Professional Documents
Culture Documents
Appendix:
REGIONÁLIS TUDOMÁNYI KISLEXIKON
2005
ISSN 1585-1419
BEVEZETÉS
1 TERÜLETI INFORMÁCIÓK
1.1.1 Térbeliség, területegységek
1.1.2 Területi összehasonlítás
1.1.3 Térségi szintek
1.1.4 Településnagyság
1.1.5 Időbeliség
1.1.6 A reálfolyamatok elemzésének fő dimenziói
1.2 TERÜLETI ADATBÁZISOK
1.2.1 Népszámlálások (Kiss János Péter)
1.2.2 A KSH T–STAR adatbázisa és településazonosító rendszere (Kiss János Péter)
1.2.3 Az Országos Területfejlesztési és területrendezési Információs Rendszer – TeIR (Nagy András)
1.2.4 Az Európai Unió regionális indikátorai (Szabó Pál)
1.2.5 Hazai történeti adatforrások (Győri Róbert)
1.3 A TERÜLETI ADATGYŰJTÉS SAJÁTOS MÓDSZEREI
1.3.1 Térképi információk
1.3.2 Területi mintavétel
1.3.3 Terepi adatgyűjtés
1.3.4 Adatpótlás, becslés
1.3.5 Az információk területhez kötésének nehézségei
1.3.6 Szimuláció
1.3.7 Kontrollcsoportok a területi elemzésben
3 TERÜLETI EGYENLŐTLENSÉGEK
3.1 FOGALMI KERETEK
3.2 TERÜLETI EGYENLŐTLENSÉGI MUTATÓK
3.2.1 A (területi) polarizáltság mérőszámai (Németh Nándor)
3.2.2 Szórás-típusú mérőszámok (Németh Nándor)
3.2.3 Területi megoszlások eltérését mérő indexek (Németh Nándor)
3.2.4 Néhány további szempont az egyenlőtlenségi mutatók használatához
3.2.5 A térbeli szegregáció sajátos mérőszámai
3.3 KIEGYENLÍTŐDÉS ÉS DIFFERENCIÁLÓDÁS
3.3.1 A Williamson hipotézis
3.3.2 A σ és β konvergencia (Major Klára)
3.4 IDŐBELI ÁTMENETEK: A MARKOV-LÁNCOK (MAJOR KLÁRA)
3.4.1 A koncepció
3.4.2 Példák a Markov-láncok alkalmazására
3.4.3 A Markov láncok modellje
3.4.4 Kistérségek jövedelemeloszlásának Markov-folyamattal történő modellezése
6 TÉRKAPCSOLATOK
6.1 RENDEZETTSÉG, ALAKZAT ÉS FOLYAMAT
6.2 GEOMETRIA, TOPOLÓGIA
6.2.1 Geometriai alakzatok
6.2.2 Topológiai relációk
6.3 A TÁVOLSÁG
6.3.1 Földi, térképi távolság
6.3.2 Távolságfüggés
6.3.3 Irányfüggés
6.4 FEKVÉS, ELÉRHETŐSÉG
6.5 HÁLÓZATOK
6.5.1 A hálózat
6.5.2 A hálózat, mint gráf
6.5.3 A hálózatok jellemzőinek számszerűsítése
6.5.4 Hálózati hányados (Szalkai Gábor)
6.6 ÁRAMLÁSOK
6.7 TÉRBELI EGYMÁSRAHATÁSOK, SZOCIÁLFIZIKAI MODELLEK (DUSEK TAMÁS)
6.7.1 A gravitációs modell
6.7.2 A potenciál modell
6.8 TÉRFELOSZTÁS A TÉRKAPCSOLATOK ALAPJÁN – VONZÁSKÖRZETEK, AGGLOMERÁCIÓK
BEFEJEZÉS
A MÓDSZEREK EGYMÁSRA ÉPÜLÉSE
AZ EREDMÉNYEK KÖZZÉTÉTELE
APPENDIX
Immár negyedszázada, amikor az egyetemi munkát a tudományos kutató, munkarendjében akkor még kissé
szigorúbb, de – az elemző munkába még egyetemi hallgatóként beavató Kovács Csabával egy szobában
füstölögve az OT Tervgazdasági Intézetében – szellemileg semmiképp sem eseménytelenebb elfoglaltságára
cseréltem. Annak is már több mint egy évtizede, hogy visszakerültem az egyetemre. A „világ” nagyot változott
azóta, hogy a hetvenes évek közepén néhány, már a kiadás percében megsárgult egyetemi jegyzet adta a hátteret
a „modern” területi elemzési módszerek (akkor értsd: a regionális földrajzi összefüggések elemzésére
használható statisztikai eljárások) oktatásához. A vaktérképeket még Koh-I-Noor-ral vagy filctollal színeztük ki.
