Kvantifikace ohrožené populace

V České republice bylo v roce 2022 191 obcí s hodnotou indexu sociálního vyloučením větším než 11, což jsou dle metodiky obce ohrožené sociálním vyloučením. V roce 2022 žilo na území takových obcí celkem 2 600 000 obyvatel. Graf na Obr. 4 Počet obcí s více než 11 body v indexu sociálního vyloučení ve sledovaném období zobrazuje jak se měnil počet obcí v této kategorii nejvíce ohrožených obcí. Do roku 2019 počet takto ohrožených obcí klesal, ale v roce 2019 začala pandemie COVID-19 a došlo ke zhoršení ekonomické situace, což mělo za následek zvýšení počtu ohrožených obcí. Opačný průběh lze pozorovat na grafu na Obr. 5 Počet obcí bez bodu v indexu sociálního vyloučení ve sledovaném období. Do roku 2019 stoupal počet obcí bez bodu v indexu SV. Mezi roky 2019 a 2020 je sledováno snížení počtu těchto obcí a od roku 2020 opět tento počet stoupá.

Prostorové hodnocení

V první části analýz bylo zkoumáno, zda jsou obce s vysokou hodnotou indexu sociálního vyloučení náhodně rozložené napříč republikou, či mají tendenci tvořit shluky. K identifikaci globální autokorelace slouží v ArcGIS Pro nástroj Incremental spatial autocorrelation. Tento nástroj testuje jak se mění hodnota autokorelace v závislosti na nastavení vzdálenosti sousedství. V tomto případě graf neukázal žádný vrchol, ale logaritmicky stoupá. Ve vzdálenosti 30 km je trend již téměř stagnující, viz Obr. 6, což značí, že čím větší vzdálenost bude nastavena, tím větší bude odhalena autokorelace.

Grafy pro všechny roky ve sledovaném období vypadaly velmi podobně. Na základě těchto grafů bylo možné vybrat vhodnou vzdálenost v metodě Cluster and Outlier Analysis. Tento nástroj rozdělí obce do pěti kategorií: shluk nízkých hodnot, shluk vysokých hodnot, vysoká hodnota obklopená nízkými hodnotami, nízká hodnota obklopena vysokými hodnotami a nevýznamný shluk. Vzdálenost, ve které leží okolní obce, které jsou součástí výpočtu výsledné hodnoty obce bylo stanoveno na 15 000 metrů. Byly testovány i jiné varianty, ale na základě Incremental Spatial Autocorrelation, který nevykazuje žádné vrcholy a vzhledu výsledné mapy byla vybrána tato vzdálenost. Lokální autokorelace byla provedena pro všechny roky ve sledovaném období.

Obr. 7 zobrazuje prostorové shluky a outliery vysokých a nízkých hodnot sociálního vyloučení v obcích České republiky za rok 2022. Na mapě jsou vidět dva hlavní shluky vysokých hodnot SV v oblastech severozápadní Čech a Jeseníků. Dále byly díky metodě odhaleny menší shluky na Ostravsku, Broumovsku a v jižních Čechách. Nízké hodnoty se koncentrují do středních Čech, Jihomoravského a Zlínského kraje. Na mapě je patrné i velké množství outlierů. V příloze 7 je znázorněn vývoj a rozložení shluků v letech 2017 až 2022. Hlavní oblasti shluků nízkých a vysokých hodnot zůstávají stejné. Nepatrnými změnami jsou zmenšení oblasti shluku nízkých hodnot a vznik shluku vysokých hodnot na Broumovsku.

Shlazení dat

K identifikaci prostorových trendů posloužil metoda shlazení dat. Hodnota indexu sociálního vyloučení byla v každé obci nahrazena průměrnou hodnotou svého okolí. Z tohoto důvodu není vhodné s takto upravenými daty dále pracovat, ale metoda slouží pouze k vizuální interpretaci. Okolí lze nastavit na základě vzdálenosti, či počtu sousedů. V tomto případě byli zvoleni přímí sousedé obce, tzv. „queen continguity“. Výsledná mapa s vyhlazenými daty je na Obr. 8.

