Doc.Dr.Ing. Jiří Horák1 - Doc. RNDr. Milan Šimek, PhD.2- Dr. Ing. Bronislava Horáková1
1: Institut geoinformatiky
VŠB - Technická univerzita Ostrava
tř. 17. listopadu
708 33 Ostrava - Poruba
2: Katedra národohospodářská,
VŠB - Technická univerzita Ostrava
Sokolská tř.33
70121 Ostrava
E - mail: jiri.horak@vsb.cz, milan.simek@vsb.cz, bronislava.horakova@vsb.cz
The study of spatial distribution of employers and job offers with connection to salaries was provided for Bruntal district. The district is characteristic both by the worst level of salaries and high level of unemployment. Different methods of visualisation namely kernel estimates and 3D views were applied.
Labour Office provided data. Information about employers covers all subjects with 50 employees and more and selected smaller firms. For localisation of these subjects we used their addresses.
The distribution is not homogenous, the most important centres are represented by Bruntál and Krnov towns.
A close position of employees (represented by symbols) in large towns negatively influences the visualisation process. This is the main reason for testing and application of kernel estimates. We tested results of different parameters (cell size, bandwidth) and recommend using bandwidth of 1000 m.
For the same time, the situation in unemployment is evaluated. Unsatisfied distribution of labour force and job offers results in worse situation in unemployment, namely in long-term and structural unemployment.
Two microregions with worse situation were described - Osoblaha microregion and microregion close south border of district.
Studium prostorové distribuce zaměstnavatelů a pracovních míst s ohledem na platové podmínky je prováděno pro území okresu Bruntál. Tento okres patří k okresům s dlouhodobě nejhoršími průměrnými platy a vysokou mírou nezaměstnanosti. Přitom jsou používány různé formy vizualizace dat s využitím jádrových odhadů a 3D pohledů.
Údaje o zaměstnavatelích byly převzaty z monitoringu úřadu práce. Ke zpracování byly využity informace o všech zaměstnavatelích s více jak 50 zaměstnanci a vybraných dalších firmách s významnou pozicí v mikroregionu, což má význam především v členité části okresu. Lokalizace firem byla provedena podle adres. Distribuce zaměstnavatelů je dosti nerovnoměrná, nejvýznamnějšími centry jsou Krnov a Bruntál. Blízkost jednotlivých zaměstnavatelů ve velkých městech znesnadňuje vizualizaci situace. Z tohoto důvodu byly k vizualizaci využity i jádrové odhady, které dovolují přenést vhodným způsobem informaci vztaženou k bodové reprezentaci do spojitého plošného vyjádření. K výpočtu bylo využito standardního neadaptivního jádrového odhadu, který je jako funkce "kernel" implementován v nadstavbě Spatial Analyst pro ArcView GIS. Rozměr buňky byl zvolen 25 x 25 m, šířka pásma (vzdálenost dosahu vyhlazení) postupně 750 m, 1000 m a 1500 m, mapovaným parametrem je hustota pracovních míst na km2. Nejlepší výsledek, kdy pole dostatečně podrobně dokumentuje nehomogenity v distribuci pracovních míst a přitom nekopíruje polohu jednotlivých firem, poskytuje šířka pásma 1000 m.
Výsledky mohou být velmi názorně prezentovány ve formě 3D zobrazení spojité plochy (např. ve 3D Analyst), k tomu je zpravidla vhodné ještě plochu vyhladit např. Gaussovým filtrem.
Současně je hodnocena také situace v nezaměstnanosti, kde se především v dlouhodobé nezaměstnanosti a nezaměstnanosti strukturální (zaměřené na některé skupiny osob více ohrožené na trhu práce nebo na některé konkrétní profese) projevují důsledky nepříznivé distribuce pracovních sil a volných míst.
Z celkového pohledu lze za nejhorší považovat situaci na Osoblažsku, kde nedostatek místních pracovních příležitostí a špatná dopravní dostupnost pracovních míst (větší nabídka je až v Krnově, což je však spojeno s většími časovými a finančními náklady) vede k extrémně vysokým hodnotám míry nezaměstnanosti i vysokému podílu osob se základním vzděláním a starších 50 let.
