał przyrost bezrobocia w grupie wszystkich powiatów o około 0,10–0,13 punktu procentowego, nie uwzględniając procedury uzmienniania stałej, i o około 0,13–0,26 punktu procentowego – uwzględniając efekt dywersyfikacji stałej. W pozostałych grupach parametr ten był zbliżony do wartości uzyskanych w grupie wszystkich powiatów, przy czym najwyższe wartości uzyskano w grupie powiatów grodzkich. W warunkach zaś rosnącego bezrobocia każdy kolejny punkt procentowy stopy bezrobocia podnosił przyrost tej zmiennej odpowiednio między 0,22–0,27 punktu procentowego w grupie wszystkich powiatów, o 0,22–0,33 punktu procentowego w grupie powiatów grodzkich, oraz o 0,19–0,24 punktu procentowego w grupie powiatów ziemskich bez względu na zastosowanie (bądź nie) efektu uzmienniania stałej. Tablica 8.3. Oszacowania parametrów równań przyrostu stóp bezrobocia na poziomie powiatów w Polsce Zmienna objaśniająca MNK MNK z Fixed Effect UMM UMM z Fixed Effect Stała wszystkie powiaty –0,0015 (0,0878) 0,00078 (0,9076) –0,0013 (0,4164) 0,0030 (0,2932) grodzkie –0,0011 (0,4908) 0,00127 (0,8128) –0,00397 (0,1646) 0,00123 (0,7416) ziemskie 0,00025 (0,7855) 0,00018 (0,9769) 0,00119 (0,4970) 0,0081 (0,0078) uit – 1 wszystkie powiaty –0,0964 (0,0000) –0,1320 (0,0000) –0,1293 (0,0000) –0,2564 (0,0000) grodzkie –0,1122 (0,0000) –0,1482 (0,0000) –0,1539 (0,0000) –0,2755 (0,0000) ziemskie –0,0997 (0,0000) –0,1458 (0,0000) –0,1354 (0,0000) –0,2996 (0,0000) dΔuuu – 1 wszystkie powiaty 0,2170 (0,0000) 0,2146 (0,0000) 0,2749 (0,0000) 0,2314 (0,0000) grodzkie 0,2364 (0,0000) 0,2238 (0,0000) 0,3268 (0,0000) 0,2581 (0,0000) ziemskie 0,1959 (0,0000) 0,1889 (0,0000) 0,2354 (0,0000) 0,1868 (0,0000) Zmienna objaśniająca MNK MNK z Fixed Effect UMM UMM z Fixed Effect Δln(PKBit) wszystkie powiaty –0,0128 (0,0000) –0,0118 (0,0000) 0,0274 (0,1084) 0,01412 (0,1746) grodzkie –0,0131 (0,0344) –0,01072 (0,1074) 0,1030 (0,0419) 0,0611 (0,0528) ziemskie –0,0122 (0,0000) –0,01094 (0,0000) 0,0333 (0,0606) 0,0176 (0,1104) Powiat bazowy wszystkie powiaty – Warszawa – Warszawa grodzkie – Warszawa – Warszawa ziemskie – warszawski zachodni – warszawski zachodni R2 Skor. R2 wszystkie powiaty 0,5079 0,5074 0,5512 0,4759 0,5339 0,5333 0,6169 0,5397 grodzkie 0,5033 0,5004 0,5344 0,4653 0,2781 0,2733 0,5240 0,4416 ziemskie 0,5207 0,5201 0,5598 0,4964 0,5138 0,5131 0,6047 0,5383 Liczba obserwacji liczba instrumentów wszystkie powiaty 2652 – 2652 – 2273 4 2273 382 grodzkie 520 – 520 – 455 4 455 68 ziemskie 2512 – 2512 – 2198 4 2198 317 F–statistic lub J–statistic* wszystkie powiaty 911,14 (0,0000) 7,3186 (0,0000) 0,0000 0,0000 grodzkie 174,30 (0,0000) 7,741 (0,0000) 0,00000 0,0000 ziemskie 908,3544 (0,0000) 8,8326 (0,0000) 0,0000 0,0000 W nawiasach podano poziom istotności. *F-statistic podano dla oszacowań metodą MNK, a J-statistic prezentowane są w oszacowaniach metodą UMM. W przypadku metody UMM zastosowano następujące instrumenty: stała oraz opóźnione o jeden okres stopa bezrobocia, stopa wzrostu gospodarczego oraz opóźniona o dwa okresy zmienna zerojedynkowa. Każdy przyrost stopy wzrostu realnego PKB o 1 punkt procentowy spowodował natomiast spadek stopy bezrobocia o ok. 0,01–0,013 punktu procentowego, ale tylko w oszacowaniach równań przyrostu stóp bezrobocia za pomocą MNK bez względu na estymowaną grupę powiatów. Przy zastosowaniu UMM okazało się, że każdy przyrost stopy wzrostu PKB o 1 punkt procentowy powodował wzrost stopy bezrobocia o około 0,01–0,03 punktu procentowego dla estymacji w grupie wszystkich powiatów oraz powiatów ziemskich, były one jednak istotne dopiero na kilkunastoprocentowym poziomie istotności. W grupie powiatów grodzkich otrzymane parametry kształtowały się między 0,06–0,10 punktu procentowego i były istotne statystycznie na poziomie 5%. Wyniki otrzymane w przypadku estymacji UMM są bądź nieistotne statystycznie bądź wydają się sprzeczne zarówno z wynikami otrzymanymi przez MNK jak i z prezentowanymi w punkcie 8.2.3 rozważaniami teoretycznymi na temat ujemnego wpływu stopy wzrostu gospodarczego na przyrost stopy bezrobocia. Dodatnią zależność między stopą wzrostu gospodarczego a przyrostem stopy bezrobocia również można wyjaśnić. Stopa bezrobocia może bowiem wzrastać wraz z rosnącą stopą wzrostu PKB wówczas, gdy taki wzrost gospodarczy ma charakter bezzatrudnieniowy. Trudno jednak zakładać, że w całym analizowanym okresie na poziomie lokalnym wzrost gospodarczy miał charakter bezzatrudnieniowy, jeżeli w badanym okresie zauważalny był spadek stóp bezrobocia aż do 2008 roku. 8.4. PODSUMOWANIE Na podstawie rozważań w rozdziale ósmym – zarówno podjętych na gruncie teoretycznym, jak i opartych na analizach statystycznych można sformułować następujące wnioski: I. Z przekształceń neoklasycznej funkcji produkcji typu Cobba-Douglasa wynika, że głównymi determinantami wydajności pracy są: wyjściowy poziom łącznej produktywności czynników produkcji, stopa postępu technicznego oraz poziom technicznego uzbrojenia pracy. II. Korzystając z teorii płac efektywnościowych oraz neoklasycznych modelach wzrostu Solowa, wykazano, że głównymi determinantami realnych płac względnych brutto są względna wydajność pracy oraz stopa bezrobocia. III. Opierając się na definicji stopy bezrobocia oraz przyjmując założenie, że stopa wzrostu zatrudnienia jest rosnącą funkcją stopy wzrostu produkcji, udowodniono, że przyrost stopy bezrobocia jest malejącą funkcją stopy wzrostu produkcji, oraz że jeżeli stopa wzrostu podaży pracy jest większa (mniejsza) od stopy wzrostu liczby pracujących, to przyrost stopy bezrobocia jest malejącą (rosnącą) funkcją stopy bezrobocia. IV. Analizy statystyczne na poziomie powiatów funkcji wydajności pracy potwierdziły wnioski płynące z rozważań teoretycznych. Zarówno poziom technicznego uzbrojenia pracy, jak i stopa postępu technicznego w sensie Hicksa istotnie statystycznie objaśniały wydajność pracy. Elastyczność wydajności pracy względem technicznego uzbrojenia pracy na poziomie powiatów kształtowała się między 0,3–0,68 punktu procentowego w zależności od specyfikacji równań oraz metody estymacji, i była również istotnie zróżnicowana w zależności od estymowanej grupy. Najniższe wartości elastyczności uzyskano w grupie powiatów grodzkich, najwyższe, w grupie powiatów ziemskich, estymując z wykorzystaniem procedury uzmienniania stałej. Nie stosując zaś procedury uzmienniania stałej, uzyskano zbliżone wartości elastyczności we wszystkich estymowanych grupach (między 0,62–0,68 punktu procentowego). Stopę postępu technicznego oszacowano natomiast na poziomie 1,1%–2,0% rocznie w zależności od specyfikacji równania, metody estymacji oraz estymowanej grupy. Wydajność pracy na poziomie lokalnym była objaśniana przez stopę postępu technicznego oraz poziom technicznego uzbrojenia pracy, w zależności od estymowanej grup powiatów, w około 62%–79% oraz aż w ok. 91%–95% przy zastosowaniu procedury dywersyfikacji stałej. V. Płace względne były malejącą (rosnącą) funkcją względem stopy bezrobocia (względnej wydajności pracy) we wszystkich grupach, i to zarówno w oszacowaniach MNK czy UMM, ale jedynie w równaniach, w których nie zastosowano procedury dywersyfikacji stałej. Oszacowane parametry określające siłę wpływu względnej wydajności pracy na płace względne kształtowały się między 0,12 a 0,15, a parametr określający siłę wpływu stopy bezrobocia kształtował się od (–0,11) do (–0,32) w grupie wszystkich powiatów oraz w grupie powiatów ziemskich. W grupie powiatów grodzkich kształtował się zaś na zdecydowanie wyższym poziomie między (–0,93) a (–0,85). Jednocześnie poziom skorygowanych współczynników determinacji nie był satysfakcjonujący, gdyż płace względne w tych równaniach na poziomie lokalnym były objaśniane przez stopę bezrobocia oraz względną wydajność pracy średnio w ok. 30%. Stosując procedurę dywersyfikacji stałej w równaniach płac względnych na poziomie powiatów w Polsce, otrzymano co prawda bardzo wysokie wartości skorygowanych współczynników determinacji, ale oszacowane parametry nie do końca potwierdzały wnioski płynące z rozważań teoretycznych. O ile płace względne były rosnącą funkcją względem względnej wydajności pracy, o tyle siła oszacowanego parametru była zdecydowanie mniejsza niż w równaniach, w których nie zastosowano procedury uzmienniania stałej. W równaniach tych natomiast albo stopa bezrobocia była nieistotna statystycznie w objaśnianiu względnych płac realnych brutto, albo zmienna objaśniana była rosnącą funkcją względem stopy bezrobocia, co jest w zasadzie sprzeczne z wnioskami płynącymi z rozważań teoretycznych. VI. Przyrosty stóp bezrobocia we wszystkich analizowanych grupach na poziomie powiatów Polski były objaśniane przez zmienność stóp bezrobocia notowanych w poprzednim roku oraz przez stopy wzrostu realnego PKB w około 47–52% przy zastosowaniu MNK, i między 27% a 53% przy zastosowaniu UMM. W przypadku zastosowania MNK – czy to z fixed effect, czy też bez – otrzymano we wszystkich estymowanych grupach wyniki, które potwierdzają wnioski płynące z rozważań teoretycznych. W równaniach oszacowanych UMM okazało się natomiast, że przyrosty stóp bezrobocia są bądź rosnącą funkcją względem stopy wzrostu gospodarczego, bądź parametr ten był nieistotny statystycznie, co jest sprzeczne z przyjętymi w rozdziale założeniami teoretycznymi co do wpływu stopy wzrostu gospodarczego na zmienność stopy bezrobocia. Taka zależność, na gruncie teorii ekonomii, byłaby możliwa, gdyby przyjąć założenie, że wzrost gospodarczy ma charakter bezzatrudnieniowy, co wydaje się zbyt rygorystycznym warunkiem. BIBLIOGRAFIA Adamczyk A., Tokarski T., Włodarczyk R.W. (2009), Przestrzenne zróżnicowanie płac w Polsce, „Gospodarka Narodowa” nr 9. Bosworth, B.P., Collins S.M. (2003), The Empirics of Growth. an Update, Brookings „Papers on Economic Activity”, 2. Hsieh, Chang-Tai (2002), What Explains the Industrial Revolution in East Asia? Evidence from the Factor Markets, „American Economic Review”, 92(3). Misiak. T., Tokarski T. (2011), Wzrost PKB a zmiany zatrudnienia i bezrobocia w krajach Unii Europejskiej, w: „Acta Universitatis Lodziensis Folia Oeconomica” 248. Oliver S.D., Sichel D.E. (2000), The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?, „Journal of Economic Perespectives”, vol. 14, no. 4. Pindyck R.S., Rubinfeld D.L. (1991), Econometric Models and Economic Forecast, McGraw-Hills, New York. Romer D. (2000), Makroekonomia dla zaawansowanych, Wydawnictwo Naukowe PWN, Warszawa. Roszkowska S. (2006), Kapitał ludzki a wzrost gospodarczy w Polsce w ujęciu regionalnym, w: Unia Europejska w kontekście strategii lizbońskiej i gospodarki opartej na wiedzy, red. E. Okoń-Horodyńska, K. Piech, Instytut Wiedzy i Innowacji, Warszawa. Tokarski T., Roszkowska S., Gajewski P. (2005), Regionalne zróżnicowanie łącznej produktywności czynników produkcji w Polsce, Ekonomista, nr 2. Tokarski T. (2005), Statystyczna analiza regionalnego zróżnicowania wydajności, zatrudnienia i bezrobocia w Polsce, Wydawnictwo PTE, Warszawa. Tokarski T. (2008), Oszacowanie regionalnych funkcji produkcji, Wiadomości Statystyczne, nr 10. Tokarski T. (2009), Matematyczne modele wzrostu gospodarczego (ujęcie neoklasyczne), Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Welfe W (red.) (2007), Gospodarka oparta na wiedzy, Polskie Wydawnictwo Ekonomiczne, Warszawa. Young A. (1995), The Tyranny of Numbers: Confronting the Statistical Realities of the East Asian Growth Experience, „NBER Working Papers” 4680. Żółkiewski Z., Kolasa M. (2003), The Total Factor Productivity and the Potential Product in Poland 1992–2002 NBP Conference: Potential Output and Barriers to Growth, Zalesie Górne. 260 261 9 REGIONALNE ZRÓŻNICOWANIE KAPITAŁU LUDZKIEGO (Katarzyna Mroczek, Tomasz Tokarski) 9.1. WPROWADZENIE Celem rozważań prowadzonych w rozdziale dziewiątym jest wyznaczenie taksonomicznych wskaźników opisujących przestrzenne zróżnicowanie kapitału ludzkiego w województwach oraz określenie wpływu owego zróżnicowania na przestrzenne kształtowanie się podstawowych zmiennych makroekonomicznych (analizowanych w rozdziale trzecim) oraz taksonomicznych wskaźników rozwoju ekonomicznego województw (przedstawionych w rozdziale piątym opracowania). Struktura rozdziału dziewiątego jest następująca. W punkcie 9.2 przedstawione są podstawowe, znane z literatury, definicje pojęcia kapitału ludzkiego oraz sposoby jego mierzenia. Punkt 9.3 zawiera charakterystykę wykorzystanych tam taksonomicznych wskaźników kapitału ludzkiego oraz opisowe analizy przestrzennego zróżnicowanie owych wskaźników. W punkcie 9.4 analizuje się oddziaływanie taksonomicznych wskaźników kapitału ludzkiego na takie zmienne makroekonomiczne, jak produkcja sprzedana per capita, wartość brutto środków trwałych na mieszkańca, inwestycje na mieszkańca, płace, stopa bezrobocia rejestrowanego i liczba podmiotów REGON na 1000 mieszkańców oraz na taksonomiczne wskaźniki rozwoju ekonomicznego województw OE, OM i SK1. Rozdział kończy punkt 9.5, w którym znajduje się podsumowanie prowadzonych w nim rozważań oraz ważniejsze, płynące z nich wnioski. 1 Rzecz jasna autorzy rozdziału dziewiątego nie twierdzą, że kapitał ludzki jest jedynym czynnikiem różnicującym poziom rozwoju ekonomicznego województw. Zdają sobie bowiem sprawę, że – odnosząc się np. matematycznych modeli wzrostu R.E. Lucasa (1988, 1990), P.M. Romera (1986), N.G. Mankiwa-D. Romera-D.N. Weila (1992), W. Nonnemana, P. Vanhoudta (1996) – poza kapitałem ludzkim istotne znaczenie dla poziomu i rozwoju ekonomicznego mają np. różne (substytucyjne w stosunku do siebie) zasoby kapitału rzeczowego, społecznego etc. Szerzej na ten temat por. np.: W. Welfe, 2007; T. Tokarski, 2009, 2011, 2007. 9.2. KAPITAŁ LUDZKI – POJĘCIE I SPOSOBY MIERZENIA Jacob Mincer, Theodore W. Schultz oraz Gary S. Becker to ekonomiści, którzy mieli szczególny wkład w studia nad problematyką kapitału ludzkiego. Choć temat potencjału będącego w ludziach towarzyszył ekonomii właściwie już od czasów Adama Smitha, to dopiero w latach 60. XX wieku wymieniona wcześniej trójka ekonomistów położyła podwaliny teoretyczne pod ten stosunkowo nowy obszar zainteresowania ekonomii. Mincer (ekonomista pochodzenia polskiego) kapitał ludzki utożsamiał z „sumą wiedzy zdobywanej w szkole, a następnie w trakcie wykonywania pracy” (Cichy, 2005: 8). Uważał on, że można go mierzyć „długością okresu edukacji formalnej oraz wiekiem, odzwierciedlającym doświadczenie poszczególnych jednostek” (Cichy, 2005: 8). Schultz (1976: 35, za: Domański, 1990: 18) z kolei w swoim opracowaniu definiował kapitał ludzki jako „umiejętności, wiedzę i podobne atrybuty, które wpływają na ludzkie możliwości wykonywania pracy użytecznej”. Becker (1964, za: Gajewski, 2007: 79) natomiast rozumiał kapitał ludzki jako „wiedzę „zawartą” w ludziach”. Zaznaczał on także, że pojęcie kapitału ludzkiego obejmujące wykształcenie, umiejętności oraz doświadczenie może zostać poszerzone na takie obszary jak: zdrowie, uczciwość, punktualność, życie rodzinne itp.(Cichy, 2005: 13). Tematyka związana z zasobami kapitału ludzkiego zyskała szczególną popularność w kontekście teorii wzrostu gospodarczego − stała się brakującym ogniwem, które umożliwiało lepsze odzwierciedlenie danych empirycznych w teoretycznych modelach wzrostu gospodarczego. Z rozważań Roberta E. Lucasa wynika, że modele, w których bierze się pod uwagę akumulację kapitału ludzkiego, w większym stopniu pozwalały na wytłumaczenie zróżnicowania w rozwoju gospodarczym państw, niż te uwzględniające jedynie akumulację kapitału fizycznego i postępu technicznego (Cichy, 2005: 12; por. także: Tokarski, 2001: 13, 2009). W swoich badaniach Lucas definiował kapitał ludzki jako „ogólny poziom umiejętności, który oznacza, że pracownik charakteryzujący się kapitałem ludzkim h(t) jest tak samo wydajny jak dwóch pracowników o kapitale ludzkim ½h(t) każdy lub jest dwa razy mniej produktywny od pracownika o kapitale ludzkim 2h(t)” (Lucas, 1988: 17; por. także: Lucas, 1990, 2010). Szersze spojrzenie na kwestie kapitału ludzkiego można znaleźć m.in. w definicjach polskich ekonomistów, między innymi Stanisława R. Domańskiego oraz Waldemara Florczaka. Domański definiuje kapitał ludzki jako „zasób wiedzy, umiejętności, zdrowia, energii witalnej zawarty w społeczeństwie” (1990: 20). W. Florczak z kolei określa kapitał ludzki jako: …wszystkie cechy psychofizyczne jednostki, takie jak posiadane wrodzone zdolności, zasób wiedzy, poziom wykształcenia, umiejętności i doświadczenie zawodowe, stan zdrowia, poziom kulturalny, aktywność społeczno ekonomiczną, światopogląd itp., które wpływają bezpośrednio lub pośrednio na wydajność pracy, które są nierozerwalnie związane z człowiekiem jako nośnikiem owych wartości (Florczak, 2007: 112). Przytoczone tu definicje kapitału ludzkiego mają mniejsze zastosowanie w praktycznych próbach mierzenia owego kapitału ze względu na trudności związane z ujęciem ilościowym poszczególnych cech wchodzących w skład opisywanego zasobu. Podsumowując rozważania nad pojęciem kapitału ludzkiego, należy zaznaczyć, że jest to zasób, który może zostać powiększony przez inwestycje w odpowiednich obszarach gospodarki. W zależności od przyjętej definicji inwestowanie w kapitał ludzki można rozumieć za J. Mincerem jako inwestycje w proces uczenia się (Cichy, 2005: 7) . Według Beckera natomiast inwestowanie w kapitał ludzki to „działalność, która wpływa na przyszłe realne dochody poprzez zasoby ucieleśnione w człowieku” (Becker, 1962: 9, za: Roszkowska, 2012: 13). Uważał on także, że „jest wiele sposobów inwestowania w kapitał ludzki włączając formalne wykształcenie w szkole, kształcenie w pracy, opiekę medyczną, konsumpcję witamin oraz zbieranie informacji o systemie ekonomicznym” (Becker, 1962: 9, za: Roszkowska, 2012: 13). Schultz z kolei uznawał za inwestycje w kapitał ludzki tę część konsumpcji, która obejmuje wydatki na „szkolnictwo i zdrowie, wewnętrzne migracje w poszukiwaniu lepszych możliwości zarobkowych, a także szkolenia i nabywanie doświadczenia w pracy” (Cichy, 2005: 9). Należy także zaznaczyć, że według Marka Blauga, już Adam Smith − mimo że nie używał pojęcia kapitału ludzkiego – twierdził, że …koszty wykształcenia i szkolenia człowieka można uważać za inwestycję w przyszłe możliwości zarobkowania, analogicznie do inwestycji w kapitał fizyczny; inwestycja taka musi się zwrócić w ciągu życia obecnego studenta lub praktykanta, jeżeli ma być ekonomicznie uzasadniona. Lepiej wykształceni lub lepiej wyszkoleni ludzie będą więc na ogół zarabiać więcej od tych, którym brakuje wykształcenia lub wyszkolenia (Blaug, 1994: 69). W opracowaniach teoretycznych wyróżnia się trzy sposoby pomiaru poziomu kapitału ludzkiego: metodę kosztową (sprowadzającą się do zsumowania inwestycji w kapitał ludzki skorygowanych o stopę deprecjacji i stopę dyskonta bieżącej konsumpcji), metodę korzystającą z zasobów ludzkich uwzględniających poziom wykształcenia (m.in. współczynniki piśmiennictwa, wskaźniki skolaryzacji brutto i netto, wskaźniki długości okresu pobierania nauki, struktura pracujących według poziomu wykształcenia) oraz metodę dochodową (głównie opierają się na warunku, że różnice w otrzymywanych wynagrodzeniach odwzorowują krańcową produkcyjność pracy)2. Ze względu na ograniczony dostęp odpowiednich do danych statystycznych, w praktyce, chcąc obliczyć wartość zasobów kapitału ludzkiego, najczęściej korzysta się z stymulant (np. liczby pracujących w sektorze badawczo-rozwojowym (B + R), liczby nauczycieli akademickich, nakładów inwestycyjnych na edukację, odsetka populacji w wieku 25–64 z wykształceniem średnim i wyższym, współczynnika skolaryzacji na różnych etapach edukacji, oczekiwanej długości życia, lat nauki na poszczególnych poziomach w odniesieniu do podstawowego, przeciętnego wynagrodzenia w zależności od poziomu wykształcenia) oraz z destymulanty – umieralności niemowląt. Opracowywane na bazie wymienionych stymulant i destymalnty wskaźniki taksonomiczne w pewnym stopniu przybliżają wartość zasobów kapitału ludzkiego i tym samym pozwalają na analizę jego zróżnicowania na określonym obszarze (Roszkowska, 2012: 44). 2 Szerzej na ten temat: Florczak, 2007:.113–122; Roszkowska, 2012: 38–44. 9.3. PRZESTRZENNE ZRÓŻNICOWANIE TAKSONOMICZNYCH WSKAŹNIKÓW KAPITAŁU LUDZKIEGO W WOJEWÓDZTWACH Omawiane dalej taksonomiczne wskaźniki kapitału ludzkiego w województwach, podobnie jak analizowane w rozdziale piątym taksonomiczne wskaźniki rozwoju ekonomicznego województw i powiatów, są wskaźnikami opartymi na odległościach w przestrzeni euklidesowej i miejskiej poszczególnych województw w kolejnych latach od pewnego hipotetycznego województwa-wzorca (por. punkt 5.2). Dlatego też im niższe wartości przyjmują policzone taksonomiczne wskaźniki kapitału ludzkiego w danym województwie, tym wyższym poziomem owego kapitału cechuje się to województwo. Do konstrukcji wskaźników kapitału ludzkiego wykorzystano dostępne regionalne dane statystyczne ze strony GUS www.stat.gov.pl opisujące kształtowanie się trzech stymulant i dwóch destymulant kapitału ludzkiego. Wykorzystanymi stymulantami kapitału ludzkiego są: liczba nauczycieli akademickich na 1000 mieszkańców, liczba nauczycieli akademickich przypadająca na 100 studentów3 oraz przeciętne dalsze trwanie życia urodzonej osoby (liczone jako średnia z przeciętnej dalszej długości życia kobiet i mężczyzn). Destymulantami zaś są odsetek zgonów niemowląt wśród urodzeń żywych oraz odsetek bezrobotnych długookresowo (ponad 13 miesięcy) wśród bezrobotnych ogółem (z badań aktywności ekonomicznej ludności). Wybór wykorzystanego zbioru stymulant i destymulant kapitału ludzkiego w województwach wynikał zarówno z dostępności odpowiednich danych statystycznych, jak i ze względów merytorycznych4. Liczba nauczycieli akademickich na 1000 mieszkańców jest wskaźnikiem, który opisuje potencjał edukacyjny na poziomie szkolnictwa wyższego w województwach. Liczba nauczycieli akademickim przypadająca na 100 studentów jest stymulantą, która charakteryzuje jakość szkolnictwa wyższego. Odsetek bezrobotnych długookresowo wśród bezrobotnych ogółem jest zaś destymulantą zasobu kapitału ludzkiego z tego względu, że (po pierwsze) bezrobotni długookresowo to najczęściej osoby najsłabiej wykształcone oraz (po drugie) wraz z wydłużaniem się czasu pozostawania bez pracy bezrobotni zazwyczaj tracą część nabytych uprzednio umiejętności5. Przeciętne dalsze trwanie życia oraz odsetek zgonów niemowląt natomiast są zmiennymi, które opisują stan zdrowia mieszkańców. 3 Pominięto dane dotyczące edukacji na poziomie podstawowym i średnim, gdyż wykształcenie to jest w Polsce obligatoryjne. 4 Dlatego celowo zrezygnowano z danych dotyczących sfery B + R, gdyż – zdaniem autorów – sfera ta raczej opisuje sektor nauki oraz innowacyjności niż wielkość kapitału ludzkiego. 5 Rzecz jasna odsetek ten wynika również z sytuacji na regionalnym rynku pracy oraz z bieżącej koniunktury. Wydaje się również, że wspomniane uprzednio stymulanty i destymulanty kapitału ludzkiego mierzą raczej zasób kapitału ludzkiego niż strumienie inwestycji w ów zasób6. Przeciętne wartości wykorzystanych w rozdziale dziewiątym stymulant i destymulant kapitału ludzkiego w województwach w latach 2002–2011 zestawione są w tablicach 9.1–9.27. Z zestawienia tego można wysnuć następujące wnioski: Tablica 9.1. Przestrzenne zróżnicowanie stymulant kapitału ludzkiego w latach 2002–20118 Lp. Stymulanta Liczba nauczycieli akademickich na 1000 mieszkańców Liczba nauczycieli akademickich na 100 studentów Przeciętne dalsze trwanie życia osoby urodzonej Województwo Wartość zmiennej Województwo Wartość zmiennej Województwo Wartość zmiennej 1 małopolskie 3,64 lubelskie 6,07 podkarpackie 76,75 2 mazowieckie 3,15 małopolskie 6,04 małopolskie 76,66 3 dolnośląskie 2,95 pomorskie 5,78 podlaskie 76,23 4 lubelskie 2,88 podlaskie 5,73 opolskie 76,02 5 łódzkie 2,80 łódzkie 5,63 pomorskie 75,92 6 wielkopolskie 2,67 wielkopolskie 5,51 mazowieckie 75,89 7 pomorskie 2,61 zachodniopomorskie 5,16 świętokrzyskie 75,77 8 podlaskie 2,50 dolnośląskie 5,14 wielkopolskie 75,54 9 zachodniopomorskie 2,43 kujawsko-pomorskie 4,98 lubelskie 75,27 10 śląskie 2,05 śląskie 4,93 kujawsko-pomorskie 75,05 11 kujawsko-pomorskie 2,03 mazowieckie 4,84 warmińsko-mazurskie 74,98 12 warmińsko-mazurskie 1,78 lubuskie 4,77 zachodniopomorskie 74,94 13 opolskie 1,55 warmińsko-mazurskie 4,59 dolnośląskie 74,88 14 lubuskie 1,54 opolskie 4,22 lubuskie 74,80 15 podkarpackie 1,49 podkarpackie 4,18 śląskie 74,79 16 świętokrzyskie 1,44 świętokrzyskie 3,58 łódzkie 73,90 VS 0,286 0,140 0,010 Vd 0,242 0,111 0,008 VQ 0,222 0,092 0,007 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). 6 Można tu się odnieść do równania akumulacji kapitału ludzkiego w modelu N.G. Mankiwa, D. Romera, D.N. Weila (1992) postaci: ˙H = IH – δHH, gdzie: ˙H – przyrost zasobu kapitału ludzkiego, H – zasób analizowanego kapitału, IH – inwestycje w ów kapitał, a δHH (gdzie δH ∈ (0,1)) to jego deprecjacja. Powoduje to, że na przykład liczba studentów to inwestycje w kapitał ludzki (IH), a liczba nauczycieli akademickich jest zasobem owego kapitału (H) (por. Tokarski, 2009). 7 Województwa w tablicach 9.1–9.2 uporządkowane są w kolejności od tego, które charakteryzowało się najwyższym (najniższym) poziomem analizowanej stymulanty (destymulanty), do tego, które cechowało się najniższą (najwyższą) wartością owej stymulanty (destymulanty). 8 Współczynniki zmienności VS, Vd oraz VQ w tablicach 9.1–9.2 liczone są tak jak w rozdziale czwartym. Tablica 9.2. Przestrzenne zróżnicowanie destymulant kapitału ludzkiego w latach 2002–2011 Lp. Destymulanta Odsetek zgonów niemowląt (%) Odsetek bezrobotnych długookresowo (%) Województwo Wartość zmiennej Województwo Wartość zmiennej 1 opolskie 0,494 lubuskie 28,5 2 warmińsko-mazurskie 0,523 pomorskie 30,1 3 mazowieckie 0,527 opolskie 33,2 4 małopolskie 0,546 mazowieckie 37,2 5 łódzkie 0,562 podkarpackie 37,4 6 podlaskie 0,567 lubelskie 37,7 7 świętokrzyskie 0,571 dolnośląskie 39,3 8 wielkopolskie 0,580 zachodniopomorsk30ie 40,1 9 pomorskie 0,588 wielkopolskie 41,9 10 podkarpackie 0,634 kujawsko-pomorskie 41,9 11 lubelskie 0,637 śląskie 43,3 12 lubuskie 0,652 podlaskie 45,5 13 kujawsko-pomorskie 0,663 warmińsko-mazurskie 45,9 14 zachodniopomorskie 0,665 łódzkie 46,4 15 śląskie 0,722 świętokrzyskie 46,9 16 dolnośląskie 0,724 małopolskie 47,5 VS 0,116 0,147 Vd 0,098 0,118 VQ 0,083 0,101 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Zdecydowanie najwyższą liczbą nauczycieli akademickich na 1000 mieszkańców w analizowanym przedziale czasu charakteryzowało się województwo małopolskie (3,64). Wśród 25% województw o najwyższych wartościach owej zmiennej makroekonomicznej znalazły się również województwa: mazowieckie (3,15), dolnośląskie (2,95) i lubelskie (2,88). Wydaje się, że o ile wysokie wartości owej stymulanty w województwach małopolskim, mazowieckim i dolnośląskim wynikały (w głównej mierze) stąd, że w Krakowie, Warszawie i we Wrocławiu znajdują się czołowe polskie uczelnie, o tyle wysoka pozycja województwa lubelskiego jest rezultatem tego, że w relatywnie niedużym (w stosunku do Krakowa, Warszawy i Wrocławia) Lublinie znajdują się dwie prężne uczelnie – UMCS i KUL. ●● W grupie województw o najniższej liczbie nauczycieli akademickich na 1000 mieszkańców znalazły się województwa: opolskie (1,55), lubuskie (1,54), podkarpackie (1,49) oraz świętokrzyskie (1,44). Są to województwa, w których – poza Politechniką Rzeszowską – nie ma liczących się w kraju uczelni. ●● Grupę kwartylową województw o najwyższej liczbie nauczycieli akademickich na 100 studentów tworzyły w latach 2002–2011 województwa: lubelskie (6,07), małopolskie (6,04), pomorskie (5,78) i podlaskie (5,73). Do grupy kwartylowej o najniższych wartościach tej stymulanty należały natomiast wówczas województwa: warmińsko-mazurskie (4,59), opolskie (4,22), podkarpackie (4,18) oraz świętokrzyskie (3,58). ●● Gdy rozpatrujemy przestrzenne zróżnicowanie kolejnej stymulanty zasobu kapitału ludzkiego – którą jest przeciętne dalsze trwanie życia osoby urodzonej – okazuje się, że najwyższą wartością owej zmiennej charakteryzowały się województwa: podkarpackie (76,75 lat), małopolskie (76,66 lat), podlaskie (76,23 lat) oraz opolskie (76,02 lat). Najniższymi wartościami owej zmiennej cechowały się województwa: dolnośląskie (74,88 lat), lubuskie (74,80 lat), śląskie (74,79 lat) i łódzkie (73,90 lat). ●● Gdy analizujemy przestrzenne zróżnicowanie destymulanty kapitału ludzkiego, jaką jest niewątpliwie odsetek zgonów niemowląt, okazuje się, że destymulanta ta przyjmowała w latach 2002–2011 najniższe wartości w województwach opolskim (0,494%), warmińsko-mazurskim (0,523%), mazowieckim (0,527%) i małopolskim (0,546%). Najwyższymi zaś wartościami owej destymulanty cechowały się województwa: kujawsko-pomorskie (0,663%), zachodniopomorskie (0,665%), śląskie (0,722%) oraz dolnośląskie (0,724%). ●● Najniższym odsetkiem bezrobotnych długookresowo wśród bezrobotnych ogółem charakteryzowały się w latach 2002–2011 województwa: lubuskie (28,5%), pomorskie (30,1%), opolskie (33,2%) oraz mazowieckie (37,2%). Najwyższa zaś wartość owej destymulanty notowana była w województwach warmińsko-mazurskim (45,9%), łódzkim (46,4%), świętokrzyskim (46,9%) i małopolskim (47,5%). ●● Gdy porównujemy wartości współczynników zmienności VS, Vd i VQ badanych tu stymulant i destymulant okazuje się, że zdecydowanie najwyższymi wartościami owych współczynników zmienności charakteryzowała się liczba nauczycieli akademickich na 1000 mieszkańców. Następne w kolejności były: odsetek bezrobotnych długookresowo wśród bezrobotnych ogółem, liczba nauczycieli akademickich na 100 studentów, odsetek zgonów niemowląt; najniższe zaś współczynniki zmienności VS, Vd i VQ notowano w przypadku przeciętnego dalszego trwania życia osoby urodzonej. Dlatego największy wpływ na prezentowane dalej taksonomiczne wskaźniki kapitału ludzkiego miała liczba nauczycieli akademickich na 1000 mieszkańców, najmniejszy zaś – przeciętne dalsze trwanie życia osoby urodzonej. Na podstawie scharakteryzowanych uprzednio stymulantach i destymulantach kapitału ludzkiego policzono taksonomiczne wskaźniki owego kapitału oparte na odległościach w przestrzeni euklidesowej oraz miejskiej. Następnie, by uzyskać jednolity wskaźnik kapitału ludzkiego, wskaźniki te uśredniono średnią geometryczną. Przestrzenne zróżnicowanie tak policzonych wskaźników kapitału ludzkiego zilustrowano na mapie 9.1. Z mapy tej wynika, że: ●● Najwyższym poziomem kapitału ludzkiego (mierzonym za pomocą taksonomicznego wskaźnika owego kapitału) w latach 2002–2011 cechowało się województwo mazowieckie (0,3559). Następne w kolejności były województwa: pomorskie (0,3574), małopolskie (0,3714) oraz lubelskie (0,3736). ●● Wysoki poziom owego kapitału notowany był w województwach łódzkim (0,3812), wielkopolskim (0,3839), podlaskim (0,3886), dolnośląskim (0,3912) i zachodniopomorskim (0,4008). Mapa 9.1. Regionalne zróżnicowanie taksonomicznych wskaźników kapitału ludzkiego w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). ●● Niskim zasobem kapitału ludzkiego charakteryzowały się województwa opolskie (0,4064), lubuskie (0,4109) i kujawsko-pomorskie (0,4112). ●● Województwa warmińsko-mazurskie (0,4134), śląskie (0,4175), podkarpackie (0,4258) i świętokrzyskie (0,4446) cechowały się najniższymi zasobami kapitału ludzkiego. Omawiając przestrzenne zróżnicowanie taksonomicznego wskaźnika kapitału ludzkiego w województwach w latach 2002–2011 można również przeprowadzić prostą analizę skupień. Analiza ta prowadzona była na wystandaryzowanych (zgodnie z procedurą opisaną w punkcie 5.2) stymulantach i destymulantach kapitału ludzkiego. Drzewo skupień – będące wynikiem tej analizy – zilustrowano na diagramie 9.1. Diagram 9.1. Drzewo skupień wskaźników kapitału ludzkiego w latach 2002–2011 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Wykres 9.1. Względne zmiany taksonomicznych wskaźników kapitału ludzkiego (dh/h, w %) w latach 2002–2011 a ich poziom (h) w roku 2002 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: sierpień 2013). Z diagramu 9.1 można wysnuć następujące wnioski: ●● Ze względu na strukturę składowych taksonomicznych wskaźników kapitału ludzkiego można wyodrębnić trzy grupy województw podobnych do siebie. Pierwszą grupę stanowiły województwa: wielkopolskie i łódzkie wraz z województwem podlaskim oraz lubelskim. Druga grupa złożona była z województw śląskiego i kujawsko-pomorskiego wraz z województwem zachodniopomorskim. Trzecia zaś grupa składała się z województw podkarpackiego i lubuskiego wraz z opolskim oraz świętokrzyskim. ●● Najbardziej do siebie zbliżone były wspomniane uprzednio grupy pierwsza i druga. Do grup tych podobne było również, pod względem struktury stymulant i destymulant kapitału ludzkiego, województwo dolnośląskie. ●● Najmniej podobne do innych województw ze względu na rozważane tu struktury były województwa małopolskie i mazowieckie. Korelogram na wykresie 9.1 ilustruje relacje pomiędzy względnymi zmianami taksonomicznych wskaźników kapitału ludzkiego w województwach w latach 2002–2011 (dh/h) oraz ich poziomem (h) w roku 2002. Z rysunku tego można wysnuć wniosek, że w analizowanym przedziale czasu względne spadki owych wskaźników były zazwyczaj najwyższe w tych województwach, w których wskaźniki te kształtowały się na niskim poziomie (a zatem w województwach o wysokim poziomie owego kapitału). Co więcej, ponieważ współczynnik korelacji Pearsona między dh/h a h równy był 0,429, zatem można sądzić, że przestrzenne zróżnicowanie kapitału ludzkiego w Polsce w rozważanym przedziale czasu podlegało procesowi słabej β-dywergencji. 9.4. WPŁYW PRZESTRZENNEGO ZRÓŻNICOWANIA KAPITAŁU LUDZKIEGO NA ROZWÓJ EKONOMICZNY WOJEWÓDZTW9 Rozważając oddziaływanie przestrzennego zróżnicowania kapitału ludzkiego na przestrzenne zróżnicowanie wybranych zmiennych makroekonomicznych (produkcji sprzedanej per capita, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca, płac, stopy bezrobocia rejestrowanego i liczby podmiotów REGON na 1000 mieszkańców) oszacowano MNK parametry równań: lnxit = α + βhit (9.1) lub: xit = α + βhit, (9.2) gdzie: 9 Alternatywne analizy wpływu przestrzennego zróżnicowania kapitału ludzkiego w Polsce na kształtowanie się podstawowych zmiennych makroekonomicznych w województwach znaleźć można w opracowaniu: Roszkowska, 2012. xit – wartość kolejnych, wspomnianych uprzednio zmiennych makroekonomicznych w województwie i w roku t, hit – taksonomiczny wskaźnik kapitału ludzkiego w województwie i w roku t, parametry α, β ∈ R. Parametry równania (9.1) szacowano w przypadku produkcji sprzedanej per capita, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca, płac i liczby podmiotów REGON na 1000 mieszkańców, a parametry równania (9.2) – z uwzględnieniem stopy bezrobocia rejestrowanego, która (jako zmienna wyrażona w procentach) nie powinna być logarytmowana. Ponadto równania (9.1–9.2) rozszerzono o efekt dywersyfikacji stałej (fixe-effect) (por. Pindyck, Rubinfeld, 1991: 223–226). Wówczas równania te można zapisać następująco: (9.3) oraz: (9.4) gdzie dj oznacza zmienne zerojedynkowe dla kolejnych województw niebazowych (województwem bazowym w każdym z podanych w punkcie 9.4 oszacowań jest województwo mazowieckie), a parametry αj ∈ R są korektami na stałą w województwach niebazowych względem województwa bazowego. Oszacowane parametry równań (9.1–9.4) zestawione są w tablicach 9.3–9.4. Dodatkowo oszacowano również NMNK parametry funkcji logitowych określonych równaniem: (9.5) gdzie: H(hit) = α + βhit, bez efektu dywersyfikacji stałej, lub: po jego uwzględnieniu. Oszacowane parametry równań (9.5) podane są w tablicach 9.5–9.6. Tablica 9.3. Oszacowane MNK parametry równań (9.1) i (9.3)10 Zmienna objaśniająca Zmienna objaśniana lny lnk lni stała 4,104*** (14,997) 4,619*** (37,568) 4,506*** (19,722) 4,852*** (92,475) 2,902*** (10,741) 3,402*** (18,217) dolnośląskie – –0,234*** (–3,840) – –0,480*** (–18,440) – –0,192** (–2,073) kujawsko-pomorskie – –0,241*** (–3,855) – –0,830*** (–31,108) – –0,459*** (–4,829) lubelskie – –1,047*** (–17,383) – –1,223*** (–47,617) – –1,195*** (–13,069) lubuskie – –0,264*** (–4,221) – –0,724*** (–27,131) – –0,512*** (–5,388) łódzkie – –0,438*** (–7,242) – –0,737*** (–28,549) – –0,476*** (–5,176) małopolskie – –0,519*** (–8,633) – –0,852*** (–33,209) – –0,772*** (–8,446) opolskie – –0,267*** (–4,280) – –0,563*** (–21,240) – –0,650*** (–6,894) podkarpackie – –0,502*** (–7,838) – –0,936*** (–34,243) – –0,697*** (–7,168) podlaskie – –0,877*** (–14,403) – –1,083*** (–41,692) – –0,956*** (–10,341) pomorskie – –0,225*** (–3,748) – –0,689*** (–26,918) – –0,533*** (–5,851) śląskie – 0,339*** (5,365) – –0,338*** (–12,557) – –0,166* (–1,731) świętokrzyskie – –0,351*** (–5,288) – –0,848*** (–29,903) – –0,552*** (–5,465) warmińsko-mazurskie – –0,545*** (–8,687) – –1,054*** (–39,361) – –0,749*** (–7,852) wielkopolskie – 0,0308 (0,507) – –0,602*** (–23,261) – –0,379*** (–4,118) zachodniopomorskie – –0,592*** (–9,603) – –0,716*** (–27,192) – –0,588*** (–6,282) h –3,335*** (–4,850) –3,729*** (–11,502) –3,121*** (–5,436) –2,150*** (–15,538) –5,317*** (–7,832) –5,178*** (–10,515) R2 Skor. R2 0,130 0,124 0,886 0,874 0,158 0,152 0,971 0,968 0,280 0,275 0,777 0,752 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. Dolnośląskie, kujawsko-pomorskie itd. to zmienne zerojedynkowe dla kolejnych województw. 