RENOWATOR Staże Ośrodka RENOWATOR. 2 Anna Pfützner-Kopcińska Analiza danych o jednostkach samorządu terytorialnego z poziomu gmin w celu identyfikacji.

Prezentacja na temat: "RENOWATOR Staże Ośrodka RENOWATOR. 2 Anna Pfützner-Kopcińska Analiza danych o jednostkach samorządu terytorialnego z poziomu gmin w celu identyfikacji."— Zapis prezentacji:

1 RENOWATOR Staże Ośrodka RENOWATOR

2 2 Anna Pfützner-Kopcińska Analiza danych o jednostkach samorządu terytorialnego z poziomu gmin w celu identyfikacji typów gmin i ich charakterystyk. Staż w Instytucie Badań Systemowych PAN W ramach projektu szkoleniowego Ośrodka RENOWATOR Pod kierunkiem dr inż. Jana W. Owsińskiego

3 3 Przedmiotem mojej pracy jest analiza danych o jednostkach samorządu terytorialnego (JST) w celu wyodrębnienia typów gmin w odniesieniu do ich formalnej klasyfikacji. Posługiwałam się danymi dostarczonymi przez GUS dotyczącymi wszystkich gmin w Polsce (2479 obiektów) wyznaczonymi na podstawie sprawozdań statystycznych gmin w 2005 roku. Gminy podzielone są na trzy typy: miejskie (1), wiejskie (2) i miejsko-wiejskie (3). Dane dotyczą powierzchni, ludności, wielkości ekonomicznych i zjawisk cywilizacyjnych. Występują w dwóch grupach: jako wielkości bezwzględne i obliczone względem liczby mieszkańców.

4 4 Poszukiwałam cech, które określają typ gminy. W tym celu obliczyłam i przeanalizowałam statystyki wybranych cech dla wszystkich gmin w kraju pogrupowanych według oficjalnej klasyfikacji. Na podstawie wyników tych badań wybrałam pewne gminy do szczegółowego badania.

5 5 Gęstość zaludnienia we wszystkich gminach miejskich, wiejskich i miejsko-wiejskich. 1 5 10 15 20 25 30 35 40 os/ha Gminy miejskie Gminy wiejskie Gminy wiejsko- miejskie Typ gminy123 średnia12,410,681,03 odchylenie standardowe7,820,580,90 min0,130,050,08 max41,855,468,03 k16,330,370,53 k317,310,761,21

6 6 Jako porównanie dla tych badań obliczałam analogiczne statystyki i wykresy dla trzech wybranych powiatów : sochaczewskiego (woj. Mazowieckie), słupskiego (woj. Pomorskie) i nowosądeckiego (woj. Małopolskie) z uwzględnieniem powiatów grodzkich Słupsk i Nowy Sącz.

7 7 Powiat sochaczewskiPowiat słupskiPowiat nowosądecki Gęstość zaludnienia w wybranych powiatach przedstawia się typowo – wartości mieszczą się w granicach najczęściej występujących dla danych typów gmin, z wyjątkiem Grybowa, gminy miejskiej w powiecie nowosądeckim.

8 8 Analizowałam charakter gmin miejskich o niskim wskaźniku gęstości zaludnienia. Po uporządkowaniu gmin miejskich rosnąco względem gęstości wybrałam pierwszych 71 obiektów o wartości tej cechy poniżej pierwszego kwartyla tj. od 0,13 do 6 os/ha. Wszystkie gminy wiejskie i prawie wszystkie gminy miejsko- wiejskie mieszczą się w tym przedziale. Szukałam własności, które odróżniają te gminy. Zauważyłam, że aż 25 gmin to znane miejscowości turystyczne lub uzdrowiska. Ponadto 19 gmin posiada ponad 15000 mieszkańców - tj. powyżej pierwszego kwartyla dla liczby ludności – i dość dużą powierzchnię. Gminy miejskie o małej gęstości nazwałam małymi miastami.