Další problematickou oblastí je jižní část okresu na hranicích s okresy Opava a Olomouc. Zde se opět vytváří mikroregion s vyšší mírou nezaměstnanosti a některými nepříznivými strukturálními jevy, které jsou determinovány nízkou úrovní vzdělání pracovní síly.
Studium prostorové distribuce zaměstnavatelů a pracovních míst s ohledem na platové podmínky je provedeno pro území okresu Bruntál. V okrese Bruntál se projevuje nepříznivá odvětvová struktura, poměrně nízká souhrnná produkční schopnost a efektivnost zaměstnavatelských subjektů, nepříznivá dopravní dostupnost a další aspekty, které ve vyšší míře vytvářejí problémy na trhu práce a přeneseně také ovlivňují životní úroveň obyvatelstva.
Okres patří k okresům s dlouhodobě nejhoršími průměrnými platy a vysokou mírou nezaměstnanosti.
Podle regionální analýzy výdělků [7] zde dosáhl zaměstnanec ve 4. čtvrtletí roku 2002 výdělku 85,6 Kč/hod. Znamená to, že jeho výdělek dosahoval pouze 83,4 % průměrného výdělku v České republice.l Okres tak patří mezi regiony s nejnižší cenou práce.
Pro hledání příčinnosti v oblasti tržního určování mzdy je důležité analyzovat strukturu zaměstnanosti v regionu a srovnat ji se strukturou v ostatních regionech.
Ve srovnání s hodnotami typickými pro celou ČR se zaměstnanost na Bruntálsku projevuje:
Některé z výše uvedených skutečností vystupují jako důležité faktory vysvětlující nízkou cenu práce v regionu Bruntálsko.
Pokud jde o úroveň nezaměstnanosti, okres Bruntál dlouhodobě obsazuje 5.-10. nejhorší místo mezi okresy v rámci ČR. Rovněž ze srovnání míry nezaměstnanosti obcí na Bruntálsku s Moravskoslezským krajem vyplývá že i na úrovni jednotlivých obcí je situace ve srovnání s celkově špatnou situací v Moravskoslezském kraji velmi závažná.
Obr. 1 Míra nezaměstnanosti v obcích Moravskoslezského kraje k 31.8.2003.
Základním zdrojem dat jsou údaje o zaměstnavatelích. Údaje o zaměstnavatelích jsou shromažďovány na základě monitoringu zaměstnavatelských subjektů prováděném územně příslušnými úřady práce. Ten zahrnuje pravidelné rozesílání dotazníku na většinu evidovaných firem s požadavkem na kontrolu základních údajů o firmě, počtu pracovníků a informaci o očekávaných posunech v počtu pracovníků. Podle potřeby se úřady práce dotazují na další údaje potřebné k analýze a prognóze regionálního trhu práce Úřady práce také někdy při ověřování a doplňování údajů o firmách spolupracují s okresními správami sociálního zabezpečení.
Významní zaměstnavatelé v okrese Bruntál byli vybráni na základě počtu zaměstnanců. Základní výběr zahrnoval organizace s více než 50 zaměstnanci. Tento výběr byl rozšířen expertně pracovníky Úřadu práce Bruntál o další zaměstnavatele, kteří zaměstnávají sice méně než 50 zaměstnanců, ale kteří jsou svým umístěním významní pro své okolí (významní ve svém mikroregionu, na regionálním trhu práce). Takových organizací je 11.
Základní údaje o monitorovaných firmách jsou běžně evidovány v systému OKpráce v tabulce Monitor. Tabulka obsahuje IČO, název firmy, název firemní jednotky, adresu, název části obce, název obce, PSČ a počet pracovníků [4].
V tomto případě byl Úřadem práce v Bruntále poskytnut výpis, na základě kterého byla sestavena databáze významných zaměstnavatelů okresu Bruntál.
Údaje byly anonymizovány rozdělením dat do 2 tabulek. První obsahovala seznam subjektů s uvedením IČO a názvu. Sloužila pro získání přehledu o typu organizací a jejich zaměření. Druhá tabulka obsahuje adresu a počet zaměstnanců, u části z nich byly uvedeny i hlavní profese.