10 W tablicach 9.3–9.6 y oznacza produkcję sprzedaną na mieszkańca, k – wartość brutto środków trwałych per capita, i – inwestycje na mieszkańca, w – płace (wszystkie w cenach stałych z 2009 r.), u – stopę bezrobocia rejestrowanego, a REGON – liczbę podmiotów REGON na 1000 mieszkańców. Tablica 9.4. Oszacowane MNK parametry równań (9.1–9.4) Zmienna objaśniająca Zmienna objaśniana lnw u lnREGON stała 8,869*** (118,551) 9,114*** (230,420) –0,162*** (–5,120) –0,188*** (–6,840) 5,106*** (40,599) 5,054*** (186,861) dolnośląskie – –0,172*** (–8,777) – 0,0209 (1,535) – –0,0774*** (–5,763) kujawsko-pomorskie – –0,264*** (–13,132) – 0,0296** (2,117) – –0,239*** (–17,362) lubelskie – –0,333*** (–17,210) – 0,0208 (1,549) – –0,508*** (–38,359) lubuskie – –0,271*** (–13,465) – 0,0336** (2,406) – –0,127*** (–9,241) łódzkie – –0,314*** (–16,142) – 0,0138 (1,020) – –0,236*** (–17,743) małopolskie – –0,288*** (–14,882) – –0,00963 (–0,717) – –0,255*** (–19,244) opolskie – –0,222*** (–11,112) – 0,000163 (0,0117) – –0,252*** (–18,489) podkarpackie – –0,257*** (–12,477) – –0,00642 (–0,449) – –0,506*** (–35,916) podlaskie – –0,296*** (–15,115) – –0,00268 (–0,197) – –0,425*** (–31,744) pomorskie – –0,248*** (–12,852) – 0,0391*** (2,923) – –0,115*** (–8,693) śląskie – –0,0644*** (–3,167) – –0,0422*** (–2,992) – –0,211*** (–15,190) świętokrzyskie – –0,169*** (–7,924) – –0,0120 (–0,809) – –0,306*** (–20,924) warmińsko-mazurskie – –0,275*** (–13,602) – 0,0733*** (5,228) – –0,372*** (–26,919) wielkopolskie – –0,271*** (–13,882) – –0,0211 (–1,558) – –0,124*** (–9,261) zachodniopomorskie – –0,223*** (–11,246) – 0,0579*** (4,202) – 0,0628*** (4,627) h –2,376*** (–12,640) –2,417*** (–23,169) 0,817*** (10,289) 0,852*** (11,765) –1,478*** (–4,677) –0,766*** (–10,739) R2 Skor. R2 0,503 0,500 0,910 0,900 0,401 0,397 0,707 0,675 0,122 0,116 0,974 0,971 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. Dolnośląskie, kujawsko-pomorskie etc. to zmienne zerojedynkowe dla kolejnych województw. Tablica 9.5. Oszacowane NMNK parametry równania (9.5) Zmienna objaśniająca Zmienna objaśniana y k i stała –0,00669 (–0,0200) 0,620*** (4,150) 0,925*** (2,672) 1,527*** (21,177) –1,623*** (–5,864) –1,110*** (–5,814) dolnośląskie – –0,308*** (–4,154) – –0,933*** (–26,076) – –0,203** (–2,143) kujawsko-pomorskie – –0,323*** (–4,251) – –1,424*** (–38,804) – –0,477*** (–4,915) lubelskie – –1,256*** (–17,171) – –1,935*** (–54,778) – –1,229*** (–13,140) lubuskie – –0,348*** (–4,577) – –1,281*** (–34,932) – –0,532*** (–5,481) łódzkie – –0,560*** (–7,626) – –1,308*** (–36,861) – –0,494*** (–5,259) małopolskie – –0,658*** (–9,004) – –1,468*** (–41,607) – –0,798*** (–8,544) opolskie – –0,354*** (–4,696) – –1,062*** (–29,136) – –0,673*** (–6,981) podkarpackie – –0,628*** (–8,071) – –1,553*** (–41,318) – –0,721*** (–7,248) podlaskie – –1,062*** (–14,372) – –1,754*** (–49,146) – –0,985*** (–10,424) pomorskie – –0,295*** (–4,046) – –1,245*** (–35,425) – –0,552*** (–5,930) śląskie – 0,440*** (5,730) – –0,722*** (–19,484) – –0,177* (–1,806) świętokrzyskie – –0,448*** (–5,552) – –1,434*** (–36,784) – –0,571*** (–5,537) warmińsko-mazurskie – –0,680*** (–8,926) – –1,706*** (–46,332) – –0,773*** (–7,936) wielkopolskie – 0,0294 (0,399) – –1,117*** (–31,407) – –0,396*** (–4,209) zachodniopomorskie – –0,737*** (–9,838) – –1,276*** (–35,272) – –0,611*** (–6,376) h –4,092*** (–4,882) –4,540*** (–11,529) –4,849*** (–5,576) –3,179*** (–16,718) –5,457*** (–7,845) –5,303*** (–10,533) Oszacowane θ 100 R2 Skor. R2 0,131 0,126 0,887 0,875 0,164 0,159 0,977 0,974 0,280 0,276 0,779 0,754 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 10% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 1% poziomie istotności. Dolnośląskie, kujawsko-pomorskie etc. to zmienne zerojedynkowe dla kolejnych województw. Tablica 9.6. Oszacowane NMNK parametry równania (9.5) Zmienna objaśniająca Zmienna objaśniana w u REGON stała 3,305*** (13,273) 4,162*** (41,857) –4,144*** (–17,592) –4,333*** (–20,790) 2,776*** (6,829) 2,806*** (26,569) dolnośląskie – –0,830*** (–16,818) – 0,184* (1,783) – –0,457*** (–8,725) kujawsko-pomorskie – –1,057*** (–20,897) – 0,258** (2,434) – –0,985*** (–18,340) lubelskie – –1,262*** (–25,914) – 0,215** (2,102) – –1,656*** (–32,016) lubuskie – –1,072*** (–21,198) – 0,268** (2,528) – –0,642*** (–11,946) łódzkie – –1,209*** (–24,718) – 0,141 (1,379) – –1,004*** (–19,331) małopolskie – –1,156*** (–23,757) – –0,0648 (–0,636) – –1,062*** (–20,565) opolskie – –0,959*** (–19,090) – 0,0459 (0,436) – –1,019*** (–19,093) podkarpackie – –1,017*** (–19,633) – 0,0156 (0,144) – –1,569*** (–28,516) podlaskie – –1,158*** (–23,533) – 0,0312 (0,302) – –1,462*** (–27,963) pomorskie – –1,050*** (–21,649) – 0,317*** (3,123) – –0,602*** (–11,691) śląskie – –0,516*** (–10,092) – –0,311*** (–2,906) – –0,901*** (–16,599) świętokrzyskie – –0,791*** (–14,704) – –0,0380 (–0,337) – –1,116*** (–19,548) warmińsko-mazurskie – –1,078*** (–21,236) – 0,515*** (4,843) – –1,309*** (–24,287) wielkopolskie – –1,103*** (–22,498) – –0,175* (–1,707) – –0,637*** (–12,226) zachodniopomorskie – –0,969*** (–19,430) – 0,437*** (4,178) – 0,300*** (5,655) h –7,205*** (–11,513) –6,965*** (–26,561) 6,181*** (10,440) 6,367*** (11,584) –5,251*** (–5,141) –3,097*** (–11,121) Oszacowane θ 4630,45 1 142,266 R2 Skor. R2 0,456 0,453 0,944 0,938 0,408 0,404 0,700 0,667 0,143 0,138 0,963 0,958 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. Dolnośląskie, kujawsko-pomorskie etc. to zmienne zerojedynkowe dla kolejnych województw. Z przedstawionych w tablicach 9.3–9.6 oszacowań parametrów wspomnianych uprzednio równań płyną następujące wnioski: ●● W przypadku oszacowań MNK parametrów równań (9.1–9.2), czyli równań bez efektu dywersyfikacji stałej, przestrzenne zróżnicowanie taksonomicznych wskaźników kapitału ludzkiego objaśniało przestrzenne zróżnicowanie kolejnych rozważanych zmiennych makroekonomicznych w odpowiednio: 12,4% (produkcja sprzedana per capita), 15,2% (wartość brutto środków trwałych na mieszkańca), 27,5% (inwestycje na mieszkańca), 50,0% (płace), 39,7% (stopy bezrobocia rejestrowanego) oraz 11,6% (podmioty REGON na 1000 mieszkańców). W oszacowaniach NMNK funkcji logitowych (9.5) bez efektu dywersyfikacji stałej kapitał ludzki natomiast określał kolejne zmienne objaśniane w 12,6% (produkcja sprzedana per capita), 15,9% (wartość brutto środków trwałych na mieszkańca), 27,6% (inwestycje na mieszkańca), 45,3% (płace), 40,4% (stopy bezrobocia rejestrowanego) oraz 13,8% (podmioty REGON na 1000 mieszkańców). Warto tu zauważyć, że ponieważ wartości wskaźników hit najsilniej opisuje kształtowanie się płac oraz stopy bezrobocia, zatem – zgodnie z makroekonomicznymi teoriami akumulacji kapitału ludzkiego – można sądzić, że wskaźniki te zostały dość dobrze dobrane. ●● Zarówno z oszacowań MNK parametrów równań (9.1–9.4), jak i szacunków NMNK parametrów równań (9.5) wynika, że we wszystkich prezentowanych w tablicach 9.3–9.6 oszacowaniach taksonomiczny wskaźnik kapitału ludzkiego istotnie statystycznie oddziaływał na uwzględnione tam zmienne objaśniane. Co więcej, im wyższym zasobem kapitału ludzkiego charakteryzowało się dane województwo (czyli im niższą wartość przyjmował wskaźnik hit), tym – na ogół – wyższy był poziom produkcji sprzedanej per capita, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca i liczby podmiotów REGON na 1000 mieszkańców, oraz niższa była stopa bezrobocia rejestrowanego. ●● Po uwzględnieniu efektu dywersyfikacji stałej okazało się, że zmienne zerojedynkowe dla województw niebazowych istotnie statystycznie wpływały na kształtowanie się wszystkich rozważanych zmiennych objaśnianych, poza stopą bezrobocia rejestrowanego, gdzie w większości przypadków zerojedynkowe zmienne wojewódzkie były nieistotne statystycznie. Analizując oddziaływanie przestrzennego zróżnicowania kapitału ludzkiego na zróżnicowanie prezentowanych w rozdziale piątym taksonomicznych wskaźników rozwoju ekonomicznego (OE, OM oraz SK), oszacowano parametry funkcji liniowych opisanych wzorami: xit = α + βhit, (9.6) (9.7) oraz logitowych postaci: (9.8) gdzie: H(hit) = α + βhit, bez efektu dywersyfikacji stałej, lub: po jego uwzględnieniu. Tablica 9.7. Oszacowane MNK parametry równań (9.6) i (9.7) Zmienna objaśniająca Zmienna objaśniana OE OM SK stała –0,145* (–1,882) –0,291*** (–7,368) –0,197** (–2,490) –0,342*** (–8,860) 1,209*** (16,172) 1,348*** (37,969) dolnośląskie – 0,146*** (7,428) – 0,161*** (8,400) – –0,156*** (–8,870) kujawsko-pomorskie – 0,224*** (11,140) – 0,244*** (12,451) – –0,240*** (–13,280) lubelskie – 0,369*** (19,089) – 0,387*** (20,514) – –0,372*** (–21,383) lubuskie – 0,215*** (10,698) – 0,229*** (11,684) – –0,223*** (–12,362) łódzkie – 0,229*** (11,772) – 0,252*** (13,266) – –0,248*** (–14,207) małopolskie – 0,255*** (13,166) – 0,270*** (14,319) – –0,262*** (–15,067) opolskie – 0,204*** (10,228) – 0,225*** (11,552) – –0,220*** (–12,240) podkarpackie – 0,266*** (12,931) – 0,292*** (14,537) – –0,286*** (–15,434) podlaskie – 0,319*** (16,308) – 0,336*** (17,631) – –0,323*** (–18,407) pomorskie – 0,207*** (10,721) – 0,219*** (11,645) – –0,213*** (–12,310) śląskie – 0,0511** (2,517) – 0,0655*** (3,307) – –0,0732*** (–4,014) świętokrzyskie – 0,213*** (9,992) – 0,233*** (11,172) – –0,224*** (–11,695) warmińsko-mazurskie – 0,298*** (14,765) – 0,317*** (16,130) – –0,306*** (–16,910) wielkopolskie – 0,137*** (7,019) – 0,152*** (8,017) – –0,157*** (–8,999) zachodniopomorskie – 0,246*** (12,386) – 0,232*** (12,019) – –0,215*** (–12,074) h 1,655*** (8,527) 1,490*** (14,297) 1,725*** (8,670) 1,519*** (14,940) –1,694*** (–9,020) –1,490*** (–15,914) R2 Skor. R2 0,315 0,311 0,884 0,871 0,322 0,318 0,896 0,884 0,340 0,336 0,904 0,893 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. Dolnośląskie, kujawsko-pomorskie etc. to zmienne zerojedynkowe dla kolejnych województw. Tablica 9.8. Oszacowane NMNK parametry równania (9.8) Zmienna objaśniająca Zmienna objaśniana OE OM SK Stała –2,849*** (–8,478) –3,543*** (–20,823) –3,205*** (–8,931) –3,957*** (–22,826) 3,319*** (9,524) 4,076*** (24765) dolnośląskie – 0,732*** (8,669) – 0,889*** (10,336) – –0,916*** (–11,216) kujawsko-pomorskie – 1,046*** (12,078) – 1,221*** (13,841) – –1,250*** (–14,929) lubelskie – 1,664*** (19,964) – 1,836*** (21,619) – –1,819*** (–22,567) lubuskie – 1,010*** (11,670) – 1,160*** (13,160) – –1,183*** (–14,135) łódzkie – 1,080*** (12,902) – 1,274*** (14,937) – –1,310*** (–16,174) małopolskie – 1,188*** (14,277) – 1,356*** (15,993) – –1,373*** (–17,057) opolskie – 0,968*** (11,257) – 1,147*** (13,096) – –1,172*** (–14,095) podkarpackie – 1,214*** (13,693) – 1,406*** (15,565) – –1,423*** (–16,585) podlaskie – 1,445*** (17,157) – 1,613*** (18,799) – –1,608*** (–19,740) pomorskie – 0,996*** (12,011) – 1,151*** (13,620) – –1,177*** (–14,664) śląskie – 0,324*** (3,706) – 0,462*** (5,192) – –0,537*** (–6,352) świętokrzyskie – 0,989*** (10,752) – 1,150*** (12,272) – –1,158*** (–13,015) warmińsko-mazurskie – 1,351*** (15,548) – 1,520*** (17,168) – –1,518*** (–18,069) wielkopolskie – 0,699*** (8,334) – 0,857*** (10,031) – –0,926*** (–11,409) zachodniopomorskie – 1,138*** (13,328) – 1,181*** (13,585) – –1,159*** (–14,039) h 7,271*** (8,611) 6,523*** (14,536) 7,900*** (8,760) 6,922*** (15,140) –7,932*** (–9,057) –6,918*** (–15,939) Oszacowane θ 1 R2 Skor. R2 0,319 0,315 0,887 0,874 0,327 0,322 0,898 0,887 0,342 0,338 0,905 0,894 Liczba obserwacji 160 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** oznaczono zmienne istotne statystycznie na 1% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 10% poziomie istotności. Dolnośląskie, kujawsko-pomorskie etc. to zmienne zerojedynkowe dla kolejnych województw. Zmienne i parametry w równaniach (9.6–9.8) interpretuje się jak w równaniach (9.1–9.5), przy czym zmiennymi objaśnianymi w zależnościach (9.6–9.8) są taksonomiczne wskaźniki rozwoju ekonomicznego OE, OM i SK. Parametry równań (9.6–9.7) oszacowano metodą MNK. Oszacowania te zestawione są w tablicy 9.6. Oszacowań parametrów funkcji logitowych (9.8) dokonano metodą NMNK i zaprezentowano w tablicy 9.7. Z oszacowań parametrów równań (9.6–9.8) wynika że: ●● Wskaźniki kapitału ludzkiego objaśniały taksonomiczne wskaźniki rozwoju ekonomicznego województw OE, OM oraz SK w 31,1–33,6% (w przypadku funkcji liniowych) oraz 31,5–33,8% (przy funkcji logitowej). ●● W każdym z analizowanych tu przypadków zmienna objaśniająca istotnie statystycznie oddziaływała na taksonomiczne wskaźniki rozwoju ekonomicznego województw. Wówczas gdy zmienną objaśnianą były wskaźniki oparte na odległościach w przestrzeni euklidesowej lub miejskiej, oszacowany parametr przy wskaźniku kapitału ludzkiego był dodatni, gdy zaś zmienną objaśnianą był wskaźnik SK – ujemny. Płynie stąd wniosek, że im wyższym kapitałem ludzkim charakteryzowało się dane województwo (czyli im niższą wartość przyjmował wskaźnik h), tym zazwyczaj wyższym poziomem rozwoju ekonomicznego cechowało się dane województwo (bo niższe były wartości taksonomicznych wskaźników rozwoju ekonomicznego OE i OM) oraz wyższą wartością charakteryzował się wskaźnik SK. ●● Wojewódzkie zmienne zerojedynkowe okazały się istotne statystycznie, co powodowało, że na przestrzenne zróżnicowanie rozwoju ekonomicznego województw silnie wpływały również inne niż zróżnicowanie kapitału ludzkiego czynniki. 9.5. PODSUMOWANIE Prowadzone w rozdziale dziewiątym rozważania można podsumować następująco: I. Kapitał ludzki w analizach makroekonomicznych – w szczególności w matematycznych modelach wzrostu gospodarczego – zazwyczaj definiowany jest bardzo szeroko. Wydaje się, że można go utożsamiać z ogólnym poziomem wiedzy i umiejętności pracujących, które bezpośrednio lub pośrednio wykorzystywane są w procesach produkcyjnych. II. Ogólne definicje kapitału ludzkiego są użyteczne w teoretycznych modelach wzrostu gospodarczego, w których nie ma potrzeby kwantyfikowania owego zasobu z wykorzystaniem dostępnych danych statystycznych. W przypadku, w który próbuje się skwantyfikować zasób kapitału ludzkiego, najczęściej wykorzystuje się zbiory jego stymulant oraz destymulant i/lub konstruuje się taksonomiczne wskaźniki tego kapitału. III. W prowadzonych w rozdziale dziewiątym rozważaniach stymulantami kapitału ludzkiego w województwach są: liczba nauczycieli akademickich na 1000 mieszkańców, liczba nauczycieli akademickich na 100 studentów oraz przeciętne dalsze trwanie życia osoby urodzonej. Destymulantami zaś – odsetek zgonów niemowląt i odsetek bezrobotnych długookresowo wśród bezrobotnych ogółem. IV. Ze skonstruowanego taksonomicznego wskaźnika kapitału ludzkiego wynika, że w latach 2002–2011 najwyższymi wartościami owego kapitału charakteryzowały się województwa mazowieckie, pomorskie, małopolskie i lubelskie, najniższymi zaś – województwo śląskie oraz 3 województwa Polski wschodniej: warmińsko-mazurskie, podkarpackie i świętokrzyskie. V. Należy zaznaczyć, że analizowane w rozdziale dziewiątym wskaźniki kapitału ludzkiego podlegały procesowi słabej β-dywergencji. VI. Analiza skupień wskazuje, że najbardziej zbliżone pod względem struktury analizowanych w rozdziale dziewiątym stymulant i destymulant kapitału ludzkiego były województwa: śląskie i kujawsko-pomorskie wraz z zachodniopomorskim, wielkopolskie i łódzkie wraz z podlaskim oraz podkarpackie i lubuskie wraz z opolskim. Najmniej podobne do pozostałych województw struktury omawianych stymulant i destymulant notowano zaś w województwach małopolskim i mazowieckim. VII. Skonstruowany taksonomiczny wskaźnik kapitału ludzkiego objaśniał w kilkunastu procentach kształtowanie się regionalnego zróżnicowania produkcji sprzedanej na mieszkańca, wartości brutto środków trwałych oraz podmiotów REGON na 1000 mieszkańców, w prawie 30 procentach – inwestycji na mieszkańca, w około 40 procentach – stóp bezrobocia rejestrowanego, oraz w 45–50 procentach – płac. VIII. Przestrzenne zróżnicowanie omawianego w rozdziale dziewiątym taksonomicznego wskaźnika kapitału ludzkiego w trzydziestu kilku procentach objaśniało przestrzenne zróżnicowanie analizowanych w rozdziale piątym taksonomicznych wskaźników rozwoju ekonomicznego województw. BIBLIOGRAFIA Becker G.S. (1962), Investment in Human Capital: A Theoretical Analysis, „Journal of Political Economy”, vol. 70, no. 5. Becker G.S. (1964), Human Capital: A Theoretical and Empirical Analysis with Special Reference to Education, The University of Chicago Press, Chicago. Blaug M. (1994), Teoria ekonomii. Ujęcie retrospektywne, Wydawnictwo Naukowe PWN, Warszawa. Cichy K. (2005), Kapitał ludzki w modelach i teorii wzrostu gospodarczego, Zeszyty Studiów Doktoranckich, z. 23, Poznań. Domański S.R. (1990), Kapitał ludzki i wzrost gospodarczy, Szkoła Główna Planowania i Statystyki, Warszawa. Florczak W. (2007), Kapitał ludzki a rozwój gospodarczy, w: Gospodarka oparta na wiedzy, W. Welfe, PWE, Warszawa. Gajewski P. (2007), Konwergencja regionalna w Polsce, praca doktorska napisana pod kierunkiem T. Tokarskiego, Katedra Makroekonomii Uniwersytetu Łódzkiego, Łódź. Lucas R.E. (1988), On the Mechanics of Economics Development, „Journal of Monetary Economics”, July 1988. Lucas R.E. (1990), Why Doesn’t Capital Flow from Rich to Poor Countries?, „American Economic Review”, May. Lucas R.E. (2010), Wykłady z teorii wzrostu gospodarczego, Wydawnictwo C.H. Beck, Warszawa. Mankiw N.G., Romer D., Weil D.N. (1992), A Contribution to the Empirics of Economic Growth, „Quarterly Journal of Economics”, May. Pindyck R.S., Rubinfeld D.L. (1991), Econometric Models and Economic Forecast, McGraw-Hills, New York. Nonnemana W., Vanhoudta P. (1996), A Further Augmentation of the Solow Model and the Empirics of Economic Growth for the OECD Countries, „Quarterly Journal of Economics”, August 1996. Romer P.M. (1986), Increasing Returns and Long-Run Growth, „Journal of Political Economy”, October. Roszkowska S. (2012), Kapitał ludzki a wzrost gospodarczy. Analiza na podstawie polskich województw w latach 1995–2008, praca doktorska napisana pod kierunkiem E. Kwiatkowskiego, Katedra Makroekonomii Uniwersytetu Łódzkiego, Łódź. Schultz T.W. (1976), Investment In Human Capital, The Free Press, New York. Solow R.M. (1956), A Contribution to the Theory of Economic Growth, „Quarterly Journal of Economics”, February. Tokarski T. (2001), Dwadzieścia lat renesansu teorii wzrostu gospodarczego. Na ile lepiej rozumiemy jego mechanizm?, w: Czy ekonomia nadąża z wyjaśnianiem rzeczywistości, red. A. Wojtyna, Materiały z VII Kongresu Ekonomistów Polskich, styczeń 2001, t. 1, Wydawnictwo PTE-Bellona, Warszawa. Tokarski T. (2009), Matematyczne modele wzrostu gospodarczego (ujęcie neoklasyczne), Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Tokarski T. (2011), Ekonomia matematyczna. Modele makroekonomiczne, PWE, Warszawa. Welfe W. (red.) (2007), Gospodarka oparta na wiedzy, PWE, Warszawa. Wojtyna A. (red.) (2001), Czy ekonomia nadąża z wyjaśnianiem rzeczywistości, Materiały z VII Kongresu Ekonomistów Polskich, styczeń 2001, t. 1, Wydawnictwo PTE-Bellona, Warszawa. 282 283 10 REGIONALNE ZRÓŻNICOWANIE INNOWACYJNOŚCI W POLSCE. UWARUNKOWANIA PSYCHOSPOŁECZNE (Anna Dyląg, Zofia Łącała) 10.1. WPROWADZENIE Celem rozdziału dziesiątego jest teoretyczna i empiryczna analiza psychospołecznych uwarunkowań regionalnego zróżnicowania innowacyjności w Polsce. Analizy prowadzone na poziomie województw oparto na danych udostępnianych przez GUS w latach 2002–2011 oraz częściowo za lata 2006–2011 (ze względu na brak innych danych). Wyniki badań własnych odniesiono do rezultatów Diagnozy społecznej 2011 oraz aktualnej literatury przedmiotu. Główne pytania badawcze to: (1) Czy przestrzenny obraz innowacyjności Polski jest zróżnicowany, (2) Jaki kształt przybiera ewentualne zróżnicowanie (czy występuje polaryzacja regionów)?, a przede wszystkim (3) Czy widoczne będą związki pomiędzy zróżnicowaniem innowacyjności oraz rozkładem zmiennych psychospołecznych w poszczególnych regionach? Struktura rozdziału dziesiątego jest następująca. W punkcie 10.2 przybliżono pojęcie innowacji i innowacyjności, przedstawiono ich definicje oraz wybrane wskaźniki pomiaru. Punkt 10.3 obejmuje omówienie wybranych psychospołecznych uwarunkowań innowacyjności. Do analiz wykorzystano kategorie kapitału społecznego i ludzkiego, których znaczenie dla innowacyjności regionów podkreślają autorzy koncepcji (nie tylko) ekonomicznych. Pojęcia te mocno zbliżają nauki ekonomiczne, psychologiczne oraz socjologiczne, wzbogacając możliwości opisu i wyjaśniania obecnie zachodzących, dynamicznych procesów społecznych i gospodarczych1. W punkcie 10.4 przedstawiono wyniki badań własnych nad regionalnym zróżnicowaniem innowacyjności i rozkładem zmiennych psychospołecznych w województwach. Na podstawie przeglądu literatury założono, że w regionach o wysokim poziomie kapitału społecznego i ludzkiego – innowacyjność będzie wyższa niż w regionach uboższych w te zasoby. Punkt 10.5 zawiera najważniejsze wnioski i podsumowanie prowadzonych analiz. 1 Omówienie zmiennych w rozdziale dziesiątym ma charakter bardziej psychologiczny niż ekonomiczny – co wynika z wykształcenia autorek. 10.2. INNOWACYJNOŚĆ Obecnie innowacyjność uważa się za jedną z głównych determinant rozwoju i filarów wzrostu gospodarczego2. Przegląd literatury z tego zakresu dowodzi, że jest to temat szeroko omawiany zarówno w odniesieniu do zachowań ludzi (Kożusznik, 2010), jak i gospodarki (Baczko, Puchała-Krzywina, 2013; www.zds.kprm.gov.pl (dostęp: 9.8.2013)). Widać stale rosnące zainteresowanie problematyką innowacyjności na świecie i w Polsce, dodatkowo – w odniesieniu do naszego kraju – podkreśla się zły stan gospodarki w tym obszarze. Fakt niskiej polskiej innowacyjności ilustrują międzynarodowe zestawienia i rankingi, np. Eurostat 2012 – gdzie Polska pozostaje na poziomie dużo niższym niż średnia dla UE–273. Publikowane analizy, takie jak rządowe raporty i strategie rozwoju dla makroregionów (np.: Strategia Lizbońska 2000, Europa 2020 (Por. Nowak, 2012)), krajów (np.: Długookresowa strategia rozwoju kraju. Polska 20304) lub regionów (np.: Strategia Rozwoju Województwa Mazowieckiego do 2030 roku5) – uwidaczniają potrzebę rozwoju innowacyjności w Polsce. Jednocześnie badacze w coraz większym stopniu podkreślają rolę uwarunkowań społecznych w procesie innowacji, wzrostu i w rozwoju gospodarczym. W raporcie o innowacyjności w Polsce w 2012 roku autorzy formułują dwa cele strategiczne dla dynamizacji rozwoju tego procesu. Są to: (1) wdrożenie partycypacyjnej Strategii Innowacji dla Europy (z założeniem, że Polska powinna znaleźć się wśród najbardziej innowacyjnych krajów świata do roku 2020), oraz (2) wzrost wskaźnika nakładów przedsiębiorstw na działalność B+R w Polsce (który powinien przekroczyć średnią dla Unii Europejskiej – wskaźnik ten wyniósł 0,23% PKB w 2011 roku, przy średniej dla UE–27 na poziomie 1,23%) (Baczko, Puchała-Krzywina, 2013: 13). Innowacyjność jest pojęciem pojemnym i wielowymiarowym. Geneza słowa „innowacja” (łac. innovatis) odnosi się do odnawiania i tworzenia nowych elementów rzeczywistości lub powiązań między nimi. W potocznym rozumieniu innowacja oznacza coś nowego i innego od dotychczasowych rozwiązań; kojarzy się z potrzebną zmianą na lepsze (Szymańska, 2012). Innowacje i innowacyjność mają pozytywne konotacje w języku polskim. Innowacje są postrzegane jako planowo wprowadzane zmiany polegające na zastępowaniu dotychczasowych stanów rzeczy nowymi. Zmiany te oceniane są pozytywnie; przeważa przekonanie, że przyczyniają się do postępu i rozwoju regionów i gospodarki. Współcześnie innowacyjność najczęściej definiuje się według międzynarodowych opracowań czy standardów o ugruntowanej pozycji. Jednym z najbardziej popularnych źródeł jest Podręcznik Oslo. Autorzy podręcznika definiują innowacje jako wdrożenie nowego lub znacząco udoskonalonego produktu (wyrobu lub usługi) albo procesu, a także nowej metody marketingowej lub nowej metody organizacyjnej w praktyce gospodarczej, organizacji miejsca pracy bądź w stosunkach z otoczeniem) Podręcznik Oslo, 2008: 31). Dalej podają, że na współczesne teorie innowacji znaczący wpływ wywarły prace pioniera w tej dziedzinie, Josepha Schumpetera, który twierdził, że rozwój 2 Zob. www.zds.kprm.gov.pl (dostęp: 9.8.2013). 3 www.epp.eurostat.ec.europa.eu (dostęp: 30.5.2013). 4 www.zds.kprm.gov.pl (dostęp: 22.6.2013). 5 www.mbpr.pl (dostęp: 8.6.2013). gospodarczy jest stymulowany przez innowacje w dynamicznym procesie, w którym nowe technologie zastępują stare. Schumpeter proces ten nazywał „twórczą destrukcją” i twierdził, że „radykalne” innowacje prowadzą do wielkich destrukcyjnych zmian, a innowacje „przyrostowe” nieustannie popychają proces zmian do przodu6. Jak pisze Małgorzarta Brojak-Trzaskowska, innowacja jest zatem szczególną formą zmian – to zmiana, która wyróżnia się atrybutem nowości, w sensie nowości bezwzględnej, absolutnej (pojawia się zupełnie nowy, nieznany wcześniej element rzeczywistości) lub względnej (następuje ulepszenie bądź udoskonalenie istniejącego stanu rzeczy) (por. Brojak-Trzaskowska, 2008: 172). Innowacje można rozpatrywać w ujęciu szerszym albo węższym. W zasadzie oznaczają twórcze przekształcenia dokonywane (lub dokonujące się) nie tylko w systemach społecznych i kulturowych (mogą tu obejmować nowe ruchy i trendy). Obejmują też zmiany w obszarze gospodarki, techniki i technologii oraz w przyrodzie (por. Surówka-Marszałek, Śmigielska, 2009). Innowacyjność i działalność innowacyjna są terminami pochodnymi w stosunku do pojęcia innowacja. Innowacyjność to cecha organizacji (podmiotu), która wprowadziła innowację. Najczęściej definiowana jest jako gotowość oraz zdolność jednostek i organizacji do poszukiwania, wdrażania i upowszechniania innowacji (por. Francik, 2003: 69; Bal-Woźniak, 2004,: 20; Pomykalski, 2001: 18). W odniesieniu do człowieka, innowacyjność oznacza zespół cech czy właściwości psychicznych człowieka oraz postaw społecznych wyrażających się pozytywnym nastawieniem do nowości, a także zdolnością ich absorpcji i kreacji (Ratajczak, 1980: 17). Działalność innowacyjna może przyjmować charakter naukowy (badawczy), techniczny, organizacyjny, finansowy lub handlowy. Celem takich działań jest opracowanie i wprowadzenie w życie nowych lub ulepszonych wyrobów i procesów; nowych – przynajmniej z punktu widzenia wprowadzającego je przedsiębiorstwa. Innowacyjność określa się też czasem mianem proinnowacyjności rozumianej jako typ pożądanej postawy (kompetencji) otwartej na innowacje i inicjującej zmiany. Na potrzeby opracowania przeanalizowano wybrane składowe innowacyjności według danych udostępnionych przez GUS, w tym głównie wskaźniki związane z nakładami na działalność badawczo-rozwojową (B+R). Według GUS działalność B+R to „systematycznie prowadzone prace twórcze, podjęte dla zwiększenia zasobu wiedzy, w tym wiedzy o człowieku, kulturze i społeczeństwie, jak również dla znalezienia nowych zastosowań dla tej wiedzy” (za: Nowak, 2012: 154). Używając dalszych zmiennych składowych, skalkulowano zbiorczy wskaźnik innowacyjności na poziomie województw. Pozostałe zmienne objęły: –– liczbę jednostek z działalnością B+R w latach 2002–2011, –– procent przedsiębiorstw innowacyjnych przemysłowych według rodzajów wprowadzonych innowacji i klas wielkości w latach 2005–2011, 6 W tym miejscu nasuwa się skojarzenie z psychologiczną koncepcją „dezintegracji pozytywnej” Kazimierza Dąbrowskiego. Mechanizm pozytywnej dezintegracji przyczynia się do indywidualnego rozwoju człowieka i może się stać motorem jego twórczości – jeżeli przekroczenie danego kryzysu czy sytuacji znajduje się w granicach możliwości człowieka. Dąbrowski wyróżniał też dezintegrację negatywną, jako wynik konfrontacji jednostki z doświadczeniami życiowymi, przekraczającymi możliwości adaptacyjne i zaradcze człowieka. Dezintegracja typu negatywnego nie tylko nie przynosi rezultatów rozwojowych ale często powoduje inwolucję, regresję, a także zaburzenia psychosomatyczne (Dąbrowski K., Dezintegracja pozytywna, Wydawnictwo PIW, Warszawa 1979). –– przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej w przedsiębiorstwach ogółem w latach 2005–2011. Następnie skalkulowano wskaźnik zbiorczy innowacyjności dla wszystkich województw, który obejmował lata 2006–2011 (ze względu na brak kompletnych danych w okresie wcześniejszym). Na końcu, przeprowadzono analizę zróżnicowania innowacyjności w regionach oraz porównano rozkład zmiennych ekonomicznych z przestrzennym rozkładem zmiennych psychospołecznych, również skumulowanych w formie zbiorczej pod nazwą „kapitał społeczny”. 10.3. UWARUNKOWANIA PSYCHOSPOŁECZNE – KAPITAŁ SPOŁECZNY I LUDZKI Kapitał społeczny (oraz powiązany z nim kapitał ludzki) stanowi ważne pojęcie we współczesnych teoriach ekonomicznych. W publikacjach poświęconych przeglądowi koncepcji rozwoju regionalnego (Grosse, 2002; Dominiak, Churski, 2012) pojęcie kapitału społecznego często stawia się w centrum rozważań. Oprócz licznych czynników rozwoju regionalnego (o tym niżej) kapitał społeczny, normy i wartości, przedsiębiorczość oraz współpraca podmiotów wskazywane są jako istotne determinanty zróżnicowania przestrzennego regionów. Spośród omawianych koncepcji, na potrzeby rozważanej tu problematyki, na szczególną uwagę zasługują: nowa teoria wzrostu endogenicznego (Romera i Lucasa) oraz koncepcja nowej polityki rozwoju endogenicznego (Mollego i Cappellina) (Dominiak, Churski, 2012: 60–62). W obydwu wspomnianych koncepcjach Joanna Dominiak i Paweł Churski podkreślają: a) najistotniejsze znaczenie kapitału społecznego i ludzkiego dla wzrostu gospodarczego, ze szczególnym uwzględnieniem regionów wzrostu i stagnacji, b) powiązanie zasobów społecznych z innowacyjnością, c) rolę polityki regionalnej, wsparcie rządu, a także konieczność ponoszenia nakładów na rozwój innowacyjności (np. przez nakłady na sferę B+R) w celu zmniejszania polaryzacji regionów. Autorzy, omawiając nową teorię wzrostu endogenicznego, piszą: Najważniejszą rolę w procesach rozwojowych odgrywa kapitał ludzki. Wiedza i umiejętności mają charakter publiczny i warunkują poprawę know-how. Nierównomierność rozwoju w przestrzeni stanowi konsekwencję różnic w poziomie akumulacji kapitału oraz w poziomie rozwoju technologicznego przedsiębiorstw zlokalizowanych w granicach obszarów rozwoju i obszarów stagnacji gospodarczej (Dominiak, Churski, 2012: 60–62). Przy omawianiu koncepcji nowej polityki rozwoju endogenicznego stwierdzają natomiast, że: Proces rozwoju zależy od trzech zasadniczych czynników: wielkości endogenicznego kapitału materialnego, wielkości i struktury endogenicznego kapitału ludzkiego i społecznego oraz ukierunkowania polityki gospodarczej na kształtowanie warunków dla rozwoju endogenicznego, zwłaszcza przez oddziaływanie na kapitał ludzki i społeczny (Dominiak, Churski, 2012: 62). Należy jednak nadmienić, że wyżej cytowani autorzy zaprezentowali rolę kapitału społecznego w wielu innych koncepcjach, takich jak: teoria skumulowanych przyczyn i koncepcja polaryzacji regionalnej (Myrdala i Paelincka), koncepcja polaryzacji sektorowo-regionalnej (Hirschmana), koncepcja regionu spolaryzowanego (Boudevilla), koncepcja rdzeni i peryferii (Friedmanna), czy koncepcja nowej geografii ekonomicznej (Krugmana). Tomasz Grzegorz Grosse (2012: 44) wymienia z kolei czynniki, które tworzą ramy dla dobrze rozwiniętego kapitału społecznego (i w konsekwencji rozwoju regionalnego), a wśród nich: –– uwarunkowania historyczne, –– koncentrację podmiotów gospodarczych konkurujących w ramach ogólnego systemu współdziałania opartego na normach i wartościach, –– stabilizację polityczno-gospodarczą, –– wsparcie prawno-administracyjne dla przedsiębiorców, –– sprzyjającą innowacyjności politykę władz państwa i regionów, –– instytucje finansowe oferujące środki inwestycyjne dla kontynuowania rozwoju, –– instytucje naukowe i badawcze umożliwiające wzrost innowacyjności, –– obecność wyspecjalizowanych, elastycznie działających przedsiębiorstw usługowych, –– uwarunkowania organizacyjne biznesu, –– rolę liderów i skutecznego zarządzania, –– aktywność stowarzyszeń zawodowych i innych instytucji obywatelskich. 10.3.1. Kapitał społeczny Podręcznik Oslo (2012: 90) podaje, że kapitał społeczny odnosi się do posiadanych przez przedsiębiorstwo zasobów zaufania społecznego, wartości i norm. Te niematerialne charakterystyki skutkują decyzjami i postawami ludzi, mają istotny wpływ na skuteczną komunikację, wymianę i obieg informacji, transfer wiedzy oraz ogólny klimat pracy sprzyjający zaangażowaniu i zmianom w organizacji. Zjawisko to ma również wymiar ogólnospołeczny – i jako takie – jest szeroko analizowane na poziomie nie tylko przedsiębiorstw, ale także makroregionów, krajów, regionów i społeczności lokalnych. W Diagnozie społecznej 2011, Janusz Czapiński i współpracownicy stawiają tezę, że kapitał społeczny stanowi istotę społeczeństwa obywatelskiego, a równocześnie decydująco wpływa na rozwój gospodarczy wspólnot i regionów (Czapiński, 2011: 284). Powiązanie kapitału społecznego z rezultatami ekonomicznymi odbywa się na przykład przez: –– efektywną współpracę opartą na zaufaniu i komplementarności (redukcja kosztów kontroli odgórnej czy zewnętrznej, w miejsce kontroli oddolnej, redukcja czasu wykonania, wyższa jakość i odpowiedzialność za rezultat), –– skuteczniejsze negocjacje (skłonność do szukania porozumienia, często w formie twórczego, satysfakcjonującego obydwie strony rozwiązania), –– zwiększenie transparentności procesów społecznych (redukcja korupcji), –– poczucie wspólnoty i solidarności społecznej, integracja w miejsce marginalizacji i wykluczenia, –– roztropne korzystanie i ochrona dóbr wspólnych, –– długoterminowe inwestycje, większa łatwość inwestowania i dyfuzja wiedzy oraz technologii. Kapitał społeczny znajduje odzwierciedlenie nie tylko w ekonomicznej sferze życia, stanowi także (a może przede wszystkim) o jakości życia społeczeństwa i o zdrowych, pozytywnych relacjach społecznych. Na potrzeby niniejszego opracowania założyłyśmy, że w społecznościach lub regionach o wysokim poziomie kapitału społecznego (i ludzkiego) innowacyjność również będzie wyższa niż w regionach czy wspólnotach uboższych w kapitał społeczny. Autorzy Diagnozy społecznej 2011 (Czapiński, 2011: 284) przyjęli definicję bliską pojęciom wprowadzonym przez Putnama i Fukuyamę, gdzie kapitał społeczny rozumiany jest jako sieci społeczne regulowane, wzajemnym zaufaniem, normami moralnymi i zwyczajem (zamiast wyłącznie formalnymi zasadami prawa). Zinternalizowane normy i zasady wiążą jednostkę ze społeczeństwem w sposób umożliwiający jej współdziałanie z innymi dla dobra wspólnego. Jak jednak zauważają niektórzy badacze (por. Grosse, 2002: 44), oprócz wpływu pozytywnego kapitał społeczny może też mieć negatywny wpływ na innowacyjność i rozwój regionów. Zagrożenia te zauważa także Czapiński, który zastrzega, że kapitał społeczny może wytwarzać również sieć silnych związków nieformalnych (rodzinnych, towarzyskich), jest to jednak kapitał o niskiej efektywności. Dodatkowo występuje ryzyko, że wspólnota taka zacznie dominować i wprowadzać normy oraz wartości wspierające interesy partykularne. Poleganie na nieformalnym kapitale społecznym („koneksjach”), zwłaszcza w sferze publicznej, może podważać wiarę w bezstronność instytucji publicznych i zniekształcać ich funkcjonowanie w postaci korupcji, klientelizmu oraz „wyprowadzania” zasobów publicznych w prywatne ręce (Czapiński, 2011: 284). Jak zauważa Grosse, w pewnych przypadkach kapitał społeczny może również nie wykazywać związku z wyższym poziomem rozwoju gospodarczego regionu (tzn. intensywny rozwój następuje na obszarach, gdzie trudno mówić o rozwiniętym kapitale społecznym). Często cytowanym przykładem tego jest Dolina Krzemowa (i w ogóle wysoko innowacyjna gospodarka amerykańska), gdzie zwraca się uwagę na specyficzny rodzaj więzi i relacji w biznesie. To, co w warunkach europejskich stanowi o kapitale społecznym (np. takie normy i wartości, jak zaufanie czy lojalność), w realiach amerykańskich może stanowić ograniczenie skuteczności działania i jest zastępowane przez szczegółowe regulacje prawne. Nie występują tam też uwarunkowania historyczno-kulturowe, a współpraca czy tworzone sieci oparte są raczej na chłodnej kalkulacji zysku niż na tradycji (Grosse, 2002: 43–44). Jak pisze Bolesław Domański (2001), rozwój regionów opiera się na lokalnej tradycji, która obejmuje praktyczną wiedzę na temat tego, co i jak produkować, oraz przejawia się w przekazywanych z pokolenia na pokolenie umiejętnościach rzemieślniczych (czy handlowych). Czynnikami wspierającymi postęp są bliskie więzi nieformalne i kultura zaufania, w jakiej odbywa się proces przekazywania wiedzy. Na potrzeby niniejszego opracowania przyjęto rozumienie pojęcia kapitału społecznego za autorami Diagnozy społecznej, którzy z kolei powołują się na Roberta D. Putnama. Badacz ten dowodził (Putnam, 2008), że poziom rozwoju ekonomicznego traktować można jako rezultat kapitału społecznego lub jako jedną z jego funkcji. Badania, których wyniki potwierdzają istnienie tych zależności, zostały przeprowadzone przez Kelda Laursena i współpracowników (Laursen, Masciarelli, Prencipe, 2012: 177–193). Badacze dokonali analizy 2464 przedsiębiorstw w 21 włoskich regionach pod kątem wpływu kapitału społecznego na innowacje (zarówno w sensie innowacji produktowych, jak i procesowych). Kapitał społeczny zoperacjonalizowano w ujęciu strukturalnym, na drodze wyselekcjonowania 11 zmiennych, które utworzyły dwa wymiary: (1) Social interaction (sieci i interakcje społeczne oparte na takich postawach, jak przyjaźń, zaufanie interpersonalne i wspólne uczestnictwo w aktywnościach pozazawodowych). (2) Political participation (aktywność polityczna oraz dobrowolna działalność w organizacjach społecznych). Wymiar (1) znacznie silniej zaznaczył się w badaniach niż wymiar (2). Wyniki potwierdziły hipotezę o współzależności innowacyjności regionu od istniejącego w nim kapitału społecznego, ale jedynie w odniesieniu do wymiaru interakcji społecznych. Autorzy potrafili wykazać zależność pomiędzy ulokowaniem przedsiębiorstwa w regionie o wysokim stopniu interakcji społecznych a wyższym potencjałem innowacyjnym firmy. Kapitał społeczny zdefiniowano jako geograficznie usytuowane dobro publiczne, które umożliwia redukcję kosztów działalności przedsiębiorstw w ramach wzajemnych relacji oraz ułatwia kontakty z różnymi instytucjami. Kapitał społeczny zwiększa ponadto możliwości uczenia się i dzielenia wiedzą. Badacze podają wręcz, że lokalizacja firmy w regionie społecznie rozwiniętym (o silniejszej sieci interakcji) prowadzi do większej innowacyjności przedsiębiorstwa. Dodatkowo, lokalizacja w regionie o wysokim poziomie interakcji społecznych była istotną zmienną pośredniczącą w skutecznym korzystaniu z zewnętrznych sposobów i środków finansowania rozwoju innowacyjności (B+R, zakup licencji, outsourcing). W wymiarze partycypacji politycznej nie wykazano istotnych zależności. 