9 9 Następnie przeanalizowałam podatek rolny. Stworzyłam nową zmienną – podatek rolny na hektar :

10 10 Dla porównania stworzyłam analogiczne wyliczenie i wykres dla 3 powiatów: Powiat sochaczewski Powiat słupskiPowiat nowosądecki

11 11 Jak widać, w gminach wiejskich podatek rolny na ha jest równy lub znacznie mniejszy od podatku rolnego na głowę. W wyróżnionych miastach jest odwrotnie. Dzieje się tak dlatego, ponieważ zachodzi równanie : (podatek rolny na głowę) x gęstość = podatek rolny na hektar Stworzyłam kolejną zmienną: procentowy udział podatku rolnego w dochodach gmin. Wyodrębniłam nowa grupę obiektów do badania: gminy miejskie o wskaźniku procentowym powyżej 1%. Nazwałam je miastami z rolnictwem.

12 12 Różnicę między wskaźnikami na korzyść podatku rolnego na ha tłumaczy gęstość zaludnienia > 1, natomiast ciekawa jest obserwacja odstająca: Sandomierz. Gęstość zaludnienia 8,88 os/ha oraz obszary sadownicze w granicach gminy.

13 13 Postawiłam hipotezę, że formalna klasyfikacja typów gmin jest przeprowadzona prawidłowo, tj. odpowiada charakterystyce gmin przeprowadzonej na podstawie danych o JST. Przeprowadziłam analizę korelacji i regresji danych względnych dla poszczególnych formalnych typów gmin (1, 2 i 3), oraz dla wyodrębnionych przeze mnie grup gmin miejskich: małych miast i miast rolniczych. Poszukiwałam charakterystyk zależnych, które różnicują te grupy gmin. Objaśnienia kolorów w tabeli korelacji na następnym slajdzie: bardzo słaba korelacjar<0,6 (porównawczo) słaba korelacja0,6<r<0,7 (porównawczo) umiarkowana korelacja0,7<r<0,8 dobra korelacja0,8<r<0,9 bardzo dobra korelacjar>0,9

14 14 Tabela korelacji r i współczynników dopasowania R² Gminy miejskie 1 Małe miasta Miasta rolnicze Gminy wiejskie 2 Gminy wiejsko- miejskie 3 rR²r r r r Dochody własne budżetów gmin per ca/ wpływy z podatku od nieruchomości 0,630,400,750,560,690,520,970,930,910,84 Dochody własne budżetów gmin per ca/ wpływy z PIT 0,620,380,42 0,850,72 Dochody własne budżetów gmin per ca/ Wpływy z CIT 0,44 0,02 0,49 0,750,74 Dochody własne budżetów gmin per ca / liczba podmiotów gospodarczych 0,57 0,750,570,26 Podatek rolny per ca /gęstość zaludnienia -0,11 -0,50 -0,34 -0,38 Wpływy z podatku PIT / gęstość zaludnienia 0,34 0,17 0,47 Wpływy z PIT per ca / Liczba pracujących na 1000 M 0,26 0,07 0,48 0,27 0,54 Wydatki inwestycyjne / dochody własnych budżetów gmin per ca 0,49 0,55 0,17 0,860,760,61 Wydatki inwestycyjne per ca / podatek od nieruchomości per ca 0,31 0,36 0,30 0,840,720,65 Liczba pracujących na 1000M /gęstość zaludnienia 0,16 0,41 0,610,37 Liczba pracujących na 1000 M / Dochody budżetów własnych gmin per ca 0,24 0,08 0,54 0,880,770,44 Liczba pracujących na 1000 M / Podatek od nieruchomości per ca 0,16 0,04 0,13 0,880,81 Liczba pracujących na 1000M / wpływy z CIT per ca 0,49 0,620,400,820,670,840,870,38 Liczba pracujących na 1000 M/ Liczba absolwentów ponadgimnazjalnych na 1000 M 0,56 0,50 0,800,67 0,40 Odsetek M obsługiwanych przez kanalizację / gęstość zaludnienia 0,49 0,26 0,38 0,17 Odsetek M objętych oczyszczalnią ścieków / odsetek M obsługiwanych przez kanalizację 0,640,410,610,370,650,420,870,750,850,72