Shlazení dat odhalilo radiální prostorový trend hodnoty indexu sociálního vyloučení ve směru od středu republiky směrem k příhraničním oblastem. Díky této metodě byly odhaleny i menší shluky, které na kartogramu indexu byly obtížně identifikovatelné, například Kojetín a okolí na Moravě. Metoda také zvýšila hodnotu indexu v těsné blízkosti velkých měst, například Prahy a Brna.

Časový trend

Časový trend hodnoty indexu SV byl zjišťován od začátku měření hodnoty indexu, 2016, do roku 2022, protože data za rok 2023 budou vydána až po odevzdání bakalářské práce. Údaje jsou vždy za rok, celkem je k dispozici sedm záznamů pro každou obec. Časový trend byl zjišťován pomocí dvou metod: Lineární regrese a Mann-Kendall test.

Mann-Kendall test

Mann-Kendall je test, který zjišťuje zda data vykazují statisticky významný stoupající, čí klesající trend v čase. Mann-Kendall test testuje, zda odmítnout nulovou hypotézu (data nemají signifikantní trend) a přijmout alternativní hypotézu (je přítomen trend). Obr. 9 zobrazuje výběr výsledku testu (statistic) a p-value (p.value) a vytvoření tabulky. Tato tabulka byla následně exportována do formátu .xlsx a pomocí join připojena v ArcGIS Pro na vrstvu obcí ČR. Hladina významnosti testu byla zvolena na standartní hranici 0,05.

Z celkového počtu 6 254 obcí má signifikantní trend na základě Mann-Kendall testu 483 obcí. Jen 56 obcí má ve sledovaném období trend stoupající hodnoty indexu SV ve sledovaném období, zbylých 427 obcí má trend klesající, sociální vyloučení ve sledovaném období klesá. Toto naznačuje i Obr. 10. Test tedy ukázal jednoznačně převažující počet obcí se snižující se hodnotou a zlepšující se situaci, což naznačuje i Obr. 11. Na grafu je vidět, že největší procento obcí s pozitivním vývojem, klesajícím sociálním vyloučením, je v krajích se současnou nejhorší situací. Jmenovitě jsou to Ústecký, Karlovarský, Moravskoslezský a Olomoucký kraj. Ve všech krajích jednoznačně převažuje pozitivní vývoj.

Lineární regrese

Kvůli nízkému počtu obcí se signifikantním trendem SV, byla otestována i další varianta zjišťování časového trendu. Byla zvolena lineární regrese, kde jako závislá proměnná na ose y je hodnota indexu a na ose x, nezávislá proměnná, jsou roky, ve kterých bylo měřeno. Tuto situaci názorně zobrazuje Obr. 12Obr. 12 Ukázka regresní přímky u obce se signifikantním klesajícím trendem. Ukázky obcí s klesajícím a nesignifikantním trendem jsou v přílohách. Důležitými hodnotami jsou míra významnosti vlivu regresního koeficientu, zjišťovanou pomocí p-value a hodnota regresního koeficientu. Tyto hodnoty byly pro každou obec vypsány pomocí kódu, viz Obr. 13.

Data byla na základě kódu obce připojena na vrstvu obcí ČR a byly vybrány obce s p-value menším než 0,05, obce se signifikantním časovým trendem. Mapa na Obr. 14 zobrazuje, ve kterých lokalitách se nachází obce se signifikantním časovým trendem. Intenzita změny indexu je znázorněna pomocí kartogramu s divergentní stupnicí, kde čím sytější je odstín barvy, tím vyšší intenzita změny v obci nastala. Zelená barva znamená snížení hodnoty, červená naopak zvýšení. Z mapy je patrné, že jednoznačně převažuje počet obcí s trendem klesajícího sociálního vyloučení podobně jako to bylo u Mann-Kendall testu. Shluky obcí s klesající hodnotou indexu se nejčastěji nachází v oblastech s vysokou hodnotou, příhraniční oblasti. Obce se stoupající hodnotou indexu se v republice vyskytují rozptýleně a netvoří shluky, s výjimkou malého shluku v okolí obce Bernartice v Jihočeském kraji.