10.3.2. Kapitał ludzki Jak przedstawiono w dokumencie OECD (2007), kapitał ludzki można rozumieć jako zbiór różnych zasobów – od osobistych talentów i zdolności przez wiedzę, kompetencje i umiejętności zdobyte w wyniku kształcenia formalnego aż do takiej jakości jak zdrowie. Podkreśla się zasadniczą rolę obowiązkowej edukacji z jednej strony oraz konieczność ustawicznego uczenia (się), z drugiej. Uczenie się przez całe życie jest znakiem obecnych czasów i koniecznością w starzejących się społeczeństwach Zachodu. Wśród czynników determinujących obserwowane zmiany znajdują się: globalna konkurencja przedsiębiorstw i gospodarek, dominację wiedzy i usług przy słabnącym znaczeniu przemysłu, konieczność późniejszego przechodzenia na emeryturę i inne. Kształcenie ustawiczne odbywa się zarówno na drodze indywidualnych inwestycji w podnoszenie własnych kwalifikacji zawodowych i umiejętności ogólnych (np. korzystania z kolejnych wersji oprogramowania), jak i przez odpowiednią politykę rządu, władz lokalnych, biznesu i przemysłu (np. pomoc państwa w edukacji, fundusze, kredyty, stypendia). W dokumencie OECD podkreśla się zyski, jakie kapitał ludzki przynosi zarówno dla samej gospodarki, jak i obszarów bezpośrednio z nią niezwiązanych. W bogatej gamie zysków dla gospodarki wymienia się między innymi: wzrost gospodarczy, wzrost produkcji, wzrost zarobków lepiej wyedukowanych pracowników, wyższą jakość usług. Do dalszych korzyści można zaliczyć: poprawę zdrowia i jakości życia, dłuższą żywotność oraz większe zaangażowanie w życie wspólnot i społeczeństwa (ten ostatni czynnik wchodzi często w kategorię „kapitału społecznego” – o czym niżej). Przegląd ekonomicznych koncepcji, definicji i sposobów pomiaru kapitału ludzkiego został przedstawiony w rozdziale dziewiątym niniejszego opracowania. Autorzy wskazali na znaczenie tego czynnika w wybranych modelach wzrostu gospodarczego. Do własnych analiz wprowadzili dwie kategorie wskaźników kapitału ludzkiego: stymulanty (liczbę nauczycieli akademickich na 1000 mieszkańców, liczbę nauczycieli akademickich na 100 studentów oraz przeciętne dalsze trwanie życia osoby urodzonej) oraz destymulanty (odsetek zgonów niemowląt i odsetek bezrobotnych długookresowo wśród bezrobotnych ogółem). Z psychologicznego punktu widzenia składowe kapitału ludzkiego obejmują też między innymi takie cechy, jak: zdolności, kompetencje, wiedza (tablica 10.1). W przypadku innowacyjności odnoszą się do specyficznych właściwości funkcjonowania poznawczego (np. typ myślenia, rozumowania, sposób rozwiązywania problemów, kreatywność) i osobowościowego („głębokie” charakterystyki indywidualne, motywacja osiągnięć, niezależność w myśleniu, poczucie własnej wartości, otwartość na zmiany i inne). Są to kategorie pojęciowe z obszaru psychologii, która potrafi je wyjaśnić na gruncie teoretycznym, a w ramach pełnej operacjonalizacji teorii dysponuje narzędziami psychometrycznymi umożliwiającymi pomiar i wyrażenie poziomu właściwości człowieka w sposób kwantyfikowalny. Stąd w modelach pomiaru efektywności innowacyjności możliwe jest uwzględnienie nie tylko uwarunkowań obiektywnych (np. liczba jednostek B+R, nakłady na innowacyjność), ale także bardziej czułych składowych kapitału ludzkiego. Podsumowując, badanie rozwoju ekonomicznego na różnych poziomach struktur społecznych wymaga interdyscyplinarnego ujęcia do zagadnień będących w obszarze zainteresowań ekonomii, psychologii, socjologii i innych nauk. W sferze działań praktycznych natomiast (np. w programach aktywizacji osób bezrobotnych) edukacja i oddziaływanie o charakterze psychologicznym mają podstawowe znaczenie. Na przykład w aktualnym raporcie KPMG (2013) dotyczącym aktywizacji osób bezrobotnych zwraca się szczególną uwagę na grupy trudne w przywracaniu do pracy czy też długotrwale bezrobotne. Autorzy raportu wskazują na wysokie koszty takich działań (dla państwa) oraz konieczność posiadania odpowiednich kwalifikacji (głównie psychologicznych) po stronie podmiotu („operatora”) odpowiedzialnego za aktywizację tej grupy osób. Zwykle długotrwałe bezrobocie powoduje poważne skutki psychologiczne, wymagające fachowego i kompleksowego wsparcia, którego urzędy pracy czy inne instytucje publiczne działające w tym obszarze nie potrafią zapewnić (KPMG, 2013: 38). W Diagnozie społecznej 2011 pomiar kapitału ludzkiego został wzbogacony wymiarem kompetencji i umiejętności cywilizacyjnych (rozumianych głównie jako znajomość komputera i języka angielskiego). Wyniki badań potwierdziły bowiem, że o poziomie kapitału ludzkiego decydują także umiejętności cywilizacyjne, a nie tylko poziom wykształcenia i dokształcanie – choć znaczenia tych dwóch ostatnich nie można bagatelizować (Węziak-Białowolska, Kotowska, 2011). Wykazano ponadto, że kapitał ludzki Polaków systematycznie rośnie od 2007 roku, aczkolwiek wzrost ten przebiega różnie w zależności od cech demograficznych respondentów. Najwyższy poziom kapitału ludzkiego odnotowano wśród ludzi młodych (z wyzwaniami cywilizacyjnymi najlepiej radzą sobie respondenci w grupie wiekowej 15–34 lat, natomiast ogólny zaś poziom kapitału ludzkiego maleje z wiekiem). Poziom kapitału ludzkiego wśród mężczyzn jest z kolei wyższy niż wśród kobiet, ale różnica ta jest widoczna w pomiarach dokonanych po roku 2007 (w badaniu z roku 2007 różnica się nie ujawnia). Analiza zmiennych szczegółowych pokazuje bardziej detaliczne zmiany w zakresie kapitału ludzkiego, takie jak: ogólny wzrost liczby użytkowników komputerów i internetu, doskonalenie znajomości języka angielskiego czy początkowy wzrost, a późniejszy spadek, uczestnictwa w kursach zawodowych i szkoleniach w roku 2011, w porównaniu z badaniami z roku 2009 (Węziak-Białowolska, Kotowsk, 2011: 102). W ostatnich latach znaczenie kapitału ludzkiego w rozwoju innowacyjności potwierdza wzrost badań nad wpływem kreatywności na rozwój gospodarczy. Analizy dotyczą poszczególnych krajów, regionów czy miast ze względu na występujące zróżnicowanie. Interesujący jest fakt, że próbę wyjaśnienia ścisłego związku rozwoju ekonomicznego z twórczością (kreatywnością) podjął amerykański ekonomista Richard Florida (2004). Uważa on, że współczesną gospodarkę najbardziej rozwiniętych krajów można określić jako opartą na kreatywności. Na przykład w USA od ponad 30 lat obserwuje się stały wzrost zatrudnienia w sektorze twórczości, a zmniejsza się jego udział w przemyśle i usługach. Prognozuje się, że w tym sektorze występują niedobory w zatrudnieniu mimo że USA wydają dwukrotnie więcej na edukację na poziomie wyższym w porównaniu z krajami europejskimi. Na przykład w Polsce, w wieku od 25–64 lat z wykształceniem co najmniej średnim jest 44% ludności, w krajach OECD 75%, a w USA – 88%. Kraje europejskie w porównaniu z USA mniej inwestują w badania i prace rozwojowe (Kasprzak, Pelc, 2008: 121). Znaczenie sektora twórczego w gospodarce USA potwierdza 47% udział w wytwarzaniu PKB, podczas gdy w przemyśle jest to tylko 23% (przy 23% ogółu zatrudnionych) i usługach 30% (przy 44% ogółu zatrudnionych) (Mantura 2001: 29). Choć pojęcia kapitału społecznego i ludzkiego często stosowane są zamiennie, to po analizie ich definicji można zauważyć różnice w opisie tych zjawisk – co obrazuje tablica 10.1. Jak przedstawiono wyżej, determinanty rozwoju kapitału ludzkiego poddawane są analizie na różnych poziomach organizacji życia społecznego. W literaturze przedmiotu wiele opracowań dotyczy związku kapitału ludzkiego z rozwojem innowacyjności na poziomie przedsiębiorstw, ze względu na jego bezpośrednie przełożenie na rozwój gospodarczy. Z uwagi na wielowymiarowość pojęcia kapitału ludzkiego poniżej zostaną zasygnalizowane wybrane uwarunkowania psychologiczne, które mają wpływ na działania innowacyjne. Wśród czynników psychologicznych, w kontekście przedsiębiorczości i innowacyjności, często wymienia się cechy osobowościowe jednostki, jak również jej motywację i styl myślenia. Poza tym zwraca się uwagę na wspierające środowisko pracy, inspirujące przywództwo, procesy ciągłego doskonalenia i kulturę organizacyjną, w której akceptuje się oddolną inicjatywę, przyzwala się na ryzyko, zachęca się do zgłaszania pomysłów, a nawet akceptuje się błędy i porażki. Tablica 10.1. Kapitał społeczny i ludzki – porównanie Charakterystyka Kapitał społeczny Kapitał ludzki Pojęcie (znaczenie) Stan (lub zasoby) zaufania społecznego, podzielanych norm i wartości, zdrowe relacje społeczne, dbanie o dobro wspólne, współpraca podmiotów Stan (lub zasoby), wiedzy, umiejętności, doświadczenie, czynniki intelektualne, kompetencje (np. zawodowe, cywilizacyjne) Słowa kluczowe Zaufanie, dojrzałość wspólnoty, współpraca, sieć kooperantów, państwo obywatelskie, organizacje lokalne, jakość relacji społecznych Wykształcenie formalne i nieformalne, kwalifikacje i kompetencje, długość i jakość życia Warunki rozwoju Wsparcie rządu, władz lokalnych, administracji i biznesu dla tworzenia sieci podmiotów i działalności innowacyjnej, otwartość, aktywność i życzliwość społeczna Wsparcie rządu, władz lokalnych, administracji i biznesu dla rozwoju wiedzy, dobre zaplecze edukacyjne Wskaźniki (pomiar) • zaufanie interpersonalne, • przynależność do organizacji, • udział w zebraniach publicznych i zabieranie na nich głosu, • organizowanie takich zebrań, • wolontariat, • udział w wyborach parlamentarnych, • pozytywny stosunek do demokracji, • otwartość wobec mniejszości społecznych. • wykształcenie (mierzone liczbą lat nauki); • kompetencje cywilizacyjne:–– korzystanie z komputera w pracy i poza pracą, –– korzystanie z wyszukiwarki internetowej (np. Google, Yahoo!), –– znajomość języka angielskiego, • uczestnictwo w kształceniu ustawicznym i dokształcaniu,(udział w szkoleniach i kursach w ciągu ostatnich 2 lat). Źródło: opracowanie własne na podstawie: Diagnoza społeczna 2011 (2011). W psychologii najczęściej wymieniane są następujące właściwości funkcjonowania umysłu twórczego: płynność, giętkość i oryginalność. Warunkują one wielość, różnorodność i nietypowość zgłaszanych pomysłów i rozwiązań. Wśród zmiennych osobowościowych charakterystycznych dla osób twórczych wymienia się najczęściej: otwartość poznawczą, wytrwałość w dążeniu do celu, motywację osiągnięć i motywację wewnętrzną, niezależność (Nęcka, 2001; Tokarz, 2005a). Na znaczenie kapitału ludzkiego wskazują badania oparte na rankingu Firm Innowacyjnych (FI) z których wynika, że inwestycje w pracowników stanowią swoisty potencjał decydujący o przewadze konkurencyjnej firmy. Z danych można wywnioskować, że nie są to jednak działania systemowe, a obejmują różne rodzaje innowacji organizacyjnych. Do najczęściej podejmowanych działań należały nowe metody rozwoju osobistego pracowników (39,3% FI), nowe sposoby kierowania dotyczące podziału obowiązków i podejmowania decyzji przez pracowników (38,5% FI) oraz nowe sposoby współpracy z klientem (sprzedaż towarów lub świadczenie usług – 29,4% FI). W organizacji nastawionej na działania innowacyjne bardzo ważnym aspektem polityki kadrowej jest prowadzenie ukierunkowanego doboru pracowników zarówno na stanowiska szeregowe, jak i kierownicze z uwzględnieniem kryteriów dotyczących potencjału kandydatów. Jak pisze Agnieszka Czerw, w doborze pracowników istotna jest ocena nie tylko możliwości intelektualnych człowieka, ale też specyficznej motywacji do innowacyjnego działania, która prowadzi do zmniejszenia do minimum tzw. wewnętrznej, mentalnej bariery kreatywności (Czerw, 2011: 209). Równie ważne jak dobór pracowników jest właściwe kierowanie i dbałość o rozwój ich kariery w organizacji. Z postawami innowacyjnymi kojarzone są najczęściej dwa rodzaje karier opisane przez Edgara H. Scheina (za: Kostera, 2000): pierwsza z nich to „kariera oparta na przedsiębiorczości” – charakterystyczna dla osób pomysłowych i z inicjatywą, którzy stają się liderami zmian w organizacji. Druga to „kariera specjalistyczna” umożliwiająca doskonalenie zawodowe w określonym obszarze wiedzy. Niewątpliwie działania innowacyjne i związane z nimi postawy pracowników są ściśle powiązane z obowiązującym systemem wartości w organizacji, strukturami organizacyjnymi, systemami motywacyjnymi oraz stylem sprawowania przywództwa. Kulturę organizacyjną sprzyjającą innowacyjności określa się mianem otwartej, ponieważ dostarcza wsparcia każdemu pracownikowi, który jest potencjalnie twórczy – co z kolei przynosi wymierne korzyści na poziomie indywidualnym, jak również na poziomie przedsiębiorstwa. Klimat organizacyjny warunkujący innowacyjność obejmuje takie aspekty, jak akceptacja działań obarczonych ryzykiem, docenianie każdego nowego pomysłu, szybka jego ewaluacja oraz informacja zwrotna do pracownika, unikanie wywierania presji na szybsze osiąganie rezultatów podejmowanych działań oraz klarowny system premiowania rozwiązań innowacyjnych (Czerw, 2011: 209). Na tworzenie kultury innowacyjnej w organizacji istotny wpływ wywiera kadra menedżerska nie tylko ze względu na wspieranie zachowań przedsiębiorczych pracowników, ale również na stosowanie odpowiednich praktyk zarządzania. Takie wieloaspektowe podejście do zarządzania w literaturze określa się mianem empowerment zgodnie z koncepcją opracowaną przez Davida E. Bowena i Edwarda E. Lawlera (1992: 31–39; 1995: 73–84). W przedsiębiorstwie, innowacyjności sprzyja także funkcjonowanie zespołów projektowych opartych na strukturze sieci. W praktyce zarządzania tego typu sieć oznacza brak hierarchicznej zależności i formalnego kierownictwa, a istotna jest pełna współpraca oraz tworzenie więzi opartych na przepływie informacji (Kożusznik, 2005). Wymagania stawiane pracownikom we współczesnych przedsiębiorstwach powodują konieczność szybkiej adaptacji do zmian organizacyjnych. Jednym z głównych czynników skutecznego funkcjonowania jest zaangażowanie zawodowe – wyrażane zarówno na poziomie całej organizacji, poszczególnych zespołów, jak i jednostek. Zaangażowanie często pojmowane jest jako identyfikacja i utożsamianie się z przedsiębiorstwem. Zofia Ratajczak rozróżnia zaangażowanie o charakterze bezinteresownym (często kojarzone z wewnętrzną, pozafinansową motywacją pracownika) oraz zaangażowanie kalkulowane, związane z motywacją zewnętrzną i gratyfikacjami materialnymi (Ratajczak, 2007: 173). Badania wykazały, że zaangażowanie zawodowe bywa „zaraźliwe”, zatem istotną rolę odgrywają relacje i atmosfera w miejscu pracy. Do działań organizacji należy tworzenie atmosfery zaufania i zrozumiałej komunikacji. Pracownicy, którzy doświadczają wsparcia społecznego, otrzymują niezależną przestrzeń w pracy i mogą czuć się odpowiedzialni za swoje zadania – są silniej zaangażowani (Bakker, Schaufeli, 2003). Uznaje się, że zaangażowanie jest pozytywnym zjawiskiem wynikającym ze stosunku do wykonywanej pracy. Zaangażowany pracownik ma duże zasoby energii ukierunkowanej na działania zawodowe, charakteryzuje się wigorem, odpornością psychiczną i wytrwałością – nawet gdy zadania, które wykonuje, są trudne. Przepełnia go poczucie dumy, silna ambicja i pozytywne zatracenie w wykonywanej pracy, czasami aż do stanu utraty poczucia czasu, określanego w psychologii jako stan „przepływu” (ang. flow; warto zaznaczyć, że działania twórcze mają w sobie element flow, podobnie jak zabawa, sztuka, rytuały czy sport) (Csikszentmihalyi, 2005: 136). 10.4. REGIONALNE ZRÓŻNICOWANIE INNOWACYJNOŚCI – WYNIKI ANALIZY W tej części rozdziału prezentujemy wyniki analiz własnych z wykorzystaniem dwóch źródeł danych: informacji GUS (innowacyjność) oraz z wyników Diagnozy społecznej 2011 (kapitał społeczny). Dane z zakresu innowacyjności obejmują dwa okresy: 2002–2011 i 2006–2011. Działalność badawczo-rozwojowa GUS7 definiuje działalność B+R jako systematycznie prowadzone prace twórcze, podjęte w celu zwiększenia zasobu wiedzy, w tym wiedzy o człowieku, kulturze i społeczeństwie, jak również dla znalezienia nowych zastosowań dla tej wiedzy. Obejmują one trzy rodzaje badań, a mianowicie badania podstawowe, stosowane oraz prace rozwojowe. Działalność B+R odróżnia od innych rodzajów działalności dostrzegalny element nowości i eliminacja niepewności naukowej i/lub technicznej, czyli rozwiązanie problemu niewypływające w sposób oczywisty z dotychczasowego stanu wiedzy. Informacje o zatrudnieniu obejmują pracowników związanych z działalnością B+R, poświęcających na tę czynność co najmniej 10% nominalnego czasu pracy. 10.4.1. Nakłady na działalność B+R w województwach Nakłady na działalność B+R należy według GUS rozumieć jako „nakłady poniesione w roku sprawozdawczym na prace B+R wykonane w jednostce sprawozdawczej niezależnie od źródła pochodzenia środków. Obejmują zarówno nakłady bieżące, jak i nakłady inwestycyjne na środki trwałe związane z działalnością B+R, lecz nie obejmują amortyzacji środków trwałych”. Na wykresie 10.1 zaprezentowano wielkości nakładów na działalność B+R we wszystkich województwach w okresie od 2002 do 2011 roku włącznie. Wykres ilustruje znaczne zróżnicowanie w nakładach na działalność badawczo-rozwojową w zależności od regionu. Najwyższe wskaźniki można odnotować w województwie mazowieckim, a najniższe nakłady w lubuskim. Ogólnie daje się zauważyć stały wzrost nakładów w czasie na działalność B+R we wszystkich regionach. We wszystkich województwach odnotowano wzrost nakładów w roku końcowym dla analizowanego okresu (2011 rok), względem momentu początkowych analiz (2002 rok). Bardziej detaliczna analiza dostarcza dodatkowych obserwacji. Dane szczegółowe zawiera tablica 10.2. 7 www.stat.gov.pl (dostęp: 10.7.3013). Legenda: lista województw 1 – łódzkie 5 – lubelskie  9 – lubuskie 13 – opolskie 2 – mazowieckie 6 – podkarpackie 10 – wielkopolskie 14 – kujawsko-pomorskie 3 – małopolskie 7 – podlaskie 11 – zachodniopomorskie 15 – pomorskie 4 – śląskie 8 – świętokrzyskie 12 – dolnośląskie 16 – warmińsko-mazurskie Wykres 10.1. Nakłady na działalność B+R [w mln zł] w latach 2002–2011 Źródło: opracowanie własne na podstawie danych GUS. Tablica 10.2. Nakłady na B+R w województwach w latach 2002–2011 [mln zł] 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Łódzkie 298,6 274,4 299,9 320,5 355,1 372,8 424,7 492,9 553,2 578,5 Mazowieckie 1994,3 1997,5 2261,7 2322,8 2462,6 2742,3 3322,1 3498,1 4248,7 4675,6 Małopolskie 496,5 520,0 645,6 731,9 726,8 799,8 895,3 922,6 1091,4 1210,5 Śląskie 342,5 374,9 402,8 438,5 495,6 587,1 609,2 956,5 848,8 1033,7 Lubelskie 138,5 136,7 168,0 182,9 180,8 246,1 239,9 295,9 362,2 378,0 Podkarpackie 119,0 115,4 104,0 111,6 157,3 156,4 177,4 189,0 508,3 542,2 Podlaskie 38,0 39,1 51,5 61,4 61,0 55,4 74,7 66,3 103,9 139,5 Świętokrzyskie 14,1 12,7 18,3 19,5 21,5 35,6 92,2 146,7 167,9 143,0 Lubuskie 25,2 32,7 23,2 35,8 23,8 25,9 28,2 29,0 45,5 56,0 Wielkopolskie 324,7 358,2 372,6 435,5 454,7 563,7 611,5 845,9 777,8 910,1 Zachodniopomorskie 90,6 57,7 64,2 70,0 81,6 111,0 125,2 117,8 173,8 196,5 Dolnośląskie 276,5 258,2 289,8 346,5 298,2 393,5 457,4 581,3 630,0 725,2 Opolskie 30,2 28,3 29,4 28,0 36,3 36,3 40,4 68,4 38,5 84,2 Kujawsko-pomorskie 110,4 101,0 120,4 114,7 175,3 109,5 129,4 346,8 204,2 187,3 Pomorskie 166,6 198,4 247,6 288,7 307,1 340,9 398,2 397,4 488,4 625,3 Warmińsko-mazurskie 56,4 53,1 56,3 66,2 55,1 96,6 80,5 115,5 173,8 201,1 Polska 4522 4558 5155 5575 5893 6673 7706 9070 10416 11687 Źródło: opracowanie własne na podstawie danych GUS. Najniższe nakłady na działalność B+R charakteryzują województwa lubuskie i opolskie, ale niezbyt wysokie wskaźniki występują także w przypadku następujących województw: podlaskiego, świętokrzyskiego, zachodniopomorskiego, kujawsko-pomorskiego i warmińsko-mazurskiego. W przypadku województwa opolskiego i śląskiego w roku 2010 nastąpił spadek nakładów na B+R w porównaniu ze wskaźnikami z roku 2009. Dla województwa kujawsko-pomorskiego z kolei charakterystyczna jest znacząca tendencja spadkowa w nakładach na B+R w latach 2009–2011. Te dwie obserwacje o tyle są ważne, że wszelkie wahania w wysokości nakładów nie gwarantują ciągłości działań o charakterze B+R. Znaczący wzrost nakładów (dziesięciokrotny wzrost nakładów w roku 2011 względem roku 2002) można zauważyć w województwie świętokrzyskim oraz podkarpackim (niemal pięciokrotny w roku 2011 w stosunku do roku 2002). Regionem niezmiennie dominującym, o stałym wzroście nakładów, jest województwo mazowieckie. Wysoka pozycja tego regionu wynika prawdopodobnie z kumulacji wielu zasobów i możliwości oraz stosunkowo niewielu ograniczeń i kosztów. Do tych pierwszych można zaliczyć potencjał demograficzny, dostępność środków, koncentrację wiedzy i dostępność specjalistów, kontakty i transfer wiedzy zarówno z pozostałymi regionami w kraju, jak i za granicą. Nie bez znaczenia – jeśli nie decydujący – jest fakt lokalizacji (centrum) oraz to, że stolicą regionu jest stolica kraju. W porównaniu z peryferyjnym położeniem województwa lubuskiego (wraz z jego słabo wykształconym systemem przemysłowym i w konsekwencji niskim wskaźnikiem innowacyjności (Świadek, 2008: 307)) – czołowa pozycja województwa mazowieckiego wydaje się oczywista. Co prawda wewnętrzna struktura województwa mazowieckiego również jest mocno zróżnicowana – centralną część regionu zajmuje Obszar Metropolitalny Warszawy. Jak podano w dokumencie Strategia Rozwoju Województwa Mazowieckiego do 2030 roku8 Warszawa jest motorem mazowieckiej gospodarki – w 2009 roku jej udział w tworzeniu krajowego PKB wyniósł 13,4%, regionalnego natomiast – 61%. Ogólnie, pomimo wewnętrznych dysproporcji, województwo mazowieckie jest najbardziej rozwiniętym gospodarczo regionem w Polsce. Najwyższy udział w generowaniu PKB kraju oraz wysokie tempo wzrostu gospodarczego sprawiają, że Mazowsze najszybciej pokonuje dystans rozwojowy w stosunku do rozwiniętych regionów Unii Europejskiej9. Województwo lubuskie jest z kolei przykładem regionu o bardzo niskich nakładach na B+R i słabym rozwoju innowacyjności, co wynika głównie z charakteru własności tamtejszych firm. Rodzime firmy, z jednej strony są w niewielkim stopniu zainteresowane wprowadzaniem innowacji produktowych, z drugiej strony – nie stanowią obiektu zainteresowania firm zajmujących się transferem technologii spoza regionu. Zmiany technologiczne są wprowadzane jedynie w przypadku firm zagranicznych lub mieszanych i tylko te ostatnie współpracują z uczelniami wyższymi w regionie. O zachowawczej tendencji firm krajowych w regionie może Ponadto świadczyć fakt, że utrzymują status quo, o ile niesprzyjające warunki nie wymuszają zmian i jak zauważa autor opracowania (Świadek, 2008: 315) „zbudowanie trajektorii dla jego rozwoju będzie trudno 8 www.mbpr.pl (dostęp: 8.6.2013). 9 www.mbpr.pl (dostęp: 8.6.2013). osiągalne”. Z przeprowadzonej analizy wyraźnie wynika, że nie tylko bariery ekonomiczne hamują rozwój innowacyjności w regionie – utrwalone postawy ludzi stanowią nie mniej ważną przeszkodę we wprowadzaniu jakichkolwiek zmian, tworzeniu kapitału sieciowego oraz w myśleniu perspektywicznym. Zestawienie danych przedstawione w tej części rozdziału daje częściową odpowiedź na pytania badawcze (1 i 2) o stopień oraz kształt regionalnego zróżnicowania innowacyjności w Polsce. Krajobraz przestrzenny innowacyjności kraju (pod względem nakładów na działalność B+R) jest zdominowany przez województwo mazowieckie, które daleko za sobą pozostawia pozostałe regiony. 10.4.2. Nakłady na działalność B+R w województwach na mieszkańca Tablica 10.3 ilustruje nakłady na B+R w kalkulacji na mieszkańca z podziałem na województwa, w latach 2002–2011. Tablica 10.3. Nakłady na B+R w kalkulacji na mieszkańca [w zł] 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Łódzkie 114,52 105,66 115,89 124,35 138,38 145,86 166,62 193,92 217,59 228,32 Mazowieckie 388,86 388,94 439,51 450,35 476,17 528,54 638,31 669,86 806,65 884,59 Małopolskie 153,37 159,85 198,02 224,08 222,18 243,91 272,36 279,72 327,09 361,69 Śląskie 72,39 79,51 85,69 93,58 106,14 126,15 131,13 206,11 183,13 223,44 Lubelskie 63,04 62,39 76,88 83,91 83,21 113,61 110,97 137,17 166,25 174,04 Podkarpackie 56,53 55,02 49,57 53,19 74,99 74,57 84,50 89,93 238,87 254,71 Podlaskie 31,46 32,44 42,83 51,18 51,00 46,45 62,70 55,73 86,34 116,15 Świętokrzyskie 10,88 9,83 14,20 15,18 16,80 27,91 72,44 115,50 130,91 111,88 Lubuskie 25,00 32,42 22,99 35,47 23,60 25,68 27,95 28,71 44,47 54,73 Wielkopolskie 96,77 106,61 110,72 129,14 134,59 166,44 179,98 248,19 225,66 263,38 Zachodniopomorskie 53,37 34,02 37,88 41,32 48,20 65,59 73,95 69,57 100,83 114,06 Dolnośląskie 95,19 89,09 100,17 119,97 103,46 136,71 158,98 202,08 215,96 248,65 Opolskie 28,46 26,81 27,96 26,73 34,84 35,00 39,11 66,34 37,85 83,04 Kujawsko-pomorskie 53,35 48,84 58,21 55,46 84,83 53,00 62,58 167,61 97,30 89,26 Pomorskie 76,29 90,64 112,85 131,28 139,36 154,19 179,41 178,20 214,63 273,83 Warmińsko-mazurskie 39,48 37,16 39,41 46,34 38,62 67,73 56,41 80,93 119,55 138,44 Polska 118,32 119,36 135,05 146,09 154,56 175,07 202,07 237,64 270,35 303,25 Źródło: Opracowanie własne na post. GUS Powyższe zestawienie ilustruje ogólny wzrost nakładów na działalność B+R na mieszkańca, w każdym województwie, w ciągu dziesięciu lat. Polaryzacja, którą ilustrował wykres 10.1 i tablica 10.2, jest nadal widoczna, zarówno wówczas gdy pod uwagę bierzemy początek analizowanego okresu (rok 2002) jak i koniec (rok 2011). Najwyższe nakłady na działalność B+R na mieszkańca, zarówno w roku 2002 jak i 2011, odnotowano w województwie mazowieckim. W tym regionie nakłady rosły też stale, z roku na rok. Na drugim miejscu znajduje się województwo małopolskie, gdzie również nakłady stale rosły. Najniższe nakłady w roku 2002 widać w regionie świętokrzyskim, ale po dziesięciu latach region ten wyprzedził takie województwa, jak: lubuskie (w roku 2007), opolskie i kujawsko-pomorskie (w roku 2008). Te województwa należą do regionów o najniższych nakładach na działalność B+R na mieszkańca w roku 2011. 10.4.3. Jednostki z działalnością B+R Ta zmienna przez GUS jest określana jako liczba jednostek, w których wystąpiła działalność B+R w danym roku sprawozdawczym, w podziale na sektory instytucjonalne. Dane są dostępne dla Polski ogółem i dla sektora przedsiębiorstw. Legenda: lista województw 1 – łódzkie 5 – lubelskie  9 – lubuskie 13 – opolskie 2 – mazowieckie 6 – podkarpackie 10 – wielkopolskie 14 – kujawsko-pomorskie 3 – małopolskie 7 – podlaskie 11 – zachodniopomorskie 15 – pomorskie 4 – śląskie 8 – świętokrzyskie 12 – dolnośląskie 16 – warmińsko-mazurskie Wykres 10.2. Jednostki z działalnością B+R w latach 2002–2011 z podziałem na województwa Źródło: opracowanie własne na podstawie danych GUS. Na wykresie 10.2 przedstawiono zróżnicowanie liczby jednostek, w których wystąpiła działalność B+R w poszczególnych województwach w ciągu dziesięciu lat. Znowu, wiodącym regionem jest województwo mazowieckie (dane szczegółowe zaprezentowano w tablicy 10.4). Z zestawienia wynika, że w latach 2002–2011 nastąpił wzrost liczby jednostek B+R. Wzrost ten szczególnie można odnotować w województwach: mazowieckim (region czołowy), śląskim, małopolskim, wielkopolskim i dolnośląskim. Województwa, w których nadal liczba jednostek B+R jest stosunkowo niewielka, to: podlaskie, opolskie, świętokrzyskie, zachodniopomorskie, lubuskie i warmińsko-mazurskie. Tablica 10.4. Liczba jednostek z działalnością B+R w województwach w latach 2002–2011 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Łódzkie 65 72 73 79 76 79 76 87 111 131 Mazowieckie 273 275 297 322 320 317 335 352 439 552 Małopolskie 81 86 88 100 96 102 94 112 162 208 Śląskie 97 112 109 132 126 135 130 171 234 286 Lubelskie 27 27 34 40 42 42 39 44 67 87 Podkarpackie 45 48 45 53 54 56 49 53 67 83 Podlaskie 8 19 21 22 21 26 26 24 36 41 Świętokrzyskie 12 10 10 16 18 18 18 23 33 35 Lubuskie 11 9 14 17 18 18 19 17 23 31 Wielkopolskie 62 74 71 86 88 105 112 120 168 203 Zachodniopomorskie 17 12 17 17 17 16 20 25 44 53 Dolnośląskie 48 70 73 82 81 90 99 111 146 207 Opolskie 11 13 14 18 21 21 16 19 25 45 Kujawsko-pomorskie 36 42 36 37 38 43 43 54 76 88 Pomorskie 34 42 40 54 53 58 58 64 102 128 Warmińsko-mazurskie 11 14 15 22 16 18 23 22 34 42 Polska 838 925 957 1097 1085 1144 1157 1298 1767 2220 Źródło: opracowanie własne na podstawie danych GUS. Polska nie należy do krajów rozwijających się w oparciu o badania i rozwój, na co wskazuje udział wydatków (w PKB) oraz poziom zatrudnienia w sferze B+R. Według Eurostatu znajdujemy się na czwartym od końca miejscu w UE pod względem liczby pracowników zatrudnionych w sferze B+R (nie uwzględniając Austrii i Wielkiej Brytanii, dla których Eurostat nie podaje danych) (Starczewska-Krzysztoszek, 2008: 22). Nie oznacza to, że w Polsce nie ma wzorców dla tworzenia polityki sprzyjającej innowacyjności. Przykładów takich rozwiązań można szukać w firmach innowacyjnych, z których duża część posiada własne komórki badawczo-rozwojowe (B+R), a zatrudnieni w nich pracownicy są autorami projektów nie tylko o charakterze technologicznym czy produktowym, ale także organizacyjnym i marketingowym. Należy jednak zauważyć, że dla tego typu firm bardziej istotny jest dostęp do środków finansowych zabezpieczających realizację pomysłów innowacyjnych w porównaniu ze zdobywaniem najnowszej wiedzy na temat rozwiązań implementowanych na świecie w swojej branży. Warunkiem rozwoju innowacyjności w Polsce jest nie tylko wzrost liczby jednostek B+R, ale także umiejętność współpracy (z innymi podmiotami, odbiorcami itp.), co pokazuje przypadek województwa małopolskiego. Z badań wynika, że mimo dużego potencjału reprezentowanego przez instytucje B+R oraz uczelnie wyższe jedną z barier wymienianą przez respondentów jest ich niewystarczające wsparcie dla działalności innowacyjnej przedsiębiorstw. Główny problem w relacji nauki i gospodarki dotyczy przydatności rynkowej proponowanych innowacji (Świtała, 2008: 308). 10.4.4. Nakłady w sektorze przedsiębiorstw na działalność B+R według źródeł finansowania Według GUS nakłady w sektorze przedsiębiorstw na działalność B+R ze względu na źródła finansowania to nakłady poniesione w roku sprawozdawczym na prace B+R wykonane w jednostce sprawozdawczej niezależnie od źródła pochodzenia środków. Obejmują zarówno nakłady bieżące, jak i nakłady inwestycyjne na środki trwałe związane z działalnością B+R, lecz nie obejmują amortyzacji środków trwałych. Dane są przedstawiane dla sektora przedsiębiorstw w podziale na źródła pochodzenia środków na działalność B+R – zestawienie przedstawiono w tablicy 10.5. Tablica 10.5. Nakłady w województwach w sektorze przedsiębiorstw na działalność B+R według źródeł finansowania [tys. zł] w latach 2006–2011 2006 2007 2008 2009 2010 2011 Łódzkie 167885 256602 345319 25638 51267 65892 Mazowieckie 6146424 7026022 7905619 5929840 8318375 8612000 Małopolskie 255841 250208 244575 384249 273106 231459 Śląskie 544709 470550 396391 403897 591906 379759 Lubelskie 111514 106247 100980 61248 48474 65271 Podkarpackie 91615 99540 107464 40344 75733 193788 Podlaskie 33976 23169 12361 10379 9960 11842 Świętokrzyskie 37003 26854 16705 28042 36733 15123 Lubuskie 38115 53380 68645 12244 28421 25656 Wielkopolskie 144126 349841 555556 135677 157535 96111 Zachodniopomorskie 43652 57354 71055 68837 64039 48119 Dolnośląskie 157072 190778 224483 588122 504565 327430 Opolskie 18077 36314 54551 19827 22837 13281 Kujawsko-pomorskie 85025 138184 191343 122880 54416 161062 Pomorskie 358280 352409 346537 279010 456981 682766 Warmińsko-mazurskie 22737 22995 23253 59594 95934 49532 Polska 8256051 9460444 10664837 8169827 10790282 10979091 Źródło: opracowanie własne na podstawie danych GUS. Źródła finansowania według GUS to środki własne, środki pochodzące z zagranicy, z prywatnych instytucji niedochodowych, przedsiębiorstw, szkół wyższych, jednostek naukowych PAN i instytutów badawczych oraz z budżetu państwa. Analogicznie do wcześniejszych analiz jedynym regionem o wysokich wskaźnikach pozostaje województwo mazowieckie, wyprzedzając pozostałe regiony w kraju. W województwie mazowieckim najniższe nakłady w analizowanym okresie odnotowano w 2009 roku, co można zapewne wiązać z pierwszymi skutkami światowego kryzysu. Podobne obserwacje dotyczą większości regionów – w roku 2009 w stosunku do lat poprzednich nakłady maleją, by od roku 2010 wzrastać. W niektórych województwach spadek nakładów w tym okresie jest bardzo wyraźny (np. w podkarpackim); w innych nakłady nie zmalały w 2009, ale spadły w roku 2010 lub 2011 (np. w małopolskim, dolnośląskim czy warmińsko-mazurskim). Województwa, w których nakłady w sektorze przedsiębiorstw na działalność B+R według źródeł finansowania w roku 2011 były najwyższe, to: pomorskie (w którym nakłady malały w latach 2006–2009, a od roku 2010 wzrosły, przekraczając w 2011 roku dwukrotnie nakłady z wcześniejszego okresu analizy), śląskie (w którym jednak wielkość nakładów znacząco spadła w porównaniu z latami wcześniejszymi), dolnośląskie, małopolskie (w którym nakłady w latach 2007–2008 spadały w stosunku do roku 2006, następnie wzrosły w roku 2009, by znowu się obniżyć w latach 2010–2011). Analizując dynamikę nakładów w czasie, ogólnie odnotowuje się spadek nakładów w województwach: małopolskim, śląskim, świętokrzyskim, wielkopolskim, zachodniopomorskim, dolnośląskim, opolskim, warmińsko-mazurskim. Znaczący wzrost nakładów zarejestrowano w regionie podkarpackim i pomorskim (lata 2010–2011). 10.4.5. Przedsiębiorstwa innowacyjne przemysłowe według rodzajów wprowadzonych innowacji i klas wielkości Według GUS kategoria ta opisuje przedsiębiorstwa przemysłowe, które w badanym okresie wprowadziły na rynek przynajmniej jedną innowację produktową lub procesową (nowy lub istotnie ulepszony produkt, bądź nowy lub istotnie ulepszony proces). Zestawienie ilustruje wykres 10.3. Jak pokazano na wykresie 10.3, procent przedsiębiorstw, które w badanym okresie (2005–2011) wprowadziły na rynek przynajmniej jedną innowację produktową lub procesową, spadła w końcowych latach w porównaniu z okresem początkowym. Na wykresie zaznaczają się silnie dwa momenty wzrostu – rok 2005 oraz rok 2007. Przedziela je moment spadku, który po roku 2007 przyjmuje stałą tendencję malejącą, nawet w województwie mazowieckim. Dane szczegółowe zaprezentowano w tablicy 10.6. Zauważono, że: ●● W latach 2005 – 2011, niezależnie od wzrostu nakładów na B+R, obserwuje się ogólny spadek liczby przedsiębiorstw, które wprowadziły innowacje (w %). ●● Interesujący jest przypadek województwa podkarpackiego, gdzie mimo spadku wskaźników w omawianym obszarze w latach 2005–2007, udział procentowy przedsiębiorstw innowacyjnych utrzymuje się na tym samym poziomie (około 20% od 2008–2011) i jest najwyższy wśród badanych województw. Legenda: lista województw 1 – łódzkie 5 – lubelskie  9 – lubuskie 13 – opolskie 2 – mazowieckie 6 – podkarpackie 10 – wielkopolskie 14 – kujawsko-pomorskie 3 – małopolskie 7 – podlaskie 11 – zachodniopomorskie 15 – pomorskie 4 – śląskie 8 – świętokrzyskie 12 – dolnośląskie 16 – warmińsko-mazurskie Wykres 10.3. Przedsiębiorstwa innowacyjne przemysłowe [%] według rodzajów wprowadzonych innowacji i klas wielkości w latach 2005–2011 Źródło: opracowanie własne na podstawie danych GUS. Tablica 10.6. Przedsiębiorstwa innowacyjne przemysłowe [%] według rodzajów wprowadzonych innowacji i klas wielkości w latach 2005–2011 2005 2006 2007 2008 2009 2010 2011 Łódzkie 35,18 19,62 31,61 14,96 14,11 13,42 11,08 Mazowieckie 49,57 24,02 45,70 25,84 16,20 17,31 13,89 Małopolskie 39,05 22,09 38,80 22,81 19,25 16,29 19,50 Śląskie 51,15 27,38 42,45 22,63 20,86 20,32 15,18 Lubelskie 45,24 24,46 40,00 21,17 18,16 17,14 19,34 Podkarpackie 46,19 30,69 42,31 22,59 23,33 20,73 21,04 Podlaskie 47,16 27,11 32,79 25,05 19,03 16,98 17,09 Świętokrzyskie 44,55 23,08 37,08 20,27 16,51 16,52 15,56 Lubuskie 30,93 17,11 28,16 14,69 15,81 15,90 12,32 Wielkopolskie 37,94 19,93 33,11 18,79 16,04 16,23 18,46 Zachodniopomorskie 29,71 18,67 31,39 17,18 16,74 15,52 13,18 Dolnośląskie 39,17 25,40 37,97 24,67 20,93 16,55 15,04 Opolskie 42,44 29,04 40,17 22,92 17,55 19,33 20,07 Kujawsko-pomorskie 36,61 20,00 32,70 20,60 17,50 17,91 18,79 Pomorskie 42,28 29,44 30,68 25,09 19,89 15,27 16,22 Warmińsko-mazurskie 43,87 23,49 43,69 18,30 17,76 18,55 15,49 Źródło: opracowanie własne na podstawie danych GUS. ●● Uwagę zwraca sytuacja województwa mazowieckiego – mimo wcześniej stwierdzonych wysokich nakładów finansowych i wysokiej liczby jednostek B+R, to udział przedsiębiorstw, które w ostatnich latach wprowadziły innowacje produktowe lub procesowe jest zaskakująco niski (jeden z najniższych – 13,9%). W kontekście przeprowadzonej analizy nasuwają się dwa wnioski: pierwszy dotyczy monitorowania i pomiaru efektywności nakładów finansowych w stosunku do liczby wprowadzonych innowacji. Drugi wniosek dotyczy podjęcia próby zbadania stanu „polskiej klasy kreatywnej” oraz oceny „potencjału” kreatywności w skali kraju, regionów, a nawet miast w celu zweryfikowania tezy, czy jest to główny czynnik rozwoju gospodarczego (Świda, 2011). 10.4.6. Przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej GUS podaje następujące znaczenie kategorii współpraca w zakresie działalności innowacyjnej: oznacza ona aktywny udział we wspólnych projektach dotyczących działalności innowacyjnej z innymi przedsiębiorstwami lub instytucjami niekomercyjnymi. Współpraca taka może mieć charakter perspektywiczny i długofalowy i nie musi pociągać od razu za sobą bezpośrednich, wymiernych korzyści ekonomicznych dla uczestniczących w niej partnerów. Zwykłego zamawiania prac u wykonawców zewnętrznych, bez aktywnego współudziału w ich realizacji, nie należy uważać za współpracę w zakresie działalności innowacyjnej. Na wykresie 10.4 zilustrowano wyraźną tendencję malejącą w latach ostatnich względem lat wcześniejszych – gwałtowny spadek współpracy uwidacznia się szczególnie po roku 2007. Widać też, że w 2005 roku współpraca osiąga poziomy maksymalne, do których później nigdy nie wraca. Można zauważyć, że: –– w roku 2005 obserwuje się najwyższe wskaźniki współpracy, –– w roku następnym (2006) widoczny jest gwałtowny spadek wartości wskaźników, co w zasadzie oznacza zamknięcie się na kooperację z zewnętrznymi partnerami, –– w 2007 roku następuje powrót do współpracy, ale już nie takim poziomie jak w roku 2005, –– od 2008 roku można stwierdzić, że poziom współpracy jest podobny i raczej niski (wskaźniki podlegają niewielkim wahaniom w każdym z analizowanych województw). Prawdopodobnie początki kryzysu wpłynęły nie tylko na aspekt finansowy działalności innowacyjnej, ale też na problem zaufania we współpracy, co obrazuje wpływ czynnika typowo psychologicznego. Dane szczegółowe zaprezentowano w tablicy 10.7. Dane szczegółowe uwidaczniają drastyczny spadek wartości w roku 2011 w każdym z analizowanych regionów – w stosunku do początku analizowanego okresu (2005). Niemal w każdym województwie ujawnia się osłabienie współpracy. Nawet tam, gdzie pojawia się wzrost tej tendencji, to zwykle jest on śladowy lub krótkotrwały (np. małopolskie – wzrost skokowy między rokiem 2006 a 2007, w następnych latach spadek, pomiędzy rokiem 2010 a 2011 wzrost z 5,8% na 6,1%, lub pomorskie – wzrost z 4,8% na 5,0%). Wykres 10.4. Przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej w % ogółu przedsiębiorstw w latach 2005–2011 Legenda: lista województw 1 – łódzkie 5 – lubelskie  9 – lubuskie 13 – opolskie 2 – mazowieckie 6 – podkarpackie 10 – wielkopolskie 14 – kujawsko-pomorskie 3 – małopolskie 7 – podlaskie 11 – zachodniopomorskie 15 – pomorskie 4 – śląskie 8 – świętokrzyskie 12 – dolnośląskie 16 – warmińsko-mazurskie Źródło: opracowanie własne na podstawie danych GUS. Tablica 10.7. Przedsiębiorstwa przemysłowe współpracujące w zakresie działalności innowacyjnej w latach 2005–2011 (procent ogółu przedsiębiorców) 2005 2006 2007 2008 2009 2010 2011 Łódzkie 19,5 7,7 16,3 6,7 5,1 5,2 4,4 Mazowieckie 28,9 12,9 24,9 10,4 6,2 6,2 5,5 Małopolskie 25,6 10,8 23,7 9,4 6,8 5,8 6,1 Śląskie 29,0 14,7 26,7 10,6 9,2 7,6 7,1 Lubelskie 26,2 11,8 22,3 8,4 7,1 6,0 4,9 Podkarpackie 28,9 16,3 26,5 9,0 7,5 7,8 7,6 Podlaskie 23,9 14,5 20,5 8,7 5,6 6,2 4,8 Świętokrzyskie 27,7 10,7 23,3 5,5 6,7 4,7 4,0 Lubuskie 20,3 7,9 16,3 5,6 3,9 5,9 3,8 Wielkopolskie 22,2 8,3 18,7 6,9 4,9 5,8 5,1 Zachodniopomorskie 13,7 7,7 18,0 6,1 5,1 4,5 4,7 Dolnośląskie 24,8 13,0 21,6 10,0 7,9 7,0 6,3 Opolskie 29,4 13,5 24,3 10,5 6,0 8,0 5,5 Kujawsko-pomorskie 21,8 10,7 18,9 7,3 5,2 5,6 4,9 Pomorskie 21,4 11,9 17,0 8,8 5,3 4,8 5,0 Warmińsko-mazurskie 21,3 7,4 15,5 6,5 6,8 5,2 4,9 Źródło: opracowanie własne na podstawie danych GUS. Fenomen ten tłumaczą praktyki stosowane w polskich firmach (w tym zaliczanych do innowacyjnych), które mogą posłużyć za przykład słabo rozwiniętego kapitału sieciowego, gdzie charakterystyczna jest niechęć do współpracy z podmiotami zewnętrznymi (albo jest ona słaba). W dokumencie Ranking najbardziej innowacyjnych firm w Polsce autorka opracowania stwierdza (Starczewska-Krzysztoszek, 2008: 25): „dzisiaj trudno myśleć o budowaniu trwałych przewag konkurencyjnych bez współpracy, bez tworzenia sieci”. W Polsce można już zauważyć, że w ramach współpracy zaczynają się rozwijać klastry branżowo-geograficzne (klaster lotniczy w regionie podkarpackim); kolejnym krokiem powinny być klastry wirtualne. Warunkiem tego jest jednak przełamanie bariery psychologicznej, polegające na kształtowaniu postawy zaufania i otwartości na współpracę. 