Celkem se tedy jedná o 122 zaměstnavatelů na 126 místech. Jde o podnikatelské subjekty i instituce, školy apod. Jejich přehled poskytuje tabulka č.1.
Typ zaměstnavatele | Počet |
Instituce | 5 |
Školy | 19 |
Firmy | 89 |
Zdravotnická a sociální zařízení | 13 |
Tabulka 1: Rozdělení významných zaměstnavatelů v okrese Bruntál dle jejich zaměření
Počty zaměstnanců a profese byly zpracovávány z druhé tabulky. Údaje odpovídají stavu k 31.12.2002. Celkově bylo zastoupeno 186 různých profesí. Profesím byl následně přidělen kód KZAM (číselník klasifikace zaměstnání). Po agregaci dat do jednotlivých částí obcí bude proveden odhad mzdové úrovně typických profesí v těchto obcích, který poslouží pro porovnání podmínek a rentability dojíždění.
Lokalizace firem probíhala podle adres. Byla provedena formalizace adresy zaměstnavatele a z původního zápisu byly vyseparovány číslo popisné, část obce a obec. Takto lokalizováno bylo celkem 124 míst. Bylo zjištěno, že sídla významných zaměstnavatelů se nacházejí v 35 částech obcí okresu Bruntál (tab.2) [8].
Obec | Část obce | Počet významných zaměstnavatelů |
Bruntál | Bruntál | 29 |
Krnov | Pod Bezručovým vrchem | 18 |
Krnov | Pod Cvilínem | 14 |
Břidličná | Břidličná | 2 |
Rýmařov | Rýmařov | 11 |
Vrbno pod Pradědem | Vrbno pod Pradědem | 6 |
Moravský Beroun | Moravský Beroun | 2 |
Město Albrechtice | Město Albrechtice | 5 |
Horní Benešov | Horní Benešov | 5 |
Dvorce | Dvorce | 4 |
Karlova Studánka | Karlova Studánka | 2 |
Zátor | Loučky | 1 |
Světlá Hora | Světlá Hora | 1 |
Moravský Beroun | Ondrášov | 1 |
Horní Město | Horní Město | 2 |
Velká Štáhle | Velká Štáhle | 1 |
Úvalno | Úvalno | 1 |
Liptaň | Liptaň | 1 |
Osoblaha | Osoblaha | 2 |
Lomnice [BR] | Tylov | 1 |
Bílčice | Bílčice | 1 |
Staré Město | Staré Město | 1 |
Malá Morávka | Malá Morávka | 1 |
Zátor | Zátor | 1 |
Jindřichov [BR] | Jindřichov [BR] | 1 |
Hošťálkovy | Hošťálkovy | 1 |
Krnov | Krásné loučky | 1 |
Valšov | Valšov | 1 |
Město Albrechtice | Hynčice | 1 |
Milotice nad Opavou | Milotice nad Opavou | 1 |
Dětřichov nad Bystřicí | Dětřichov nad Bystřicí | 1 |
Hlinka | Hlinka | 1 |
Lichnov | Lichnov | 1 |
Leskovec nad Moravicí | Leskovec nad Moravicí | 1 |
Bohušov | Bohušov | 1 |
Tabulka 2: Počet významných zaměstnavatelů v částech obcí okresu Bruntál
Rozmístění významných zaměstnavatelů můžeme posoudit z obrázku 2.
Obr. 2 Distribuce významných zaměstnavatelů v okrese Bruntál
Můžeme konstatovat, že distribuce zaměstnavatelů je dosti nerovnoměrná, přitom nejvýznamnějšími centry jsou Krnov a Bruntál. Je také zřejmé, že blízkost jednotlivých zaměstnavatelů znesnadňuje interpretaci situace. Těžko se rozlišuje významnost zaměstnavatelských center např. v Rýmařově, Moravském Berouně a v Horním Benešově. Pokud pouze opticky posuzujeme velikost shluku zaměstnavatelů, můžeme dojít k zavádějícím výsledkům. Srovnejme např. Dvorce a Břidličnou. Přitom v Břidličné jde o cca 1500 zaměstnanců, zatímco ve Dvorcích pouze asi 500 zaměstnanců
Jednou z možností, jak získat vhodnější obraz pro interpretaci je uplatnění jádrových odhadů, případně s následným 3D zobrazením.