Signifikantní trend byl odhalen u 963 obcí, což je o 480 více než pomocí MK testu. Poměr obcí zobrazený na Obr. 15 je velmi podobný jako u Mann-Kendall testu, 86 % obcí má klesající trend. Obr. 16 stejně jako podobný graf u Mann-Kendall testu zobrazuje, ve kterých krajích se nachází nejvíce obcí s klesajícím a stoupajícím trendem. Nejpozitivnější situace je podobně jako u Mann-Kendall testu v Ústeckém, Moravskoslezském, Karlovarském a Olomouckém kraji. Ve všech krajích je více obcí s pozitivním vývojem hodnoty indexu.

Z výsledků časového trendu pomocí lineární regrese byla spočítána lokální autokorelace. Místo metody Anselinova lokálního Moranova I byla ale použita metoda Getis-Ord Gi*. Tato metoda nalézá v datech, na základě definovaného okolí, shluky vysokých a nízkých hodnot a výsledkem nejsou odlehlé hodnoty. Právě odlehlé hodnoty byly důvodem, proč nebyla metoda Moranova I použita. Do analýzy vstupovaly obce se signifikantní hodnotou regresního koeficientu, tedy obce s p-value nížším než 0,05. Ostatním obcí byla přidělena nulová hodnota koeficientu. Nahrazení koeficientu nulou u nesignifikantních obcí muselo být provedeno z toho důvodu, že některé obce měli vysokou absolutní hodnotu koeficientu, ačkoliv nebyl identifikován trend. Při použití Moranova I bylo ve výsledné mapě přílišné množství odlehlých hodnot způsobených nulovým okolí.

Mapa na Obr. 17 zobrazuje prostorové shluky obcí se signifikantním časovým trendem. Ve shlucích s modrou barvou dochází ke zlepšení situace, klesá hodnota indexu sociálního vyloučení. Naopak v červených obcích se situace zhoršuje. Na mapě jsou vidět tři největší shluky se zlepšující se situací, Podkrušnohoří, Jesenicko a Kojetínsko. Tyto oblasti mají zároveň největší hodnotu indexu. Naopak největší shluk obcí se zhoršující se situací lze nalézt na západě republiky.

Korelace s podobnými tématy

Pro zjištění souvislosti mezi hodnotou sociálního vyloučení v obci a vybraným tématem byla zvolena metoda korelace. Témata k testovaní korelace byla zvolena subjektivně na základě domněnky, že by sociální vyloučení mohlo souviset s vybranými jevy v obci. Vybrané jevy a hodnota korelace je v Tab. 2 Korelace vybraných jevů. Jelikož v RStudiu v Pythonu je možné spočítat korelaci pro maximálně 5 000 záznamů, byl proveden náhodný výběr 5 000 obcí s připojenými daty. U všech jevů bylo otestováno normální rozdělení s negativním výsledkem. Z tohoto důvodu byl vybrán Spearmanův korelační koeficient, který nevyžaduje normalitu dat a je robustní vůči odlehlým hodnotám. Vzhledem k velkému počtu obcí bylo p-value ve všech případech pod zvolenou hranicí statistické významnosti 0,05. Interpretace v posledním sloupci je na základě Tab. 3 Interpretace míry korelace.