10.4.7. Regionalne zróżnicowanie innowacyjności i kapitału społecznego W tablicy 10.8 zaprezentowano zestawienie wskaźnika innowacyjności z poziomem kapitału społecznego w każdym województwie. Tablica 10.8. Kapitał społeczny a innowacyjność w województwach Województwo Ranga wg kolumny A A. Kapitał społeczny (średnia – im wskaźnik wyższy, tym lepiej) B. Zbiorczy wskaźnik innowacyjności lata 2006–2011 (im niższy tym lepiej) Mazowieckie 1 0,10 0,44 Lubelskie 2 0,08 0,78 Pomorskie 3 0,05 0,74 Świętokrzyskie 4 0,04 0,82 Podkarpackie 5 0,03 0,75 Dolnośląskie 6 0,02 0,72 Małopolskie 7 0,00 0,71 Wielkopolskie 8 0,00 0,75 Zachodniopomorskie 9 –0,01 0,83 Lubuskie 10 –0,03 0,84 Opolskie 11 –0,03 0,8 Podlaskie 12 –0,06 0,8 Śląskie 13 –0,06 0,72 Warmińsko-mazurskie 14 –0,06 0,82 Łódzkie 15 –0,08 0,78 Kujawsko-pomorskie 16 –0,11 0,79 Źródło: Diagnoza społeczna 2011 (kolumna A) oraz opracowanie własne (kolumna B) Zestawienie wyraźnie obrazuje silne zróżnicowanie przestrzenne regionów kraju – szczególnie w odniesieniu do poziomu innowacyjności, który jest mocno spolaryzowany. Poza województwem mazowieckim wszystkie pozostałe regiony wykazują niemal dwukrotnie gorsze wskaźniki. Rozkład kapitału społecznego wydaje się bardziej zrównoważony, aczkolwiek również wykazuje bieguny dodatnie oraz ujemne (zob. mapa 10.1). Jak zobrazowano na wykresie 10.5, jedynie województwo mazowieckie można uznać za region o wysokiej innowacyjności, której towarzyszy wysoki poziom kapitału społecznego. W pozostałych regionach rozkład innowacyjności nie nakłada się na przestrzenny układ kapitału społecznego. Na przykład kolejne (za mazowieckim) regiony w rankingu kapitału społecznego (lubelskie, pomorskie, świętokrzyskie) nie różnią się pod względem innowacyjności (niskiej) od pozostałych województw; wysoki wskaźnik psychospołeczny może jednak stanowić dla nich dobry prognostyk rozwoju innowacyjności. Na uwagę zasługuje jeszcze województwo lubuskie, które wykazuje najniższy poziom innowacyjności, a dodatkowo charakteryzuje się ujemnym wskaźnikiem kapitału społecznego. W podobnej sytuacji znajduje się jeszcze siedem województw: zachodniopomorskie, opolskie, podlaskie, śląskie, warmińsko-mazurskie, łódzkie i kujawsko-pomorskie. Mapa 10.1 Kapitał społeczny w układzie województw (w 2011 roku) Źródło: opracowanie własne na podstawie danych GUS. Na mapie 10.1 przedstawiono przestrzenną wizualizację rankingu województw na podstawie wskaźnika kapitału społecznego. Należy zauważyć, że przedziały o najwyższych i najniższych wskaźnikach kapitału społecznego zawierają takie same liczebności województw. Wykres 10.5. Regionalne zróżnicowanie innowacyjności w latach 2006–2011 (wskaźnik zbiorczy) Legenda: lista województw 1 – łódzkie 5 – lubelskie  9 – lubuskie 13 – opolskie 2 – mazowieckie 6 – podkarpackie 10 – wielkopolskie 14 – kujawsko-pomorskie 3 – małopolskie 7 – podlaskie 11 – zachodniopomorskie 15 – pomorskie 4 – śląskie 8 – świętokrzyskie 12 – dolnośląskie 16 – warmińsko-mazurskie Źródło: opracowanie własne na podstawie danych GUS. Na wykresie 10.5 zaprezentowano wyniki analizy, którą objęto wszystkie województwa w latach 2006–2011. Analiza nie obejmuje lat wcześniejszych, gdyż nie wszystkie cząstkowe wskaźniki innowacyjności za okres wcześniejszy były udostępnione przez GUS. Wskaźnik zbiorczy opracowano w dwóch etapach – najpierw wybrano i przeanalizowano wskaźniki cząstkowe (zostały one omówione wcześniej i objęły na przykład nakłady na B+R w województwach czy procentowy udział przedsiębiorstw innowacyjnych lub współpracujących. Następnie sprowadzono je do ogólnego, skumulowanego czynnika. W drugim kroku analizy oszacowano metodą odległości w przestrzeni euklidesowej bliskość województw do wzorca idealnego (czyli do regionu maksymalnie innowacyjnego). Im wskaźnik bliższy wartości „0”, tym region bardziej innowacyjny – wyniki tej analizy ilustruje wykres 10.5. Na wykresie 10.5 uwidaczniają się dwie wyraźne tendencje: ●● Polaryzacja i dwa skupienia regionów – wysoko innowacyjne mazowieckie oraz nisko innowacyjna reszta kraju; ●● Spadek innowacyjności (oddalenie od punktu „0”) po roku 2007, w którym wszystkie regiony wykazywały najlepsze wskaźniki – pomimo istniejącej polaryzacji. Poziom innowacyjności w 2011 roku był niższy w Polsce niż w roku 2007. Takie obserwacje można wyjaśniać wpływem kryzysu światowego na gospodarkę kraju. W celu zobrazowania uśrednionego przestrzennego zróżnicowania innowacyjności w Polsce w latach 2006–2011 przedstawiono mapę 10.2. Mapa 10.2 Innowacyjność w układzie województw (średnio w latach 2006–2011) Źródło: Opracowanie własne. Tablica 10.9. Zróżnicowanie innowacyjności w regionach (lata 2006–2011) oraz uśrednienie (im wartość niższa tym lepszy wskaźnik innowacyjności) 2006 2007 2008 2009 2010 2011 Łódzkie 0,7837 0,6954 0,7882 0,8071 0,7879 0,7887 Mazowieckie 0,4580 0,2820 0,4223 0,5227 0,4711 0,4882 Małopolskie 0,7358 0,6359 0,7331 0,7436 0,7341 0,6987 Śląskie 0,7283 0,6594 0,7588 0,7384 0,7291 0,7344 Lubelskie 0,7815 0,7028 0,8058 0,8146 0,8007 0,7836 Podkarpackie 0,7363 0,6892 0,7940 0,8012 0,7578 0,7331 Podlaskie 0,7776 0,7376 0,8040 0,8447 0,8225 0,8172 Świętokrzyskie 0,8224 0,7455 0,8485 0,8327 0,8274 0,8395 Lubuskie 0,8446 0,7703 0,8592 0,8780 0,8483 0,8588 Wielkopolskie 0,7897 0,6764 0,7613 0,7841 0,7608 0,7406 Zachodniopomorskie 0,8518 0,7672 0,8538 0,8570 0,8383 0,8342 Dolnośląskie 0,7500 0,6727 0,7392 0,7268 0,7321 0,7214 Opolskie 0,7787 0,7219 0,8115 0,8456 0,8235 0,7957 Kujawsko-pomorskie 0,8027 0,7351 0,8144 0,8073 0,8081 0,7961 Pomorskie 0,7276 0,6920 0,7437 0,7825 0,7563 0,7090 Warmińsko-mazurskie 0,8419 0,7551 0,8475 0,8389 0,8191 0,8214 Źródło: opracowanie własne na podstawie danych GUS. Na mapie 10.2 przedstawiono przestrzenne zróżnicowanie innowacyjności w układzie województw oparte na indeksie zbiorczym (średnią obliczoną ze wskaźników cząstkowych w kolejnych latach od 2006 do 2011 dla poszczególnych województw). Przyjęte przedziały wskazują, że tylko cztery województwa należy uznać za najbardziej innowacyjne w Polsce (mazowieckie, małopolskie, dolnośląskie i śląskie). Najgorzej przedstawia się sytuacja w dwóch województwach (lubuskim i zachodniopomorskim), gdzie wartość indeksu zdecydowanie odbiega od wartości optymalnej. Szczegółowe dane zaprezentowano w tablicy 10.9. Z danych w tablicy 10.9 wynika, że najlepsze wskaźniki dla wszystkich województw pojawiły się w roku 2007 (dla mazowieckiego wynosił on wtedy 0,28). W roku następnym, 2008, można zauważyć skokowy wzrost wskaźników (czyli pogorszenie innowacyjności). Najmniej innowacyjne regiony w latach 2006–2011 to województwa: lubuskie, zachodniopomorskie oraz warmińsko-mazurskie. W celu uchwycenia wielowymiarowości regionalnego rozkładu innowacyjności przeprowadzono analizę skupień za pomocą wcześniej omówionych składowych (nakłady na B+R, współpraca przedsiębiorstw itd.). Wyniki analizy zaprezentowano na diagramie drzewa skupień (diagram 10.1). Diagram 10.1. Drzewo skupień wskaźników innowacyjności w latach 2002–2011 Źródło: opracowanie własne. Drzewo skupień ilustruje różnice w strukturze innowacyjności w poszczególnych województwach. Wyniki analizy obrazują trzy skupienia, przyjmując nieco bardziej złożony kształt niż ten zaprezentowany na podstawie wskaźników zbiorczych (wykres 10.5.). Zgodnie z przypuszczeniami województwo mazowieckie odróżnia się od zdecydowanej większości regionów, które kumulują się w jednym skupieniu poza dwoma: województwem łódzkim oraz warmińsko-mazurskim. Te dwa obszary strukturalnie odróżniają się od pozostałych województw, w tym także od mazowieckiego. Co ciekawe, Diagnoza społeczna wykazała słabość kapitału ludzkiego w regionach łódzkim i warmińsko-mazurskim (są na ostatnich miejscach rankingu, słabszy wskaźnik wykazano jedynie w odniesieniu do województwa kujawsko-pomorskiego – regionu o najniższym wskaźniku kapitału społecznego w roku 2011, zob. tablica 10.8). Najbardziej podobne pod względem struktury innowacyjności są województwa: podlaskie i lubelskie, następnie dolnośląskie i małopolskie, a także opolskie i śląskie, oraz kujawsko-pomorskie i świętokrzyskie. Zaskoczeniem nie jest powiązanie województwa zachodniopomorskiego z lubuskim, ale odróżnianie się warmińsko-mazurskiego i łódzkiego od pozostałych regionów – i to w większym stopniu niż mazowieckiego – jest jednak dość zaskakujące. 10.5. PODSUMOWANIE Przestrzenne zróżnicowanie innowacyjności w Polsce jest znaczne i przybiera kształt centralnie położonej „wyspy” (wysoko innowacyjne województwo mazowieckie), otoczonej mało innowacyjnymi regionami (pozostałymi województwami). W analizie skupień dodatkowo wyodrębniają się województwa: łódzkie i warmińsko-mazurskie – jako regiony o innej strukturze innowacyjności niż pozostałe województwa. Ogólny poziom innowacyjności polskiej gospodarki, w porównaniu z innymi krajami Unii Europejskiej, jest niski (Dominiak, Churski, 2012: 70). Jak podają autorzy, według raportu Innovation Scoreboard 2009, syntetyczny wskaźnik innowacyjności SII wynosił 0,317, co dawało Polsce dopiero 23. miejsce wśród 27 państw UE. Mimo że notuje się systematyczny wzrost tego wskaźnika ciągle kształtuje się on na poziomie najniższych wartości, znacznie poniżej średniej unijnej. W wyniku przeprowadzonych analiz można uznać, że istnieją przesłanki do przyjęcia hipotezy, którą sformułowano na potrzeby tego opracowania. Założono, iż w regionach o wysokim poziomie kapitału społecznego innowacyjność będzie wyższa niż w regionach uboższych w kapitał społeczny. Związek ten wydaje się szczególnie widoczny w przypadku województwa mazowieckiego. Dodatkowo można zaryzykować prognozę, że w województwach o bardzo niskich (ujemnych) wskaźnikach kapitału społecznego (tu należy aż osiem regionów, zob. tablica 10.8) innowacyjność będzie rozwijała się słabo – chyba, że państwo wesprze intensywnie te regiony. O wsparcie zewnętrzne z kolei może nie być łatwo, gdyż właśnie niskie wskaźniki kapitału społecznego powodują brak oddolnych inicjatyw (zasobów) do uzyskania takiego wsparcia. Może dochodzić do powstania mechanizmu błędnego koła, który opisywany jest w literaturze jako zbiór uwarunkowań hamujących rozwój innowacyjności. Mechanizm ten powoduje pogłębianie się różnic pomiędzy obszarami wzrostu a obszarami stagnacji. Tomasz G. Grosse (2002: 28) za szwedzkim ekonomistą Gunnarem Myrdalem podaje interpretacje takich zjawisk. Przestrzenny rozwój stanowi według niego długi proces historyczny, uwarunkowany nie tylko czynnikami ekonomicznymi, ale również społecznymi i kulturowymi. Wraz z upływem czasu regionalne zróżnicowanie pogłębia się, co jest powodowane kumulowaniem się i wzajemnym oddziaływaniem przyczyn ekonomicznych, politycznych, społecznych i kulturowych. Mechanizm błędnego koła jest samopowtarzalny i nie można go przerwać bez interwencji instytucji publicznych, a samoregulacja rynkowa okazuje się nieskuteczna. Autorzy Diagnozy społecznej 2011, do której odnoszono się w niniejszej analizie, przyjmują, że poziom rozwoju ekonomicznego można traktować jako rezultat oddziaływania kapitału społecznego lub jako jedną z jego funkcji. Oprócz tego kapitał społeczny odgrywa wiele dodatkowych ról, jak integracja społeczna, przeciwdziałanie wykluczeniu i dyskryminacji, uzupełnianie niewydolnych instytucji państwa (a nawet wyręczanie ich w działaniach), kontrola sektora rządowego i wymuszanie jego odpowiedzialności, kontrola sektora komercyjnego, budowanie i ochrona kultury lokalnej przed jej komercjalizacją (Czapiński, 2011: 284). W podsumowaniu szerokich badań z 2011 roku Janusz Czapiński artykułuje wyraźnie, że aktualne prognozy innowacyjności opartej na poziomie kapitału społecznego niestety są dla Polski złe. Wypracowanie sieci kooperantów wymaga czasu i dojrzałości do współpracy, również w sensie psychologicznym. Przełamanie blokad społecznych i zmiana mentalności to jedno z ważniejszych zadań dla strategii rozwoju innowacyjności. W opracowaniu przedstawiono wyniki analiz nawiązujące do argumentów formułowanych w wielu współczesnych koncepcjach ekonomicznych. Podkreśla się w nich znaczenie czynników społecznych w rozwoju regionalnym, ze szczególnym uwzględnieniem innowacyjności. Przedstawiono przesłanki przemawiające za przyjęciem hipotezy o związkach kapitału społecznego i ludzkiego z regionalnym zróżnicowaniem innowacyjności w Polsce, aczkolwiek powiązania te wymagają dalszych dociekliwych badań. Uwagę zwracają przede wszystkim wyniki analizy skupień, która ujawnia bardziej złożoną strukturę innowacyjności w odniesieniu do niektórych regionów kraju. Najważniejsze wnioski płynące z analiz prowadzonych w tym rozdziale to: I. Analiza danych GUS (lata 2002–2011 oraz 2006–2011) pozwala stwierdzić, że regionalny obraz innowacyjności Polski jest mocno zróżnicowany (spolaryzowany). II. Wyraźnie wyodrębniają się dwa skupienia regionów: wysokoinnowacyjne (wyłącznie województwo mazowieckie) oraz niskoinnowacyjne (pozostałe województwa). III. Analiza skupień struktury innowacyjności w regionach ujawnia większą złożoność obrazu polskiej innowacyjności (oprócz województwa mazowieckiego jeszcze dwa regiony wyraźnie się wyodrębniają: województwo łódzkie oraz warmińsko-mazurskie). IV. Przegląd literatury przedmiotu pozwala stwierdzić, że uwarunkowania psychospołeczne (kapitał społeczny i ludzki) mogą mieć znaczny udział w wyjaśnianiu procesów innowacyjnych obserwowanych w ciągu ostatnich lat. V. Prognozowanie i planowe sterowanie rozwojem innowacyjności w poszczególnych regionach powinno się opierać na zestawieniach wskaźników ekonomicznych oraz psychospołecznych. BIBLIOGRAFIA Baczko T., Puchała-Krzywina E. (red.) (2013), Raport o innowacyjności gospodarki w Polsce w 2012 roku, Instytut Nauk Ekonomicznych PAN, Warszawa. Bakker A., Schaufeli W.B. (2003), Utrecht Work Engagement Scale (UWES), Occupational Health Psychology Unit, Utrecht University, Utrecht. Bal-Woźniak T. (2004), O podmiotowych uwarunkowaniach innowacyjności, czyli pierwotnych przyczynach braku aktywności innowacyjnej, Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 1030, Wrocław. Bowen D.E., Lawler E.E. (1992), The empowerment of service workers. What, why, how, and when, „Sloan Management Review”, 33. Bowen D.E., Lawler E.E. (1995), Empowering service employees, „Sloan Management Review” 36. Brojak-Trzaskowska M. (2008), Społeczno-kulturowe determinanty aktywności innowacyjnej przedsiębiorstw, w: Tendencje innowacyjnego rozwoju polskich przedsiębiorstw, red. E. Okoń-Horodyńska, A. Zachorowska-Mazurkiewicz, Instytut Wiedzy i Innowacji, Warszawa. Csikszentmihalyi M. (2005), Przepływ, Biblioteka Moderatora. Czapiński J. (2011), Kapitał społeczny, w: Diagnoza Społeczna 2011, Rada Monitoringu Społecznego, Warszawa, www.diagnoza.com (dostęp: 10.7.2013). Czerw A. (2011), Podmiotowe i organizacyjne uwarunkowania kreatywności pracowniczej, w: Kształtowanie zachowań innowacyjnych, przedsiębiorczych i twórczych w edukacji inżyniera, red. J. Skonieczny, Politechnika Wrocławska, Wrocław. Dąbrowski K. (1979), Dezintegracja pozytywna, Wydawnictwo PIW, Warszawa 1979. Diagnoza Społeczna 2011, red. J. Czapiński, T. Panek (2011), Warunki i jakość życia Polaków, Rada Monitoringu Społecznego, Warszawa, www.diagnoza.com (dostęp: 10.7.2013). Długookresowa strategia rozwoju dla kraju – Polska 2030, www.zds.kprm.gov.pl (dostęp: 22.6.2013) Domański B. (2001), Czynniki społeczne w lokalnym rozwoju gospodarczym we współczesnej Polsce, w: Wybrane problemy badawcze geografii społecznej w Polsce, red. M. Czepczyński, I. Sagan, Uniwersytet Gdański, Gdańsk. Dominiak J., Churski P. (2012), Rola innowacji w kształtowaniu regionów wzrostu i stagnacji gospodarczej w Polsce, Studia Regionalne i Lokalne 4(46), 2012. Florida R. (2004), The rise of the creative class, Basic Book, New York. Francik A. (2003), Sterowanie procesami innowacyjnymi w organizacji, Kraków. Grosse T.G. (2002), Przegląd koncepcji teoretycznych rozwoju regionalnego, Studia Regionalne i Lokalne 1(8), 2002. Kasprzak W., Pelc K. (2008), Strategie innowacyjne i techniczne – prognozy, Biuro Koordynacji Wdrażania Dolnośląskiej Strategii Innowacji, Wydawnictwo Palma Press, Wrocław. Kostera M. (2000), Zarządzanie personelem, PWE Warszawa. Kożusznik B. (2005), Wpływ społeczny w organizacji, PWE, Warszawa. Kożusznik B. (red.) (2010), Psychologiczne uwarunkowania innowacyjności, Wydawnictwo Uniwersytetu Śląskiego, Katowice. KPMG (2013), Nowe podejście do aktywizacji osób bezrobotnych. Doświadczenia polskie i międzynarodowe, www.kpmg.com (dostęp: 28.8.2013). Laursen K., Masciarelli F., Prencipe A. (2012), Regions matter. How localized social capital affects external knowledge acquisition and innovation, „Organization Science” vol 23(1). Mantura W. (2001), Systematyzacja czynników konkurencyjności przedsiębiorstwa przemysłowego, Zeszyty Naukowe Politechniki Poznańskiej, Organizacja i Zarządzanie, Poznań. Nęcka E. (2001), Psychologia twórczości, GWP, Gdańsk. Nowak P. (2012), Poziom innowacyjności polskiej gospodarki na tle krajów UE, Prace Komisji Geografii i Przemysłu 19, Warszawa–Kraków. OECD (2007), Kapitał ludzki: w jaki sposób wiedza kształtuje Twoje życie, www.oecd.org (dostęp: 20.6.2013). Okoń – Horodyńska E., Zachorowska-Mazurkiewicz A. (red.) (2008), Tendencje innowacyjnego rozwoju polskich przedsiębiorstw, Instytut Wiedzy i Innowacji, Warszawa. Podręcznik Oslo (red. M. Halawa) (2008), Pomiar działalności naukowej i technicznej. Zasady gromadzenia i interpretacji danych dotyczących innowacji, Organizacja Współpracy Gospodarczej i Rozwoju oraz Urząd Statystyczny Wspólnot Europejskich (Wyd. 3), Warszawa, www.nauka.gov.pl (dostęp: 17.5.2013). Pomykalski A. (2001), Zarządzanie innowacjami, Warszawa–Łódź. Putnam, R.D. (2008), Samotna gra w kręgle. Upadek i odrodzenie wspólnot lokalnych w Stanach Zjednoczonych, Wydawnictwo Akademickie i Profesjonalne, Warszawa. Ratajczak Z. (1980), Człowiek w sytuacji innowacyjnej, PWN, Warszawa. Ratajczak Z. (2007), Psychologia pracy i organizacji, Wydawnictwo Naukowe PWN, Warszawa. Skonieczny J. (red.) (2011), Kształtowanie zachowań innowacyjnych, przedsiębiorczych i twórczych w edukacji inżyniera, Politechnika Wrocławska, Wrocław. Stabryła, T. Małkus (red.) (2012), Strategie rozwoju organizacji, Encyklopedia Zarządzania, Kraków. Starczewska-Krzysztoszek M. (2008), Ranking najbardziej innowacyjnych firm w Polsce, Kamerton Innowacyjności, www.konfederacjalewiatan.pl (dostęp: 2.8.2013). Strategia Rozwoju Województwa Mazowieckiego do 2030 roku, www.mbpr.pl (dostęp: 8.6.2013). Surówka-Marszałek D., Śmigielska G. (2009), Bariery ograniczające działalność innowacyjną firm w sektorze usług, Zeszyty Naukowe Uniwersytetu Ekonomicznego, Kraków. Szymańska A.I. (2012), Wpływ innowacyjności na konkurencyjność przedsiębiorstw, w: Strategia rozwoju organizacji, red. A. Stabryła, T. Małkus, Encyklopedia Wydawnicza, Kraków. Świadek A. (2008), Uwarunkowania aktywności innowacyjnej w peryferyjnym systemie przemysłowym na przykładzie regionu lubuskiego, w: Tendencje innowacyjnego rozwoju polskich przedsiębiorstw, red. E. Okoń-Horodyńska, A. Zachorowska-Mazurkiewicz, Instytut Wiedzy i Innowacji, Warszawa. Świda A. (2011), Kreatywność w gospodarce, w: Kształtowanie zachowań innowacyjnych, przedsiębiorczych i twórczych w edukacji inżyniera, J. Skonieczny, Politechnika Wrocławska, Wrocław. Świtała A. (2008), Bariery rozwoju innowacyjności w województwie małopolskim, w: Tendencje innowacyjnego rozwoju polskich przedsiębiorstw, red. E. Okoń-Horodyńska, A. Zachorowska-Mazurkiewicz, Instytut Wiedzy i Innowacji, Warszawa. Tokarz A. (2005), Motywacja jako warunek aktywności twórczej, w: W poszukiwaniu zastosowań psychologii twórczości, A. Tokarz, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków. Tokarz A. (red.) (2005), W poszukiwaniu zastosowań psychologii twórczości, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków 2005. Węziak-Białowolska D., Kotowska I. (2011), Kapitał ludzki, w: Diagnoza Społeczna 2011, red. J. Czapiński, T. Panek, Rada Monitoringu Społecznego, Warszawa. 314 315 11 PRZESTRZENNE ZRÓŻNICOWANIE BUDŻETÓW WOJEWÓDZTW (Mariusz Trojak) 11.1. WPROWADZENIE Celem jedenastego jest omówienie zróżnicowania podstawowych kategorii dochodów i wydatków na poziomie wojewódzkim. Analiza ta stanowi uzupełnienie rozważań zawartych w opracowaniu pod redakcją Mariusza Trojaka i Tomasza Tokarskiego Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski (Kraków, 2013). Przeanalizowano okres obejmujący lata 2002–2011. W pierwszej części rozdziału dokonano przeglądu ważniejszych instytucjonalnych uwarunkowań budżetów województw. Kolejne podrozdziały to analiza przestrzenna podstawowych dochodów województw (udział w dochodach z PIT i CIT, subwencje, dotacje) oraz najważniejszych kategorii wydatków. Punktem odniesienia analizy porównawczej były średnie wartości poszczególnych zmiennych, przy czym za rok bazowy przyjęto 2009. Rozdział kończy podsumowanie, w którym zawarto najistotniejsze wnioski płynące z dokonanych w rozdziale analiz. 11.2. INSTYTUCJONALNE UWARUNKOWANIA DOCHODÓW I WYDATKÓW WOJEWÓDZTW W POLSCE Województwa stanowią największą jednostkę podziału administracyjnego w Polsce. Ustawa z 5 czerwca 1998. Intencją ustawodawcy było stworzenie podstaw do realizowania celów strategicznych obszarów w większej skali niż gmina czy powiat, oraz prowadzenie działań komplementarnych w stosunku do administracji rządowej szczebla wojewódzkiego. Z tego względu celem nadrzędnym województw jest określenie strategii rozwoju i sterowanie polityką stymulującą ten rozwój. Cele zapisane w planach strategicznych województw wiążą się głównie ze stymulowaniem rozwoju gospodarczego regionu, podnoszeniem konkurencyjności i innowacyjności regionów, wspieraniem działań kulturowych i społecznych, kształtowaniem ładu przestrzennego i społecznego, rozbudową infrastruktury drogowej, kulturowej i społecznej, wspieraniem nauki i jej współpracy z gospodarką. Trzeba również zwrócić uwagę na pewne cele o charakterze ogólnopolskim, realizowanie na płaszczyźnie regionalnej. Jest to przede wszystkim podejmowanie działań zmierzających do wyrównywania tempa rozwoju regionalnego i minimalizowania negatywnych skutków wynikających z dużych dysproporcjach w poziomie rozwoju ekonomiczno-społecznego. Władze samorządów wojewódzkich mają się skupiać na racjonalnym gromadzeniu i wydatkowaniu środków, aby jak najbardziej efektywnie te cele realizować. Bez wdawania się w dyskusję na temat zasadności i ewentualnych sprzeczności w większości strategii regionalnych w Polsce zostanie przeprowadzona analiza zróżnicowania dochodów i wydatków budżetów wojewódzkich w celu oceny ich skuteczności w stymulowaniu rozwoju regionów. Funkcjonujący obecnie system instytucjonalny został ukształtowany w wyniku wielu aktów prawnych, które można podzielić na dwie główne grupy: 1) Akty prawne o charakterze ustrojowym, które sankcjonują istnienie trójszczeblowego podziału samorządu terytorialnego Polski. 2) Akty regulujące zasady finansowania poszczególnych szczebli samorządu terytorialnego. Tablica 11.1. Zmiany w podziale terytorialnym Polski w latach 1990–2011 Stopień podziału Liczba jednostek samorządu terytorialnego w poszczególnych latach 1990 1999 2002 2011 Województwa 49 16 16 16 Powiaty, w tym: 0 373 380 379 a) miasta na prawach powiatów – powiaty grodzkie 0 65 66 65 b) powiaty ziemskie 0 308 314 314 Gminy, w tym: 2084 2489 2478 2479 a) gminy miejskie 318 307 306 b) gminy wiejskie 1604 1595 1571 c) gminy wiejsko-miejskie 567 576 602 Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 17.7.2013). Pierwszym etapem reformy decentralizacyjnej było powołanie do życia gminy jako wspólnoty samorządowej i określonego terytorium w 1990 roku. Następnie w kwietniu 1997 roku została uchwalona Konstytucja RP, której rozdział siódmy poświęcono samorządowi terytorialnemu; umieszczono tam zapis o obowiązku wykonywania zadań własnych przez samorząd terytorialny z jednoczesnym wskazaniem źródeł ich finansowania, które ustawodawca określił jako dochody własne, subwencję ogólną oraz dotację. Na szczególne podkreślenie zasługuje fakt wprowadzenia do ustawy zasadniczej zapisu o charakterze obligatoryjnym, mówiącym o konieczności wprowadzenia zmian w podziale dochodów publicznych wraz z wprowadzanymi zmianami w zakresie zadań i kompetencji samorządu terytorialnego. Trójszczeblowy podział terytorialny państwa został wprowadzony od 1 stycznia 1999 roku. Na mocy rozporządzenia wykonawczego do ustawy o samorządzie powiatowym oraz ustawy o samorządzie wojewódzkim powołano samorządowe powiaty (308 powiatów ziemskich i 65 grodzkich) oraz 16 województw1. Zmiany w podziale terytorialnym Polski przedstawiono w tablicy 11.1. Drugą grupę regulacji stanową akty regulujące zasady finansowania poszczególnych szczebli samorządu terytorialnego. Pierwszym aktem prawnym regulującym gospodarkę finansową sektora samorządowego była ustawa o finansach publicznych z 1998 roku2. Przepis ten miał funkcjonować do końca 2000 roku, przedłużano go jednak na kolejne trzy lata i efektywnie obowiązywał do końca 2003 roku. Od 2004 roku wprowadzono w życie nową ustawę o dochodach jednostek samorządu terytorialnego3. Wprowadzone rozwiązania nowej ustawy wpłynęły na dalszą decentralizację finansów publicznych, a w ślad za tym zwiększył się zakres samodzielności samorządów wojewódzkich i powiatowych. Do najważniejszych zmian należało: ●● Wprowadzenie nowych zasad obliczania subwencji ogólnej, którą dla:–– dla gmin i powiatów podzielono na trzy części: oświatową, równoważącą oraz wyrównawczą, –– dla województw podzielono na: oświatową, regionalną i wyrównawczą. ●● Zmodyfikowanie należnych udziałów poszczególnych szczebli samorządu terytorialnego w podatkach centralnych, co przedstawiono w tablicy 11.2. Tablica 11.2. Udziały w PIT i CIT województw, powiatów i gmin w latach 1998–2010 Jednostka samorządu terytorialnego Rok wprowadzenia regulacji 1998 2003 2007 PIT CIT PIT CIT PIT CIT Gmina 27,60% 5,00% 39,34% 6,71% 39,34% 6,71% Powiat 1,00% 0,00% 10,25% 1,40% 10,25% 1,40% Województwo 1,50% 0,50% 1,60% 14,75% 1,60% 14,00% Źródło: www.isap.sejm.gov.pl (dostęp: 17.7.2013). 11.3. DOCHODY I WYDATKI W tablicy 11.3 przestawiono strukturę dochodów województw w latach 2002–2011 z podziałem na podstawowe kategorie dochodów. 1 Ustawa o samorządzie powiatowym z 5 czerwca 1998 roku, Dz.U. 1998 nr 91 poz, 578, Ustawa o samorządzie wojewódzkim z 5 czerwca 1998 roku, Dz.U. 1998 nr 91 poz, 576, Ustawa o wprowadzeniu zasadniczego trójstopniowego podziału terytorialnego państwa z 24 lipca 1998 roku, Dz.U. 1998 nr 96 poz, 603. 2 Ustawa o dochodach jednostek samorządu terytorialnego w latach 1999–2000 z 27 listopada 1998 roku. Przedłużana do końca 2003 roku. 3 Ustawa o dochodach jednostek samorządu terytorialnego z 13 listopada 2003 roku (Dz.U. 2003, nr 203, poz. 1966). Tablica 11.3. Dochody województw w podziale na główne grupy w latach 2002–2011 [%] Grupa dochodów Lata Średnia 2002–2003 Średnia 2004–2011 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dochody własne 15,66 15,88 59,13 64,91 63,84 68,28 58,53 32,30 40,44 44,29 15,77 53,96 Dotacje ogółem 48,53 51,04 22,37 15,97 14,22 13,07 23,54 53,41 38,71 39,13 49,79 27,55 Subwencja ogólna 35,80 33,08 18,51 19,11 21,94 18,65 17,93 14,28 20,86 16,59 34,44 18,48 Źródło: Obliczenia własne na podstawie: www.archbip.mf.gov.pl/bip/5249 (dostęp: 17.7.2013). Z przedstawionych danych w tablicy 11.3 wynikają następujące wnioski: ●● Udział dochodów własnych w latach 2004–2011 wzrósł ponadtrzykrotnie w dochodach ogółem, i średnio wynosił blisko 54%. ●● Dotacje ogółem, których średni udział w pierwszych dwóch latach wynosił blisko 50% dochodów ogółem, po wejściu w życie zmian w ustawie z 2003 roku o dochodach jednostek samorządu terytorialnego spadł do 28%. ●● Poziom subwencji ogółem obniżył się blisko o 50% w stosunku do stanu z lat 2002–2003. ●● Przed wejściem w życie ustawy z 2003 roku,blisko 85% dochodów samorządu wojewódzkiego miało charakter strumieniowy, wprowadzone zmiany spowodowały przeniesienie głównego źródła dochodów do grupy dochodów własnych. W tablicy 11.4 zaprezentowano strukturę wydatków województw w podziale na wydatki majątkowe i bieżące. Tablica 11.4. Struktura wydatków województw w latach 2002–2010 w podziale na wydatki majątkowe i bieżące Wydatki Lata Średnia 2002 2003 2004 2005 2006 2007 2008 2009 2010 Majątkowe 29,1 33,3 29,7 33,9 36,3 36,7 36,7 48,7 39,0 35,9 Bieżące 70,9 66,7 70,3 66,1 63,7 63,3 63,3 51,3 61,0 64,1 Źródło: Obliczenia własne na podstawie: www.archbip.mf.gov.pl/bip/5249 (dostęp: 17.7.2013). Z danych przedstawionych w tablicy 11.4 można wywnioskować, że w badanym okresie następują powolne, acz w miarę stałe zmiany w strukturze wydatków województw. W 2002 roku średni udział wydatków majątkowych stanowił 29,1% wydatków ogółem, podczas gdy w 2010 roku wartość ta wynosiła 39%, przy średniej dla całego okresu równej 35,9%. Takie zjawisko należy uznać za pozytywne, ponieważ większość wydatków województw wiązała się inwestycjami w infrastrukturę województw. Ostatnią prezentowaną zmienną jest stan zobowiązań jednostek samorządu terytorialnego na koniec roku, wykazany w sprawozdaniach z wykonania budżetu. Województwa i powiaty systematycznie zaciągały zobowiązania na realizacje zawartych umów. W ramach tych niepokrytych zobowiązań występują trzy główne grupy. Według tytułów dłużnych są to: ●● Papiery wartościowe emitowane przez jednostki samorządu terytorialnego. ●● Kredyty i pożyczki (zdecydowanie długoterminowe). ●● Zobowiązania wymagalne. Narastanie salda zobowiązań na koniec kolejnych lat jest zjawiskiem niekorzystnym dla przyszłości budżetów wojewódzkich. Konieczność ich spłaty, jak również obsługa długu pochłaniają dochody własne jednostki. Zakładając, że pożyczone środki mogłyby być przeznaczone na inwestycję w infrastrukturę techniczną, która będzie wykorzystywana przez lokalną ludność i jednostki produkcyjne oraz usługowe za odpłatnością (np. na budowę oczyszczalni ścieków czy wodociągów), inwestycja nie obciążyłaby tak drastycznie budżetu jednostki. Jeżeli jednak będą to inwestycje w strukturę techniczną czy społeczną, wymagające systematycznych nakładów na ich utrzymanie w przyszłości, to środki gromadzone przez jednostkę samorządu terytorialnego, a szczególnie dochody własne, będą bardzo silnie obciążone z tytułu konieczności utrzymania tej niedochodowej infrastruktury. Zobowiązania pozostające do zapłaty na koniec roku w jednostkach samorządowych w niniejszym opracowaniu będą traktowane jako elementy hamujące dynamikę dalszego ekonomicznego rozwoju. 11.4. ZRÓŻNICOWANIE PODSTAWOWYCH KATEGORII BUDŻETOWYCH W WOJEWÓDZTWACH 11.4.1. Dochody z PIT W tablicy 11.5. zawarto informacje na temat regionalnego zróżnicowania dochodów województw z tytułu udziału tych jednostek samorządu terytorialnego w podatku od osób fizycznych (PIT), przy czym województwa zostały uszeregowane od największej do najmniejszej wartości analizowanej zmiennej. Z zaprezentowanych w tablicy 11.6. danych można wysnuć następujące wnioski: ●● Zdecydowanie najwyższymi dochodami własnymi z tytułu udziału w PIT charakteryzowało się w badanym okresie województwo mazowieckie (187,5% wartości średniej dla Polski). W województwach: śląskim (128,6%), pomorskim (115,4%), dolnośląskim (114,1%), wielkopolskim (109,3%), łódzkim (101,9%) i małopolskim (101,4%) wartość analizowanej zmiennej była wyższa niż średnia dla całej gospodarki. ●● Województwami o najniższych dochodach z PIT na mieszkańca były: podkarpackie (68,3%), lubelskie (71,9%), świętokrzyskie (75%) i podlaskie (78,4%). ●● W pozostałych województwach obserwowano przeciętnie dochody z PIT per capita w przedziale od 82,3% (warmińsko-mazurskie) do 97,9% (zachodniopomorskie) wartości średniej dla Polski. Tablica 11.5. Dochody województw z PIT jako procent średniej dla Polski w latach 2002–2011 Województwo Dochody z PIT per capita w cenach stałych z 2009 roku (% średniej dla Polski) 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Średnia Mazowieckie 135,8 140,9 152,1 163,7 186,5 224,8 232,7 219,0 210,0 208,9 187,5 Śląskie 94,5 96,8 104,3 116,0 129,0 154,4 162,2 142,3 139,4 147,5 128,6 Pomorskie 80,9 84,2 88,3 99,2 112,8 139,0 148,0 136,3 130,5 134,6 115,4 Dolnośląskie 77,7 82,0 85,4 96,4 111,6 137,2 147,5 136,1 131,5 136,0 114,1 Wielkopolskie 76,3 77,5 85,6 96,1 108,8 130,6 138,8 128,1 122,5 128,4 109,3 Łódzkie 70,8 74,2 79,2 89,0 100,7 121,9 130,3 117,7 114,1 120,8 101,9 Małopolskie 74,2 70,7 75,6 85,7 98,1 119,1 130,9 119,5 116,8 123,1 101,4 Zachodniopomorskie 67,6 70,5 74,6 83,3 96,4 118,4 126,3 115,1 110,4 116,9 97,9 Kujawsko-pomorskie 65,8 66,7 72,3 79,4 91,3 110,0 118,4 106,1 102,0 108,7 92,1 Lubuskie 63,8 65,0 67,6 77,2 89,5 107,8 115,8 102,0 98,5 105,8 89,3 Opolskie 61,0 63,7 67,0 75,2 86,0 102,5 111,3 99,0 97,2 103,7 86,7 Warmińsko-mazurskie 56,6 58,2 62,5 72,1 83,2 101,0 107,7 95,2 90,3 96,1 82,3 Podlaskie 51,0 53,3 59,0 70,5 77,5 94,6 102,9 92,4 87,8 94,7 78,4 Świętokrzyskie 49,3 54,4 60,9 65,2 73,4 87,7 96,3 86,1 85,0 92,1 75,0 Lubelskie 48,2 51,2 55,5 62,1 72,3 86,7 93,1 81,2 80,2 88,1 71,9 Podkarpackie 46,4 48,3 52,8 59,6 69,4 82,1 90,9 77,0 74,3 82,3 68,3 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). W tablicy 11.6. znajdują się grupy kwartylowe województw ze względu na udział tych jednostek samorządu terytorialnego w dochodach z podatku od osób fizycznych. Z danych zawartych w tablicy 11.6. wynika, że: ●● W najniższych grupie kwartylowej świadczącej o najniższych dochodach własnych z PIT per capita znalazły się województwa: podkarpackie, lubelskie, świętokrzyskie i podlaskie. Niewielkie zmiany w tej grupie zachodziły jedynie między województwem świętokrzyskim i podlaskim. ●● W grupie drugiej znalazły się województwa: warmińsko-mazurskie, opolskie, lubuskie, i kujawsko-pomorskie, a kolejność w grupie przez cały okres analizy nie uległa zmianie. ●● W trzeciej grupie znajdowały się zwykle województwa: zachodniopomorskie, małopolskie, łódzkie i wielkopolskie. W 2004 roku w grupie tej znalazło się województwo dolnośląskie, które ustąpiło miejsca województwu wielkopolskiemu w grupie czwartej. W grupie tej również zaobserwowano zmiany pozycji pomiędzy województwem małopolskim i łódzkim. ●● Do czwartej grupy kwartylowej z reguły wchodziły województwa: dolnośląskie, pomorskie, śląskie i mazowieckie. Jak już wspomniano, w 2004 roku województwo dolnośląskie spadło do trzeciej grupy kwartylowej, do czwartej zaś awansowało wielkopolskie. Tablica 11.6. Grupy kwartylowe – udział województw w PIT per capita w latach 2002–2011 Grupa kwartylowa 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 pierwsza podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie podlaskie świętokrzyskie podkarpackie lubelskie podlaskie świętokrzyskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie podkarpackie lubelskie świętokrzyskie podlaskie druga warmińsko-mazurskie opolskie kujawsko-pomorskie lubuskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie warmińsko-mazurskie opolskie lubuskie kujawsko-pomorskie trzecia zachodniopomorskie łódzkie małopolskie wielkopolskie zachodniopomorskie małopolskie łódzkie wielkopolskie zachodniopomorskie małopolskie łódzkie dolnośląskie zachodniopomorskie małopolskie łódzkie wielkopolskie zachodniopomorskie małopolskie łódzkie wielkopolskie zachodniopomorskie małopolskie łódzkie wielkopolskie zachodniopomorskie łódzkie małopolskie wielkopolskie zachodniopomorskie łódzkie małopolskie wielkopolskie zachodniopomorskie łódzkie małopolskie wielkopolskie zachodniopomorskie łódzkie małopolskie wielkopolskie czwarta dolnośląskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie wielkopolskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie dolnośląskie pomorskie śląskie mazowieckie pomorskie dolnośląskie śląskie mazowieckie pomorskie dolnośląskie śląskie mazowieckie Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). ●● Grupy kwartylowe były stabilne. Świadczą o tym wysokie wartości współczynnika korelacji Pearsona pomiędzy rangami województw w roku t i t – 1. W kolejnych latach w całym badanym okresie wynosiły one odpowiednio: 0,997; 0,997; 0,994; 1; 1; 0,997; 1; 0,997; 1. 