Jádrové odhady dovolují přenést vhodným způsobem informaci vztaženou k bodové reprezentaci do spojitého plošného vyjádření.
Jádrový odhad byl původně vyvinut pro získání vyhlazeného odhadu monovariační nebo multivariační hustoty pravděpodobnosti (křivky četnosti) získaného vzorku pozorování, tedy k vyhlazení histogramu.
Jedná se o neparametrickou metodu, protože neurčuje tvar funkční závislosti regresního vztahu, podobně jako klouzavé aritmetické průměry. Základní přehled teorie jednorozměrných jádrových odhadů, typy funkcí, statistické charakteristiky a optimalizaci parametrů pomocí bumerangového testu lze najít v [6].
Odhad intenzity prostorového bodového vzorku je velmi podobný odhadu dvojrozměrné hustoty pravděpodobnosti, a proto dvojrozměrný jádrový odhad může být snadno upraven k odhadu intenzity. Jestliže S1, S2, ........., Sn reprezentují místa n pozorovaných událostí ve zkoumané oblasti, potom intenzita v bodě S označená 
může být odhadnuta jako [1].
kde k( ) je vhodně vybraná funkce dvourozměrné hustoty pravděpodobnosti, známá jako kernel (jádro), která musí být symetrická kolem počátku. Parametr 
se označuje jako šířka pásma (bandwidth) a určuje stupeň vyhlazení - v podstatě je to poloměr kruhu se středem v S, v kterém každý bod Si významně přispívá do 
.
Faktor 
označuje okrajovou (hraniční) korekci.
Hodnoty 
mohou být stanoveny pro každé místo ve vhodně vybrané jemné mřížce a mohou poskytovat užitečnou vizuální indikaci variability intenzity 
.
Výběr vhodné funkce pro kernel K( ) je relativně snadný, protože pro většinu vybraných funkcí požadovaných vlastností je jádrový odhad pro určitou šířku pásma velmi podobný. Příkladem může být [1]:
kde hi je vzdálenost mezi bodem S a místem pozorované události Si.
Sumace se provádí pouze pro . Oblast vlivu, uvnitř které události přispívají do je tedy kruh o poloměru 
kolem s. V místě S (vzdálenost = 0) je váha nejvyšší 
a klesá postupně až na nulu ve vzdálenosti . Sumací příspěvků jednotlivých funkcí K( ) získáme výsledný odhad intenzity.
Pokud se mění hodnota v poli, jedná se o adaptivní jádrové vyhlazení.
Bližší popis je možné najít v [1], [2] či [3].
V tomto případě bylo využito neadaptivního jádrového odhadu, který je jako funkce "kernel" implementován v nadstavbě Spatial Analyst pro ArcView GIS. Výstupem funkce je grid, rozměr buňky byl zvolen 25 x 25 m, šířka pásma postupně 750 m, 1000 m a 1500 m, mapovaným parametrem je hustota pracovních míst na km2. Výsledky prvních 2 testů jsou na obr. 3 a 4. Nejlepší výsledek, kdy pole dostatečně podrobně dokumentuje nehomogenity v distribuci pracovních míst a přitom nekopíruje polohu jednotlivých firem, poskytuje šířka pásma 1000 m.
Obr. 3 Hustota pracovních míst v okrese Bruntál, šířka pásma 750 m.
Obr. 4 Hustota pracovních míst v okrese Bruntál, šířka pásma 1000 m.
Výsledky mohou být následně názorně prezentovány ve formě 3D zobrazení spojité plochy. K tomu byl využit 3D Analyst a výsledek je na obr. č. 5. Bohužel 3D Analyst neposkytuje příliš komfortu v tomto zobrazení a výsledek není příliš dokonalý - především vadí neuzavřené plochy a nedokonalé přiřazení barev těmto plochám. V předchozích pracích [4] bylo namísto jádrového odhadu použito prosté sčítání hodnot bodů v mřížce a následně aplikován Gaussův filtr (konkrétně bylo využito prostředí IDRISI). Teprve výsledná rastrová vrstva byla přenesena do 3D Analystu a tam vizualizována.