Míra korelace dosáhla maximálně střední hodnoty u kvality života a volební účasti. U ostatních jevů byla identifikována korelace nízká, či nedůležitá. Korelace index kvality života s indexem sociálního vyloučení byla očekávaná. Korelace byla testována i s venkovským, případně městským charakterem územím. Bylo zjištěno, že charakter území nehraje roli ve výskytu sociálně vyloučených osob. Byla zjišťována korelace s volebním výsledkem vybraných politických stran při volbách do Poslanecké sněmovny v roce 2021. Výsledky ukázaly pozitivní korelaci s úspěchy stran ANO, SPD a KSČM, což jsou strany, které ve svých programech a prohlášeních cílí právě na sociálně vyloučené a nespokojené občany. Negativní korelace naopak byla nalezena s výsledky koalic SPOLU a PIRSTAN. Tyto, v současné době vládní koalice naopak cílí na ekonomicky vyspělejší skupiny. V obcích s vyšší hodnotou sociálního vyloučení byla zaznamenána nižší volební účast. Důvodem je s největší pravděpodobností nezájem o současnou politickou situaci u těchto lidí. Překvapivé bylo zjištění výsledku korelace mezi sociálním vyloučením a mírou kriminality, kde byl nalezen negativní výsledek. Naopak nepřekvapivě skončil výsledek u naděje dožití a počtu věřících, kde byla také nalezena negativní korelace. Testování rozvodovosti a SV našlo pouze nedůležitou korelaci.

Identifikace hlavních příčin soc. vyloučení

Jelikož se index skládá z pěti identifikátorů, bylo důležité zjistit zda je jejich rozložení v rámci republiky podobné u všech indikátorů, nebo existují oblasti více zatížené některým z indikátorů. Pro porovnání byly vytvořeny kartogramy všech pěti indikátorů za poslední rok, 2022. Ukázka indikátoru Příjemci příspěvku na bydlení je na Obr. 18Obr. 18 Indikátor příjemci příspěvku na bydlení. Mapový list se všemi indikátory je pak příloha.

Při porovnání rozložení indikátorů lze nalézt, že příjemci příspěvku na bydlení a živobytí vytváří shluky v podobných lokalitách, konkrétně se jedná o Podkrušnohoří a Moravskoslezský kraj. Indikátor Předčasné odchody ze vzdělávání je mnohem rovnoměrněji rozložený napříč republikou a výrazný shluk lze nalézt na západě Čech. Indikátor Osoby v exekuci se shlukuje v příhraničních oblastech, jmenovitě v Podkrušnohoří a jižních Čechách.

Byla vytvořena i typizační mapa, Obr. 19, která obce ČR zbarví podle indikátoru, který v dané obci dosáhl nevyššího počtu bodů. Nejprve byly vybrány obce bez bodu v indexu, bez sociálního vyloučení. Obce do celkového počtu pěti bodů mají typ malé sociální vyloučení. Ze zbývajících obcí byly vybrány a pojmenovány ty, kde je jeden převažující indikátor. Zbyly obce, které získaly nejvíce bodů za dva či více indikátorů. Obce, které se třemi a více nejvíce bodujícími indikátory tvoří jednu kategorii nazvanou vícefaktorové. Z obcí, které dostali shodně nejvíce bodů za dva indikátory byly přesně pojmenovány pouze ty, které se v rámci republiky vyskytují alespoň třicetkrát. Zbylé obce tvoří typ nazvaný málo zastoupené kombinace. Barvy typů byly zvoleny, aby bylo možné barvy kombinace indikátorů zvolit podobné barvám indikátorů.

Interpretace výsledků

Na základě předchozích analýz bylo zjištěno, že nejvíce postiženými regiony jsou příhraniční oblasti. Následující kapitola stručně shrne moderní historii této části republiky a uvede možné důvody zapříčiňující sociálního vyloučení v těchto lokalitách.

Sudety po 2. světové válce

Sudety jsou zastaralý německý název pro příhraniční oblasti na severu dnešního Česka. Už od středověku na tomto území žili Němci. Nicméně po druhé světové válce byli vyhnáni a do opuštěných domů se začalo stěhovat české obyvatelstvo.

Velká část území je horského charakteru s velkým zastoupením lesů. V území převažovala průmyslová výroba nad zemědělskou z důvodu téměř absentující orné půdy. Ve druhé polovině 20. století byly hlavními průmyslovými sektory papírenství, sklářství, hornictví a textilní průmysl. Zastoupeny jsou i pahorkatiny, kde dominovalo zemědělství.