11.4.2. Dochody z CIT W tablicy 11.8. zawarto informacje na temat zróżnicowania województw pod względem dochodów z tytułu podatków od osób prawnych (CIT). Tablica 11.7. Dochody województw z CIT (% średniej dla Polski) w latach 2002–2011 Województwo Dochody z CIT per capita w cenach stałych z 2009 roku (% średniej dla Polski) 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Średnia Mazowieckie 8,9 7,4 352,6 344,8 417,8 508,7 444,4 370,3 324,4 329,9 310,9 Dolnośląskie 2,5 2,4 125,9 139,9 183,3 225,9 201,6 166,8 167,3 204,7 142,0 Wielkopolskie 3,7 3,3 145,4 137,0 155,0 189,5 167,5 154,8 155,6 153,3 126,5 Śląskie 3,4 3,5 127,4 104,4 151,6 179,1 159,4 128,9 135,4 143,6 113,7 Pomorskie 2,9 2,7 140,2 132,6 144,7 165,5 148,6 114,3 124,8 146,3 112,3 Świętokrzyskie 1,9 1,8 84,1 149,2 121,4 141,6 128,2 122,0 92,5 89,9 93,3 Kujawsko-pomorskie 2,0 2,1 85,1 84,5 101,7 132,4 121,4 127,5 132,9 125,5 91,5 Lubuskie 2,3 2,0 95,3 77,7 113,8 138,4 148,7 117,1 96,6 105,0 89,7 Opolskie 2,2 2,2 97,5 89,4 97,4 138,2 109,9 85,4 83,0 88,8 79,4 Łódzkie 2,4 2,4 95,9 83,6 96,4 120,5 106,7 97,5 81,9 94,9 78,2 Małopolskie 1,6 1,5 62,7 60,9 77,2 108,4 121,2 112,8 66,8 92,3 70,5 Zachodniopomorskie 1,8 1,9 70,5 72,0 79,6 111,9 92,6 95,4 79,2 86,8 69,2 Podkarpackie 1,7 1,5 72,9 68,9 71,5 93,0 75,1 71,3 64,0 78,7 59,9 Lubelskie 1,7 1,7 67,1 62,1 62,1 90,8 76,8 77,0 61,2 54,4 55,5 Podlaskie 1,6 1,6 60,0 61,4 63,1 88,8 77,5 65,9 55,7 67,7 54,3 Warmińsko-mazurskie 2,0 1,6 71,9 68,0 61,8 82,7 68,5 58,2 61,9 53,9 53,1 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). Z danych zawartych w tablicy 11.7. można wysnuć następujące wnioski: ●● Zdecydowanie najwyższe dochody z tytułu udziału województw w CIT na jednego mieszkańca odnotowano w województwie mazowieckim (310,9% średniej wartości dla Polski w całym badanym okresie). Drugie pod względem analizowanej zmiennej było województwo dolnośląskie (142,0%), trzecie zaś – województwo wielkopolskie (126,5%). Województwami, które osiągały dochody z CIT powyżej średniej były również województwa: śląskie (113,7%) i pomorskie (112,3%). Tablica 11.8. Grupy kwartylowe dochody województw z CIT per capita w latach 2002–2011 Grupa kwartylowa 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Pierwsza świętokrzyskie lubelskie podkarpackie podlaskie świętokrzyskie podkarpackie warmińsko-mazurskie lubelskie lubelskie świętokrzyskie podlaskie zachodniopomorskie świętokrzyskie lubelskie podlaskie warmińsko-mazurskie warmińsko-mazurskie podlaskie lubelskie podkarpackie warmińsko-mazurskie lubelskie podlaskie podkarpackie warmińsko-mazurskie podkarpackie podlaskie lubelskie warmińsko-mazurskie lubelskie podkarpackie podlaskie lubelskie podlaskie warmińsko-mazurskie podkarpackie warmińsko-mazurskie podlaskie lubelskie podkarpackie Druga Zachodniopomorskie opolskie warmińsko-mazurskie łódzkie podlaskie opolskie zachodniopomorskie małopolskie warmińsko-mazurskie podkarpackie opolskie łódzkie podkarpackie zachodniopomorskie małopolskie kujawsko-pomorskie świętokrzyskie zachodniopomorskie kujawsko-pomorskie lubuskie świętokrzyskie zachodniopomorskie kujawsko-pomorskie łódzkie zachodniopomorskie kujawsko-pomorskie lubuskie świętokrzyskie lubuskie zachodniopomorskie kujawsko-pomorskie świętokrzyskie świętokrzyskie zachodniopomorskie kujawsko-pomorskie lubuskie zachodniopomorskie lubuskie opolskie świętokrzyskie Trzecia lubuskie małopolskie kujawsko-pomorskie dolnośląskie łódzkie lubuskie dolnośląskie kujawsko-pomorskie małopolskie kujawsko-pomorskie lubuskie dolnośląskie łódzkie lubuskie pomorskie śląskie łódzkie małopolskie opolskie śląskie lubuskie małopolskie opolskie śląskie łódzkie opolskie śląskie małopolskie śląskie małopolskie opolskie łódzkie opolskie małopolskie śląskie łódzkie kujawsko-pomorskie małopolskie łódzkie pomorskie Czwarta śląskie pomorskie wielkopolskie mazowieckie śląskie wielkopolskie pomorskie mazowieckie pomorskie śląskie wielkopolskie mazowieckie wielkopolskie dolnośląskie opolskie mazowieckie pomorskie wielkopolskie dolnośląskie mazowieckie pomorskie wielkopolskie dolnośląskie mazowieckie pomorskie wielkopolskie dolnośląskie mazowieckie pomorskie wielkopolskie dolnośląskie mazowieckie pomorskie wielkopolskie dolnośląskie mazowieckie śląskie wielkopolskie dolnośląskie mazowieckie Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). ●● Osiem województw osiągnęło dochody z CIT per capita niższe niż 80% średniej krajowej. Były to: opolskie (79,4%), łódzkie (78,2%), małopolskie (70,5%), zachodniopomorskie (69,2%), podkarpackie (59,9%), lubelskie (55,5%), podlaskie (54,3%) i warmińsko-mazurskie (53,1%). ●● Trzy województwa osiągały dochody własne z tytułu CIT na poziomie od 80% do 100% średniej dla Polski. Były to: świętokrzyskie (93,3%), kujawsko-pomorskie (91,5%) i lubuskie (89,7%). W tablicy 11.8 przedstawiono grupy kwartylowe ze względu na dochody województw z tytułu udziału w dochodach z CIT per capita. Z tablicy 11.8 wynika, że: ●● W pierwszej grupie kwartylowej świadczącej o najniższych wpływach do budżetów województw z tytułu CIT per capita znalazły się: lubelskie (10 razy), podlaskie (9), podkarpackie (8), warmińsko-mazurskie (8), świętokrzyskie (4) oraz zachodniopomorskie (1). Najczęściej najniższymi wartościami analizowanej zmiennej charakteryzowało się województwo warmińsko-mazurskie. ●● Najczęściej w drugiej grupie kwartylowej występowało województwo zachodniopomorskie (9 razy na 10 lat obserwacji). W grupie tej występowały ponadto województwa: świętokrzyskie (6), kujawsko-pomorskie (6), lubuskie (5), opolskie (4), łódzkie (3), małopolskie (2), podkarpackie (2), warmińsko-mazurskie (2) oraz podlaskie (1). ●● W trzeciej grupie kwartylowej obserwowano następujące województwa: małopolskie (8 razy), łódzkie (7), śląskie (6), lubuskie (5), opolskie (5), kujawsko-pomorskie (4), dolnośląskie (3) oraz pomorskie (2 razy). ●● Zdecydowanie najbardziej stabilna była czwarta grupa kwartylowa. Województwa mazowieckie i wielkopolskie przez cały dziesięcioletni okres analizy ani raz nie znalazły się poza nią. Województwo pomorskie było się w niej 8 razy, dolnośląskie (7), śląskie (4) oraz jeden raz (w 2005 roku) województwo opolskie. ●● Stopień stabilności poszczególnych grup kwartylowych nie był ani wysoki, ani silnie zróżnicowany pomiędzy grupami. Im wyższy jest poziom współczynnika korelacji pomiędzy rangami województw w roku t i t – 1, tym wyższa jest stabilność danej grupy kwartylowej. Odpowiednie współczynniki korelacji Pearsona dla poszczególnych grup kwartylowych zawarto w tablicy 11.9. Tablica 11.9. Współczynniki korelacji Pearsona rang województw w grupach kwartylowych ze względu na dochody województw z CIT Grupa kwartylowa Współczynnik korelacji Pearsona 2002 z 2003 2003 z 2004 2004 z 2005 2005 z 2006 2006 z 2007 2007 z 2008 2008 z 2009 2009 z 2010 2010 z 2011 I 0,34 0,28 0,90 –0,70 0,71 0,93 0,79 –0,64 –0,79 II 0,83 0,35 0,40 0,94 0,99 0,08 0,53 –0,08 –0,26 III 0,85 –0,14 –0,09 0,00 0,99 –0,44 –0,76 –0,83 –0,70 IV 0,80 0,40 0,09 0,86 1,00 1,00 1,00 1,00 0,96 Źródło: opracowanie własne. Zdecydowanie najbardziej stabilna okazała się grupa czwarta. Pozostałe charakteryzowały się relatywnie dużą zmiennością. Najmniej stabilna była trzecia grupa kwartylowa, dla której średni wskaźnik korelacji Pearsona wynosił w całym badanym okresie –0,2. 11.4.3. Dochody z dotacji i subwencji W tablicy 11.10. zestawiono wartości dochodów województw z tytułu subwencji i dotacji. Wartości w tabeli przedstawiają procentową wielkość analizowanej zmiennej per capita wyrażoną w wartościach procentowych w cenach stałych z 2009 roku. Okres analizy obejmuje lata 2002–2011. Z danych zawartych w tablicy 11.10. można wysnuć następujące wnioski: ●● Dziewięć województw uzyskiwało dochody z dotacji i subwencji na poziomie wyższym niż średnia dla Polski. Najwyższe średnie wartości analizowanej zmiennej zaobserwowano w województwach lubuskim (147,6%), warmińsko-mazurskim (123,4%) i opolskim (123,3%). ●● Zdecydowanie najniższym średnim poziomem analizowanej zmiennej charakteryzowało się województwo mazowieckie (52,4%). Nieco lepszy wskaźnik obserwowano w województwach: śląskim (70,0%), łódzkim (72,0%) i wielkopolskim (76,5%). Tablica 11.10. Dochody województw per capita z subwencji i dotacji w latach 2002–2011 Województwa Dotacje i subwencje per capita w cenach stałych z 2009 roku (% średniej dla Polski) 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Średnia Lubuskie 101,1 95,8 86,1 77,0 120,2 142,8 126,3 352,3 192,3 182,0 147,6 Warmińsko-mazurskie 69,8 90,3 76,3 63,9 89,4 133,7 133,3 263,3 156,6 157,5 123,4 Opolskie 61,0 71,0 55,2 57,0 99,1 99,0 125,8 278,3 207,6 168,8 122,3 Zachodniopomorskie 69,7 70,3 58,1 56,9 92,9 107,4 108,1 298,4 186,7 168,9 121,7 Podkarpackie 68,1 78,5 66,5 54,1 102,2 106,8 127,2 219,7 188,5 174,2 118,6 Podlaskie 58,5 64,8 56,3 52,7 97,9 127,8 118,5 260,8 161,2 169,6 116,8 Świętokrzyskie 76,3 83,5 67,0 50,9 75,4 77,8 124,7 275,9 167,4 148,6 114,8 Lubelskie 66,1 88,0 63,8 53,2 96,7 107,4 110,1 204,1 152,9 162,9 110,5 Kujawsko-pomorskie 66,3 69,2 53,7 51,4 79,2 90,4 102,0 200,2 169,8 132,5 101,5 Pomorskie 63,4 73,2 41,7 44,7 70,0 72,4 87,7 220,4 98,7 111,2 88,3 Dolnośląskie 61,1 64,8 43,1 56,0 61,6 75,9 70,9 189,6 93,1 109,6 82,6 Małopolskie 57,0 62,1 42,0 42,3 58,0 61,5 68,7 170,6 121,5 126,6 81,0 Wielkopolskie 65,8 65,5 29,6 27,8 49,2 65,5 54,4 227,9 87,6 92,2 76,5 Łódzkie 43,3 44,3 34,9 28,3 42,2 49,8 64,0 220,5 97,7 94,7 72,0 Śląskie 71,6 76,7 67,5 48,7 60,7 57,5 48,4 118,1 81,8 69,0 70,0 Mazowieckie 47,4 46,4 19,5 19,4 45,9 42,7 48,4 106,2 79,9 68,4 52,4 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). Tablica 11.11. Grupy kwartylowe dochody województw per capita z dotacji i subwencji Grupy kwartylowe 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Pierwsza łódzkie mazowieckie małopolskie podlaskie łódzkie mazowieckie małopolskie podlaskie mazowieckie wielkopolskie łódzkie pomorskie mazowieckie wielkopolskie łódzkie małopolskie łódzkie mazowieckie wielkopolskie małopolskie mazowieckie łódzkie śląskie małopolskie śląskie mazowieckie wielkopolskie łódzkie mazowieckie śląskie małopolskie dolnośląskie mazowieckie śląskie wielkopolskie dolnośląskie mazowieckie śląskie wielkopolskie łódzkie Druga opolskie dolnośląskie pomorskie wielkopolskie dolnośląskie wielkopolskie kujawsko-pomorskie zachodniopomorskie małopolskie dolnośląskie kujawsko-pomorskie opolskie pomorskie śląskie świętokrzyskie kujawsko-pomorskie śląskie dolnośląskie pomorskie świętokrzyskie wielkopolskie pomorskie dolnośląskie świętokrzyskie małopolskie dolnośląskie pomorskie kujawsko-pomorskie kujawsko-pomorskie lubelskie podkarpackie pomorskie łódzkie pomorskie małopolskie lubelskie dolnośląskie pomorskie małopolskie kujawsko-pomorskie Trzecia lubelskie kujawsko-pomorskie podkarpackie zachodniopomorskie opolskie pomorskie śląskie podkarpackie podlaskie zachodniopomorskie lubelskie podkarpackie podlaskie lubelskie podkarpackie dolnośląskie kujawsko-pomorskie warmińsko-mazurskie zachodniopomorskie lubelskie kujawsko-pomorskie opolskie podkarpackie lubelskie zachodniopomorskie lubelskie podlaskie świętokrzyskie łódzkie wielkopolskie podlaskie warmińsko-mazurskie warmińsko-mazurskie podlaskie świętokrzyskie kujawsko-pomorskie świętokrzyskie warmińsko-mazurskie lubelskie opolskie Czwarta warmińsko-mazurskie śląskie świętokrzyskie lubuskie świętokrzyskie lubelskie warmińsko-mazurskie lubuskie świętokrzyskie śląskie warmińsko-mazurskie lubuskie zachodniopomorskie opolskie warmińsko-mazurskie lubuskie podlaskie opolskie podkarpackie lubuskie zachodniopomorskie podlaskie warmińsko-mazurskie lubuskie opolskie lubuskie podkarpackie warmińsko-mazurskie świętokrzyskie opolskie zachodniopomorskie lubuskie zachodniopomorskie podkarpackie lubuskie opolskie zachodniopomorskie podlaskie podkarpackie lubuskie Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). ●● Wartościami w przedziale od 80% do 100% średniej dla Polski charakteryzowały się województwa: małopolskie (81,0%), dolnośląskie (82,6%) i pomorskie (88,3%). ●● Z powyższych danych wynika, że dochody i subwencje są ujemnie skorelowane z dochodami województw z tytułu udziału tych jednostek samorządu terytorialnego w PIT i CIT. Jest to zgodne z zasadami przyznawania dotacji i subwencji, które mają niwelować różnice w dochodach jednostek samorządu terytorialnego i być mechanizmem wzmacniania procesów konwergencji regionalnej. W tablicy 11.11. przedstawiono grupy kwartylowe zawierające podział województw ze względu na dochody z tytułu dotacji i subwencji. Z tablicy 11.11 wynika co następuje: ●● W pierwszej grupie kwartylowej świadczącej o najniższych wartościach analizowanej zmiennej znalazły się województwa: mazowieckie (10 razy, czyli w każdym roku analizy), łódzkie (8), wielkopolskie (6), małopolskie (6), śląskie (5), podlaskie (2), dolnośląskie (2) i pomorskie (1). ●● W drugiej grupie kwartylowej znalazły się województwa: opolskie (7 razy), dolnośląskie (7), kujawsko-pomorskie (6), pomorskie (4), małopolskie (4), wielkopolskie (3), świętokrzyskie (3), śląskie (2), lubelskie (2), łódzkie (1) i podkarpackie (1). W tej grupie dochodziło do częstych zmian pozycji między województwami oraz i do migracji województw pomiędzy grupami kwartylowymi. ●● W trzeciej grupie kwartylowej najczęściej było obecne województwo lubelskie (7 razy). W dalszej kolejności obserwowano województwa: podkarpackie (5), podlaskie (5), kujawsko-pomorskie (4), zachodniopomorskie (4), opolskie (4), warmińsko-mazurskie (4), świętokrzyskie (3), pomorskie (1), dolnośląskie (1) i wielkopolskie (1). W tej grupie znalazło się aż 12 województw, co świadczy o jej niewielkiej stabilności. ●● W grupie czwartej przez całe dziesięć lat analizy znajdowało się województwo lubuskie. Kolejnymi co do częstotliwości występowania w czwartej grupie kwartylowej były województwa: warmińsko-mazurskie (6), zachodniopomorskie (5), opolskie (5), świętokrzyskie (4), podkarpackie (4), podlaskie (3), śląskie (2) i lubelskie (1). Tablica 11.12. Współczynniki korelacji Pearsona rang województw w grupach kwartylowych ze względu na dochody z dotacji i subwencji Grupa kwartylowa Współczynnik korelacji Pearsona 2002 z 2003 2003 z 2004 2004 z 2005 2005 z 2006 2006 z 2007 2007 z 2008 2008 z 2009 2009 z 2010 2010 z 2011 Pierwsza 1 0,294086 0,824259 –0,48276 0,973795 0,18286 –0,71507 0,888635 0,9135 Druga 1 0,438529 0,888218 –0,89106 0,75427 0,678823 –0,64232 –0,85524 0,758947 Trzecia 0,800641 0,418209 0,572351 0,763386 –0,48595 –0,16213 0,478689 –0,5083 –0,14106 Czwarta 0,29192 0,625543 0,44376 0,742006 0,720614 –0,43763 –0,65009 –0,31003 –0,42599 Źródło: opracowanie własne. Stabilność poszczególnych grup kwartylowych najlepiej opisują współczynniki korelacji Pearsona zawarte w tablicy 11.12. Na jej podstawie można stwierdzić, że najbardziej stabilna był pierwsza grupa kwartylowa (najwyższa średnia wartość współczynnika korelacji). Pod względem stabilności grupy najmniej stabilna okazała się grupa czwarta, o najniższej średniej wartości współczynnika korelacji. 11.4.4. Wydatki bieżące W tablicy 11.13. zawarto informacje na temat zmienności w czasie wydatków bieżących per capita województw w Polsce. Dane w tej tabeli zostały podane w cenach stałych z 2009 roku w ujęciu procentowym w odniesieniu do średniej dla całego kraju. Tablica 11.13. Wydatki bieżące per capita województw w cenach stałych z 2009 roku Województwa Wydatki bieżące województw per capita w cenach stałych z 2009 roku (% średniej dla Polski) 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Średnia Podlaskie 80,7 86,5 93,0 109,7 98,1 107,8 138,5 157,7 170,1 153,2 119,5 Lubelskie 58,2 53,5 60,6 67,7 87,1 103,1 160,1 146,7 185,3 193,8 111,6 Opolskie 61,5 73,9 75,6 116,6 109,5 107,6 126,7 136,4 145,4 157,2 111,0 Zachodniopomorskie 75,6 82,3 79,5 90,5 106,5 112,1 127,5 132,7 146,8 145,9 109,9 Lubuskie 64,6 66,4 69,4 67,2 82,8 95,7 125,4 157,3 180,9 173,0 108,3 Podkarpackie 63,1 72,6 80,9 79,7 97,3 105,0 121,0 142,1 154,2 155,3 107,1 Świętokrzyskie 81,7 77,1 71,3 79,5 78,7 87,7 110,9 123,3 172,8 158,5 104,2 Kujawsko-pomorskie 57,4 54,2 56,5 71,1 86,2 100,7 138,9 134,3 180,8 156,2 103,6 Warmińsko-mazurskie 47,5 49,4 58,7 120,3 100,4 111,1 139,0 148,6 115,2 139,2 103,0 Dolnośląskie 60,3 63,5 69,1 70,4 76,8 91,6 129,2 117,8 141,2 156,4 97,6 Mazowieckie 53,0 56,1 60,9 72,1 86,8 97,7 116,7 118,7 130,6 128,3 92,1 Pomorskie 44,0 46,3 48,3 54,1 60,1 69,5 108,1 112,2 118,6 122,8 78,4 Łódzkie 45,8 45,3 49,9 54,9 63,4 91,5 119,6 89,3 98,5 114,9 77,3 Wielkopolskie 47,2 47,1 49,3 56,9 73,5 73,7 94,4 100,8 110,6 113,2 76,7 Małopolskie 38,4 40,5 45,5 53,2 69,5 78,2 97,4 92,1 86,5 95,8 69,7 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). Na podstawie tych danych można ocenić, że: ●● Sześć województw charakteryzowało się średnimi wartościami analizowanej zmiennej poniżej średniej krajowej. Były to; małopolskie (69,7%), wielkopolskie (76,7%), łódzkie (77,3%), pomorskie (78,4%), mazowieckie (92,1%) oraz dolnośląskie (97,6%). ●● Najwyższy udział analizowanej zmiennej zaobserwowano w województwach: podlaskim (119,5%), lubelskim (111,6%) i opolskim (111,0%). Tablica 11.14. Grupy kwartylowe według wydatków bieżących województw per capita w cenach stałych z 2009 roku Grupy kwartylowe 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 I śląskie łódzkie wielkopolskie małopolskie śląskie wielkopolskie łódzkie małopolskie śląskie łódzkie małopolskie wielkopolskie śląskie łódzkie wielkopolskie małopolskie łódzkie wielkopolskie śląskie małopolskie łódzkie małopolskie śląskie świętokrzyskie małopolskie śląskie łódzkie świętokrzyskie wielkopolskie śląskie małopolskie łódzkie śląskie wielkopolskie małopolskie mazowieckie śląskie małopolskie wielkopolskie łódzkie II mazowieckie pomorskie kujawsko-pomorskie dolnośląskie mazowieckie dolnośląskie kujawsko-pomorskie pomorskie kujawsko-pomorskie mazowieckie dolnośląskie pomorskie podkarpackie dolnośląskie podlaskie kujawsko-pomorskie podlaskie świętokrzyskie podkarpackie kujawsko-pomorskie wielkopolskie podlaskie podkarpackie pomorskie pomorskie wielkopolskie lubelskie podkarpackie podlaskie pomorskie świętokrzyskie zachodniopomorskie łódzkie pomorskie podlaskie warmińsko-mazurskie pomorskie mazowieckie zachodniopomorskie opolskie III podlaskie warmińsko-mazurskie lubelskie podkarpackie podlaskie podkarpackie lubelskie warmińsko-mazurskie podlaskie podkarpackie świętokrzyskie warmińsko-mazurskie pomorskie świętokrzyskie lubelskie zachodniopomorskie pomorskie dolnośląskie lubelskie opolskie kujawsko-pomorskie dolnośląskie lubelskie warmińsko-mazurskie warmińsko-mazurskie zachodniopomorskie podlaskie opolskie kujawsko-pomorskie warmińsko-mazurskie lubelskie dolnośląskie zachodniopomorskie lubelskie opolskie świętokrzyskie lubelskie kujawsko-pomorskie podlaskie warmińsko-mazurskie IV zachodniopomorskie opolskie świętokrzyskie lubuskie świętokrzyskie zachodniopomorskie opolskie lubuskie zachodniopomorskie lubelskie lubuskie opolskie lubuskie opolskie warmińsko-mazurskie mazowieckie mazowieckie zachodniopomorskie lubuskie warmińsko-mazurskie opolskie mazowieckie zachodniopomorskie lubuskie kujawsko-pomorskie mazowieckie lubuskie dolnośląskie mazowieckie podkarpackie lubuskie opolskie kujawsko-pomorskie podkarpackie lubuskie dolnośląskie świętokrzyskie podkarpackie dolnośląskie lubuskie Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). ●● Średnia wartość wydatków bieżących per capita wynosiła we wszystkich województwach 87,3 tys. zł, a odchylenie standardowe wynosiło 33,4 tys. zł. Zróżnicowanie tej zmiennej w czasie i przestrzeni nie było zatem zbyt wysokie. Tablica 11.14. stanowi zestawienie grup kwartylowych województw ze względu na wartości wydatków bieżących województw per capita w latach 2002–2011. Na podstawie danych zawartych w tablicy 11.14 można wysnuć następujące wnioski: ●● W pierwszej grupie kwartylowej w ciągu dziesięciu lat znalazło się sześć następujących województw: śląskie (10 razy), małopolskie (10), łódzkie (9), wielkopolskie (8), świętokrzyskie (2) i mazowieckie (1). Ta grupa okazała się bardzo stabilna w czasie. ●● Do drugiej grupy kwartylowej zakwalifikowały się województwa: pomorskie (8 razy w całym badanym okresie), mazowieckie (5), kujawsko-pomorskie (5), podlaskie (5), dolnośląskie (4), podkarpackie (4), świętokrzyskie (2), wielkopolskie (2), zachodniopomorskie (2), lubelskie (1), łódzkie (1) oraz warmińsko-mazurskie (1). ●● W trzeciej grupie kwartylowej znalazły się województwa: lubelskie (8), warmińsko-mazurskie (7), podlaskie (5), podkarpackie (3), świętokrzyskie (3), zachodniopomorskie (3), dolnośląskie (3), opolskie (3), kujawsko-pomorskie (3) i pomorskie (2). ●● Do czwartej grupy kwartylowej w latach 2002–2011 należały następujące województwa: lubuskie (10), opolskie (6), mazowieckie (5), zachodniopomorskie (5), świętokrzyskie (3), dolnośląskie (3), podkarpackie (3), warmińsko-mazurskie (2), kujawsko-pomorskie (2) oraz lubelskie (1). Warto również zwrócić uwagę na relatywnie dużą niestabilność grup kwartylowych w odniesieniu do wydatków bieżących województw per capita. W tablicy 11.15. zaprezentowano wartości współczynnika korelacji Pearsona pomiędzy pozycjami poszczególnych województw w grupach. Z danych zawartych w tej tabeli wynika, że pierwsza grupa jest względnie najbardziej stabilna, o czym świadczy najwyższy średni poziom współczynnika korelacji Pearsona równy 0,48. Najmniej stabilna okazała się czwarta grupa kwartylowa ze współczynnikiem korelacji równym 0,02. Grupy druga i trzecia charakteryzowały się zbliżonym poziomem stabilności (współczynniki korelacji wynosiły odpowiednio 0,38 dla drugiej i 0,32 dla trzeciej grupy). Tablica 11.15. Współczynniki korelacji Pearsona rang województw w grupach kwartylowych ze względu na wydatki bieżące per capita Grupa kwartylowa Współczynnik korelacji Pearsona 2002 z 2003 2003 z 2004 2004 z 2005 2005 z 2006 2006 z 2007 2007 z 2008 2008 z 2009 2009 z 2010 2010 z 2011 I 0,8 0,4 0,8 0,4 0,88 0,944 –0,16 –0,07559 0,377964 II 0,2 –0,4 0,478091 –0,08817 0,627054 0,182574 0,955019 0,661477 0,84683 III 0,2 0,68313 0,375139 0,499344 0,834625 –0,0767 –0,23009 –0,21381 0,657143 IV 0,4 0,372104 –0,51109 –0,33658 –0,36781 0,385714 0,5766 0,706809 –0,97529 Źródło: opracowanie własne. 11.4.5. Wydatki majątkowe Ostatnią analizowaną pozycją budżetu województw są wydatki majątkowe per capita w cenach stałych z 2009 roku ujęte jako procent średniej wartości tej zmiennej dla Polski. Tablica 11.16 zawiera dane dotyczące zróżnicowania tej zmiennej w latach 2002–2011. Na ich podstawie można wywnioskować: ●● Sześć województw osiągnęło średnie wartości analizowanej zmiennej powyżej przeciętnej dla całego kraju. Najwyższy poziom obserwowano w województwie mazowieckim (153,1%). W dalszej kolejności znajdowały się województwa: lubuskie (120,8%), opolskie (113,1%), dolnośląskie (103,4%), pomorskie (102,6%) oraz zachodniopomorskie (102,2%). ●● Dziesięć województw wydatkowało na mieszkańca na cele majątkowe mniej niż wynosiła średnia wartość dla Polski. Najniższe wartości analizowanej zmiennej dotyczyły województw: łódzkiego (81,3%), lubuskiego (84,6%), śląskiego (87,7%), podlaskiego (89,2%) i kujawsko-pomorskiego (89,9%). Wartości w przedziale od 90% do 100% średniej krajowej obserwowano w województwach: małopolskim (90,6%), świętokrzyskim (91,4%), wielkopolskim (95,7%), podkarpackim (95,8%) i warmińsko-mazurskim (98,7%). Tablica 11.16. Wydatki majątkowe województw per capita w cenach stałych z 2009 roku Województwo Wydatki majątkowe województw per capita w cenach stałych z 2009 roku (% średniej dla Polski) 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Średnia Mazowieckie 35,7 36,5 90,3 126,5 201,1 226,7 236,8 237,2 176,6 163,8 153,1 Lubuskie 58,2 54,1 66,3 87,7 116,5 119,1 105,0 304,0 160,3 137,1 120,8 Opolskie 25,7 36,4 42,9 78,2 116,8 126,9 120,2 255,8 180,7 147,2 113,1 Dolnośląskie 37,2 42,0 53,3 77,2 109,7 114,5 106,7 204,1 134,4 155,4 103,4 Pomorskie 42,5 50,2 53,5 78,0 98,4 99,6 111,3 226,6 128,3 137,4 102,6 Zachodnio-pomorskie 34,4 35,7 42,5 66,0 73,2 91,4 104,0 254,1 155,8 164,9 102,2 Warmińsko-mazurskie 39,7 58,3 66,5 60,4 95,1 114,8 103,6 215,8 116,6 116,6 98,7 Podkarpackie 38,1 49,4 54,4 52,1 104,1 86,7 100,6 197,2 142,4 132,9 95,8 Wielkopolskie 46,9 48,5 51,6 70,0 94,3 83,0 91,2 228,7 112,9 129,5 95,7 Świętokrzyskie 35,9 43,2 46,4 38,1 72,8 89,7 99,3 233,0 134,3 121,3 91,4 Małopolskie 44,6 47,1 50,7 64,0 71,3 84,1 100,4 176,7 123,8 143,0 90,6 Kujawsko-pomorskie 42,2 45,4 52,0 66,2 101,0 106,7 95,9 170,1 116,7 102,6 89,9 Podlaskie 43,5 40,8 48,8 52,0 95,4 93,7 85,3 199,2 102,8 130,2 89,2 Śląskie 55,3 58,0 72,5 84,0 88,7 77,4 94,1 140,2 106,0 100,8 87,7 Lubelskie 36,2 59,5 49,8 56,3 77,9 80,1 109,6 152,5 101,9 122,0 84,6 Łódzkie 30,0 32,3 35,0 43,9 54,7 83,9 83,9 221,6 109,3 118,0 81,3 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). Tablica 11.17. Województwa w grupach kwartylowych według wydatków majątkowych per capita w cenach stałych z 2009 roku Grupy kwartylowe 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Pierwsza opolski łódzkie zachodniopomorskie mazowieckie łódzkie zachodniopomorskie opolskie mazowieckie łódzkie zachodniopomorskie opolskie świętokrzyskie świętokrzyskie łódzkie podlaskie podkarpackie łódzkie małopolskie świętokrzyskie zachodniopomorskie śląskie lubelskie wielkopolskie łódzkie łódzkie podlaskie wielkopolskie śląskie śląskie lubelskie kujawsko-pomorskie małopolskie lubelskie podlaskie śląskie łódzkie śląskie kujawsko-pomorskie warmińsko-mazurskie łódzkie Druga świętokrzyskie lubelskie dolnośląskie podkarpackie podlaskie dolnośląskie świętokrzyskie kujawsko-pomorskie podlaskie lubelskie małopolskie wielkopolskie lubelskie warmińsko-mazurskie małopolskie zachodniopomorskie lubelskie śląskie wielkopolskie warmińsko-mazurskie małopolskie podkarpackie świętokrzyskie zachodniopomorskie kujawsko-pomorskie świętokrzyskie małopolskie podkarpackie podkarpackie podlaskie dolnośląskie warmińsko-mazurskie wielkopolskie warmińsko-mazurskie kujawsko-pomorskie małopolskie świętokrzyskie lubelskie wielkopolskie podlaskie Trzecia warmińsko-mazurskie kujawsko-pomorskie pomorskie podlaskie małopolskie wielkopolskie podkarpackie pomorskie kujawsko-pomorskie dolnośląskie pomorskie podkarpackie kujawsko-pomorskie wielkopolskie dolnośląskie pomorskie podlaskie pomorskie kujawsko-pomorskie podkarpackie podlaskie pomorskie kujawsko pomorskie dolnośląskie warmińsko-mazurskie zachodniopomorskie lubuskie dolnośląskie łódzkie pomorskie wielkopolskie świętokrzyskie pomorskie świętokrzyskie dolnośląskie podkarpackie podkarpackie lubuskie pomorskie małopolskie Czwarta małopolskie wielkopolskie śląskie lubuskie lubuskie śląskie warmińsko-mazurskie lubelskie lubuskie warmińsko-mazurskie śląskie mazowieckie opolskie śląskie lubuskie mazowieckie dolnośląskie lubuskie opolskie mazowieckie warmińsko-mazurskie lubuskie opolskie mazowieckie lubelskie pomorskie opolskie mazowieckie mazowieckie zachodniopomorskie opolskie lubuskie zachodniopomorskie lubuskie mazowieckie opolskie opolskie dolnośląskie mazowieckie zachodniopomorskie Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 17.7.2013). ●● Średnia wartość analizowanej zmiennej w okresie od 2002 do 2011 roku wynosiła 208,1 tys. zł per capita, przy odchyleniu standardowym 116,25 tys. zł, co świadczy o relatywnie dużej stabilności wydatków majątkowych województw. W tablicy 11.17. wskazano grupy kwartylowe województw ze względu na wartości wydatków majątkowych województw per capita w latach 2002–2011. Z tych danych wynika: ●● Do pierwszej grupy kwartylowej, grupującej województwa o najniższych wydatkach majątkowych na mieszkańca weszły: łódzkie (9 razy w ciągu dziesięciu lat), śląskie (5), zachodniopomorskie (4), opolskie (3), świętokrzyskie (3), podkarpackie (3), lubelskie (3), mazowieckie (2), wielkopolskie (2), kujawsko-pomorskie (2), małopolskie (2), warmińsko-mazurskie (1) i podkarpackie (1). W tej grupie w ciągu dziesięciu lat znalazło się aż trzynaście województw, co świadczy o niskiej stabilności pierwszej grupy kwartylowej. ●● W drugiej grupie kwartylowej odnotowano obecność następujących województw: świętokrzyskiego (5), lubelskiego (5), małopolskiego (5), wielkopolskiego (4), warmińsko-mazurskiego (4), podlaskiego (4), podkarpackiego (4), dolnośląskiego (3), kujawsko-pomorskiego (3), zachodniopomorskiego (2) i śląskiego (1). ●● Do trzeciej grupy należały województwa: pomorskie (9), kujawsko-pomorskie (5), podkarpackie (5), podlaskie (4), dolnośląskie (4), wielkopolskie (3), lubuskie (2), świętokrzyskie (2), małopolskie (2), warmińsko-mazurskie (2), zachodniopomorskie (1) i łódzkie (1). ●● W czwartej grupie kwartylowej znalazły się następujące województwa charakteryzujące się najwyższymi wartościami analizowanej zmiennej: mazowieckie (8), lubuskie (8), opolskie (7), śląskie (4), zachodniopomorskie (3), warmińsko-mazurskie (3), dolnośląskie (2), lubelskie (2), małopolskie (1), wielkopolskie (1) i pomorskie (1). W tablicy 11.18 zawarto wartości wskaźnika korelacji Pearsona pomiędzy rangami województw w roku t i t – 1. Z tablicy tej wynika, że wszystkie grupy kwartylowe nie były stabilne. Średnie wartości wskaźnika korelacji wynosiły odpowiednie dla grup kwartylowych od pierwszej do czwartej: –0,13; –0,18; –0,28; 0,23. Najbardziej stabilna okazała się grupa czwarta, choć i w tej grupie współczynniki korelacji były niskie. Tablica 11.18. Współczynniki korelacji Pearsona rang województw w grupach kwartylowych ze względu na wydatki majątkowe per capita Grupa kwartylowa Współczynnik korelacji Pearsona 2002 z 2003 2003 z 2004 2004 z 2005 2005 z 2006 2006 z 2007 2007 z 2008 2008 z 2009 2009 z 2010 2010 z 2011 I 0,4 0,982708 –0,28555 –0,55101 –0,30515 –0,6195 –0,51374 –0,68364 0,361692 II –0,33218 0,253562 –0,2551 0,717258 –0,43354 –0,04553 –0,96253 –0,45374 –0,17403 III –0,58554 –0,69007 –0,94868 0,101419 0,993859 0 0,335673 –0,80333 –0,91094 IV –0,96909 0,546342 0,086011 0,182349 0,988304 0,991702 –0,11693 –0,46377 0,864993 Źródło: opracowanie własne. 11.5. PODSUMOWANIE W rozdziale jedenastym dokonano analizy zróżnicowania regionalnego podstawowych kategorii budżetów województw. W analizie uwzględniono po stronie dochodów: wpływy do budżetów z tytułu udziału województw w PIT i CIT oraz dotacji i subwencji. Wydatki budżetów podzielono zaś na wydatki bieżące oraz majątkowe. Z przeprowadzonych analiz wynika kilka następujących wniosków: I. W latach 2002–2011 najwyższe dochody z PIT i CIT per capita odnotowano w województwie mazowieckim. Przewaga województwa mazowieckiego po stronie dochodów własnych z PIT oraz CIT sprawia, że poziom subwencji i dotacji napływających do tego województwa jest najniższych spośród 16 województw w Polsce. Wysokimi wartościami analizowanej zmiennej charakteryzowały się również województwa: dolnośląskie, śląskie i pomorskie. Najniższe dochody z PIT i CIT obserwowano w województwach tzw. ściany wschodniej, a także w województwie zachodniopomorskim. W tych województwach jest najwyższy względny udział dochodów z rolnictwa w PKB, tam bowiem znaczna część populacji nie jest płatnikiem podatku dochodowego, co znajduje odzwierciedlenie w niskich wpływach z tego podatku do budżetów województw. Podobnie relatywnie niewielka liczba przedsiębiorstw jest płatnikiem podatku dochodowego od osób prawnych, co również negatywnie wpływa na budżety województw. Z tego powodu do tych województw napływa największy strumień subwencji i dotacji, które są narzędziem wyrównywania rozwoju poszczególnych województw w Polsce. II. Wydatki województw były oczywiście uzależnione od dochodów, ale ich struktura jest uzależniona od czynników endogenicznych. W województwach o wysokim PKB per capita dominowały wydatki majątkowe. W grupie takich województw znalazły się: mazowieckie, lubuskie i opolskie. Wysokie wydatki bieżące per capita obserwowano zaś w województwach: świętokrzyskim, podkarpackim, lubuskim i kujawsko-pomorskim. BIBLIOGRAFIA 334 335 12 PRZESTRZENNE ZRÓŻNICOWANIE BUDŻETÓW POWIATÓW (Mariusz Trojak) 12.1. WPROWADZENIE Celem rozdziału dwunastego jest zaprezentowanie zróżnicowania dochodów i wydatków powiatów w Polsce. Powiaty jako jednostki samorządu terytorialnego pełnią wiele funkcji publicznych, przy czym znaczna ich część wiąże się z realizowaniem obowiązków administracji centralnej. Z tego względu ich dochody i wydatki w znacznej części mają charakter sztywny. W rozdziale tym zwrócono uwagę na zróżnicowanie powiatów ze względu na zakres obowiązków. Dokonano analizy dla powiatów ziemskich i grodzkich, której ważnym elementem było uwzględnienie czynników instytucjonalnych o charakterze historycznym, jakie wpłynęły na stopień rozwoju ekonomiczno-społecznego powiatów. Są to: przynależność powiatu do obszaru zaboru austriackiego, rosyjskiego i niemieckiego oraz położenie powiatu na ziemiach odzyskanych. Analiza stanowi kontynuację i poszerzenie analiz zawartych w opracowaniu zawartym pod redakcją Mariusza Trojaka i Tomasza Tokarskiego pt. Statystyczna analiza przestrzennego zróżnicowania ekonomicznego i społecznego Polski, wydanym w 2013 roku przez Wydawnictwo Uniwersytetu Jagiellońskiego. Rozdział ma następującą strukturę: w jego pierwszej części wskazano umocowanie prawne powiatów oraz zadania, jakie nakłada na nie ustawodawca, a także określono główne kategorie dochodów powiatów służące realizacji wydatków, których analiza została przeprowadzona w dalszej części. W rozdziale dokonano ponadto podziału powiatów na grupy kwintylowe, opisujące różne poziomy ich dochodów i wydatków, jak również dokonano analizy zróżnicowania budżetów powiatów ze względu na przynależność do określonego typu. Typy zostały oparte na historycznych uwarunkowaniach obecnych powiatów opisanych przez ich przynależność do ziem zaboru austriackiego, rosyjskiego, niemieckiego i na terenach ziem odzyskanych. Rozdział kończy podsumowanie zawierające najważniejsze wnioski płynące z dokonanych analiz. 12.2. DOCHODY I WYDATKI POWIATÓW Artykuł 164 ust. 2 Konstytucji RP dopuszcza tworzenie obok gmin także innych jednostek samorządu terytorialnego. Taka regulacja doprowadziła do tego, że na mocy ustawy z 5 czerwca 1998 roku powstały powiaty. Są to lokalne wspólnoty samorządowe, które funkcjonują na określonym terytorium, o powierzchni znacznie większej niż gmina. Powiat obejmuje graniczące z sobą gminy oraz cały obszar miast funkcjonujących na prawach powiatu. Zadania realizowane przez powiaty mają ponadgminny charakter i uzupełniają w pewnym sensie kompetencje gmin. Kompetencje powiatów w wielu obszarach są zbieżne z kompetencjami gmin, co często jest uznawane za argument przeciw ich powstaniu. Zadania powiatów są następujące: zarządzanie infrastrukturą techniczną i społeczną, dbałość o ład przestrzenny i ekologiczny, bezpieczeństwo publiczne i obronność. Powiaty pełnią też wiele funkcji zleconych przez administrację centralną. Narzędziem realizacji wskazanych zadań jest budżet powiatu. W tablicy 12.1 zaprezentowano strukturę zrealizowanych dochodów powiatów w latach 2002–2011 w trzech podstawowych grupach. Tablica 12.1. Struktura dochodów powiatów w głównych grupach dochodów w latach 2002–2011 [%] Grupa dochodów Lata Średnia 2002–2003 Średnia 2004–2011 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Razem dochody własne 10,78 11,30 24,90 29,19 30,79 32,23 32,36 28,37 28,17 27,73 11,04 29,22 Dotacje ogółem 42,26 32,57 24,26 22,13 23,13 21,68 23,15 25,76 28,49 29,39 37,41 24,75 Subwencja ogólna 46,97 56,13 50,84 48,68 46,08 46,09 44,49 45,87 43,34 42,88 51,55 46,03 Źródło: Obliczenia własne na podstawie: www.archbip.mf.gov.pl/bip/5249 (dostęp: 21.7.2013). Z przedstawionych tu danych można wysnuć następujące wnioski: ●● Dochody własne powiatów w latach 2002–2003 wynosiły średnio około 11% dochodów ogółem, a od roku 2004 ich średnia wartość wyniosła ponad 29%. ●● Dotacje ogółem w pierwszych dwóch latach stanowiły ponad 37% dochodów ogółem, a od roku 2004 ich udział stanowił średnio powyżej 24%. ●● Udział subwencji ogółem w okresie 2002–2003 kształtował się średnio na poziomie ponad 51%, a w dalszych latach obserwacji nieco ponad 46%. Z przeprowadzonych dodatkowo analiz struktury dochodów własnych wynika, że: ●● W latach 2002–2003 udział podatku PIT w dochodach własnych stanowił około 12%, a w pozostałych zaś latach odsetek tych dochodów wynosił średnio blisko 47%. ●● Grupa pozostałych dochodów w latach 2002–2003 stanowiła średnio ponad 74% dochodów własnych, a od 2004 roku ich odsetek wynosił ponad 45%. Można z tego wyciągnąć trzy wnioski natury ogólnej: ●● Wprowadzone zmiany w dochodach jednostek samorządu terytorialnego w 2004 roku spowodowały przesunięcie średnio około 18% dochodów ogółem do dochodów własnych powiatów. ●● W strukturze dochodów własnych powiatów blisko 50% stanowią dochody z udziałów w podatkach CIT i PIT. ●● Udział dochodów w grupie subwencji, mimo wprowadzonych zmian, nie uległ istotnej zmianie. W tablicy 12.2 przedstawiono dane dotyczące udziałów wydatków bieżących i majątkowych w powiatach. Tablica 12.2. Struktura wydatków powiatów w latach 2002–2010 [%] Wydatki Lata Średnia 2002 2003 2004 2005 2006 2007 2008 2009 2010 Majątkowe 7,8 8,8 10,2 11,7 14,6 13,1 14,5 19,3 21,8 13,5 Bieżące 92,2 91,2 89,8 88,3 85,4 86,9 85,5 80,7 78,2 86,5 Źródło: Obliczenia własne na podstawie: www.archbip.mf.gov.pl/bip/5249 (dostęp: 21.7.2013). Z przedstawionych w tablicy 12.2 danych można wysnuć następujące wnioski: ●● Od 2004 roku po wprowadzeniu w życie postanowień ustawy o dochodach jednostek samorządu terytorialnego systematycznie ulega zmianie struktura wydatków w powiatach. ●● Pomiędzy pierwszym a ostatnim rokiem obserwacji udział wydatków majątkowych powiatów wzrósł o 14 punktów procentowych. ●● W całym okresie obserwacji systematycznie zmniejsza się udział wydatków bieżących w wydatkach ogółem. 12.2.1. Dochody powiatów W tej części opracowania zostaną przeanalizowane zróżnicowania dochodów i wydatków powiatów. Do analizy wykorzystano następujące zmienne: dochody powiatów z PIT, dochody z CIT, dochody z subwencji i dotacji oraz wydatki bieżące i wydatki majątkowe. Wszystkie wartości przeliczono na jednego mieszkańca w cenach stałych z 2009 roku. Okres analizy obejmował lata od 2002 do 2011. W tym celu 379 powiatów podzielono na grupy kwintylowe. Cztery pierwsze miały liczebność 75, a grupa piąta – 79 powiatów. Kryterium różnicującym były również typy powiatów: grodzkie (65 powiatów) i ziemskie (314 powiatów). Poza tym dokonano podziału powiatów ze względu na uwarunkowania historyczne, które zdaniem autora opracowania miały wpływ na zróżnicowanie społeczno-ekonomiczne tych jednostek samorządu terytorialnego, to znaczy ze względu na położenie stolic powiatów na obszarach dawnych zaborów austriackiego (49 powiatów), rosyjskiego (145 powiatów), niemieckiego (69 powiatów) oraz na ziemiach odzyskanych, czyli terenach, które włączono do Polski w 1945 roku (116 powiatów). 