Település, járás vagy vármegye? Mi alapján hozzunk szakpolitikai döntéseket?
KRTK blog

Település, járás vagy vármegye? Mi alapján hozzunk szakpolitikai döntéseket?

Bareith Tibor, KRTK
|
Csizmadia Adrián, MATE Kaposvári Campus
A társadalmi-gazdasági felmérésekben vannak olyan jellemzők, amelyekről egyéni szinten nem állnak rendelkezésre adatok, ezért az aggregált adatokkal kell dolgozni. Például nem állnak rendelkezésre egyénenként jövedelmi adatok, de települések szintjén igen. Ez viszont felveti a módosítható területi egység (MAUP) problémáját. Az aggregáció szintje (település, járás, vármegye, régió) befolyásolja a területileg aggregált adatok elemzéséből kapott eredményeket. Az aggregáció kérdésével azért fontos foglalkozni, mert a területi kutatások eredményeit felhasználják a közigazgatási, területfejlesztési és gazdaságpolitikai döntéshozatalban, és a különböző aggregációs szinteken végzett tanulmányok eltérő eredményekre vezethetnek, ami befolyásolhatja a területfejlesztési vagy egyéb támogatások elosztását.
krtk blog A HUN-REN Közgazdaság- és Regionális Tudományi Kutatóközpont blogja.

Az egész országra kiterjedő gazdasági kérdés megválaszolására kiindulhatunk települési szinttől, ebben az esetben 3 155 darab megfigyelés (település) az alapja az elemzésnek. Ugyanezt az elemzést elvégezhetjük, hogyha járási adatokat használunk fel. A járási adatok a járásban található települések számaiból következik, azonban a települések számához képest egy szerényebb 175 elemű (járások Budapesttel együtt) adatbázis áll rendelkezésre. A következő szint a vármegyei szint, ahol már csak 20 megfigyelési egységünk van (19 vármegye és Budapest). Utolsó lépésként pedig 8 régióra szűkül Magyarország.

Tanulmányunkban arra kerestük a választ, hogy a térbeli adatokkal végzett elemzések eredményei függenek-e az aggregáció szintjétől? Magyarország esetében a probléma feltárásához települési, járási és megyei szintű térbeli adatok állnak rendelkezésre, a jövedelmi egyenlőtlenségek pedig európai szinten átlagosak.

Az elemzésünkbe végül a települési és járási aggregációs szinteket emeltük be, a vármegyei és a régiós felosztás esetén nagyon kevés adat áll rendelkezésre. Ugyanakkor a település vs. járás (3 155 vs. 175) esetén felmerülhet a kérdés, hogy valóban szükség van-e települési szintre vagy a járási színtű adatok jól jellemzik az adott területet?

Térbeli elemzésünk a háztartások jövedelmére összpontosít, egészen pontosan az egy aktív korú állandó lakosra (15-64 éves) jutó SZJA adóalapot képező összes belföldi jövedelemre település és járás szinten a 2019-es évben. Erről egy statisztika látható az ábrán. Már itt is látható, hogy a különböző aggregációs szinteket figyelembe véve a jövedelmekben jelentős különbség mutatkozik, miközben valamennyi aggregálási szint a települési adatokból táplálkozik.

A jövedelmet meghatározó tényezőket társadalmi és gazdasági csoportokba soroltuk, a teljesség igénye nélkül: lakónépesség, munkanélküliség, iskolai végzettség, európai uniós támogatások, vállalkozások jelenléte stb. Összesen 9 tényezőt azonosítottunk, amelyek befolyásolhatják a jövedelmet, ezt kiegészítettük a FEOR (Foglalkozások Egységes Osztályozási Rendszere) kódokkal, amely azt mutatja meg, hogy az adott településen (vagy járásban) milyen munkakörben dolgozik a lakosság.

A kutatás fő kérdésének megválaszolásához 4 különböző statisztikai modellt használtunk, hogy ellenőrizni tudjunk az eredményeink pontosságát.