Obr.5 Distribuce pracovních míst u významných zaměstnavatelů v okrese Bruntál
Pozn.: tmavě šedě jsou vyznačeny sídla.
Ke stejnému datu byla také hodnocena situace v nezaměstnanosti. Očekávalo se, že především v dlouhodobé nezaměstnanosti a nezaměstnanosti strukturální (zaměřené na některé skupiny osob více ohrožené na trhu práce nebo na některé konkrétní profese) projevují důsledky nepříznivé distribuce pracovních sil a volných míst.
Pro popis situace v nezaměstnanosti bylo využito exportu z OKpráce pod označením GIS statistiky [5]. Z mnoha nabízených ukazatelů byly posuzovány míra nezaměstnanosti (MN), podíl věkové skupiny 50 let a více (PC5099_U), podíl uchazečů se základním stupněm vzdělání (PCVABC_U), podíl uchazečů evidovaných nad 12 měsíců (PCE12_U) a podíl uchazečů požadujících primárně KZAM9 (PCKZAM9_U).
Míra nezaměstnanosti ukazuje na špatnou situaci na Osoblažsku, částečně také při jižní (především obec Jiříkov) a jihovýchodní hranici okresu (obr.6). Podíl starších osob (nad 50 let) v evidenci k 31.12.2002 neprokázal shodu s místy vzdálenými od významných zaměstnavatelů. K 31.8.2003 vykázaly některé obce na Ososblažsku extrémně vysoké hodnoty, domníváme se však, že je to projev variability ukazatele u obcí s nízkou populací.
Podíl nízkého vzdělání uchazečů (obr. 7) ukazuje na vyšší výskyty na Osoblažsku a částečně v jižní části okresu.
Podíl dlouhodobě nezaměstnaných (obr.8) podle prvních poznatků nekoreluje záporně s distribucí významných zaměstnavatelů, ale vykazuje úplně odlišný vzor. Kromě Vrbna pod Pradědem mají všechna významná zaměstnavatelská centra vysoké hodnoty dlouhodobé nezaměstnanosti.
Podíl uchazečů požadujících nekvalifikované zaměstnání (KZAM9) nevykazuje žádný vztah k distribuci zaměstnavatelů.
Obr.6. Míra nezaměstnanosti v obcích okresu Bruntál k 31.12.2002
Obr.7. Podíl uchazečů se základním stupněm vzdělání v obcích okresu Bruntál k 31.12.2002
Obr.8. Podíl uchazečů evidovaných nad 12 měsíců v obcích okresu Bruntál k 31.12.2002
Z prvních výsledů analýzy distribuce zaměstnavatelů v okrese vyplývá, že distribuce zaměstnavatelů je dosti nerovnoměrná, přitom nejvýznamnějšími centry jsou Krnov a Bruntál. Z celkového pohledu lze za nejhorší považovat situaci na Osoblažsku, kde nedostatek místních pracovních příležitostí a špatná dopravní dostupnost pracovních míst (větší nabídka je až v Krnově, což je však spojeno s většími časovými a finančními náklady) vede k vysokým hodnotám míry nezaměstnanosti. Na dalších faktorech se však situace příliš neprojevuje.
Další problematickou oblastí je jižní část okresu na hranicích s okresy Opava a Olomouc. Zde se opět vytváří mikroregion s vyšší mírou nezaměstnanosti a některými nepříznivými strukturálními jevy, především se projevuje nízká úroveň vzdělání pracovní síly mezi evidovanými uchazeči.
V příspěvku jsou prezentovány zatím první výsledky řešení. V následných pracích bude nutno podrobněji prozkoumat, popsat vztah mezi mírou nezaměstnanosti, průměrnou mzdou u vybraných skupin profesí, dojížďkovou vzdáleností, dobou dojížďky a cenou dopravy např. z pohledu ochoty pracovníků dojíždět k významným zaměstnavatelům.
Příspěvek vznikl na základě finanční podpory Grantové agentury České republiky v rámci projektu GA 402/02/0855 "Modelování trhu práce s využitím geoinformačních technologií". Děkujeme pracovníkům Úřadu práce Bruntál za spolupráci a poskytnutá data.