12.2.2. Dochody z PIT W tablicy 12.3. zaprezentowano zróżnicowanie powiatów z uwzględnieniem ich dochodów z tytułu podatku od osób fizycznych (PIT) per capita w cenach stałych z 2009 roku. Okres analizy obejmował lata 2002–2011. Do pierwszej grupy kwintylowej zaliczono 75 powiatów o najniższych wartościach analizowanej zmiennej w cenach stałych z 2009 roku. Każda kolejna grupa charakteryzowała się rosnącą wartością analizowanej zmiennej. W piątej grupie kwintylowej znalazły się powiaty o najwyższych wartościach dochodów powiatów z PIT per capita. Tablica 12.3. Grupy kwintylowe – dochody powiatów z PIT per capita w latach 2002–2011 Województwo Liczba powiatów w grupach kwintylowych I II III IV V Dolnośląskie 2 4 6 12 5 Kujawsko-pomorski 8 7 2 2 4 Lubelskie 13 3 2 2 4 Lubuskie 0 4 5 3 2 Łódzkie 4 5 6 6 3 Małopolskie 3 5 5 6 3 Mazowieckie 9 7 6 8 12 Opolskie 0 4 5 2 1 Podkarpackie 12 6 2 1 4 Podlaskie 9 2 2 0 4 Pomorskie 1 4 6 5 4 Śląskie 1 0 0 13 22 Świętokrzyskie 5 3 2 3 1 Warmińsko-mazurskie 6 6 6 1 2 Wielkopolskie 0 9 12 9 5 Zachodniopomorskie 2 6 8 2 3 Typy powiatów w grupach kwintylowych Powiaty grodzkie 0 0 0 0 65 Powiaty ziemskie 75 75 75 75 14 Teren zaboru austriackiego 13 9 9 7 11 Teren zaboru niemieckiego 16 16 13 12 12 Teren zaboru rosyjskiego 30 28 32 24 31 Ziemie odzyskane 16 22 21 32 25 Średnia arytmetyczna 46,39 61,75 74,50 104,90 613,34 Odchylenie standardowe 5,71 3,91 3,92 17,69 247,95 Współczynnik zmienności 0,12 0,06 0,05 0,17 0,40 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 21.7.2013). Dane zawarte w tablicy 12.3 pozwalają na sformułowanie następujących wniosków: ●● W pierwszej grupie kwintylowej znalazły się powiaty o najniższych wartościach analizowanej zmiennej. Średnia dochodów z PIT per capita wynosiła 46,39 zł, przy odchyleniu standardowym równym 5,71 zł. Współczynnik zmienności był równy 0,12. Grupa była więc relatywnie jednorodna. Znalazły się w niej tylko powiaty ziemskie. Spośród 49 powiatów, które leżą na terenach byłego zaboru austriackiego, 13 znalazło się w pierwszej grupie kwintylowej (26,5%). W tej grupie było również 16 powiatów z zaboru niemieckiego (23,2%), 30 – z zaboru rosyjskiego (20,7%), oraz 16 – z ziem odzyskanych (13,8%). W grupie tej najliczniej reprezentowane były powiaty województw: lubelskiego (13 powiatów), podkarpackiego (12), mazowieckiego (9), podlaskiego (9) oraz kujawsko-pomorskiego. Ani jeden powiat z województw wielkopolskiego, opolskiego i lubuskiego nie znalazł się w pierwszej grupie kwintylowej. ●● Średnia wartość analizowanej zmiennej w drugiej grupie kwintylowej wynosiła 61,75 zł, przy odchyleniu standardowym 3,91 zł. Wartość współczynnika zmienności wyniosła 0,06, co oznacza, że grupa ta była jednorodna, a wartości analizowanej zmiennej oscylowały wokół wartości średniej. Podobnie jak w pierwszej grupie kwintylowej, nie znalazł się w niej ani jeden powiat grodzki. 9 powiatów leży na terenach dawnego zaboru austriackiego (18,4,%), 16 – na terenach zaboru niemieckiego (18,8%), 28 – na terenach zaboru rosyjskiego (22,1%) i 22 (18,1%) leży na terenach ziem odzyskanych. Najliczniej w grupie tej reprezentowane były powiaty z województw: wielkopolskiego (9 powiatów), mazowieckiego (7) i kujawsko-pomorskiego (7). Ani jeden powiat z województwa śląskiego nie znalazł się w drugiej grupie kwintylowej. Niewielką reprezentację miały również województwa: podlaskie (2), świętokrzyskie (3) i lubelskie (3). ●● Trzecia grupa kwintylowa charakteryzowała się najniższą zmiennością spośród wszystkich pięciu grup. Przy średniej 74,50 zł na mieszkańca i odchyleniu standardowym równym 3,92 zł, wartość współczynnika zmienności wyniosła 0,05. Tak jak w pierwszej i drugiej grupie, reprezentowane w niej są tylko powiaty ziemskie. 9 powiatów położonych jest na terenie byłego zaboru austriackiego (18,4% wszystkich powiatów z terenu zaboru austriackiego należy do trzeciej grupy kwintylowej), 13 – na terenie byłego zaboru niemieckiego (18,8%), 32 powiaty leżą zaś na obszarze zaboru rosyjskiego (22,1%). 21 powiatów należących do tej grupy położonych jest na terenie ziem odzyskanych (18,1%). W grupie tej najliczniej reprezentowane były powiaty z następujących województw: wielkopolskiego (12) i zachodniopomorskiego (8). Najmniejszą reprezentacją zaś charakteryzowały się powiaty województw: podlaskiego (2), świętokrzyskiego (2), lubelskiego (2), podkarpackiego (2) i kujawsko-pomorskiego (2). Ani jeden powiat z województwa śląskiego nie należał do trzeciej grupy kwintylowej. ●● Średnia wartość dochodów z podatku PIT per capita powiatów należących do czwartej grupy kwintylowej wynosiła w badanym okresie 104,90 zł, a odchylenie standardowe 17,69 zł. Współczynnik zmienności wyniósł 0,17, powiaty w tej grupie były więc relatywnie wysoko zróżnicowane. W grupie tej nie ma powiatów grodzkich. 7 powiatów leży na terenie byłego zaboru austriackiego (14,8%), 12 – na terenie zaboru niemieckiego (17,4%), 24 – na terenie byłego zaboru rosyjskiego (16,6%) i 32 na ziemiach odzyskanych (27,6%). Do czwartej grupy kwintylowej najczęściej należały powiaty z następujących województw: śląskiego (13 powiatów), dolnośląskiego (12), wielkopolskiego (9) i mazowieckiego (8). W grupie tej nie znalazł się ani jeden powiat z województwa podlaskiego, był zaś jeden powiat z województwa podkarpackiego i jeden z warmińsko-mazurskiego. ●● Piąta grupa kwintylowa skupiająca powiaty o najwyższych wartościach dochodów z PIT per capita charakteryzowała się średnimi wartościami analizowanej zmiennej na poziomie 613,34 zł, przy odchyleniu standardowym 247,95 zł. Grupa ta była relatywnie silnie zróżnicowana, ponieważ współczynnik zmienności wynosił 0,40 i był o 2,3 razy wyższy niż w czwartej grupie, która była najbardziej zróżnicowana spośród czterech poprzednio analizowanych. Średnia wartość dochodów z PIT per capita w tej grupie była niemal sześciokrotnie wyższa niż w grupie czwartej i aż ponadtrzynastokrotnie wyższa niż w pierwszej grupie kwintylowej. W grupie piątej znalazło się wszystkie 65 powiatów grodzkich w Polsce. Te powiaty, oprócz zadań spoczywających na powiatach ziemskich, są zobligowane do realizacji zadań nałożonych na gminy. Z tego względu uzyskują one dochody z PIT zarówno jako powiat, jak i jako gmina, przy czym udziały z PIT dla gmin są znacznie wyższe niż dla powiatów ziemskich. W tej grupie znalazło się 11 powiatów z byłego zaboru austriackiego (22,4%), 12 z zaboru niemieckiego (17,3%), 31 z rosyjskiego (21,4%) oraz 25 powiatów z ziem odzyskanych (21,5%). W grupie tej najwięcej było powiatów z województw śląskiego (22) i mazowieckiego (12), najmniej zaś z opolskiego (1), świętokrzyskiego (1), warmińsko-mazurskiego (2) i lubuskiego (2). 12.2.3. Dochody z CIT W tablicy 12.4 zaprezentowano zróżnicowanie powiatów ze względu na dochody z tytułu podatku CIT per capita w cenach stałych z 2009 roku. Analogicznie do punktu 12.2.1 analiza obejmowała okres od 2002 do 2011 roku. Powiaty zostały podzielone na grupy kwintylowe. Dane zawarte w tablicy 12.4 pozwalają na sformułowanie następujących wniosków: ●● W pierwszej grupie kwintylowej znalazły się powiaty o najniższych średnich wartościach dochodów z CIT per capita. Średnia wartość analizowanej zmiennej wyniosła zaledwie 1,13 zł przy odchyleniu standardowym równym 0,29 zł. Współczynnik zmienności wyniósł 0,26, co świadczy o dość dużym zróżnicowaniu powiatów w ramach tej grupy. W grupie tej znalazło się 8 powiatów grodzkich i 67 ziemskich. Na terenie byłego zaboru austriackiego leży 11 powiatów (22,4% wszystkich 49 powiatów leżących w zaborze austriackim), 7 znajduje się na terenie zaboru niemieckiego (10,1%), 26 – na terenie zaboru rosyjskiego (17,9%) oraz 31 – na terenie ziem odzyskanych (26,7%). Najliczniej reprezentowane w tej grupie były powiaty z województw: dolnośląskiego (8), warmińsko-mazurskiego (7), zachodniopomorskiego (7) i pomorskiego (7). Ani jeden powiat z województwa lubuskiego nie znalazł się w pierwszej grupie kwintylowej; zarówno województwo łódzkie, jak i podlaskie były reprezentowane tylko przez jeden powiat. Tablica 12.4. Grupy kwintylowe – dochody powiatów z CIT per capita w latach 2002–2011 Województwo Liczba powiatów w grupach kwintylowych Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 8 5 3 4 9 Kujawsko-pomorski 3 2 7 3 8 Lubelskie 6 3 4 6 5 Lubuskie 0 1 7 1 5 Łódzkie 1 6 6 5 6 Małopolskie 6 1 6 4 5 Mazowieckie 6 5 14 8 9 Opolskie 2 5 1 2 2 Podkarpackie 6 8 3 5 3 Podlaskie 1 6 2 4 4 Pomorskie 7 1 3 6 3 Śląskie 6 10 3 9 8 Świętokrzyskie 5 2 3 3 1 Warmińsko-mazurskie 7 5 4 2 3 Wielkopolskie 4 11 7 7 6 Zachodniopomorskie 7 4 2 6 2 Typy powiatów w grupach kwintylowych Powiaty grodzkie 8 13 15 13 13 Powiaty ziemskie 67 62 60 62 62 Teren zaboru austriackiego 11 10 8 11 9 Teren zaboru niemieckiego 7 18 36 30 15 Teren zaboru rosyjskiego 26 24 13 14 28 Ziemie odzyskane 31 23 18 20 23 Średnia arytmetyczna 1,13 2,07 3,12 6 56,91 Odchylenie standardowe 0,29 0,28 0,32 1,6 49,18 Współczynnik zmienności 0,26 0,146 0,10 0,27 0,86 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 21.7.2013). ●● Druga grupa kwintylowa charakteryzowała się większą jednorodnością niż grupa pierwsza. Średnia wartość dochodów z CIT per capita wyniosła 2,07 zł, odchylenie standardowe 0,28 zł, a współczynnik zmienności 0,13. W grupie tej znalazły się 62 powiaty ziemskie i 13 powiatów grodzkich. 10 powiatów leżało na terenie zaboru austriackiego (20,4%), 18 – na terenie zaboru niemieckiego (26,1%), 24 na terenie zaboru rosyjskiego (16,6%), na terenie zaś ziem odzyskanych zlokalizowane były 23 powiaty (19,9%). W grupie tej najczęściej obecne były powiaty z następujących województw: wielkopolskiego (11 powiatów), śląskiego (10), i podkarpackiego (8). Tylko po jednym powiecie prezentowały województwa: lubuskie, małopolskie i pomorskie. ●● Trzecia grupa kwintylowa charakteryzowała się najwyższym poziomem jednorodności, o czym świadczy najniższa wartość współczynnika zmienności ze wszystkich grup kwintylowych, równa 0,1. W grupie tej znalazło się 15 powiatów grodzkich i 60 ziemskich. 8 powiatów pochodziło z terenu byłego zaboru austriackiego (16,3%), 13 – z zaboru niemieckiego (18,8%), 36 – z zaboru rosyjskiego (24,8%), i 18 – z ziem odzyskanych (15,5%). Zdecydowanie dominowały w tej grupie powiaty z województwa mazowieckiego (14), i po 7 z województw: lubuskiego, kujawsko-pomorskiego i wielkopolskiego. Najmniej licznie reprezentowane były powiaty z województw: opolskiego (1), podlaskiego (2) i zachodniopomorskiego (2). ●● W czwartej grupie kwintylowej znajdowały się powiaty, których średnia wartość dochodów z CIT per capita wyniosła 6,00 zł, a odchylenie standardowe wynosiło 1,60 zł. Wartość współczynnika zmienności wyniosła 0,27, co świadczy o relatywnie dużej niejednorodności powiatów w tej grupie. W grupie tej znalazło się 13 powiatów grodzkich i 72 powiaty ziemskie. 11 powiatów zlokalizowanych było na terenie zaboru austriackiego (22,4%), 14 – na terenie zaboru niemieckiego (20,3%), 30 – rosyjskiego (20,7%) i 20 na terenie ziem odzyskanych (17,2%). Najliczniejszą reprezentacją charakteryzowały się powiaty następujących województw: śląskiego (9), mazowieckiego (8) i wielkopolskiego (7). Województwa o najmniejszej liczbie powiatów należących do czwartej grupy kwintylowej to: lubuskie (1), opolskie (2) i warmińsko-mazurskie (2). ●● Zdecydowanie najbardziej zróżnicowaną pod względem dochodów z CIT per capita była piąta grupa kwintylowa, skupiająca powiaty o najwyższych przeciętnych wartościach analizowanej zmiennej w okresie od 2002 do 2011 roku. Współczynnik zmienności wyniósł 0,86 (średnia arytmetyczna to 56,91 zł a odchylenie standardowe 49,18 zł). 16 z 79 powiatów należących do tej grupy to powiaty grodzkie a 63 – ziemskie. 9 powiatów leży na terenach byłego zaboru austriackiego (18,4%), 17 – niemieckiego (24,6%), 29 – rosyjskiego (20,0%), i 24 na terenie ziem odzyskanych (20,7%). Najliczniej reprezentowane były województwa; mazowieckie (9), dolnośląskie (9), śląskie (8) i kujawsko-pomorskie (8). Najmniej powiatów w piątej grupie pochodziło z województw: świętokrzyskiego (1), opolskiego (2) i zachodniopomorskiego (2). Warto zwrócić uwagę, że średnia wartość dochodów z CIT per capita w piątej grupie kwintylowej była aż 9,4 razy wyższa niż średnia w grupie czwartej, i aż 50,3 razy wyższa niż w grupie pierwszej. Tak duże dysproporcje w dochodach powiatów mogą skutkować pogłębianiem się różnic w rozwoju społeczno-ekonomicznym Polski. 12.2.4. Dochody z dotacji i subwencji Powiaty ziemskie i grodzkie realizują różne zadania. Zakres zadań powiatów grodzkich obejmuje oprócz zadań przypisanych powiatom ziemskim także te, które spoczywają na gminach. Z tego względu średnia wartość subwencji i dotacji stanowiąca dochód powiatów musi uwzględniać te różnice. Znajduje to odzwierciedlenie w danych zaprezentowanych w tablicy 12.5. Na ich podstawie można powiedzieć, że: Tablica 12.5. Grupy kwintylowe – dochody powiatów per capita z dotacji i subwencji w latach 2002–2011 Województwo Liczba powiatów w grupach kwintylowych Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 5 3 8 9 4 Kujawsko-pomorski 6 4 3 5 5 Lubelskie 5 6 6 3 4 Lubuskie 2 3 5 2 2 Łódzkie 6 5 5 4 4 Małopolskie 5 9 3 2 3 Mazowieckie 12 9 9 7 5 Opolskie 2 3 5 1 1 Podkarpackie 5 5 4 5 6 Podlaskie 5 4 4 1 3 Pomorskie 2 3 6 4 5 Śląskie 10 1 2 4 19 Świętokrzyskie 1 2 3 6 2 Warmińsko-mazurskie 1 3 1 9 7 Wielkopolskie 8 12 4 6 5 Zachodniopomorskie 0 3 7 7 4 Typy powiatów w grupach kwintylowych Powiaty grodzkie 0 0 0 1 64 Powiaty ziemskie 75 75 75 74 15 Teren zaboru austriackiego 11 12 9 6 11 Teren zaboru niemieckiego 16 14 9 11 19 Teren zaboru rosyjskiego 36 33 27 25 24 Ziemie odzyskane 12 16 30 33 25 Średnia arytmetyczna 373,22 509,71 587,74 677,22 1343,11 Odchylenie standardowe 72,64 25,17 20,8 35,96 391,01 Współczynnik zmienności 0,19 0,049 0,035 0,053 0,29 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 21.7.2013). ●● Pierwsza grupa kwintylowa, skupiająca powiaty o najniższych dochodach z tytułu dotacji i subwencji per capita w okresie od 2002 do 2011 roku, charakteryzowała się relatywnie wysoką niejednorodnością. Współczynnik zmienności wyniósł 0,19 (średnia 373,22 zł per capita i odchylenie standardowe równe 72,64 zł). Znalazły się w niej tylko powiaty ziemskie. Zdecydowanie najczęściej występowały powiaty położone na terenach byłego zaboru rosyjskiego, bo aż 36 (co stanowi 24,8% wszystkich powiatów leżących na terenie tego zaboru). Na terenach byłego zaboru niemieckiego leży 16 powiatów (23,2%), 11 – na terenach byłego zaboru austriackiego (22,4%) oraz 12 na ziemiach odzyskanych (10,3%). Najczęściej spotykane w tej grupie to powiaty z następujących województw: mazowieckiego (12), śląskiego (10) i wielkopolskiego (8). Ani jeden powiat z województwa zachodniopomorskiego nie należał do pierwszej grupy kwintylowej. Tylko jeden powiat należący do tej grupy leży w województwie warmińsko-mazurskim i jeden w świętokrzyskim. ●● Druga grupa kwintylowa charakteryzuje się znacznie wyższą jednorodnością niż grupa pierwsza. Współczynnik zmienności wyniósł niespełna 0,05 (średnia arytmetyczna wynosiła 509,71 zł, a odchylenie standardowe 25,17 zł). Podobnie jak w pierwszej grupie nie znalazł się ani jeden powiat grodzki. Najliczniejszą reprezentację w tej grupie miały powiaty leżało na terenie byłego zaboru rosyjskiego – 33 powiaty (22,8%). 12 powiatów leży na terenie zaboru austriackiego (24,5%), 14 – na terenie niemieckiego (20,3%), i 16 na terenach odzyskanych (13,8%). W tej grupie dominowały powiaty z województw: wielkopolskiego (12), mazowieckiego (9) i małopolskiego (9). Tylko jeden powiat leżał w województwie śląskim, i dwa w świętokrzyskim. ●● Trzecia grupa okazała się najbardziej jednorodna spośród grup kwintylowych. Współczynnik zmienności wynosił 0,035 przy średniej 587,74 zł i odchyleniu standardowym równym 20,80 zł. Również i w tej grupie występowały tylko powiaty ziemskie. W grupie tej najliczniej reprezentowane były powiaty leżące na ziemiach odzyskanych – 30 powiatów (28,5%). 27 powiatów leżało na terenach byłego zaboru rosyjskiego (18,6%), 9 niemieckiego (13,0%) i 9 – na terenie austriackiego (18,4%). Najliczniejszą reprezentację w trzeciej grupie mają województwa: mazowieckie (9), dolnośląskie (8) i zachodniopomorskie (7). Najmniej powiatów należących do tej grupy leży na terenach województw: warmińsko-mazurskiego (1), śląskiego (2), świętokrzyskiego (3), kujawsko-pomorskiego (3) i małopolskiego (3). ●● Czwarta grupa kwintylowa pod względem wartości dochodów z dotacji i subwencji była nieco bardziej zróżnicowana niż grupy druga i trzecia. Średnia arytmetyczna analizowanej zmiennej wyniosła 677,22 zł, a odchylenie standardowe 35,96 zł, co skutkuje współczynnikiem zmienności równym 0,053. W grupie tej znalazł się 1 powiat grodzki i 74 powiaty ziemskie. Dominują tu powiaty leżące na terenach ziem odzyskanych. Jest ich aż 33 (28,4%). 25 powiatów położonych jest na terenie zaboru rosyjskiego (17,2%), 11 na terenie zaboru niemieckiego (15,9%) i 6 na terenie zaboru austriackiego (12,2%). W grupie tej dominują powiaty leżące w następujących województwach: dolnośląskim (9), warmińsko-mazurskim (9), mazowieckim (7) i zachodniopomorskim (7). Rzadko występują tu powiaty z województwa podlaskiego (1), opolskiego (1), małopolskiego (2) i lubuskiego (2). ●● Piąta grupa kwintylowa mieści w sobie powiaty o najwyższych średnich dochodach z subwencji i dotacji per capita napływających do ich budżetów w latach 2002–2011. Średnia wartość analizowanej zmiennej w tej grupie wynosiła 1343,11 zł, a odchylenie standardowe 391,00 zł. Współczynnik zmienności wyniósł 0,29 i był najwyższy spośród wszystkich grup, co świadczy o najmniejszym stopniu jednorodności tej grupy. W grupie znajdują się 64 powiaty grodzkie i 15 powiatów ziemskich. 25 powiatów leży na terenach ziem odzyskanych (21,5%), 24 – na terenie zaboru rosyjskiego (16,5%), 19 – niemieckiego (27,5%) ,i 11 – austriackiego (22,4%). Zdecydowanie dominują w niej powiaty województwa śląskiego (19). Pod względem liczebności w następnej kolejności reprezentowane były województwa: warmińsko-mazurskie (7) i podkarpackie (6). Najrzadziej występują w niej powiaty z województw: opolskiego (1), lubuskiego (2) i świętokrzyskiego (2). ●● Warto zwrócić uwagę na bardzo dużą różnicę pomiędzy średnim poziomem dochodów z tytułu subwencji i dotacji per capita między poszczególnymi grupami kwintylowymi. Średnia arytmetyczna dla piątej grupy przewyższa niemal dwukrotnie średnią dla grupy czwartej i trzyipółkrotnie dla grupy pierwszej. Jest to wynikiem zdominowania grupy piątej przez powiaty grodzkie, które osiągają znacznie wyższe dochody z subwencji i dotacji ze względu na realizację zadań zarówno powiatowych, jak i gminnych. 12.2.5. Wydatki bieżące Środki gromadzone w budżetach powiatów wydatkowane są na realizację zadań własnych i zleconych przez administrację centralną. Wydatki można podzielić na dwie kategorie: wydatki bieżące i majątkowe. Tablica 12.6 zawiera dane na temat zróżnicowania wydatków bieżących per capita w powiatach w latach 2002–2011. Dane zawarte w tablicy 12.6 pozwalają na sformułowanie następujących wniosków: ●● Pierwsza grupa kwintylowa skupiała powiaty o najniższych średnich wydatkach bieżących budżetów tych jednostek samorządu terytorialnego. Grupa ta była relatywnie bardzo niejednorodna, o czym świadczy wysoki poziom współczynnika zmienności 0,14 (średnia arytmetyczna wynosiła 462,83 zł, a odchylenie standardowe 64,25 zł). W grupie tej nie znalazł się ani jeden powiat grodzki. Najczęściej reprezentowane były powiaty leżące na terenie byłego zaboru rosyjskiego. Było ich 37 ze 145 wszystkich leżących na terenie tego zaboru (25,5%). 17 powiatów w tej grupie leżało na terenie byłego zaboru austriackiego (34,7%), 13 – na terenie byłego zaboru niemieckiego (18,8%) i 8 na ziemiach odzyskanych (6,9%). Najliczniej reprezentowane były powiaty z następujących województw: mazowieckiego (11), śląskiego (9), małopolskiego (8) i podkarpackiego (8). Ani jeden powiat z województw zachodniopomorskiego i warmińsko-mazurskiego nie należał do pierwszej grupy kwintylowej. Po dwa powiaty z województw: lubuskiego, świętokrzyskiego i pomorskiego należało do tej grupy. Tablica 12.6. Grupy kwintylowe – wydatki bieżące powiatów per capita w latach 2002–2011 Województwo Liczba powiatów w grupach kwintylowych Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 3 3 6 12 5 Kujawsko-pomorski 6 4 3 6 4 Lubelskie 5 8 5 1 5 Lubuskie 1 2 6 2 3 Łódzkie 6 6 6 3 3 Małopolskie 8 7 3 1 3 Mazowieckie 11 12 8 5 6 Opolskie 2 1 4 4 1 Podkarpackie 8 5 5 2 5 Podlaskie 6 3 5 0 3 Pomorskie 2 3 3 6 6 Śląskie 9 4 2 2 19 Świętokrzyskie 2 2 4 5 1 Warmińsko-mazurskie 0 3 4 9 5 Wielkopolskie 6 10 8 5 6 Zachodniopomorskie 0 2 3 12 4 Typy powiatów Powiaty grodzkie 0 0 0 0 65 Powiaty ziemskie 75 75 75 75 14 Teren zaboru austriackiego 17 12 8 2 10 Teren zaboru niemieckiego 13 15 11 12 18 Teren zaboru rosyjskiego 37 36 31 17 24 Ziemie odzyskane 8 12 25 44 27 Średnia arytmetyczna 462,83 581,76 655,77 742,87 2381,73 Odchylenie standardowe 64,25 21,83 18,39 32,75 781,96 Współczynnik zmienności 0,13882 0,037524 0,028043 0,044086 0,328316 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 21.7.2013). ●● Druga grupa kwintylowa charakteryzowała się względnie wysoką jednorodnością gdy chodziło o średnią wartość wydatków bieżących ponoszonych z budżetów tych jednostek samorządu terytorialnego. Średnia wartość analizowanej zmiennej wynosiła 581,79 zł, a odchylenie standardowe – 21,83 zł, współczynnik zmienności wynosił 0,037. Podobnie jak w pierwszej grupie kwintylowej, nie występowały tu powiaty grodzkie. Najczęściej reprezentowane były powiaty położone na terenie byłego zaboru rosyjskiego – było ich 36, co stanowi 24,8% wszystkich powiatów leżących na terenach tego zaboru. 15 powiatów leży na terenach byłego zaboru niemieckiego (21,7%), 12 – na terenie zaboru austriackiego (24,5%) i 12 – na terenie ziem odzyskanych (10,3%). Podobnie jak w grupie pierwszej, najliczniej reprezentowane były tutaj powiaty z województwa mazowieckiego (12). Licznie reprezentowane były powiaty województw: wielkopolskiego (10), lubelskiego (8) i małopolskiego (7). Rzadko reprezentowane były natomiast powiaty województw: opolskiego (1), zachodniopomorskiego (2), lubuskiego (2) i świętokrzyskiego (2). ●● Trzecia grupa kwintylowa była najbardziej jednorodna. Świadczy o tym najniższy poziom współczynnika zmienności spośród wszystkich pięciu analizowanych grup, który wynosi 0,028 (średnia arytmetyczna równa 655,77 zł przy odchyleniu standardowym wynoszącym 18,39 zł). Podobnie jak w poprzednich grupach kwintylowych, najliczniej reprezentowane były tu powiaty byłego zaboru rosyjskiego (31 powiatów, co stanowi 21,3% wszystkich należących do terenu tego zaboru). 25 powiatów (21,5%) leżało na terenach ziem odzyskanych, 11 – na terenie byłego zaboru niemieckiego (15,9%), i 8 – na terenie byłego zaboru austriackiego (16,3%). W grupie licznie reprezentowane były powiaty z województwa mazowieckiego (8) i wielkopolskiego (8). Najrzadziej zaś powiaty z województw śląskiego (2) oraz zachodniopomorskiego, pomorskiego, kujawsko-pomorskiego i małopolskiego (po 3 powiaty). ●● Czwarta grupa kwintylowa charakteryzuje się również względnie dużą jednorodnością, o czym świadczy niska wartość współczynnika zmienności (0,045). Średnia arytmetyczna analizowanej zmiennej wynosiła 742,87 zł, zaś odchylenie standardowe – 32,75 zł. Podobnie jak w trzech poprzednich grupach, ani jeden powiat grodzki nie należał do grupy czwartej. Najliczniej reprezentowane były w tej grupie powiaty leżące na terenach ziem odzyskanych – 44 powiaty, co stanowi 37,9% spośród 116 powiatów w Polsce leżących na tych terenach. 17 powiatów w tej grupie leżało na terenie byłego zaboru rosyjskiego (11,7%), 12 – na terenie byłego zaboru niemieckiego (17,3%), i 2 – na terenie zaboru austriackiego (4,1%). Najczęściej reprezentowane były w tej grupie powiaty z województw dolnośląskiego (12), zachodniopomorskiego (12) i warmińsko-mazurskiego (9). Ani jeden powiat z województwa podlaskiego nie należał do czwartej grupy kwintylowej, i tylko po jednym było z województw małopolskiego i lubelskiego. ●● Piąta grupa, skupiająca powiaty o najwyższych wartościach analizowanej zmiennej, charakteryzowała się wysokim stopniem zróżnicowania. Współczynnik zmienności wynosił 0,33 (średnia arytmetyczna to 2381,73 zł, a odchylenie standardowe – 781,96 zł). W grupie tej znalazło się 65 powiatów grodzkich i 14 ziemskich. 27 powiatów leży na terenach ziem odzyskanych (23,3%), 24 – na terenach byłego zaboru rosyjskiego (16,6%), 18 było z terenów zaboru niemieckiego (26,1%), i 10 – z zaboru austriackiego (20,4%). Zdecydowanie najliczniej reprezentowane były w tej grupie powiaty z województwa śląskiego (19). Pod względem liczebności w dalszej kolejności znajdowały się województwa pomorskie (6), mazowieckie (6) i wielkopolskie (6). ●● Warto podkreślić duży wpływ podziału powiatów na grodzkie i ziemskie, co znajduje odzwierciedlenie także przy badaniu zróżnicowania wydatków bieżących per capita tych jednostek samorządu terytorialnego. Wszystkie powiaty grodzkie znalazły się w piątej grupie kwintylowej, w której średnia wartość analizowanej zmiennej aż 3,2 razy przewyższała średnią w grupie czwartej i aż 5,1 razy w grupie pierwszej. Bardzo dużą liczebnością w grupie czwartej i piątej charakteryzowały się województwa: śląskie, dolnośląskie oraz zachodniopomorskie. Najniższymi wydatkami bieżącymi per capita charakteryzowały się powiaty leżące w województwach: mazowieckim, małopolskim i podkarpackim. 12.2.6. Wydatki majątkowe W tablicy 12.7 zawarto informacje na temat zróżnicowania powiatów w Polsce pod względem wydatków majątkowych z budżetów tych jednostek samorządu terytorialnego. Z zawartych w tablicy 12.7. danych można wysnuć następujące wnioski: ●● Pierwsza grupa kwintylowa skupiała powiaty o najniższych wartościach wydatków majątkowych samorządów powiatowych per capita w latach 2002–2011. Grupa ta charakteryzowała się względnie wysokim stopniem zróżnicowania, o czym świadczy relatywnie wysoki współczynnik zmienności na poziomie 0,15. Średnia wartość analizowanej zmiennej wynosiła 62,99 zł, a odchylenie standardowe – 9,76 zł. W grupie tej znajdowały się tylko powiaty ziemskie. Największa liczba powiatów należących do grupy pierwszej to 32 jednostki spośród 116 powiatów położonych na terenach ziem odzyskanych (27,6%). 23 powiaty znajdowały się na terenie byłego zaboru rosyjskiego (15,9%), 14 – na terenie byłego zaboru niemieckiego (20,3%), oraz 6 – na terenie byłego zaboru austriackiego (12,2%). Najliczniej reprezentowane były tu powiaty z następujących województw: zachodniopomorskiego (12), wielkopolskiego (9) i warmińsko-mazurskiego (9). Ani jeden powiat z województwa dolnośląskiego nie należał go pierwszej grupy kwintylowej. w analizowanej grupie znalazły się po dwa powiaty z województw: kujawsko-pomorskiego, lubelskiego, łódzkiego i małopolskiego. ●● Wysoką jednorodnością charakteryzowała się druga grupa kwintylowa. Współczynnik zmienności wyniósł 0,065 przy średniej arytmetycznej 86,58 zł i odchyleniu standardowym 5,66 zł. Podobnie jak w grupie pierwszej ani jeden powiat grodzki nie znalazł się w grupie drugiej. Najliczniej reprezentowane były w niej powiaty leżące na terenach byłego zaboru rosyjskiego – 28 jednostek (19,3% 145 powiatów). 21 powiatów leżało na terenach ziem odzyskanych (18,1%), 15 – na terenach zaboru niemieckiego (21,7%), i 11 – na terenie byłego zaboru austriackiego (22,4%). Licznie reprezentowane były w niej powiaty z województw: dolnośląskiego (10), kujawsko-pomorskiego (10) i lubelskiego (7). Rzadko występowały w niej powiaty z województw: zachodniopomorskiego (1), wielkopolskiego (1) i warmińsko-mazurskiego (2). Tablica 12.7. Grupy kwintylowe – wydatki majątkowe powiatów per capita w latach 2002–2011 Województwo Liczba powiatów w grupach kwintylowych Pierwsza Druga Trzecia Czwarta Piąta Dolnośląskie 12 3 8 2 4 Kujawsko-pomorski 9 5 2 3 4 Lubelskie 5 6 5 3 5 Lubuskie 2 3 5 2 2 Łódzkie 5 7 5 2 5 Małopolskie 4 6 4 5 3 Mazowieckie 2 10 8 14 8 Opolskie 9 1 0 1 1 Podkarpackie 2 4 6 7 6 Podlaskie 0 1 6 7 3 Pomorskie 2 4 5 4 5 Śląskie 6 3 5 4 18 Świętokrzyskie 2 2 1 7 2 Warmińsko-mazurskie 3 5 2 6 5 Wielkopolskie 8 10 8 5 4 Zachodniopomorskie 4 5 5 3 4 Typy powiatów Powiaty grodzkie 0 0 0 1 64 Powiaty ziemskie 75 75 75 74 15 Teren zaboru austriackiego 6 11 8 13 11 Teren zaboru niemieckiego 14 15 14 10 16 Teren zaboru rosyjskiego 23 28 31 34 29 Ziemie odzyskane 32 21 22 18 23 Średnia arytmetyczna 62,99 86,58 108,65 150,69 587,59 Odchylenie standardowe 9,76 5,66 6,73 24,29 298,89 Współczynnik zmienności 0,154945 0,065373 0,061942 0,161192 0,508671 Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 21.7.2013). ●● Trzecia grupa kwintylowa, podobnie jak w przypadku analizy wydatków bieżących powiatów, okazała się najbardziej jednorodna. Świadczy o tym najniższy poziom współczynnika zmienności spośród pięciu grup na poziomie 0,062 (średnia arytmetyczna analizowanej zmiennej wyniosła 108,65 zł, a współczynnik zmienności 6,73 zł). Tak jak w przypadku dwóch poprzednich grup nie znalazł się w niej ani jeden powiat grodzki. 31 powiatów zlokalizowanych było na terenach byłego zaboru rosyjskiego (21,4%), 22 – na ziemiach odzyskanych (19%), 14 znajdowało się na terenie zaboru niemieckiego (20,3%), i 8 – na terenie byłego zaboru austriackiego (16,3%). Po 8 powiatów należących do tej grupy leżało na terenach województw: dolnośląskiego, kujawsko-pomorskiego i lubelskiego. Ani jeden powiat z województwa zachodniopomorskiego nie należał do analizowanej grupy. Niewielką liczbą powiatów w trzeciej grupie kwintylowej charakteryzowały się również województwa: wielkopolskie (1), warmińsko-mazurskie (2) i świętokrzyskie (2). ●● Czwarta grupa kwintylowa była relatywnie silnie zróżnicowana. Przy średniej arytmetycznej 150,69 zł i odchyleniu standardowym 24,29 zł współczynnik zmienności był stosunkowo wysoki i wynosił 0,16. 1 powiat grodzki i 74 ziemskie znalazły się w tej grupie. 34 powiaty położone były na terenach byłego zaboru rosyjskiego (23,4%), 18 – znajdowało się na ziemiach odzyskanych (15,5%), 13 – na terenach byłego zaboru austriackiego (26,5%), i 10 – na terenach zaboru niemieckiego (15,5%). Zdecydowanie najliczniejszą reprezentację miało w tej grupie województwo dolnośląskie – 14 powiatów. Po siedem powiatów leżało na terenach województw: kujawsko-pomorskiego, lubelskiego i lubuskiego. Najmniej liczną reprezentację w czwartej grupie kwintylowej posiadały natomiast województwa: zachodniopomorskie (1), wielkopolskie (2), warmińsko-mazurskie (2) i świętokrzyskie (2). ●● Piąta grupa kwintylowa skupiała powiaty o najwyższych wartościach wydatków majątkowych powiatów per capita w Polsce w latach 2002–2011. Grupa ta była bardzo zróżnicowana. Średnia wartość analizowanej zmiennej wynosiła 587,59 zł a odchylenie standardowe – 298,89 zł. Współczynnik zmienności wynosił 0,51, co dowodzi wysokiego zróżnicowania powiatów w tej grupie pod względem wydatków majątkowych. W grupie tej znalazły się 64 powiaty grodzkie i 15 powiatów ziemskich. 29 powiatów zlokalizowanych było na terenie byłego zaboru rosyjskiego (20%), 23 – na ziemiach odzyskanych (19,8%), 16 leżało na terenie zaboru niemieckiego (23,2%), i 11 –na obszarze zaboru austriackiego (22,4%). Zdecydowanie w grupie tej dominowały powiaty z województwa śląskiego (18). Dużą liczbą powiatów w analizowanej grupie charakteryzowały się również województwa: kujawsko-pomorskie (8) i lubelskie (6). Najmniejszą reprezentację miały powiaty z województw: zachodniopomorskiego (1), wielkopolskiego (2) i warmińsko-mazurskiego (2). ●● Piąta grupa kwintylowa znacząco odbiegła od pozostałych. Średnia wartość analizowanej zmiennej niemal czterokrotnie przewyższa średnią dla grupy czwartej i ponaddziewięciokrotnie średnią grupy pierwszej. W grupie piątej dominowały powiaty grodzkie, wśród których najwyższe wartości analizowanej zmiennej dotyczyły miast na prawach powiatu: Warszawy, Sopotu, Płocka, Świnoujścia, Nowego Sącza i Wrocławia. 12.3. PODSUMOWANIE W niniejszym rozdziale dokonano analizy zróżnicowania powiatów ze względu na najważniejsze pozycje budżetów tych jednostek samorządu terytorialnego. Zastosowana metoda analizy pozwoliła na łączenie tych jednostek w grupy o podobnych średnich wartościach analizowanych zmiennych, którymi były: dochody powiatów z PIT i CIT oraz subwencji i dotacji per capita, wydatki bieżące i majątkowe. Przeprowadzona analiza pozwoliła na sformułowanie następujących wniosków: I. Z reguły najmniej jednorodna okazywała się piąta grupa kwintylowa, która skupiała powiaty o najwyższych wartościach analizowanych zmiennych. W grupie piątej dominowały powiaty grodzkie, które zdecydowanie przewyższały powiaty ziemskie pod względem wartości wszystkich analizowanych zmiennych. II. Zauważono, że powiaty leżące na terenach byłego zaboru niemieckiego charakteryzowały się zwykle nieznacznie wyższymi wartościami analizowanych zmiennych. W przypadku pozostałych typów powiatów nie odnotowano istotnego zróżnicowania analizowanych zmiennych. III. Duży wpływ na zmienność dochodów i wydatków powiatów w czasie miały zmiany regulacyjne związane z decentralizacją zadań i finansów publicznych. Wzrost zadań nakładanych na powiaty skutkował zwiększaniem udziałów tych jednostek w daninach publicznych PIT i CIT. IV. Mechanizmem mającym na celu minimalizowanie różnic w rozwoju lokalnym z założenia były dotacje i subwencje. Nie zauważono jednak, by ta pozycja w dochodach powiatów rekompensowała względnie niskie wpływy z podatku dochodowego od osób fizycznych i prawnych. BIBLIOGRAFIA Filipiak B, (2011), Finanse samorządowe. Nowe wyzwania bieżące i perspektywiczne, Difin, Warszawa. Dolnicki B. (2008), Samorząd terytorialny, Oficyna Wolters Kluwers Business, Warszawa. Gospodarka finansowa jednostek samorządu terytorialnego 2011, (2012), Studia i analizy statystyczne, Główny Urząd Statystyczny, Warszawa. Kopańska A. (2003), Zewnętrzne źródła finansowania inwestycji jednostek samorządu terytorialnego, Difin, Warszawa 2003. Kosek-Wojnar M., Surówka K. (2007), Podstawy finansów samorządu terytorialnego, Wydawnictwo Naukowe PWN, Warszawa. Misterek W. (2008), Zewnętrzne źródła finansowania działalności inwestycyjnej jednostek samorządu terytorialnego, Difin, Warszawa. Trojak M. (2001), Zewnętrzne źródła finansowania gmin i ich wpływ na rozwój społeczności lokalnych, „Finansowanie jednostek samorządu terytorialnego”, z. 6, Bielsko-Biała. T. Tokarski, Trojak M. (2013), Statystyczna analiza przestrzennego zróżnicowania rozwoju ekonomicznego i społecznego Polski, Wydawnictwo UJ, 2013. Ziółkowska W. (2002), Finanse publiczne. Teoria i zastosowanie, Wydawnictwo Wyższej Szkoły Bankowej w Poznaniu, Poznań. 352 353 13 PRZESTRZENNE ZRÓŻNICOWANIE BUDŻETÓW GMIN (Marek W. Szewczyk) 13.1. WPROWADZENIE Rozdział trzynasty poświęcony jest analizie przestrzennego zróżnicowania budżetów gmin. Wprawdzie pod pojęciem budżetu rozumie się plan dochodów i wydatków uchwalony w formie uchwały budżetowej, ale zgodnie z zasadą równowagi budżetowej jednostka opracowująca budżet, i organ uchwalający go, muszą dążyć do tego, by dochody były równe wydatkom. W praktyce ten stan prawie nigdy nie jest osiągalny, najczęściej występuje nadwyżka lub deficyt budżetowy, ponieważ zrównoważenie dochodów i wydatków jest stanem wyjątkowym. Wypracowana nadwyżka powinna służyć pokryciu deficytu w okresach recesji. W analizach prowadzonych w rozdziale trzynastym przyjęto uproszczenie polegające na założeniu, że brak dochodów uniemożliwia dokonywanie wydatków. Dlatego koncepcja rozdziału została oparta na przyjęciu dochodu za pewną miarę pozwalającą na podjęcie próby przypisania gmin do wyznaczonych grup gmin (od najsilniejszej do najsłabszej). Za takim założeniem przemawia logika gospodarowania, ponieważ gmina, która posiada wysokie dochody, może przeznaczyć więcej pieniędzy na wydatki w procesie realizacji swoich zadań. Taka jednostka może świadczyć wspólnocie usługi nie tylko przez zwiększenie (czynnik ilościowy), ale także przez dostarczenie sprzętu (czynnik jakościowy). Prowadzone w rozdziale trzynastym analizy, podobnie jak większość w poprzednich rozdziałach, obejmują lata 2002–2011. Uzasadnieniem takiego wyboru jest dostępność materiału statystycznego o zbliżonej strukturze. Wprawdzie istniejące źródła (np. materiały Krajowej Rady Regionalnych Izb Obrachunkowych, które zawierają zweryfikowane dane dotyczące okresów wcześniejszych, ale ich publikacja realizowana jest na pewnym poziomie agregacji. Dostępne dane jednostkowe według standardu geokodowania jednostek terytorialnych NUTS pozwalają na pozyskanie danych jednostkowych dla każdej jednostki samorządu terytorialnego w uporządkowanym, jednakowym formacie. Ta praktyczna metoda spowodowała ustalenie dolnej granicy okresu obserwacji, czyniąc wyniki analiz porównywalnymi i sprawdzalnymi. Na kształt rozdziału trzynastego, oraz na przyjętą metodykę prowadzenia badań i wnioski istotnie wpłynęły dynamiczne zmiany przepisów prawa w zakresie dochodów jednostek samorządu terytorialnego, które nastąpiły przed rokiem 2002, jak i w okresie późniejszym. 