A 2. ábra első összevont oszlopában látható, hogy melyik modell szerint történt a vizsgálat. A második oszlopban az aggregációs szint (település vs. járás). Az utolsó oszlopban, pedig azoknak a tényezőknek az aránya, amelyek statisztikailag igazolhatóan meghatározzák a háztartások jövedelmét. A szürkével kiemelt sorokat a szintén szürkével kiemelt sorokkal lehet összehasonlítani modellenként, ugyanígy igaz a fehér hátterű sorokra.

A FEOR osztályok nélküli vizsgálatban település szinten 77,8%-ban, járás szinten átlagosan 46,9%-ban találhatók a statisztikailag igazolhatóan jövedelmet meghatározó tényezők. A FEOR osztályokkal bővített modell esetében ezek az arányok 65,8% vs. 47,2%. A különbség mindkét esetben jelentős, az eredmények azt sugallják, hogy a település szintű vizsgálatok pontosabb becslésekre vezethetnek. A járási adatokkal történő számítás is jelentős információ vesztést eredményez, a vármegyei adatokkal történő modellezés minden bizonnyal még ennél is gyengébb eredményeket szolgáltatna.

Az eredmények arra utalnak, hogy a MAUP-probléma létezik Magyarországon. Az aggregáció növelése minden modell esetében jelentősen csökkenti a jövedelmet meghatározó tényezők arányát. A kapott eredmények összhangban vannak a nemzetközi szakirodalomban található eredményekkel. Minél nagyobb léptékben aggregáljuk az adatokat úgy vesznek el a területek egyedi jellemzői és megjelenik az úgynevezett simítóhatás. A magasabb aggregációs szintek elfedik az alacsonyabb szintű területi egységekben található változékonyságot és részletességet.

Ez azt jelenti, hogy a térbeli elemzéseket a lehető legkisebb területi léptékben kell elvégezni a legpontosabb modellbecslésekhez.

Bareith, T., & Csizmadia, A. (2023). The importance of aggregation in regional household income estimates: A case study from Hungary, 2019. Regional Statistics, 10(6). DOI: 10.15196/RS130603

Bareith Tibor a HUN-REN Közgazdaság és Regionális Tudományi Kutatóközpont Közgazdaságtudományi Intézetének tudományos munkatársa

Csizmadia Adrián a Magyar Agrár- és Élettudományi Egyetem Kaposvári Campusának PhD-hallgatója

A cikk a szerzők véleményét tartalmazza, amely nem feltétlenül esik egybe a Portfolio szerkesztőségének álláspontjával.

Címlapkép forrása: Getty Images

FRISS HÍREK
NÉPSZERŰ
Összes friss hír
Megtörténhet az elképzelhetetlen Amerikával Trump miatt – aggódnak a hitelminősítők
Díjmentes előadás

Tőzsdei túlélőtúra: Hogyan kerüld el a leggyakoribb kezdő hibákat?

A tőzsdei vagyonépítés során kulcsfontosságú az alapos kutatás és a kockázatok megértése, valamint a hosszú távú célok kitűzése és kitartó befektetési stratégia követése.

Interaktív online előadás

Warren Buffett helyett én: Kezdők útmutatója a befektetéshez

Fedezd fel a befektetés világát úgy, ahogy még sosem! Ez a webinárium egyszerűen és érthetően mutatja be az alapelveket, amelyekre még a legnagyobb befektetők, mint Warren Buffett is esküsznek.

Portfolio hírlevél

Ne maradjon le a friss hírekről!

Iratkozzon fel mobilbarát hírleveleinkre és járjon mindenki előtt.

Ügyvédek

A legjobb ügyvédek egy helyen

Portfolio Gen Z Fest 2025
2025. május 9.
Portfolio Retail Day 2025
2025. április 2.
Portfolio Vállalati Energiamenedzsment 2025
2025. április 8.
Digital Compliance 2025
2025. május 6.
Hírek, eseményajánlók első kézből: iratkozzon fel exkluzív rendezvényértesítőnkre!
Ez is érdekelhet