Po vyhnání Němců po druhé světové válce byly Sudety osídleny československým obyvatelstvem. Motivací většiny přistěhovalců bylo obohacení, neboť po násilném odsunu Němců v oblasti zůstaly volné domy a továrny, které byly pro nově příchozí volně k mání. První fáze znovu osídlování byli velmi živelné a prakticky neregulované. Některé oblasti byly přelidněné zatímco jiné stále trpěly nedostatkem obyvatelstva. Ke znovu osídlování docházelo až do 60. let 20. století. Nově přistěhovalé tvořili především mladší generace. Počet obyvatel v Sudetech se v 50. a 60. letech zvyšoval, ale k přistěhování byli často přesvědčováni lidé ve vnitrozemských oblastech nechtění, Romové a spekulanti, kteří se krátce po rabování věcí, které v té době nikomu nepatřili, vraceli zpět. Negativní vliv na pohraničí měly i uzavřené hranice.

V 60. letech došlo k mohutné industrializaci, výstavbě panelových domů a znečištění přírody. Docházelo k rozšiřování povrchových dolů a výstavbě tepelných elektráren v oblasti Podkrušnohoří, což s sebou neslo ekologickou katastrofu v podobě nenávratně poškozené krajiny v oblasti Krušných hor. Ústecký kraj se stal po roce 1968 sběrnou oblastí Romů, kterým bylo komunisty zakazováno v další migraci a byli soustřeďováni právě do tohoto regionu. Na Karlovarsku se v 50. a 60. letech minulého století zakládaly nové sklářské podniky, které svého vrcholu dosáhly v 80. letech.

Současný stav českého pohraničí

Po revoluci v roce 1989 došlo k transformaci ekonomiky. Těžký průmysl přestal být stěžejní a docházelo k postupnému uzavírání dolů, které byly v mnoha příhraničních regionech (Ostravsko, Karvinsko, Ústecko, Mostecko) hlavními zaměstnavateli. Mnoho státních podniků bylo privatizováno a postupně uzavíralo svou výrobu. K velkému úpadku došlo v sektoru sklářství, které je úzce spjato s Karlovarským krajem, viz Obr. 20. Právě zavírání tradičních podniků v těchto regionech mělo za následek zvýšení počtu sociálně vyloučených osob, které přišli o zaměstnání a byla pro ně složitá rekvalifikace na pracovním trhu. Se ztrátou zaměstnání úzce souvisí i další faktory sledované v indexu jako exekuce, příspěvky na bydlení a živobytí.

Na druhou stranu regiony, které byly dříve na periferii oddělené od západních států železnou oponou jsou dnes v přímém kontaktu s nejvyspělejšími evropskými státy. Kromě podkrušnohorské hnědouhelné pánvi je v příhraničních regionech velmi zachovalá krajina nabízející příležitosti pro rozvoj cestovního ruchu.

Boj se sociálním vyloučením ve vybraných regionech

V následujících podkapitolách jsou popsány regiony, které byly analýzami odhaleny jako problémové. Je zde popsáno jaké dimenze lokalitu sužují a nastínění řešení problému.

Ústecký kraj

V roce 2013 vznikl pro Ústecký kraj Program rozvoje Ústeckého kraje. Program ukazuje vize jak zatraktivnit region pro obyvatele. Jedním z cílů je provázání vysokých škol s místními firmami a transformace regionu s levnou pracovní silou na region s pracovní silou kvalifikovanou a stabilní. Podpora by měla probíhat ve formě stipendií, kvalitnějšího bydlení a služeb. Měla by být zvýšena kvalita technických a přírodovědných oborů a propojení s firmami. Investice v kraji budou vynaloženy i do sociálních pracovníků, kteří pomohou se začleněním vyloučených dětí. V kraji bude vynaložena velká část investic na novou infrastrukturu, vybavenost služeb a ochranu životního prostředí, včetně revitalizaci brownfieldů, kterých je v kraji, v důsledku úpadku průmyslu, mnoho. Všechny tyto investice by měly pozvednout cestovní ruch. Dalším cílem programu je především podpora menších podnikatelů, kterých je v kraji menší počet v porovnání s ostatními.