13.2. ZADANIA GMIN Wyodrębnienia jednostek samorządu terytorialnego w 1999 roku i określenia kształtu ustroju terytorialnego w Polsce nie można traktować jako struktury statycznej (Berezowska, 2011). Powstanie gmin, powiatów i województw wiąże się z jednoczesnym podziałem zadań i kompetencji pomiędzy organami administracji rządowej i samorządowej. Kształtowanie się samorządu terytorialnego przebiegało w kilku okresach, które charakteryzowały się pewnymi pryncypiami. Na przykład głównym z nich było uwolnienie gminy od kontroli państwa policyjnego i pozostawienie gminom zupełnej samodzielności. W okresie tworzenia państwa prawnego pogląd ten uległ modyfikacji i przerodził się w ograniczenie nadzoru organów państwowych nad działalnością gminy. Wówczas zrodziły się podstawy do wyodrębnienia dwóch obszarów w zakresie działania gminy. Pierwszy z nich cechował się pełną autonomicznością, określoną mianem zadań własnych gminy, drugi natomiast stanowił zadania poruczone (zlecone) (Dolnicki, 2009: 274). Stan ten zyskał nazwę dualizmu zadaniowego. Zadania własne samorządu terytorialnego mają dwoisty charakter: częściowo miejscowy (lokalny), a częściowo ponadmiejscowy (Dolnicki, 2009: 275). Zadania lokalne (miejscowe) są integralnie związane z miejscem (terytorium) i mieszkańcami jednej gminy (korporacji terenowej). Bogdan Dolnicki pisze, że do zadań lokalnych wchodzą: zadania lokalno-integralne (oświetlenie, dróg i ulic lokalnych, organizacja i utrzymanie miejsc pochówku, zieleni miejskiej, parków itp.) oraz zadania lokalne zsumowane, czyli mające swoje źródło w sumie potrzeb indywidualnych ludzi mieszkających na danym terenie (np. dostawa wody lub gazu, organizacja transportu lokalnego, organizacja szpitali). Jednym z istotnych ograniczeń listy zadań lokalnych są zdolności administracyjne do ich zaspokajania. Zadania ponadlokalne stanowią te czynności, które realizowane są przez utworzone ze wspólnot lokalnych korporacje samorządowe, które Dolnicki dzieli na cztery grupy: zadania ponadgminne, uzupełniające, wyrównujące i wspólne. Wymienione zadania charakteryzują się szczególnymi cechami: służą zaspokojeniu potrzeb ludzi mieszkających na terenie korporacji, nie mogą być wykonane na niższym szczeblu, likwidują niesprawności wynikające z podziału administracyjnego, lub ich realizacja podyktowana jest rachunkiem ekonomicznym. Zadania własne gminy to zatem obowiązki publiczne służące zaspokojeniu wspólnoty samorządowej1. O ile uogólnione określenie zakresu działania gminy zostało ujęte w art. 6. ust. 1 ustawy o samorządzie gminnym2, który wskazuje na „wszystkie sprawy publiczne o znaczeniu lokalnym”, o tyle w art. 7. ust. 1 tej ustawy wskazano pewien katalog zadań gminy, do którego należą: –– ład przestrzenny, gospodarka nieruchomościami, ochrona środowiska i przyrody oraz gospodarka wodna, –– gminne drogi, ulice, mosty, place oraz place zabaw, –– wodociągi i zaopatrzenie w wodę, kanalizacja, usuwanie i oczyszczanie ścieków komunalnych, 1 Por. art. 166. ust. 1 Konstytucji RP. 2 Dz.U. 1990 Nr 16. poz.9 5 ze zm. –– utrzymanie czystości i porządku oraz urządzeń sanitarnych, wysypisk, oraz unieszkodliwianie odpadów komunalnych, zaopatrzenie w energię, cieplną i gaz, –– lokalny transport, –– ochrona zdrowia, –– pomoc społeczna, –– gminne budownictwo mieszkaniowe, –– edukacj publiczna, –– kultura (biblioteki i placówki upowszechniania kultury), –– kultura fizyczna i turystyka, –– targowiska i hale targowe, –– zieleń gminna i zadrzewienia, –– cmentarze gminne, –– porządek publiczny i bezpieczeństwo obywateli oraz ochrony przeciwpożarowej i przeciwpowodziowej, –– utrzymanie obiektów i urządzeń użyteczności publicznej oraz obiektów administracyjnych, –– polityka prorodzinna, –– wspieranie i upowszechnianie idei samorządowej, –– promocja gminy, –– współpraca z organizacjami pozarządowymi, –– współpracy ze społecznościami lokalnymi regionalnymi innych państw. Wyodrębnienie zadań własnych gminy nie ma jednak charakteru zamkniętego. Od 1 stycznia 2004 roku z zakresu administracji rządowej zostały przekazane do realizacji kolejne zadania dla jednostek samorządu terytorialnego (jako zadania własne). W gminach były to następujące zadania: oświetlenia dróg publicznych, dla których gmina nie jest zarządcą, ewidencja pół biwakowych oraz obiektów hotelarskich. Kolejną zmianą była zmiana finansowania zadania własnego – wypłata dodatków mieszkaniowych, na które gminy otrzymywały dotację celową, jako zadanie własne finansowane z dochodów własnych jednostki samorządu terytorialnego. Ustawa z 12 marca 2004 roku o pomocy społecznej wprowadziła do katalogu zadań własnych gmin wiele obowiązków z obszaru pomocy społecznej. Były to: –– opracowanie i realizacja gminnej strategii rozwiązywania problemów alkoholowych i innych, sporządzanie bilansu potrzeb gminy w zakresie pomocy społecznej, –– udzielanie schronienia, zapewnienie posiłku oraz niezbędnego ubrania osobom tego pozbawionym, –– przyznawanie i wypłacanie zasiłków okresowych, celowych na pokrycie wydatków powstałych w wyniku zdarzenia losowego, na pokrycie wydatków na świadczenia zdrowotne osobom niemającym dochodu, –– przyznanie środków celowych w formie biletu kredytowego, –– opłacenie składek na ubezpieczenie emerytalne i rentowe za osobę rezygnującą z zatrudnienia w związku z koniecznością sprawowania bezpośredniej opieki nad długotrwale lub ciężko chorym członkiem rodziny, –– praca socjalna, organizowanie i świadczenie usług opiekuńczych, w tym specjalistycznych, –– prowadzenie i zapewnienie miejsc w placówkach opiekuńczo-wychowawczych i w ośrodkach wsparcia dziennego oraz zapewnienie mieszkań chronionych, –– tworzenie gminnego systemu profilaktyki i opieki nad dzieckiem i rodziną, –– dożywianie dzieci, –– sprawowanie pogrzebu, w tym osobom bezdomnym, –– kierowanie do domu pomocy społecznej i ponoszenie odpłatności za pobyt mieszkańca gminy w tym domu, –– utworzenie i utrzymywanie ośrodków pomocy społecznej, w tym zapewnienie środków na wynagrodzenia pracowników3. Obligatoryjność zadań gminy wynika z ustaw. Najważniejszym przepisem w tym zakresie jest tzw. ustawa kompetencyjna z 24 lipca 1998 roku4. Zmiany przepisów ustawy o ochronie zwierząt wprowadziły nowy obowiązek dla gmin, a mianowicie zapewnienie opieki bezdomnym zwierzętom5. Delegację prawną do zlecania jednostkom samorządu terytorialnego zadań przewidziano w art. 166 ust. 2 Konstytucji RP, jednocześnie określając szczególny tryb przekazania tychże w drodze ustawy (zadania obowiązkowe). Zgodnie z treścią art. 8 ust. 2 ustawy o samorządzie gminnym zadania mogą być przekazywane w drodze porozumienia z organami administracji rządowej (zadania powierzone/dobrowolne) (Filipiak, 2011: 20). Za podstawę wyodrębnienia zadań przekazywanych (zleconych) do jednostek samorządu terytorialnego przyjęto uzasadnioną potrzebę państwa. Tak sformułowana konstytucyjna zasada stanowi jednocześnie barierę ograniczającą rozszerzanie katalogu zadań państwowych przenoszonych na jednostki samorządu terytorialnego chociażby ze względu na ich pracochłonny i kosztochłonny charakter. Innym istotnym zapisem chroniącym zbyt pochopne przenoszenie zadań na jednostki samorządu terytorialnego są przepisy art. 194 ust. 4 Konstytucji RP stanowiące, że zmiany w zakresie zadań i kompetencji następują wraz z odpowiednimi zmianami w podziale dochodów publicznych. 13.3. DOCHODY GMIN Asygnowanie gminie zadań wymagało zapewnienia podstaw i źródeł ich realizacji zarówno w sferze stanowienia, jak i wykonawstwa. Pominę problematykę prawnych kompetencji poszczególnych organów gminy i dalej skupię się na kwestiach fizycznej możliwości realizacji przypisanych zadań6. Wyodrębnienie konkretnych obszarów z listy zadań publicznych pociągnęło za sobą bezwzględną konieczność zapewnienia źródeł ich finansowania. Głównym źródłem są dochody publiczne, które stanowią materialną bazę wykonania zadań publicznych (Niezgoda, 2009: 15). Istniejąca silna zależność 3 Część zadań został przesunięta do realizacji po 2015 r. z powodu braku możliwości ich finansowego zabezpieczenia. 4 Dz.U. 1998, Nr 106, poz. 668 ze zm. 5 Art. 1 i 2 Ustawy o zmianie ustawy o ochronie zwierzat oraz ustawy o utrzymaniu czystości i porządku w gminach z dnia 16 września 2011 r. (Dz.U. 2011 Nr 230, poz. 1337). 6 Por. art. 16 ust. 2 Konstytucji RP. pomiędzy zadaniami a źródłami ich finansowania wywołała konieczność dokonania odpowiedniego podziału tychże dochodów. Kwestie podziału dochodów są regulowane w umowie międzynarodowej sporządzonej w Strasburgu 15 października 1985 roku, którą stanowi Europejska Karta Samorządu Terytorialnego, a ratyfikowaną 1 marca 1994 roku przez Rzeczpospolitą Polską. Zgodnie z przepisami Karty system dochodów lokalnych powinien być urozmaicony i ewolucyjny7; Andrzej Niezgoda (2009) określił go jako zróżnicowany i elastyczny. Jak wynika z prowadzonych rozważań, na dalszy ich przebieg i wnioski będą miały wpływ zmiany ustawy o dochodach jednostek samorządu terytorialnego, i nie tylko8, jakie wystąpiły w okresie objętym badaniem (lata 2002–2012). Przepisy te odgrywają zasadniczą rolę w zakresie regulacji źródeł dochodów jednostek samorządu terytorialnego, zasad ich ustalania i gromadzenia, jak również zasad ustalania wysokości należnych subwencji ogólnej oraz dotacji celowej i sposobów ich przekazywania. Stąd źródłem zmian wysokości dochodów lub ich struktury będą zmiany w nowych przepisach lub nowelizacji już obowiązującycha nie aktywności organów gmin w poszukiwaniu sposobów na zwiększanie dochodów. Ponieważ celem niniejszego opracowania jest ukazanie stanu dochodów i wydatków gmin wraz z ich klasyfikacją ze względu na typ gminy: miejskie, miejsko-wiejskie i wiejskie, dlatego problematyka wpływu zmian przepisów na zmiany dochodów nie będzie szczegółowo omawiane. Przedstawienie powyższych informacji ma na celu zwrócenie uwagi na istniejące przyczyny występujących różnic ilościowych w porównaniach horyzontalnych w prezentowanym obszarze działalności gmin. Część dochodów gminy stanowią dochody własne pochodzące z opłat i podatków lokalnych, o których poziomie mogą decydować społeczności lokalne w zakresie określonym przez ustawę. Przepisy ujęte w Karcie wskazują na pozostawienie pełnej swobody działania społecznościom lokalnym w zakresie, który nie został wyłączony z ich kompetencji. Pojęcie dochodów własnych jednostek samorządu terytorialnego występuje w przepisach prawa (art. 4. u.o.d.j.s.t.), lecz przepis nie definiuje tego terminu, wskazując tylko źródła dochodów bez określenia kryterium ich grupowania (Kotlińska, 2009: 143–144). W opracowaniach A. Niezgody wskazuje się na pewne cechy dochodów własnych. Stwierdza on, że „podstawową cechą dochodów własnych jest (…) swoboda dysponowania płynącymi z nich środkami” (Niezgoda, 2009: 17). Emilia Denek wraz ze współautorami rozpatrują zaś dochody własne w ujęciu wąskim i szerokim. W ujęciu wąskim zaliczają te dochody, na które władze lokalne mogą bezpośrednio oddziaływać. Ujęciem szerokim natomiast, zdaniem autorów, objęte są te dochody, które mają następujące cechy: 7 Art. 9 ust. 4, Europejska Karta Samorządu Terytorialnego, Dz.U. 1994 Nr 124 poz. 607, z dnia 15 października 1985 r., www.isap.sejm.gov.pl/DetailsServlet?id = WDU19941240607 (dostęp: 8.11.2013). 8 Dz. U. Nr 157, poz. 1240 ze zm. Zmiany w ustawie o podatku dochodowym od osób fizycznych w zakresie obniżenia progów podatkowych i wprowadzenia ulg z tytułu wychowania dzieci wpłynęły na zmniejszenie poziomu dochodów samorządowych. Również na zmniejszenie dochodów gmin wpłynęły zmiany w zwiększeniu zakresu zadań i obowiązków w dziale oświata, które nie znalazły pokrycia finansowego w subwencji oświatowej np.: wydatki płacowe i rzeczowe dla szkół. –– są pobierane ze źródeł znajdujących się na terenie działania danego samorządu, –– przekazywane są do dyspozycji jednostek samorządu terytorialnego w całości i bezterminowo z mocy prawa, –– pochodzą ze źródeł, na które organy samorządowe wywierają wpływ, decydując o ich wprowadzeniu lub, co najmniej, określając konstrukcje prawną tych dochodów (Denek, Sobiech, Wolniak, 2001: 159). W publikacjach autorów rozpatrujących kwestie definicji dochodów własnych pojawiają się poglądy, że ujęcie szersze tego pojęcia obejmuje wszystkie źródła wskazane przez ustawodawcę (Patrzałek, 2004: 84). W niniejszym opracowaniu dochody własne rozpatrywane są w ujęciu szerszym, obejmującym źródła dochodów specyfikowane ustawą. Z punktu widzenia gospodarki finansowej samorządu terytorialnego między zadaniami własnymi a zadaniami zleconymi można wyodrębnić trzy grupy różnic wynikających z: –– źródeł i sposobów finansowania każdej z grup, –– systemu prowadzenia nadzoru i kontroli wydatków, –– zasady planowania budżetowego i wykonania budżetu. Zadania własne finansowane są z własnych dochodów i przychodów, czyli z: podatków samorządowych, udziałów w podatkach zbieranych centralnie, dochodów z majątku, służb, subwencji i dotacji na zadania własne oraz z dochodów zwrotnych9. Zadania zlecone gminie przez ustawy finansowane są z dotacji celowych10, zadania zaś przekazane w drodze porozumień finansowane są ze źródeł wskazanych w tychże porozumieniach11. Przyjęty w opracowaniu okres obserwacji (od 2002 do 2011 roku wraz z włączeniem niektórych danych z 2012 roku) można podzielić na dwa podokresy. Pierwszy obejmuje lata 2002–2003, drugi natomiast lata 2004–2011. Podstawą wyodrębnienia tych dwóch podokresów były istotne zmiany w ustawie o dochodach jednostek samorządu terytorialnego z listopada 1993 roku12, które weszły w życie od 2004 roku. Zmiany polegały na wyodrębnieniu w dochodach gmin dochodów od czynności cywilnoprawnych oraz na włączeniu do dochodów jednostek samorządu terytorialnego środków niepodlegających zwrotowi, a pochodzących ze źródeł zagranicznych, również środków bezzwrotnych. Wprowadzane zmiany kontynuowały realizację przyjętych zasad zmierzających do koncentrowania dotacji na zadania własne jednostek samorządu terytorialnego, zmniejszania stopnia centralizacji dysponowania środkami publicznymi oraz umacniania samodzielności ekonomicznej jednostek samorządu terytorialnego przez zwiększanie w dochodach ogółem udziału dochodów własnych. Kolejna rekonstrukcja przepisów o dochodach jednostek samorządu terytorialnego nie wyeliminowała istniejące wady w zasadach finansowania ich działalności, jakim było silne uzależnienie dochodów ponadgminnych stopni samorządu terytorialnego od transferów z budżetu państwa. 9 Por. art. 4. ust. 1, ustawy o dochodach jednostek samorządu terytorialnego z dnia 13 listopada 2013 r. (dalej: u.o.d.j.s.t.). Dz.U. 2003, Nr 203, poz. 1966 ze zm. 10 Art. 8. ust. 1. pkt 1 u.o.d.j.s.t. 11 Art. 8. ust. 1. Pkt 2 u.o.d.j.s.t. 12 Ustawa z 26 listopada 1998 r. o dochodach jednostek samorządu terytorialnego w latach 1999–2003. Dz.U. Nr 150, poz. 983 ze zm. 13.4. ZAŁOŻENIA METODYKI OPRACOWANIA Obszar przedmiotowy prowadzonych analiz obejmuje gminy polskie z wyłączeniem miast na prawach powiatów, również miasta stołecznego Warszawy. Zgodnie z Wykazem identyfikatorów i nazw jednostek podziału terytorialnego kraju wszystkie jednostki wchodzące do zbioru badanych gmin zostały podzielone na trzy grupy z podziałem na gminę miejską, gminę miejsko-wiejską oraz gminę wiejską. Przyjęty podział pozwala na symetryczne wykorzystanie danych statystycznych prezentowanych w Banku Danych Lokalnych GUS. Zestawienie liczby jednostek objętych badaniem przedstawiono w tablicy 13.1. Tablica 13.1. Liczba gmin w pierwszym (2002) i ostatnim (2012) roku okresu obejmującego badania oraz różnica ich liczebności w Polsce według województw Treść Ogółem w 2002 Stan gmin wg typu na 31.12.2002 Ogółem w 2012 Stan gmin wg typu na 31.12.2012 Różnica 2012–2002 ogółem Różnica liczby gmin wg typu 2012–2002 gminy miejskie gminy miejsko-wiejskie gminy wiejskie gminy miejskie gminy miejsko-wiejskie gminy wiejskie gminy miejskie gminy miejsko-wiejskie gminy wiejskie Polska 2478 307 576 1595 2479 306 602 1571 1 –1 26 –24 Łódzkie 177 18 24 135 177 18 26 133 0 0 2 –2 Mazowieckie 314 35 49 230 314 35 50 229 0 0 1 –1 Małopolskie 181 15 40 126 182 15 47 121 1 0 7 –5 Śląskie 167 49 22 96 167 49 22 96 0 0 0 0 Lubelskie 213 20 21 172 213 20 22 171 0 0 1 –1 Podkarpackie 160 16 29 115 160 16 34 110 0 0 5 –5 Podlaskie 118 13 23 82 118 13 27 78 0 0 4 –4 Świętokrzyskie 102 5 25 72 102 5 26 71 0 0 1 –1 Lubuskie 83 9 33 41 83 9 33 41 0 0 0 0 Wielkopolskie 226 19 90 117 226 19 90 117 0 0 0 0 Zachodniopomorskie 114 11 50 53 114 11 53 50 0 0 3 –3 Dolnośląskie 169 36 54 79 169 36 55 78 0 0 1 –1 Opolskie 71 3 31 37 71 3 32 36 0 0 1 –1 Kujawsko-pomorskie 144 17 35 92 144 17 35 92 0 0 0 0 Pomorskie 123 25 17 81 123 25 17 81 0 0 0 0 Warmińsko-mazurskie 116 16 33 67 116 16 33 67 0 0 0 0 Małopolskie: zmiana granic województwa z dniem 1.01.2002 r. (Dz.U. 2001, Nr 62 poz. 631,) oraz z dniem 1.01.2003 r. (Dz.U. 2002, Nr 191, poz. 1594); Śląskie: zmiana granic województwa z dniem 1.01.2002 r. (Dz.U. 2001, Nr 62 poz. 631); Podkarpackie: zmiana granic województwa z dniem 1.01.2003 r. (Dz.U. 2002, Nr 191, poz.1594). Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z danych zamieszczonych w tablicy 13.1 wynika duża stabilność podziału terytorialnego w Polsce. W okresie obserwacji liczba gmin w 2012 roku zwiększyła się tylko o jedną w stosunku do liczby z 2002 roku. Wśród wszystkich gmin w Polsce najwięcej jest gmin typu wiejskiego a najmniej gmin typu miejskiego. W pierwszym (2002) i ostatnim (2012) roku obserwacji najmniejszy odsetek gmin miały województwa: opolskie (2,9%)13, lubuskie (3,3%), i świętokrzyskie (4,1%). Ze względu na typ gminy najmniejszą liczbą gmin typu miejskiego charakteryzowały się województwa: opolskie, świętokrzyskie i lubuskie; gmin typu miejsko-wiejskiego – pomorskie, lubelskie i śląskie; a gmin typu wiejskiego – województwa: opolskie lubuskie i zachodniopomorskie. Ze względu na to samo kryterium najwięcej gmin typu miejskiego znajdowało się w województwach: mazowieckim, dolnośląskim i śląskim; typu miejsko-wiejskiego w: zachodniopomorskim, dolnośląskim i wielkopolskim; a gmin typu wiejskiego było najwięcej w województwach: łódzkim, lubelskim i mazowieckim. Największa natomiast liczba gmin ogółem znajdowała się w województwach: lubelskim (8,6%), wielkopolskim (9,1%) i mazowieckim (12,7%).Szczegółowe udziały procentowe gmin według województw i typów gmin z podziałem na pierwszy rok obserwacji (rok 2002) i ostatni (rok 2012) przedstawiono w aneksie 13.1. W obu kategoriach klasyfikacji zbudowanych na podstawie liczebności gmin ogółem i w podziale na poszczególne grupy gmin według typu ukształtowania listy trzech pierwszych i trzech ostatnich województw nie pokrywają się. W celu przeprowadzenia badań materiały pozyskiwano z dwóch oficjalnych źródeł. Pierwszym z nich były zasoby Banku Danych Lokalnych GUS, drugim – dane prezentowane w rocznych sprawozdaniach z działalności Regionalnych Izb Obrachunkowych (RIO) i wykonania budżetu przez jednostki samorządu terytorialnego z lat 2002–2013 (szczególnie część II) oraz danych prezentowanych na stronie Ministerstwa Finansów stanowiących załączniki do sprawozdań z wykonania budżetu państwa w części dotyczącej informacji o wykonaniu budżetów jednostek samorządu terytorialnego. Metodykę prowadzenia obliczeń i prezentowanych wyników omówiono przed jej zastosowaniem w poszczególnych podrozdziałach. Porównywalność zebranych danych dotyczących dochodów i wydatków gmin z lat 2002–2012 zapewniono, stosując ceny z 2009 roku. 13.5. WSTĘPNA ANALIZA DOCHODÓW JEDNOSTEK SAMORZĄDU TERYTORIALNEGO Ponieważ przedmiotem opracowania są budżety gminy, dlatego wszelkie porównania zostaną przeprowadzone w obrębie tej grupy jednostek samorządu terytorialnego. Zgodnie z założeniami, z tej grupy zostały wyłączone miasta na prawach powiatu, które zaklasyfikowano do grupy powiatów. 13 Odsetek gmin w województwie w liczbie gmin ogółem. Gminy są jedną z pięciu grup jednostek samorządu terytorialnego w Polsce. Udział dochodów gmin na tle pozostałych jednostek samorządu terytorialnego przedstawiono w tablicy 13.2. Tablica 13.2. Struktura dochodów ogółem jednostek samorządu terytorialnego w Polsce w latach 2002–2011 (ceny stałe 2009 r. = 100) [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Polska, w tym: 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 gminy 43,2 45,5 44,1 44,5 44,2 43,4 43,7 41,9 44,4 44,3 m. st. Warszawa 6,8 6,1 6,5 7,1 7,3 7,4 7,2 6,5 6,4 6,6 miasta na prawach powiatów 29,4 28,5 28,2 28,1 27,7 28,2 27,5 26,0 26,7 26,6 powiaty 15,3 14,0 13,6 13,4 12,7 12,3 12,7 13,0 13,8 13,7 województwa samorządowe 5,3 5,8 7,6 6,9 8,1 8,6 8,9 12,6 8,7 8,8 Źródło: obliczenia własne na podstawie: www.rio.gov.pl/html/sprawozdania_rio (dostęp: 8.11.2013). Z danych w tablicy 13.2 wynika, że wśród polskich jednostek samorządu terytorialnego największą wartość dochodów generowały gminy (średnio 43,9%). Mimo zachodzących zmian prawnych odsetek dochodów ogółem we wszystkich grupach jednostek samorządu terytorialnego był stabilny (współczynniki zmienności VS wynosiły odpowiednio: 0,022, 0,064, 0,037, 0,064). Wyjątek stanowiła grupa województw samorządowych, w której wzrastał odsetek dochodów budżetowych ogółem (VS = 0,251). Należy zaznaczyć, że miasto stołeczne Warszawa zostało wyodrębnione w 2002 roku14, ale na potrzeby porównywalności w sprawozdawczości RIO dane zostały odpowiednio wydzielone. Pogłębieniem oceny zrealizowanych dochodów budżetowych ogółem w poszczególnych grupach jednostek samorządu terytorialnego jest ich dynamika. Tablica 13.3 odzwierciedla dynamikę dochodów ogółem poszczególnych grup jednostek samorządu terytorialnego. Z danych przedstawionych w tablicy 13.3 wynika, że ze wszystkich grup jednostek samorządu terytorialnego gminy osiągały najwyższą dynamikę dochodów. Porównując średnią wartość dynamiki gmin (106,2%) ze wszystkimi jednostkami samorządu terytorialnego (Polska, 105,3%), można stwierdzić, że dynamika dochodów ogółem gmin wyprzedzała dynamikę dochodów ogółem wszystkich jednostek samorządu terytorialnego. Największą dodatnią różnicę odnotowano w latach 2002 (+6,7%) i 2010 (+6,2%), a ujemną w latach 2004 (–3,7%) i 2009 (–4,3%). Zestawiając wartości średnie dynamiki dochodów budżetowych ogółem gmin (106,2%) i budżetu państwa (104,6%), zauważamy, że średnia wartość dynamiki dochodów gmin jest wyższa (+1,6%). Najwyższą różnicę dynamiki dochodów ogółem na korzyść gmin odnotowano w 2010 roku (19,6%), a najniższą w 2009 (–4,3%). 14 Ustawa z dnia 15 marca 2002 r. o ustroju miasta stołecznego Warszawy, Dz.U. 2002, Nr 61, poz. 361. Tablica 13.3. Dynamika dochodów ogółem jednostek samorządu terytorialnego w Polsce w latach 2002–2012 (ceny stałe z 2009 r.; Rn/Rn – 1) [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Polska, w tym: 98,7 98,1 111,7 110,2 112,6 109,5 104,1 104,9 102,5 100,9 gminy 105,4 103,5 108,0 111,3 111,8 107,5 104,9 100,6 108,6 100,5 m. st. Warszawa 94,6 88,0 118,9 120,1 115,7 111,2 100,7 95,3 100,6 103,4 miasta na prawach powiatów 97,6 95,1 110,4 110,0 110,9 111,7 101,4 99,1 105,3 100,6 powiaty 89,2 90,0 108,4 108,1 106,8 106,2 107,8 106,9 109,2 100,4 województwa samorządowe 90,0 107,4 147,5 99,3 132,9 116,7 107,1 149,2 70,3 102,4 budżet państwa 100,2 105,1 99,3 112,7 108,9 116,7 102,9 104,5 89,0 106,3 Źródło: obliczenia własne na podstawie: www.rio.gov.pl/html/sprawozdania_rio (dostęp: 8.11.2013). Pogłębieniem informacji dotyczących stanu dynamiki dochodów budżetowych ogółem w poszczególnych grupach jednostek samorządu terytorialnego jest porównanie dynamiki ze stałym punktem odniesienia. Tablica 13.4 zawiera dane odzwierciedlające dynamikę obliczoną dla podstawy z pierwszego roku obserwacji (2002). Tablica 13.4. Dynamika dochodów budżetowych ogółem w jednostkach samorządu terytorialnego w Polsce w latach 2002–2012 (ceny stałe z 2009 r.; Rn/R2002) [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Polska, w tym: 100,0 98,1 109,6 120,7 135,9 148,9 155,0 162,7 166,7 168,2 gminy 100,0 103,5 111,8 124,5 139,2 149,6 157,0 157,9 171,5 172,5 m. st. Warszawa 100,0 88,0 104,7 125,7 145,5 161,8 163,0 155,3 156,3 161,6 miasta na prawach powiatów 100,0 95,1 104,9 115,4 128,0 142,9 144,9 143,6 151,2 152,2 powiaty 100,0 90,0 97,6 105,4 112,6 119,6 128,9 137,8 150,5 151,0 województwa samorządowe 100,0 107,4 158,4 157,3 209,0 244,0 261,2 389,7 274,0 280,7 budżet państwa 100,0 105,1 104,4 117,6 128,0 149,3 153,7 160,6 142,9 152,0 Źródło: obliczenia własne na podstawie: www.rio.gov.pl/html/sprawozdania_rio (dostęp: 8.11.2013). Z tablicy 13.4 wynika, że we wszystkich analizowanych latach to gminy i województwa samorządowe odnotowały dodatnią dynamikę. Najwyższy średni poziom dynamiki w latach 2002–2011 osiągnęły województwa samorządowe (218,2%), a następnie gminy (138,8%). Wyższy poziom dynamiki województw samorządowych wynikał z realizacji zmian przepisów w 2004 roku wprowadzających nowe źródła dochodów dla województw samorządowych. Porównując wartości osiągniętej dynamiki przez gminy z dynamiką dochodów wszystkich jednostek samorządu terytorialnego w Polsce, widzimy, że tylko w latach 2003 i 2009 była ona niższa (odpowiednio o: –1,06% i –2,07%). W odniesieniu do dynamiki dochodów budżetu państwa dynamika dochodów ogółem gmin była niższa tylko w 2009 roku (–4,8%). Dodatkową ilustrację dynamiki dochodów gmin w porównaniu z dynamiką wszystkich jednostek samorządu terytorialnego w Polsce na tle dynamiki dochodów budżetu państwa stanowią wykresy 13.1 i 13.2. Wykres 13.1. Dynamika dochodów ogółem gmin i wszystkich jednostek samorządu terytorialnego w Polsce na tle dynamiki dochodów budżetu państwa w latach 2002–2012 (metoda łańcuchowa Rn/Rn – 1; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.rio.gov.pl/html/sprawozdania_rio (dostęp: 22.11.2013). Z przebiegu trajektorii dynamiki dochodów ogółem przedstawionych na wykresie 13.1 widać, że dynamika dochodów ogółem gmin jest zbliżona do dynamiki dochodów ogółem dla wszystkich jednostek samorządu terytorialnego w Polsce, nie pokrywa się natomiast z trajektorią dynamiki dochodów ogółem budżetu państwa. Na podstawie wykresu 13.2 można stwierdzić, że dynamika dochodów ogółem gmin wyprzedza nieznacznie dynamikę dochodów ogółem dla wszystkich jednostek samorządu terytorialnego, i wyraźnie – dynamikę dochodów budżetu państwa, co może potwierdzać kontynuację przyjętych zasad wzmacniania źródeł dochodów budżetowych jednostek samorządu terytorialnego. Wykres 13.2. Dynamika dochodów ogółem gmin i wszystkich jednostek samorządu terytorialnego w Polsce na tle dynamiki dochodów budżetu państwa w latach 2002–2012 (metoda ze stałą podstawą Rn/R2002.; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.rio.gov.pl/html/sprawozdania_rio (dostęp: 8.11.2013). Udział dochodów dla poszczególnych grup gmin w wartości dochodów ogółem, przestawiono w tablicy 13.5. Tablica 13.5. Struktura dochodów ogółem gmin miejskich, miejsko-wiejskich i wiejskich w dochodach gmin razem w latach 2002–2012 [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Polska, w tym: 100 100 100 100 100 100 100 100 100 100 gminy 43,2 45,5 44,1 44,5 44,2 43,4 43,7 41,9 44,4 44,3 m. st. Warszawa 6,8 6,1 6,5 7,1 7,3 7,4 7,2 6,5 6,4 6,6 miasta na prawach powiatów 29,4 28,5 28,2 28,1 27,7 28,2 27,5 26,0 26,7 26,6 powiaty 15,3 14,0 13,6 13,4 12,7 12,3 12,7 13,0 13,8 13,7 województwa samorządowe 5,3 5,8 7,6 6,9 8,1 8,6 8,9 12,6 8,7 8,8 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z danych przedstawionych w tablicy 13.5 wynika, że udział dochodów ogółem we wszystkich typach gmin jest stabilny w całym okresie obserwacji. Najmniejszy odsetek dochodów ogółem przypada na gminy miejskie (odsetek liczebności 14,4%), średni – na gminy miejsko-wiejskie (odsetek liczebności 24,2%), a największy – na gminy wiejskie (odsetek liczebności 64,4%). Z przedstawionych w tablicy 13.5 danych można również wysnuć wniosek, że utrzymywanie się poziomu udziałów w gminach zaliczanych do poszczególnych typów ma swoje uzasadnienie w stabilności podstaw ich osiągania lub w powolności procesów zachodzących zmian w źródłach dochodów budżetowych gmin. W tym celu należy poddać ocenie dynamikę dochodów ogółem dla poszczególnych typów gmin na tle dynamiki dochodów ogółem wszystkich gmin. Wyniki tych porównań przedstawiono na wykresach 13.3 (metoda łańcuchowa Rn/Rn – 1) i 13.4 (metoda ze stałą podstawą Rn/R2002). Wykres 13.3. Dynamika dochodów ogółem dla poszczególnych typów gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (metoda łańcuchowa Rn/Rn – 1; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z wykresu 13.3 wynika, że w okresie obserwacji dynamika dochodów ogółem podlegała silnym wahaniom. W 2006 roku nastąpił szczyt wzrostu dynamiki dochodów ogółem, przy czym dochody gmin wiejskich i miejsko-wiejskich wyprzedziły wzrost dynamiki dochodów wszystkich gmin. Dynamika dochodów gmin miejskich po drugim roku okresu obserwacji spowolniła od 2004 roku. Można zakładać, że był to wynik wprowadzenia nowych przepisów u.o.d.j.s.t. W okresie od 2006 do 2009 roku dynamika dochodów wszystkich gmin istotnie spadała (zmiana –10%) osiągając najniższy poziom w 2009 roku. Przebiegi trajektorii wykreślonych dla gmin wiejskich i miejsko-wiejskich oraz dla gmin ogółem w znacznym stopniu się pokrywają, a trajektoria opisująca dynamikę dochodów ogółem gmin miejskich wskazuje na początkowy łagodniejszy jej spadek (rok 2007), po czym następuje silne jej obniżenie, osiągając swoje minimum w 2009 roku. W 2010 roku dynamika wróciła do poziomu z 2004 roku i następnie jej poziom spadł o 8 punktów procentowych. W tym czasie wszystkie trajektorie miały podobny przebieg. Pogłębieniem analizy dynamiki jest badanie jej przebiegu w opartej na stałej podstawie, którą jest zastosowanie cen stałych. Na wykresie 13.4 przedstawia wyniki metody badania z zastosowaniem stałej podstawy odniesienia z roku 2002. Wykres 13.4. Dynamika dochodów ogółem dla poszczególnych typów gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (metoda ze stałą podstawą Rn/R2002; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z danych przedstawionych na wykresu 13.4 wynika, że w latach 2002–2011 dynamika dochodów gmin wykazywała tendencje wzrostowe. Wprowadzenie zmian w ustawie o dochodach jednostek samorządu terytorialnego w 2004 roku spowodowało szybszy wzrost dochodów ogółem gmin. Pierwsze spowolnienie zaznaczyło się w roku 2007 i trwało dwa lata. Fakt ten można łączyć z wystąpieniem kryzysu bankowego, po czym tempo wzrostu powróciło do poziomu z lat 2004–2007. Drugie załamanie dynamiki nastąpiło w 2010 roku i utrzymywało się przez kolejny rok. Analizując przebieg wskaźników dynamiki dochodów dla poszczególnych typów gmin, widać, że w 2009 roku nastąpiło oddzielenie się trajektorii opisującej dynamikę dochodów ogółem dla gmin miejskich. Można również zauważyć wyprzedzanie dynamiki wzrostu dochodów ogółem w grupie gmin miejsko-wiejskich i wiejskich w stosunku do dynamiki dochodów wszystkich gmin w Polsce. Prawdopodobnie było to spowodowane różnicami struktury dochodów gmin miejskich w stosunku do gmin miejsko-wiejskich i wiejskich. Można też zakładać, że źródła dochodów gmin miejskich wykazują większą elastyczność ze względu na czynniki wynikające z otoczenia gospodarczego. 13.6. ANALIZA STRUKTURY I DYNAMIKI DOCHODÓW GMIN Dochody gmin składają się z trzech podstawowych grup. Pierwszą z nich stanowią dochody własne, drugą dotacje, trzecią zaś subwencje. W okresie przyjętym do obserwacji można wyodrębnić następujące podstawowe podokresy, które obejmują: –– lata 2002 i 2003, –– lata 2004–2008, w których występują dwie pozycje subwencji: subwencja równoważąca oraz uzupełnienie subwencji ogólnej, –– rok 2009, w którym pojawiała się pozycja „dotacje rozwojowe”, co wywołało konieczność wprowadzenia pozycji sumującej w dotacjach dotacje ogółem, –– lata 2010 i 2011, które charakteryzują się zanikiem pozycji „dotacje rozwojowe”, a zastąpiono ją pozycją „dotacje §200 i §620”15. Najbardziej stabilną częścią dochodów gmin w okresie objętym badaniem były dochody własne, przy założeniu, że udziały w podatkach państwowych zostaną zaliczone do dochodów własnych gmin. W tablicy 13.6 przedstawiono strukturę dochodów budżetowych gmin. Tablica 13.6. Struktura dochodów gmin w Polsce w latach 2002–2011 [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Dochody ogółem 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 Razem dochody własne, w tym: 49,6 47,3 48,2 48,7 47,4 49,5 49,0 46,3 44,6 45,5 udziały w podatkach państwowych CIT i PIT 13,1 11,7 14,6 14,7 15,2 17,4 18,2 16,3 14,8 16,0 Dochody uzupełniające, w tym: 50,4 52,7 51,8 51,3 52,6 50,5 51,0 53,7 55,4 54,5 dotacje 12,2 10,5 12,5 16,2 20,0 19,2 18,8 19,8 24,0 23,8 subwencje 38,2 42,2 39,3 35,1 32,6 31,3 32,2 33,9 31,4 30,7 Źródło: obliczenia własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). 15 Por. Dz.U. 2010 Nr 38, poz. 207. Brzmienie od 14 lutego 2013 r. Paragrafy 200 i 620 obejmują dotacje celowe w ramach programów finansowanych z udziałem środków europejskich oraz środków, o których mowa w art. 5 ust. 1 pkt 3 oraz ust. 3 pkt 5 i 6 ustawy o finansach publicznych, lub płatności w ramach budżetu środków europejskich, przy czym w paragrafie 620 klasyfikowane są dochody majątkowe. Paragrafy te stosuje się również do rozliczeń dotacji rozwojowej otrzymanej przed dniem 31 grudnia 2009 r., w tym zwrotów środków tej dotacji, oraz do zwrotów środków, o których mowa powyżej. Z tablicy 13.6 wynika, że największą część dochodów gmin polskich w latach 2002–2011 stanowiły dochody własne, których średni udział w dochodach ogółem wynosił 47,6%. Od 2009 roku następowała zmiana struktury dochodów na korzyść dochodów uzupełniających, w których systematycznie rósł udział dotacji, których odsetek wzrósł blisko dwukrotnie. Jednocześnie malał udział subwencji o ponad 20% w stosunku do stanu z 2002 roku (jak również do stanu z 2004 roku – zmiana u.o.d.j.s.t.)16. Dochody własne stanowią szczególny rodzaj dochodów gmin, przesądzający o stopniu i zakresie jej samodzielności finansowej, są traktowane jako wskaźnik poziomu tej samodzielności (Marczak, 2004: 175). Ta część dochodów składa się z wielu pozycji, dlatego w tablicy 13.7 przedstawiono wyniki badania ich struktury. Tablica 13.7. Struktura dochodów własnych gmin z uwzględnieniem udziału podatków państwowych PIT i CIT [%] Wyszczególnienie Lata 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Razem dochody własne w tym: 49,6 47,3 48,2 48,7 47,4 49,5 49,0 46,3 44,6 45,5 podatek dochodowy od osób prawnych 1,1 0,6 1,0 1,0 1,0 1,2 1,1 1,0 0,9 1,0 podatek dochodowy od osób fizycznych 12,1 11,1 13,6 13,7 14,2 16,3 17,1 15,3 13,9 15,0 podatek rolny 2,1 2,4 2,2 2,1 1,5 1,6 1,9 1,9 1,3 1,4 podatek od nieruchomości 16,6 16,7 16,1 15,3 14,1 13,3 12,9 13,1 12,5 12,9 podatek leśny 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,2 0,2 podatek od środków transportowych 0,9 0,9 0,9 0,8 0,8 0,9 0,8 0,8 0,8 0,8 podatek od dział. gosp. osób fizycznych, opłacany w formie karty podatkowej 0,3 0,2 0,2 0,1 0,1 0,1 0,1 0,1 0,1 0,1 podatek od spadków i darowizn 0,3 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 podatek od czynności cywilnoprawnych 1,3 1,1 1,0 1,0 1,1 1,6 1,5 1,1 1,1 1,0 wpływy z opłaty skarbowej 0,7 0,5 0,7 0,6 0,6 0,5 0,5 0,4 0,3 0,3 wpływy z opłaty eksploatacyjnej 0,5 0,6 0,5 0,4 0,4 0,4 0,4 0,3 0,3 0,4 wpływy z opłaty targowej 0,4 0,4 0,4 0,3 0,3 0,3 0,2 0,2 0,2 0,2 dochody z majątku 4,3 4,2 4,1 3,5 4,0 4,8 4,4 3,7 3,6 3,4 pozostałe dochody 8,7 8,1 7,1 9,4 8,9 8,2 7,6 8,0 9,2 8,7 Źródło: obliczenia własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). 16 Biorąc pod uwagę zmian u.o.d.j.s.t. z 2004 r., istotne jest porównanie poziomu udziału subwencji w dochodach ogółem gmin do wartości udziału z tego roku. Jednym z założeń zmian wprowadzonych w ustawie, było zmniejszanie znaczenia subwencji w finansowaniu zadań gmin na korzyść dotacji. Z danych zaprezentowanych w tablicy 13.7 wynikają następujące wnioski: ●● Głównymi źródłami dochodów własnych gmin były trzy pozycje: podatek od nieruchomości (średnio 14,3%), pozostałe dochody (8,4%) oraz udziały w podatkach państwowych (razem 15,2%, z czego 14,2% to udział w PIT). ●● Pozostałe pozycje dochodów własnych stanowiły średnio 9,7% udziału dochodów ogółem. ●● Największy udział w grupie dochodów własnych stanowił podatek od nieruchomości, którego udział systematycznie ulegał obniżeniu z 16,6% w 2002 roku do 12,9% w 2011 roku (zmiana o ponad 20 punktów procentowych). ●● Udział podatku CIT (podatek dochodowy od osób prawnych) kształtował się średnio na poziomie 1,0%, co świadczy o prowadzeniu aktywnej polityki podatkowej podmiotów gospodarczych. ●● Udział podatku od działalności gospodarczej osób fizycznych stanowi marginalną wartość w strukturze dochodów własnych gmin (średnio 0,1%), co może świadczyć o tym, że ta forma opodatkowania działalności gospodarczej ulegała marginalizacji. Istotnych informacji o stanie dochodów własnych może dostarczyć badanie ich dynamiki w ujęciu łańcuchowym i ze stałą podstawą. W tym celu najbardziej celowe, wydaje się przedstawienie dynamiki wybranych pozycji, których suma średniej wartości wynosi około 80% sumy dochodów własnych, są to: podatek od osób fizycznych (PIT), podatek od nieruchomości i dochody pozostałe. Na wykresach 13.5 i 13.6 przedstawiono dynamiki wybranych źródeł dochodów własnych gmin przy czym pierwszy (13.5) zilustrowano obliczoną dynamikę korzystając z indeksu metodą łańcuchowego Rn/Rn – 1), a na drugim (13.6) przedstawiono wyniki odliczeń dynamiki (indeks jednopodstawowy) (Rn/R2002). Wykres 13.5. Dynamika dochodów własnych ogółem i wybranych pozycji dochodów własnych gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (metoda łańcuchowa Rn/Rn – 1; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). Na wykresie 13.5 zestawiono trajektorie trzech podstawowych źródeł dochodów własnych na tle dynamiki dochodów ogółem (szare pole) gmin. Dodatkowo zamieszczono dynamikę dochodów własnych ogółem (razem). W związku z tym nasuwają się następujące wnioski: ●● Obraz dynamiki dochodów własnych ogółem jest zbliżony do dynamiki dochodów ogółem. ●● Trajektoria dynamiki podatku od nieruchomości wskazuje na utrzymywanie się dynamiki tego źródła dochodów własnych na zbliżonym poziomie, lecz poniżej wartości dynamiki dochodów ogółem gmin (szare pole). ●● Dynamika dochodów z udziałów w podatku od osób fizycznych (PIT) ma dwa szczyty lokalne (lata 2004 i 2007); odnotowano jej silny spadek w roku 2009 jako reakcję na kryzys gospodarczy; taki stan mógł być podyktowany zewnętrznymi czynnikami gospodarczymi. ●● Kształt i przebieg wykreślonych trajektorii dla pozostałych dochodów wskazuje na ich niestabilność i skłonność do gwałtownych zmian (szczyty – lata 2005 i 2010). Wykres 13.6. Dynamika dochodów własnych ogółem i wybranych pozycji dochodów własnych gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (metoda ze stałą podstawą Rn/R2002; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). Zestawienie trajektorii dynamiki wybranych źródeł dochodów z zastosowaniem indeksu jednopodstawowego ze stałą podstawą przedstawioną na wykresie 13.6 pozwala na rozszerzenie spostrzeżeń i sformułowanie nowych wniosków: ●● Trajektoria dynamiki podatku od nieruchomości przebiega poniżej dynamiki dochodów ogółem i dynamiki dochodów własnych, co wskazuje na występowanie rezerwy dochodowych w gminach w całym okresie obserwacji. ●● Dynamika dochodów pozostałych potwierdza brak stabilności tego źródła, lecz systematycznie wraca na ścieżkę wzrostu dochodów ogółem, co może świadczyć o opóźnieniu reakcji organów stanowiących poziom tych dochodów. ●● Trajektoria źródła dochodowego z udziałów w podatku PIT wskazuje na intensywny wzrost oraz osiągnięcie lokalnego szczytu w 2008 roku, potem następuje jej spadek i wywłaszczenie oraz powrót do intensywnego wzrostu w 2011 roku. ●● Na zmianę kierunku trajektorii ukazującej dynamikę dochodów z podatku dochodowego od osób fizycznych (PIT) miała wpływ zmiana przepisów o wysokości tego udziału dla gmin z 2003 roku (z 27,6% do 39,34%). Analiza struktury i dynamiki pozostałych dwóch części dochodów gmin dotacji i subwencji zostanie ograniczona do wartości ogólnych. Wynika to stąd, że obie te części budżetu są uzależnione od decyzji zewnętrznych, a ich składowe wynikają z jednakowych zasad ich ustalania dla wszystkich jednostek i są uzależnione od decyzji zewnętrznych lub zawartych porozumień (np. subwencji oświatowej czy dotacji na zadania z zakresu administracji rządowej). Uzyskane kwoty z tych tytułów były przeznaczane na pokrycie wydatków i kosztów realizacji zadań własnych lub zleconych gminom. Strukturę dotacji i subwencji ogółem gmin przedstawiono w tablicy 13.6 jako odsetek dochodów ogółem. Z danych zawartych w tablicy wynika, że wartość dochodów uzupełniających w całym okresie obserwacji przekraczał we wszystkich latach 50% dochodów ogółem, wykazując tendencję wzrostową. Udział dotacji celowych ogółem wskazuje na systematyczny wzrost od roku 2005, podwajając swą wartość w ostatnim roku obserwacji w stosunku do pierwszego roku. Udział subwencji przekracza 30% wartości dochodów ogółem, przy czym pierwsze trzy lata osiągały wartości prawie o 1/3 wyższe w stosunku do pozostałych lat. Udział subwencji ogółem wykazywał tendencję spadkową (z 38,2% do 30,7%). Ogólnie można stwierdzić, że łączny udział dotacji i subwencji w ciągu obserwowanych dziesięciu lat wzrósł o około 4 punkty procentowe kosztem spadku udziału dochodów własnych, co należy ocenić negatywnie. Dynamikę dotacji i subwencji w porównaniu do dynamiką dochodów ogółem przedstawiono na wykresach 13.7 i 13.8. Wykres 13.7. Dynamika dotacji i subwencji gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (indeks łańcuchowy Rn/Rn – 1; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). Wykres 13.8. Dynamika dotacji i subwencji gmin na tle dynamiki dochodów ogółem wszystkich gmin w Polsce w latach 2002–2012 (indeks jednopodstawowy Rn/R2002; ceny stałe 2009) Źródło: opracowanie własne na podstawie: www.mf.gov.pl (dostęp: 22.11.2013). Z wykresów 13.7 i 13.8 przedstawiających dynamikę dotacji i subwencji ogółem wszystkich gmin w Polsce wynikają następujące wnioski: ●● Dynamika subwencji ogólnej (liczona metodą R/R) w całym okresie obserwacji kształtuje się na podobnym poziomie i jest niższa od wartości dynamiki dochodów ogółem. ●● Dynamika dotacji ogółem wykazała gwałtowny jej wzrost w 2004 roku (rok zmian przepisów u.o.d.j.s.t.), osiągając ekstremum w 2005 roku oraz lokalnie w 2010 roku. ●● Dynamika wartości subwencji ogółem, liczonej do stałej podstawy potwierdza systematyczne ograniczanie wartości tego źródła finansowania zadań gmin. ●● Trajektoria dynamiki dotacji celowych znacznie wyprzedza dynamikę dochodów ogółem, potwierdzając istotny wzrost wartości tego dochodu. ●● Główną przyczyną wzrostu dynamiki dotacji były środki pochodzenia zagranicznego (środki UE). 