15 15 Wnioski: 1.Nie ma istotnych korelacji żadnych danych z gęstością zaludnienia dla żadnej grupy gmin. Jedynie dla wpływów z podatku PIT korelacja ta waha się między 0,3 a 0,47 i dla odsetka mieszkańców objętych kanalizacją w miastach r= 0,49. Dla miast "rolniczych" istnieje słaba zależność (r=0,61) liczby pracujących od gęstości. 2.Istotne natomiast są korelacje i regresje dla danych dotyczących dochodów gmin i wpływów z podatków oraz liczby pracujących od budżetów gmin i podatku od nieruchomości ( tylko na wsi). 3.Wydatki inwestycyjne zależą od dochodów gmin i podatku od nieruchomości na wsi (r=0,86, 0,84 ) i słabo w gminach mieszanych. 4.Liczba pracujących na 1000 M zależy od wpływów z CIT i liczby absolwentów w miastach rolniczych, natomiast od dochodów, nieruchomości i CIT na wsi. 5.Odsetek M objętych oczyszczalnią zależy słabo od odsetka M obsługiwanych przez kanalizację we wszystkich miastach (0,63) i dość mocno (0,84) w gminach wiejskich i mieszanych.

16 16 Do badanych uprzednio 3 powiatów dołączyłam powiat lubartowski (woj. Lubelskie) i nowosolski (woj. Lubuskie). Patrząc na mapę gospodarki i PKB Polski wybrane regiony wydają się reprezentować zróżnicowanie gospodarki w kraju. Zrobiłam wykres skumulowany kolumnowy dochodów własnych gmin (na głowę) z uwzględnieniem podatku rolnego i od nieruchomości, podatków PIT i CIT (na głowę) dla 5 powiatów. Obserwacje pogrupowałam wg typów gmin, aby zaobserwować różnice między miastami, wsiami i gminami miejsko-wiejskimi.

17 17 Gminy miejskie Gminy wiejskie Gminy miejsko-wiejskie

18 18 Sporządziłam analogiczne wykresy dla małych miast:

19 19 - oraz dla miast rolniczych.

20 20 Poszukiwałam cech różnicujących gminy na styku miast (małych, rolniczych ) i gmin miejsko-wiejskich. W tym celu wyodrębniłam pary bliźniaczych gmin miejskich i wiejskich usytuowanych w jednej miejscowości. Gmin takich jest w Polsce 139 par, nie licząc większości par zawierających powiaty grodzkie. Z takich miast zaliczyłam do mojej próby tylko Słupsk, leżący w obrębie jednego z 5 powiatów, jakie rozpatruję jako próba porównawcza w moich badaniach. Gminy bliźniacze oznaczyłam umownie 1+ (miasta towarzyszące wsiom) i 2+ (wsie towarzyszące miastom). Zastanawiałam się, dlaczego tych gmin nie zaliczono do grupy gmin miejsko-wiejskich. (3)

21 21 Utworzyłam grupę 140 hipotetycznych gmin połączonych 1+2 i policzyłam dla nich wybrane charakterystyki: Ludność

22 22 Gminy połączone byłyby dużo większe i liczniejsze od gmin miejsko-wiejskich, zaś dochodami per ca i gęstością zbliżone byłyby do miast małych i rolniczych. Jako samodzielne gminy mogą sobie pozwolić na utrzymanie dwóch urzędów.

23 23 Policzyłam korelacje dla danych względnych i wyznaczyłam równania regresji dla tych par zmiennych, które korelowały ze sobą w stopniu co najmniej słabym (r>0,6). Dla hipotetycznych gmin połączonych korelacje słabną, jedynie korelacja dochodów własnych od podatku od nieruchomości i PIT wynosi 0,77 i 0,74, tj mniej niż dla gmin 2 i 3, oraz korelacja między odsetkiem mieszkańców objętych oczyszczalnią ścieków do kanalizacji odpowiada wskaźnikom na wsi i w gminach mieszanych: r=0,86 Policzyłam regresje wielorakie dla danych finansowych i dla Liczby pracujących na 1000 M we wszystkich grupach gmin.

24 24 Współczynniki regresji wielorakiej dla dochodów własnych gmin per ca 1+2 Podate k rolny Podatek od nieruch omości per ca Wpływy z podatku PIT per ca Wpływy z CIT per ca Liczba podmiot ów gospoda rczych na 1000 M stałaR² Dochody budżetówwsp 1,200,851,582,71 0,82 1 Dochody budżetówwsp 1,261,161,513,69-198,590,79 Małe miasta Dochody budżetówwsp 1,220,89 4,21 0,80 Miasta z rolnictwem Dochody budżetówwsp7,201,011,112,662,05 0,93 2 Dochody budżetówwsp1,021,670,611,033,86-112,700,95 3 Dochody budżetówwsp1,271,340,971,162,41-71,760,93 1+ Dochody budżetówwsp 1,091,161,012,26 0,71 2+ Dochody budżetówwsp1,081,290,903,231,61 0,90