Dle Agentury pro sociální začleňování se v rámci tzv. Koordinovaného přístupu k sociálnímu vyloučení podařilo v Ústeckém kraji realizovat projekty a programy za více než 1 mld. korun. Z projektů lze zmínit například zaměstnávání obtížně zaměstnavatelných osob v Děčíně a odkup a revitalizace bytů v Chomutově. Zpráva zmiňuje obrovské problémy s bydlením v kraji, viz Obr. 21. V kraji se žije 70 000 domácností ohrožených bytovou nouzí, druhý největší podíl k celkové populaci kraje v republice. V reakci na tato čísla vznikly v kraji například sociální byty v Prunéřově, či komunitní centrum v Kadani.

Ostrava

V Ostravě byl v roce 2022 sestaven „Plán sociálního začleňování Ostrava,“ který je plánován od roku 2022 do roku 2027. Plán představuje koordinované postupy jak pomoci začlenit sociálně vyloučené osoby. Je zde nastíněno šest základních tematických oblastí: bydlení, prevence kriminality, zaměstnanost a dluhová problematika, rodina, participace a zdraví. V rámci plánu jsou představeny i cíle, které se týkají indexu sociálního vyloučení, který byl hlavním zdrojem dat této práce. Hodnota indexu má být snížena z počáteční hodnoty 21 (2021) na 16 (2027).

Jedním z problémů města Ostravy je trend snižování počtu obyvatel související s procesem deindustrializace. Navíc dochází ke stárnutí populace a zvyšování podílu „nižší třídy.“ Na území města se nachází 13 sociálně vyloučených lokalit. Tato místa skýtají pro své obyvatele mnoho problémů: Špatný stav budov, zadluženost, nezaměstnanost, špatné dopravní spojení s okolím. Typickým problémem Ostravy jsou i ubytovny, které místo střednědobého poskytování ubytování pro dělníky poskytují ubytování celým rodinám s dětmi. Děti tak již od narození vyrůstají v nevyhovujícím sociálně vyloučeném prostředí. Dalším obrovským sociálním problémem nejen v Ostravě je dluhová problematika. Podle plánu je téměř každý sedmý obyvatel Ostravy starší 15 let v exekuci.

Kojetín

Jednou z menších lokalit s nadprůměrným sociálním vyloučením, odhalených hlavně díky vyhlazení dat, je Kojetín a okolí. Město Kojetín se nachází v Olomouckém kraji devět km severně od Kroměříže. Ve městě se v roce 2015 nacházela jedna vyloučená lokalita čítající 330 sociálně vyloučených osob. V roce 2020 bylo v obci několik domů s obyvateli, kteří jsou ohroženi sociálním vyloučením a z lokality se přestěhovali. 10 % obyvatel města tvoří Romové, které lze označit za sociálně vyloučené. Město zároveň trpí klesajícím počtem obyvatel v průběhu let.

Podle Vstupní analýzy města Kojetína je obrovským problémem základní vzdělávání. Ve městě se nachází dvě základní školy, z nichž do jedné dochází z 90 % děti Romského původu ze sociálně vyloučených rodin. Zbytek dětí chodí na druhou ZŠ. Za těchto podmínek jsou Romské děti již od školního věku segregováni, což může do budoucna vést ke zhoršení vzájemných vztahů mezi těmito dvěma skupinami. Většina obyvatel ale zmiňuje, že jim tato situace vyhovuje, neboť rodiče dětí z majoritní skupiny nechce dávat své dítě na „pomalejší romskou“ školu. Analýza i přesto doporučuje, aby se postupně upravili kapacity škol a docházelo k začleňování sociálně vyloučených dětí.