13.7. PRZESTRZENNE ZRÓŻNICOWANIE BUDŻETÓW GMIN Z przeprowadzonych analiz zmian źródeł prawa wpływających na zmiany poziomu dochodów jednostek samorządu terytorialnego, struktury i dynamiki dochodów budżetowych gmin w Polsce w latach 2002–2011 nasuwa się wniosek, że przyjęte założenie o wytypowaniu dochodów własnych gmin jako miary w opracowaniu taksonomii było słuszne. Wszelkie inne wartości wchodzące w skład dochodów ogółem gmin (subwencja oświatowa, subwencja wyrównawcza, dotacja drogowa itp.) były uwarunkowane przepisami prawa w zakresie ich naliczania. Wykluczenie dotacji celowych i subwencji z podstawy ma silne uzasadnienie w tym, że mogą to być środki uzyskane incydentalnie, które się już nigdy nie znajdą w budżecie danej jednostki (np. środki unijne lub pozyskane z innych źródeł zagranicznych) i nie powinny wywierać wpływu na ocenę gminy. Wydaje się, że takie środki można potraktować jako podstawę oceny aktywności i sprawności władz danej jednostki. Wszystkie wydatki realizowane przez jednostkę samorządu terytorialnego powinny w długim okresie wpływać na zwiększenie dochodów własnych gminy na przykład inwestycje komunalne mogą podnosić atrakcyjność osiedleńczą, co w rezultacie może się przerodzić w zmianę podstawy opodatkowania. Biorąc pod uwagę listę źródeł dochodów własnych gmin, należy przy wszelkich porównaniach uwzględniać poszczególne grupy gmin. Zakłada się, że na przykład w gminie wiejskiej podatek rolny może mieć większe znaczenie dla dochodów danej jednostki, niż w gminie miejskiej. W gminie miejskiej natomiast większe znaczenie będzie miał podatek od nieruchomości. Dlatego w przeprowadzaniu analiz i dokonywaniu ocen zastosowano podział na gminy typu miejskiego, wiejskiego i miejsko-wiejskiego obowiązujący w statystykach. Mapa 13.1. Zróżnicowanie dochodów własnych w gminach miejskich w 2002 roku (ceny stałe 2009) [zł] W celu ukazania zróżnicowania dochodów własnych w poszczególnych grupach gmin podzielonych według typu z Banku Danych Lokalnych GUS pobrano wartości dochodów własnych per capita dla każdej gminy. Następnie urealniono wszystkie wartości stosując ceny z 2009 roku. Całą bazę 2478 gmin z 2002 roku i 2479 gmin z 2011 roku podzielono na trzy grupy, stosując kryterium typu gminy. Wszystkie gminy danej grupy przypisano do województw, a następnie obliczono średnią wartość dochodu własnego dla gmin każdego województwa w pierwszym (2002) i ostatnim (2011) roku okresu obserwacji, przypisując wartości do jednej z pięciu grup. Tak powstał ranking grup gmin przypisany do danego województwa. Na jego podstawie sporządzono analizę powierzchniową przedstawiającą końcowy wynik analizy. Opisane czynności doprowadziły do uzyskania porównywalności zgromadzonych informacji i wyników. W pierwszej fazie porównano zróżnicowanie dochodów własnych w gminach miejskich. Na mapie 13.1. przedstawiono stan wyjściowy z 2002 roku. Z mapy 13.1 wynikają następujące wnioski: ●● W grupie województw o najwyższej wartości badanej cechy znalazły się trzy województwa: pomorskie, lubuskie i opolskie. ●● Do drugiej grupy należały gminy z województw śląskiego i dolnośląskiego. ●● W środkowej, trzeciej grupie, znalazły się gminy czterech województw: małopolskiego, mazowieckiego, wielkopolskiego i świętokrzyskiego. ●● Gminy miejskie województwa zachodniopomorskiego i podkarpackiego zakwalifikowały się do grupy czwartej. ●● Ostatnią grupę utworzyły województwa: zachodniopomorskie, łódzkie i kujawsko-pomorskie, oraz trzy województwa zaliczane do Polski wschodniej: warmińsko-mazurskie, podlaskie i lubelskie. Następnie przeprowadzono zestawienia grup gmin miejskich w końcowym roku okresu obserwacji, czyli dla 2011 roku. Wyniki tych obliczeń zaprezentowano na mapie 13.2. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Mapa 13.2. Zróżnicowanie dochodów własnych w gminach miejskich w 2011 roku (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z mapy 13.2 wynikają następujące wnioski: ●● W pierwszej grupie znalazły się gminy województw: pomorskiego, opolskiego i śląskiego. ●● Do drugiej grupy zaliczono województwa: mazowieckie i dolnośląskie. ●● W środkowej grupie odnotowano: małopolskie, lubuskie, świętokrzyskie i wielkopolskie. ●● Czwartą grupę utworzyły gminy województw: zachodniopomorskiego, warmińsko-mazurskiego i łódzkiego. ●● W piątej grupie znalazły się gminy położone w województwach: podkarpackim, kujawsko-pomorskim, podlaskim i lubelskim. Z rankingów z pierwszego i ostatniego roku obserwacji wynika, że z grupy niższej do wyższej awansowały gminy następujących województw: śląskiego, mazowieckiego i warmińsko-mazurskie. Spadek odnotowano natomiast dla gmin miejskich następujących województw: lubelskiego, podkarpackiego i lubuskiego. Biorąc pod uwagę osiągnięte wartości średnie dochodów własnych pre capita przez gminy miejskie w obu okresach obserwacji, sporządzono odpowiedni korelogram, który przedstawiono na wykresie 13.9. Wykres 13.9. Korelogram dochodów gmin miejskich w 2002 roku i 2011 (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Obliczony współczynnik korelacji wartości dochodów własnych per capita dla grupy gmin miejskich między rokiem 2002 i 2011 wyniósł 0,800, co świadczy o tym, że ich przestrzenna struktura jest stabilna. Podsumowaniem analiz dochodów własnych per capita gmin miejskich jest zestawienie średniej wartości dochodów własnych za okres 2002–2011, a wynik tej analizy przedstawiono na mapie 13.3. Mapa 13.3. Średnie zróżnicowanie dochodów własnych w gminach miejskich w latach 2002–2001 (w zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Mapa 13.4. Zróżnicowanie dochodów własnych w gminach miejsko-wiejskich w 2002 roku (ceny stałe 2009) [zł] Z mapy 13.3 wynikają następujące spostrzeżenia: ●● W grupie o najwyższych średnich wartościach badanej cechy znalazły się gminy województw: pomorskiego, śląskiego i opolskiego. ●● Do drugiej grupy zaliczono gminy województw: lubuskiego i mazowieckiego. ●● Trzecia grupa obejmuje gminy województw: dolnośląskiego, małopolskiego i zachodniopomorskiego. ●● W czwartej grupie znalazły się gminy skupione w województwach: świętokrzyskim, wielkopolskim, łódzkim i podkarpackim. ●● W ostatniej grupie są gminy pięciu województw: warmińsko-mazurskiego, kujawsko-pomorskiego, lubelskiego i podlaskiego. Z przestawionych analiz wynika, że liderem tych zestawień była grupa gmin miejskich województwa pomorskiego. Przedstawioną procedurę badania przeprowadzono następnie dla gmin miejsko-wiejskich, a wyniki dla poszczególnych lat zaprezentowano na mapach 13.3 i 13.4. Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Mapa 13.5. Zróżnicowanie dochodów własnych w gminach miejsko-wiejskich w 2011 roku (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Na podstawie przedstawionego zróżnicowania dochodów własnych gmin miejsko-wiejskich na mapach 13.4 i 13.5 można dokonać następujących spostrzeżeń dotyczących obu latach obserwacji: ●● W pierwszej grupie znalazły się gminy z województw: mazowieckiego i zachodniopomorskiego. ●● Do drugiej grupy należą województwa: łódzkie i lubuskie. ●● W trzeciej grupie znalazło się o województwo opolskie. ●● W czwartej – województwo małopolskie. ●● Piątą grupę stanowią województwa: świętokrzyskie, podlaskie, podkarpackie i lubelskie. Pozostałe niewymienione gminy miejsko-wiejskie zakwalifikowały się: ●● W pierwszym roku (2002):–– do pierwszej grupy zaliczono gminy województwa dolnośląskiego, –– do drugiej – śląskiego, –– do trzeciej – wielkopolskiego, –– do czwartej – kujawsko pomorskiego i warmińsko-mazurskiego, –– do piątej – pomorskiego, ●● W ostatnim roku (2011):–– do pierwszej grupy zaliczono województwa mazowieckiego, –– do drugiej grupy – dolnośląskiego i wielkopolskiego, –– do trzeciej – śląskiego i warmińsko-mazurskiego, –– do czwartej – pomorskiego, –– do piątej – kujawsko-pomorskiego. Wykres 13.10. Korelogram dochodów gmin miejsko-wiejskich w 2002 roku i 2011 (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Również dla grupy gmin miejsko-wiejskich sporządzono korelogram dochodów własnych osiągniętych przez tę grupę jednostek samorządu terytorialnego w latach 2002 i 2011, a wyniki obliczeń przestawiono na wykresie 13.10. Wartość współczynnika korelacji wartości dochodów własnych per capita dla grupy gmin miejsko-wiejskich w dwóch skrajnych latach wynosiła 0,783, co również świadczy o tym, że przestrzenna struktura dochodów własnych z 2002 i 2011 roku była stabilna. Średniego zróżnicowanie dochodów własnych per capita w gminach miejsko-wiejskich w latach 2002–2011 zostały przedstawione na mapie 13.6. Mapa 13.6. Średnie zróżnicowanie dochodów własny w gminach miejsko-wiejskich w latach 2002–2011 (w zł, ceny stałe 2009) Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z mapy 13.6 wynikają następujące wnioski: ●● W pierwszej grupie znalazły się jednostki z województw: zachodniopomorskiego i mazowieckiego. ●● W drugiej grupie odnotowano gminy z województw: dolnośląskiego, lubelskiego i łódzkiego. ●● Do trzeciej grupy należą gminy z województw: wielkopolskiego, opolskiego i śląskiego. ●● Czwartą grupę stanowią gminy z województw: małopolskiego, warmińsko-mazurskiego i kujawsko-pomorskiego. ●● W ostatniej piątej grupie znalazły się gminy z województw: świętokrzyskiego, pomorskiego, podlaskiego, podkarpackiego i lubelskiego. Wart podkreślenia jest fakt, że gminy miejsko-wiejskie skupione w województwie zachodniopomorskim w tym rankingu trzykrotnie znalazły się w pierwszej grupie, a dwa razy były na pierwszym miejscu. Najliczniej reprezentowaną grupą gmin według kryterium typu są gminy wiejskie. Są to jednostki charakteryzujące się najniższym poziomem dochodów własnych. Wynika to ze struktury źródeł dochodów. Problem określenia uwarunkowań wpływających na wysokość dochodów poszczególnych grup gmin według typów jest bardzo interesujący, ale wykracza poza ramy analiz niniejszego opracowania. Na mapie 13.7 przedstawiono wyniki prowadzonych badań nad zróżnicowaniem dochodów własnych per capita w gminach wiejskich w 2002 roku. Mapa 13.7. Zróżnicowanie dochodów własny w gminach wiejskich w 2002 roku (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z mapy 13.7 wynika kilka ogólnych wniosków: ●● Najsłabsze wyniki odnotowano w grupie województw Polski wschodniej (podlaskie, podkarpackie i lubelskie), do nich dołączyły województwa świętokrzyskie i małopolskie. ●● Czwarta grupa skupiła gminy województw: wielkopolskiego, kujawsko-pomorskiego i mazowieckiego. ●● W trzeciej grupie znalazły się dwa województwa Polski północnej – pomorskie i warmińsko-mazurskie oraz jedno województwo Polski zachodniej – opolskie. ●● Grupa najlepszych województw składała się z: zachodniopomorskiego, łódzkiego i dolnośląskiego. Na kolejnej mapie (13.8) przedstawiono zróżnicowanie dochodów własnych per capita w gminach wiejskich w 2011 roku. Na podstawie analizy, której wyniki prezentowane są na mapie 13.8. można wysnuć następujące wnioski: ●● W grupie najniższych dochodów per capita (piątej) pozostały cztery województwa: podkarpackie, małopolskie, świętokrzyskie i lubelskie. ●● W grupie czwartej znalazły się gminy wiejskie z województw: podlaskiego, opolskiego, kujawsko-pomorskiego i mazowieckiego. ●● Do środkowej grupy (trzeciej) zakwalifikowano województwa: wielkopolskie i warmińsko-mazurskie. Mapa 13.8. Zróżnicowanie dochodów własnych w gminach wiejskich w 2011 roku (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). ●● W drugiej grupie ulokowały się gminy z województw: pomorskiego, lubuskiego, łódzkiego i śląskiego. ●● W najlepszej grupie były gminy wiejskie z województw zachodniopomorskiego i dolnośląskiego. Wykres 13.11. Korelogram dochodów gmin wiejskich w 2002 roku i 2011 (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). W obu okresach badania gminy skupione w województwie zachodniopomorskim znalazły się w pierwszej grupie na pierwszym miejscu. W celu zbadania stopnia zrównoważenia dochodów własnych w grupie gmin wiejskich w pierwszym i ostatnim roku okresu obserwacji, sporządzono korelogram, dla którego wartość współczynnika korelacji wyniósł 0,944, co dobitnie świadczy o stabilności struktury przestrzennego zróżnicowania w obu tych latach. Graficzny obraz badania przestawiono na wykresie 13.11. Zamknięciem analizy powierzchniowej dochodów własnych w gminach wiejskich było sporządzenie analizy przekrojowej obejmującej lata 2002–2011. Wyniki tego badania przedstawiono na mapie 13.9. Mapa 13.9. Zróżnicowanie dochodów własnych (per capita) w gminach wiejskich w latach 2002–2011 (ceny stałe 2009) [zł] Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Z mapy 13.9 można wysnuć następujące wnioski: ●● W grupie o najniższych wartościach dochodów własnych per capita znalazły się gminy wiejskie z województw: podlaskiego, podkarpackiego, małopolskiego, świętokrzyskiego i lubelskiego. ●● Do czwartej grupy należały gminy z województw: mazowieckiego i kujawsko-pomorskiego. ●● W grupie trzeciej odnotowano gminy z województw: wielkopolskiego, opolskiego i warmińsko-mazurskiego. ●● W grupie drugiej były gminy z województw: łódzkiego, pomorskiego i lubuskiego. ●● Do grupy najlepszych jednostek zaliczono gminy z województw: zachodniopomorskiego, dolnośląskiego i śląskiego. 13.8. REGIONALNE PKB A DOCHODY WŁASNE GMIN W tej części rozdziału trzynastego próbuję odpowiedzieć na pytanie, czy wartość osiąganego regionalnego PKB per capita ma znaczenie dla osiąganego poziomu dochodów własnych per capita w gminach. W tym miejscu należy podkreślić, że w analizie obejmującej podrozdział 13.7 i 13.8 przyjęto wartość dochodów własnych bez kwot należnych z tytułu udziału w podatkach państwowych (CIT i PIT). Do wybranych czynników przemawiających za takim sposobem należały: udział dochodów z tytułu PIT nie odzwierciedla aktywności władz lokalnych w zakresie organizacji miejsc pracy, lecz często jest wynikiem położenia siły roboczej w obrębie dużego zakładu pracy lub prężnego ośrodka przemysłowego; na wartość udziału w PIT wpływa silnie czynnik satelitaryzacji miast, czyli lokowania swoich siedlisk przez osoby dobrze zarabiające w miejscowościach podmiejskich; dochody z CIT mają zaś marginalne znaczenie dla dochodów gmin, co było uzasadniane we wcześniejszych podrozdziałach. Próbą odpowiedzi na postawione pytanie badawcze jest poniższa analiza. Analizując oddziaływanie regionalnego PKB per capita na dochody gmin (w podziale na miejskie, miejsko-wiejskie oraz wiejskie), oszacowano MNK parametry następujących równań: ln yit = α + βd2002–2003 + γ ln PKBit, bez efektu dywersyfikacji stałej, (13.1) lub: po uwzględnieniu owego efektu. (13.2) Zmienne i parametry w równaniach (13.1–13.2) oznaczają: yit – dochody per capita poszczególnych typów gmin w województwie i (i = 1, 2, …, 16) w roku t (t = 2002, 2003, …, 2010) w zł w cenach stałych z roku 2009, PKBit – PKB na mieszkańca w województwie i w roku t, α – stała, w przypadku równania (13.1) lub stała dla województwa bazowego (mazowieckiego) w równaniu (13.2), αj – korekta na stałą w j-tym województwie niebazowym, dj – zmienna zerojedynkowa dla j-tego województwa niebazowego, d2002–2003 – zmienna zerojedynkowa dla lat 2002–200317, β – korekta na stałą dla lat 2002–2003, γ – elastyczność dochodów względem PKB. 17 Zmienną tę wprowadzono z tego względu, że w 2004 roku zmieniono udziały gmin w podatkach PIT i CIT. Tablica 13.8. Oszacowane parametry równań (13.1–13.2) Zmienna objaśniająca Zmienna objaśniana ln (dochody gmin miejskich per capita) ln (dochody gmin miejsko-wiejskich per capita) ln (dochody gmin wiejskich per capita) Stała 5,318*** (25,538) 1,733*** (6,401) 4,285*** (21,030) 0,913*** (3,445) 4,294*** (13,933) 0,802*** (3,466) d2002–2003 –0,247*** (–7,142) –0,072*** (–3,804) –0,193*** (–5,715) –0,0290 (–1,549) –0,155*** (–3,028) 0,00117 (0,0714) Dolnośląskie – 0,534*** (12,928) – 0,598*** (14,786) – 1,011*** (28,625) Kujawsko-pomorskie – 0,550*** (10,759) – 0,617*** (12,333) – 0,886*** (20,276) Lubelskie – 0,841*** (12,995) – 0,698*** (11,008) – 0,871*** (15,754) Lubuskie – 0,877*** (17,166) – 0,787*** (15,730) – 1,067*** (24,436) Łódzkie – 0,533*** (11,099) – 0,676*** (14,362) – 1,079*** (26,273) Małopolskie – 0,795*** (15,307) – 0,692*** (13,608) – 0,634*** (14,283) Opolskie – 0,959*** (17,588) – 0,863*** (16,177) – 1,067*** (22,895) Podkarpackie – 0,934*** (14,490) – 0,760*** (12,034) – 0,992*** (17,992) Podlaskie – 0,718*** (11,914) – 0,701*** (11,881) – 1,018*** (19,755) Pomorskie – 0,865*** (19,185) – 0,383*** (8,675) – 0,920*** (23,870) Śląskie – 0,601*** (14,943) – 0,408*** (10,358) – 0,846*** (24,606) Świętokrzyskie – 0,885*** (15,256) – 0,790*** (13,905) – 0,749*** (15,103) Warmińsko-mazurskie – 0,789*** (13,269) – 0,882*** (15,155) – 1,141*** (22,464) Wielkopolskie – 0,421*** (10,115) – 0,423*** (10,396) – 0,721*** (20,281) Zachodniopomorskie – 0,660*** (13,482) – 0,909*** (18,976) – 1,317*** (31,506) ln(PKB per capita) 0,559*** (9,047) 1,421*** (20,687) 0,764*** (12,651) 1,577*** (23,455) 0,729*** (7,975) 1,501*** (25,577) R2 Skor. R2 0,594 0,588 0,940 0,932 0,666 0,662 0,950 0,944 0,424 0,416 0,972 0,968 Próba 2002–2010 Liczba obserwacji 144 W nawiasach pod oszacowaniami parametrów podano statystyki t-Studenta. R2 (skor. R2) to współczynnik determinacji (skorygowany współczynnik determinacji). *** – zmienne istotne statystycznie na 10% poziomie istotności, ** – na 5% poziomie istotności, zaś * na 1% poziomie istotności. Dolnośląskie, kujawsko-pomorskie itd. to zmienne zerojedynkowe dla kolejnych województw. d2002–2003 – zmienna zerojedynkowa dla lat 2002–2003. Oszacowane MNK parametry równań zestawione są w tablicy 13.8. Z zestawionych w tej tablicy oszacowań można wysnuć następujące wnioski: ●● PKB per capita objaśniał kształtowanie się dochodów gmin w województwach w odpowiednio: 58,8% (gminy miejskie), 66,2% (gminy miejsko-wiejskie) oraz 41,6% (gminy wiejskie). ●● W latach 2002–2003 dochody owych gmin były niższe o odpowiednio 24,7% (gminy miejskie), 19,3% (gminy miejsko-wiejskie) oraz 15,5% (gminy wiejskie)18. ●● Elastyczności dochodów na mieszkańca względem PKB na mieszkańca wynosiły 0,559 19 (gminy miejskie), 0,764 (gminy miejsko-wiejskie) oraz 0,729 (gminy wiejskie). ●● Po uwzględnieniu efektu dywersyfikacji stałej elastyczności dochodów na mieszkańca względem PKB per capita wzrosły do 1,421 (gminy miejskie), 1,577 (gminy miejsko-wiejskie) i 1,501 (gminy wiejskie). 13.9. PODSUMOWANIE Na podstawie przeprowadzonych analiz można sformułować wnioski ogólne: I. Badaniem objęto wszystkie polskie gminy. II. Uwzględniono różne czynniki kształtujące strukturę dochodów ogółem jednostek samorządu terytorialnego. III. Okres badania obejmował podokresy, w których starano się wykazać, które uwarunkowania obiektywne mogły mieć znaczenie dla osiąganych wyników. IV. Zastosowano różnorodne analizy przy jednoznacznym określeniu zasad ich prowadzenia. V. Wykorzystano różnorodne źródła danych, co dało możliwość ich automatycznej weryfikacji. VI. Uzyskane wyniki wskazują na ranking gmin w poszczególnych grupach według typu, lecz nie dają jednoznacznej odpowiedzi na pytanie zasadnicze – gdzie gospodarowano najlepiej, i dlaczego? VII. Z oszacowań równań (13.1–13.2) wynika, że (po pierwsze) istotne znaczenie dla kształtowania się dochodów per capita gmin miało zróżnicowanie PKB na mieszkańca oraz (po drugie) PKB na mieszkańca w największym stopniu objaśniało kształtowanie się dochodów gmin miejsko-wiejskich, w najmniejszym zaś – gmin wiejskich. 18 Wniosek ten wynika z oszacowania równań (13.1), nie potwierdzają go zaś oszacowania równań (13.2), dlatego należy podchodzić do niego ostrożnie. 19 A zatem 1% wzrost PKB na mieszkańca przeciętnie przekładał się na wzrost dochodów gmin miejskich o ok. 0,559%. Aneks 13.1. Odsetek gmin w województwach według poszczególnych typów (miejskie, miejsko-wiejskie i wiejskie) w 2002 roku i 2012 Treść Ogółem w 2002 Stan gmin wg typu na 31–12–2002 Ogółem w 2012 Stan gmin wg typu na 31–12–2012 Gminy miejskie Gminy miejsko- -wiejskie Gminy wiejskie Gminy miejskie Gminy miejsko- -wiejskie Gminy wiejskie Łódzkie 7,1 5,9 4,2 8,5 7,1 5,9 4,3 8,5 Mazowieckie 12,7 11,4 8,5 14,4 12,7 11,4 8,3 14,6 Małopolskie 7,3 4,9 6,9 7,9 7,3 4,9 7,8 7,7 Śląskie 6,7 16,0 3,8 6,0 6,7 16,0 3,7 6,1 Lubelskie 8,6 6,5 3,6 10,8 8,6 6,5 3,7 10,9 Podkarpackie 6,5 5,2 5,0 7,2 6,5 5,2 5,6 7,0 Podlaskie 4,8 4,2 4,0 5,1 4,8 4,2 4,5 5,0 Świętokrzyskie 4,1 1,6 4,3 4,5 4,1 1,6 4,3 4,5 Lubuskie 3,3 2,9 5,7 2,6 3,3 2,9 5,5 2,6 Wielkopolskie 9,1 6,2 15,6 7,3 9,1 6,2 15,0 7,4 Zachodniopomorskie 4,6 3,6 8,7 3,3 4,6 3,6 8,8 3,2 Dolnośląskie 6,8 11,7 9,4 5,0 6,8 11,8 9,1 5,0 Opolskie 2,9 1,0 5,4 2,3 2,9 1,0 5,3 2,3 Kujawsko-pomorskie 5,8 5,5 6,1 5,8 5,8 5,6 5,8 5,9 Pomorskie 5,0 8,1 3,0 5,1 5,0 8,2 2,8 5,2 Warmińsko-mazurskie 4,7 5,2 5,7 4,2 4,7 5,2 5,5 4,3 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). Aneks 13.2. Odsetek gmin z podziałem na gminy według typu w roku 2002 i 2012 Treść Ogółem w 2002 Odsetek gmin wg typu na 31.12.2002 Ogółem w 2012 Odsetek gmin wg typu na 31.12.2012 Gminy miejskie Gminy miejsko- -wiejskie Gminy wiejskie Gminy miejskie Gminy miejsko- -wiejskie Gminy wiejskie Polska – gminy 2478 307 576 1595 2479 306 602 1571 Udział % 100 12,4 23,2 64,4 100 12,3 24,3 63,4 Źródło: obliczenia własne na podstawie: www.stat.gov.pl (dostęp: 22.11.2013). BIBLIOGRAFIA Berezowska E., (2011), Zasada adekwatności dochodów do zadań samorządu województwa, Materiały z konferencji Trybunału Konstytucyjnego i Uczelni Łazarskiego pt. Finanse komunalne a Konstytucja, Warszawa. www.instytuty.lazarski.pl/fileadmin/user_upload/ibies/materialy_konferencji.pdf (dostęp: 22.11.2013). Denek E., Sobiech J., Wolniak J., (2001), Finanse publiczne, Wydawnictwo Naukowe PWN, Warszawa. Dolnicki B., (2009), Samorząd terytorialny. Oficyna Wolters Kluwers Busines, Warszawa. Filipiak B., (2011), Finanse samorządowe. Nowe wyzwania bieżące i perspektywiczne, Difin, Warszawa. Kotlińska J., (2009), Dochody własne jednostek samorządu terytorialnego w Polsce, „Ruch Prawniczy, Ekonomiczny i Socjologiczny”. Rok LXXI – z. 3. Marczak J., (2004), W sprawie klasyfikacji dochodów jednostek samorządu terytorialnego, w: Stan i kierunki rozwoju finansów samorządu terytorialnego, red. L. Patrzałek, Wydawnictwo WSB Poznań–Wrocław. Niezgoda A., (2009), Podział środków publicznych między państwo a jednostki samorządu terytorialnego, w: Dochody budżetu jednostek samorządu terytorialnego, red. A. Hanusz, A. Niezgoda, P. Czerski, Oficyna Wolters Kluwers Busines, Warszawa. Patrzałek L., (2004), Finanse samorządu terytorialnego, Wydawnictwo AE im. Oskara Langego we Wrocławiu, Wrocław. WNIOSKI KOŃCOWE Analizę przeprowadzoną w opracowaniu można podsumować następująco: I. Polska gospodarka należy do najbiedniejszych krajów w Unii Europejskiej. Warto jednak zwrócić uwagę na to, iż między innymi na skutek działania procesów konwergencji realnej oraz (jak się wydaje) zasadniczo rozsądnej polityki makroekonomicznej w latach 2002–2010 zmniejszyła dystans dzielący ją do najbogatszych krajów Unii Europejskiej. Produkt krajowy brutto Polski wzrósł z 20,2% PKB per capita najbogatszej gospodarki Unii (Luksemburga) w 2002 roku do 23,5% PKB per capita w 2010 roku. W odniesieniu do mediany PKB per capita wskaźnik ten wzrósł z 53,5% w 2002 roku do 64,8% w 2010 roku. Dochody gospodarstw domowych wzrosły z 33,0% w 2002 roku do 36,9% w roku 2009 (w odniesieniu do gospodarek o najwyższych dochodach20) oraz z 49,2% do 58,4% mediany. W przypadku inwestycji na mieszkańca wskaźniki te rosły: z 12,3% w 2002 roku do 18,2% w roku 2010 (w odniesieniu do gospodarek o najwyższych inwestycjach per capita21) oraz z 25,6% do 43,9% mediany. II. Względnie poprawiła się również sytuacja na rynku pracy, co wynikało stąd, iż spowolnienie wzrostu gospodarczego w Polsce w czasie kryzysu było znacznie mniejsze niż w większości krajów Unii Europejskiej. III. Również wszystkie polskie województwa przeciętnie w latach 2002–2010 należały do grupy najgorzej rozwiniętych regionów Unii Europejskiej. Niemniej województwa te dość szybko nadrabiały lukę w rozwoju ekonomicznym. Dotyczy to w szczególności najbogatszych polskich województw: mazowieckiego (gdzie PKB per capita w stosunku do najbogatszego regionu Unii wzrósł między 2002 a 2010 rokiem z 24,3% do 31,0%), śląskiego (wzrost z 16,1% do 21,4%), dolnośląskiego (z 17,2% do 20,4%) i wielkopolskiego (z 16,2% do 19,8%). IV. Najlepiej rozwiniętymi województwami pod względem takich zmiennych makroekonomicznych, jak PKB per capita, produkcja sprzedana na mieszkańca, wartość brutto środków trwałych na mieszkańca, inwestycje na mieszkańca czy płace w latach 2002–2011 były zazwyczaj województwa: mazowieckie, śląskie, dolnośląskie i wielkopolskie. Najniższymi wartościami owych zmiennych makroekonomicznych charakteryzowały się zaś województwa Polski wschodniej: świętokrzyskie, podkarpackie, podlaskie, warmińsko-mazurskie oraz lubelskie. Podobne było również regionalne zróżnicowanie taksonomicznych wskaźników rozwoju ekonomicznego województw. 20 W 2002 roku była to Belgia, a w 2009 roku – Luksemburg. 21 Były to odpowiednio Irlandia w 2002 roku i Luksemburg w 2010 roku. V. Nieco inaczej rozkładało się regionalne zróżnicowanie liczby podmiotów REGON na 1000 mieszkańców (będące pewnym miernikiem przedsiębiorczości) oraz stóp bezrobocia. Najwyższymi wartościami podmiotów REGON na 1000 mieszkańców cechowały się województwa zachodniopomorskie, mazowieckie, dolnośląskie i pomorskie, najniższymi zaś – znów województwa Polski wschodniej. Najniższe stopy bezrobocia notowane były natomiast w województwach z dużymi i prężnymi aglomeracjami miejskimi (mazowieckim, wielkopolskim, małopolskim i śląskim), najwyższe – w województwach popegeerowskich. VI. Z analiz przestrzennego zróżnicowania produkcji sprzedanej na mieszkańca, wartości brutto środków trwałych na mieszkańca, inwestycji na mieszkańca oraz płac na poziomie lokalnym (powiatowym) płynie kilka następujących spostrzeżeń. Po pierwsze, najwyższe wartości owych zmiennych najczęściej notowane były w dużych aglomeracjach miejskich oraz w powiatach grodzkich. Po drugie, powiaty Polski zachodniej cechowały się zazwyczaj wyższymi wartościami owych zmiennych od powiatów leżących na wschód od Wisły. Po trzecie, na wartości tych zmiennych istotnie statystycznie, ujemnie, oddziaływała odległość stolicy powiatu od Warszawy oraz – nieco słabiej – odległość od stolicy województwa, w którym powiat leżał. VII. Inaczej rozkładało się a przestrzenne zróżnicowanie liczby podmiotów REGON na 1000 mieszkańców w powiatach. W przypadku owej cechy najwyższe jej wartości notowane były w dużych aglomeracjach miejskich oraz na ziemiach włączonych do Polski w 1945 roku (z wyjątkiem powiatów województwa warmińsko-mazurskiego). Najniższe zaś – podobnie jak w przypadku wspomnianych wcześniej zmiennych makroekonomicznych – w rolniczych powiatach Polski wschodniej. VIII. Analiza przestrzennego zróżnicowania stóp bezrobocia w powiatach pozwala na wyróżnienie cztery podstawowych rodzajów lokalnych rynków pracy w Polsce. Po pierwsze, były to lokalne rynki pracy w dużych i średnich miastach oraz w najbliższym otoczeniu dużych miast, w których bezrobocie było względnie niskie. Po drugie, lokalne rynki pracy na obszarach rolniczych, na których zazwyczaj bezrobocie jawne było niskie, jednak obok bezrobocia jawnego występowało również wysokie bezrobocie ukryte w rolnictwie. Po trzecie, lokalne rynki pracy na terenach postindustrialnych, gdzie (z wyjątkiem większości powiatów aglomeracji śląsko – dąbrowskiej) bezrobocie było wysokie lub bardzo wysokie. Po czwarte, były to powiaty leżące na obszarach popegeerowskich (głównie na ziemiach włączonych do Polski w 1945 roku oraz w Beskidzie Niskim i Bieszczadach), w których występowało bardzo wysokie bezrobocie o charakterze strukturalnym22. 22 Trzymając się tego podziału lokalnych rynków pracy widzimy, że Polską w miniaturze z punktu widzenia stóp bezrobocia rejestrowanego jest województwo podkarpackie. Znajdują się tu bowiem zarówno centra rozwoju regionalnego (Rzeszów) lub lokalnego (Krosno i, w mniejszym stopniu, Przemyśl), obszary rolnicze w środkowej części województwa (wzdłuż linii kolejowej Dębica–Rzeszów–Jarosław–Przemyśl), tereny postindustrialne (Mielec, Stalowa Wola, Tarnobrzeg) oraz obszary popegeerowskie w Beskidzie Niskim i Bieszczadach. IX. Z analizy taksonomicznych wskaźników rozwoju ekonomicznego powiatów wynika, że na zróżnicowanie owych wskaźników istotnie wpływały przynajmniej trzy czynniki: efekt aglomeracji, czynniki historyczne oraz geograficzne. W powiatach o dużej i średniej liczbie ludności (do których należą głównie powiaty grodzkie) poziom rozwoju ekonomicznego był wyższy niż w powiatach o niskim potencjale demograficznym. Powiaty leżące w Polsce zachodniej (a zatem powiaty na ziemiach włączonych do Polski w 1945 roku oraz na terenach byłego zaboru niemieckiego) były przeciętnie lepiej rozwinięte od powiatów leżących na ziemiach byłych zaborów austriackiego i rosyjskiego. Dodatkowo zwiększenie odległości drogowej powiatu od Warszawy i stolicy województwa zazwyczaj obniżało poziom rozwoju ekonomicznego, przy czym istotniejsze znaczenie miała odległość od Warszawy, niż od stolicy województwa. Omawiając taksonomiczne wskaźniki rozwoju ekonomicznego, warto również zauważyć, że w 2008 roku – we wszystkich analizowanych grupach powiatów – nastąpiło jednoroczne obniżenie poziomu rozwoju gospodarczego, po czym poziom rozwoju ekonomicznego zaczął rosnąć, choć (zazwyczaj) nie osiągnął on w roku 2011 poziomu z roku 2007. X. Zarówno proste analizy korelacji, jak i analizy oparte na łańcuchach Markowa wskazują, że przestrzenne zróżnicowanie badanych zmiennych makroekonomicznych oraz taksonomicznych wskaźników owego rozwoju – zarówno na poziomie regionalnym, jak i lokalnym – były dość stabilne w czasie. XI. Ekonometryczne analizy procesów konwergencji również potwierdzają względną stabilność zróżnicowania rozwoju ekonomicznego Polski na poziomie regionalnym. Na poziomie lokalnym zauważono natomiast występowanie dywergencji w latach 2002–2008 oraz konwergencji po roku 2008. Poza tym w trzech województwach (małopolskim, opolskim i śląskim) w całym badanym okresie występował proces konwergencji wewnątrzregionalnej. XII. Występowanie konwergencji na poziomie lokalnym w czasie światowego kryzysu finansowego może, jak się wydaje, wynikać stąd, że kryzys ów przede wszystkim uderzył w duże aglomeracje miejskie, następnie w pozostałe powiaty grodzkie, które stanowią ośrodki rozwoju ekonomicznego na poziomie ogólnokrajowym (duże aglomeracje miejskie), regionalnym lub lokalnym (pozostałe powiaty grodzkie). Nie miał natomiast większego wpływu na małe ośrodki rozwoju ekonomicznego. To zaś prowadziło do pewnej zbieżności rozwoju ekonomicznego między różnymi, wspomnianymi wcześniej typami powiatów. XIII. Z prowadzonych w rozdziale ósmym pracy ekonometrycznych analiz determinantów wydajności pracy, płac względnych oraz zmian stóp bezrobocia wyciągnąć można następujące wnioski. Po pierwsze, zróżnicowanie powiatowych wydajności pracy (rozumianych jako szacunki PKB na pracującego) wynikało w głównej mierze ze zróżnicowania technicznego uzbrojenia pracy (czyli wartości brutto środków trwałych na pracującego). Po drugie, zróżnicowanie płac względnych zależało od zróżnicowania względnej wydajności pracy oraz, w pewnej mierze, od zróżnicowania stóp bezrobocia (choć kierunek oddziaływania stóp bezrobocia na zróżnicowanie płac względnych zależał od ekonometrycznej metody estymacji równania płac względnych). Po trzecie, przyrosty stóp bezrobocia na poziomie powiatowym zależne były od przeszłych wartości owych stóp oraz od stopy wzrostu lokalnego PKB. XIV. Najwyższymi poziomami skonstruowanych w rozdziale dziewiątym taksonomicznych wskaźników kapitału ludzkiego w Polsce w latach 2002–2011 charakteryzowały się województwa: mazowieckie, pomorskie, małopolskie i lubelskie. Najniższymi zaś województwo śląskie oraz trzy województwa Polski wschodniej: warmińsko-mazurskie, podkarpackie oraz świętokrzyskie. Wskaźniki te objaśniały zmienność płac w analizowanym przedziale czasu w ok. 45%–50%, inwestycji na mieszkańca w prawie 30%, takich zaś cech, jak produkcja sprzedana na mieszkańca, wartość brutto środków trwałych oraz liczba podmiotów REGON na 1000 mieszkańców – w kilkunastu procentach. XV. Poziom innowacyjności polskiej gospodarki jest znacząco niższy niż średnia UE (23. miejsce na 27 analizowanych państw). Regionalny poziom innowacyjności polskiej gospodarki był bardzo silnie spolaryzowany. Bezsprzecznie wysoko innowacyjne okazało się wyłącznie województwo mazowieckie. Pozostałe województwa należy określić mianem nisko innowacyjnych. W regionach Polski o wysokim poziomie kapitału społecznego poziom innowacyjności był znacząco wyższy niż w regionach uboższych w kapitał społeczny. Co więcej, w regionach o niskich – wręcz ujemnych – wartościach tego kapitału innowacyjność będzie się rozwijała słabo, co pogłębiać może skutki zróżnicowania tej zmiennej w polskiej gospodarce. Potwierdza to tezę, że przestrzenny rozwój to proces uwarunkowany nie tylko względami ekonomicznymi, ale także społecznymi i kulturowymi. XVI. Kategorią silnie związaną ze zróżnicowaniem ekonomicznym na poziomie lokalnym i regionalnym były podstawowe kategorie budżetów poszczególnych szczebli jednostek samorządu terytorialnego. Województwa, powiaty i gminy, w których obserwowany był wysoki poziom wskaźników taksonomicznych rozwoju ekonomicznego, obserwowano wysoki udział dochodów własnych w ich budżetach (głownie udział w dochodach podatkowych z PIT i CIT). Województwa, powiaty i gminy, w których udział rolnictwa w PKB był relatywnie wysoki udział dochodów własnych był niski. Subwencje i dotacje były z kolei znacząco wyższe w tych jednostkach, w których dochody własne były relatywnie niższe niż w jednostkach o wyższym poziomie rozwoju ekonomicznego. Subwencje i dotacje są traktowane jako narzędzie wyrównywania różnic w poziomie rozwoju ekonomiczno – społecznego. Ich skuteczność jest jednak niewielka, ponieważ w rozważanym w opracowaniu przedziale czasu nie obserwowano znaczącego wyrównywania się poziomu rozwoju na szczeblu wojewódzkim, powiatowym lub gminnym. W całym badanym okresie obserwowano ponadto relatywnie wysoki poziom stabilności poszczególnych jednostek samorządu w poszczególnych grupach (kwartylowych i kwintalowych) świadczących o określonym poziomie rozwoju ekonomicznego. Rzadko obserwowano znaczące ruchy pomiędzy poszczególnymi grupami. XVII. Wydatki jednostek samorządu terytorialnego podzielono na dwie główne kategorie: wydatki bieżące i wydatki majątkowe. Najwyższy poziom analizowanej zmiennej obserwowany był w województwach o najniższym poziomie rozwoju ekonomicznego (podlaskie, lubelskie i opolskie), w województwach zaś o wysokich wskaźnikach taksonomicznych rozwoju ekonomicznego (mazowieckim i pomorskim) wydatki bieżące na mieszkańca były relatywnie niskie. Do podobnych wniosków można dojś,ć obserwując zróżnicowanie tej zmiennej w powiatach i gminach. Gminy i powiaty o relatywnie niskim poziomie rozwoju ekonomicznego charakteryzują się stosunkowo wysokim poziomem wydatków biedzących na mieszkańca. XVIII. W odniesieniu do wydatków majątkowych per capita jednostek samorządu terytorialnego należy stwierdzić, że względnie najwyższy poziom tej zmiennej bezsprzecznie dominują województwa o bardzo wysokim poziomie rozwoju ekonomicznego, czyli przede wszystkim mazowieckie, pomorskie i wielkopolskie. Województwa o niskim poziomie rozwoju ekonomicznego charakteryzują się znacznie niższymi wartościami tej zmiennej. Podobne zależności obserwowane są również na poziomie powiatów i gmin, przy czym obserwowany jest znacząco wyższy przeciętny poziom tej zmiennej w powiatach grodzkich niż w powiatach ziemskich. Istotny wpływ na zróżnicowanie podstawowych kategorii budżetowych miały uwarunkowania historyczne i geograficzne. Jednostki samorządów terytorialnych położone na wschód od Wisły charakteryzowały się zwykle relatywnie niskimi udziałami dochodów własnych i znaczącymi udziałami subwencji w ich budżetach oraz wysokim udziałem wydatków bieżących i relatywnie niskim udziałem wydatków majątkowych. Zmiany w czasie były jednak bardzo powolne i nie można jednoznacznie stwierdzić, że dochodziło do wyrównywania się dochodów i wydatków województw, powiatów i gmin. W całym analizowanym okresie nie doszło do jakościowego przełomu i do znaczącej konwergencji w ogólnej zamożności jednostek samorządu terytorialnego w Polsce. Mariusz Trojak REDAKTOR Jadwiga Makowiec KOREKTA SKŁAD I ŁAMANIE Jerzy Najder Wydawnictwo Uniwersytetu Jagiellońskiego Redakcja: ul. Michałowskiego 9/2, 31-126 Kraków tel. 12-663-23-80, 12-663-23-82, fax 12-663-23-83