25 25 Współczynniki regresji wielorakiej dla liczby pracujących na 1000 mieszkańców 1+2 gęstoś ć zaludn ienia Docho dy budżet ów per ca podate k od nieruc homoś ci wpływ y z CIT Liczba absol wentó w p.gimn azjalny ch na 1000 M stałaR² Liczba pracujących na 1000 Mwsp10,63 0,20 2,2353,670,57 1 Liczba pracujących na 1000 Mwsp 0,04 0,752,3191,960,54 Małe miasta Liczba pracujących na 1000 Mwsp 3,371,50113,390,53 Miasta z rolnictwem Liczba pracujących na 1000 Mwsp 3,002,1574,110,83 2 Liczba pracujących na 1000 Mwsp 0,040,071,570,8832,150,86 3 Liczba pracujących na 1000 Mwsp12,230,09-0,070,251,8454,490,46 1+ Liczba pracujących na 1000 Mwsp 0,280,442,0564,090,54 2+ Liczba pracujących na 1000 Mwsp 0,111,311,1741,580,48

26 26 Równania zależności pokazują, że gminy bliźniacze mają zbliżoną strukturę dochodów i schemat czynników kształtujących zatrudnienie, chociaż wskaźniki pracujących i absolwentów ponadgimnazjalnych są typowo miejskie (1+) i wiejskie (2+). Natomiast gminy połączone nie byłyby podobne do gmin miejsko-wiejskich. Istniejąca klasyfikacja formalna wydaje się więc w tym wypadku zasadna. Statystyki opisowe porównawcze dla gmin połączonych 1+2 Miasta rolnicze Małe miasta 3 Gminy połączone 2+ 1+ Pracujący/ 1000M Absolwenci / 1000M Pracujący/ 1000M Absolwen ci/ 1000M Pracujący/ 1000M Absolwen ci/ 1000M Pracujący/100 0M Absolw enci/10 00M Pracując y/1000M Absolwe nci/1000 M Pracując y/1000M Absolwe nci/1000 M średnia206,8433,80199,6023,36143,4714,26196,2630,0482,503,75249,2243,65 odch. St116,9226,2693,3424,2269,1112,5151,4711,2547,218,4769,8018,79 min60,530,0060,530,0038,830,0081,730,0022,890,0090,240,00 max531,6593,67524,75117,18810,1361,62360,5382,82338,3542,85531,65119,04

27 27 Następny slajd pokazuje w całości zbiory gmin wyodrębnionych przeze mnie do badania: 1.Miasta bliźniacze – 140 miast występujących w parze z gminą wiejską o tej samej nazwie. 2.Małe miasta – 71 gmin miejskich o gęstości zaludnienia od 0,13 do 6 osób na hektar 3.Miasta rolnicze – 25 miast, w których dochodzie własnym na głowę ludności podatek rolny stanowi co najmniej 1%. Rozpatrywanych gmin jest łącznie 194, co stanowi prawie 2/3 ogólnej liczby gmin miejskich. Proszę zwrócić uwagę na części wspólne tych zbiorów.

28 28 Miasta bliźniacze Miasta rolnicze Małe miasta 116 43 10 2 9 5 9

29 29 Wyodrębnione przeze mnie gminy miejskie o małej gęstości zaludnienia (małe miasta) oraz nietypowym dla miast podatku rolnym (miasta rolnicze) mają nieco inną strukturę dochodów i zależność zatrudnienia niż większość miast, ale znacznie różnią się od gmin miejsko-wiejskich i wiejskich. Zatem słuszne wydaje się, że gminy te należą w ogólnej klasyfikacji to gmin miejskich (typ 1). Natomiast gminy bliźniacze, gdyby je połączyć, byłyby bardzo duże i niezbyt zamożne, jest więc organizacyjnie uzasadnione, że pozostają parą gmin typu 1 i typu 2 w jednej miejscowości. Jako takie pasują też do swoich typów opisanych przez równania regresji wielorakiej dla dochodów względnych i liczby pracujących na 1000 mieszkańców.

30 30 Wobec powyższych wniosków formalną klasyfikację Jednostek Samorządu Terytorialnego w Polsce uważam za przeprowadzoną prawidłowo. Dziękuję za uwagę.