Ebben Sárfalvi Béla volt az igazi művész. A területi elemzés, a geográfia kvantitatív forradalmának
alapműveihez – Chorley, Haggett modelljei, orosz fordításban – néhány forintért hozzájuthattunk. A műszaki
alapokat korszerű zsebszámológépek adták, a drágábbakkal már négyzetgyököt is lehetett vonni, szabad volt az
út a relatív szórásokhoz, korrelációkhoz.
A nyolcvanas évek kisvállalkozási „boom”-jában már érlelődtek a nagy változások. A kvantitatív elemzőnek
mindez új adatbázisokat, a determinált telepítés helyébe lépő spontán térbeli terjedés tömegjelenségeinek
diffúziós hullámát hozta. Mint előtte és azóta is sokszor, az elmélet és az eszköztár „nagybani importőre” és sok
úttörő kutatás elindítója Enyedi György volt. Az EU-ból még csak azt láttam – micsoda regionalista csőlátás! –,
hogy ott egyre gyarapodnak a regionális GDP-adatsorok, mi meg még mindig az ipari volumenindexszel
küszködünk (kutatói becslések után a KSH 1996-ban közölte az első hivatalos, 1994-es megyei GDP adatsort).
A rendszerváltozással egy időben megkaptam saját használatra az első kincstári PC-t s Vági Gábortól az első,
szépen kiprintelt, s így könnyen újragépelhető 1988-as települési SZJA-adatsort. Sikos Tamástól megtanultam
rettegés nélkül be- és kikapcsolni a számítógépet. Indulhatott a dBase- és SPSS-őrület. Faktorok, klaszterek,
regressziók. Meg aztán a nagy felismerés (akkortájt volt időm és jó szemem az olvasáshoz): a térbeliség a
helyzet, a szomszédság, a távolság segítségével számszerűsíthető is, s beépíthető a kvantitatív modellekbe. Jaj
nektek „puha” módszerek!
Az ország, a régiók „gazdasági egészsége” ugyan még leginkább depressziós tüneteket mutatott, de lassan
formálódni kezdett az új térszerkezet. S már ismét az egyetem. Régi épület (Ludovika), régi kollégák (Szegedi
Nándor, Probáld Ferenc). De! Új szak, geográfusok, regionális tudomány, területfejlesztés. És új hallgatók.
Majd: új kampusz Lágymányoson, száz fős geográfus-földrajzos évfolyamok (az arcokat ismerem, de az összes
nevet, azt végleg nincs időm megjegyezni: öregség, lustaság, udvariatlanság – micsoda komplex mutatót lehetne
ebből farigcsálni!), számítógép-laborok, printerek, szkennerek, internet, projektorok. A „szlájdon” dalolva
beszáll balról a cím, jobbról a szerző, csak néha a gondolat, az téved el a kibertérben!
• A „RÉKÁS” geográfus mag: Jakobi Ákos, Jeney László, Kovács Ervin, Németh Nándor, Szabó Pál.
• A regionalitással megfertőzött közgazdászok: a Győrből átigazolt Dusek Tamás, a csepeli Major Klára,
a „vidékfejlesztő” Farkas Tibor.
• A kutatócsoporti alapító tagok: Kiss János Péter és Mattányi Zsolt.
• Akit (Beluszky Pállal együtt) kiragadtunk a történészek karmaiból: Győri Róbert.
• Az „idegenbe szakadt” Szalkai Gábor, a VÁTI-ban edződő Nagy András és Salamin Géza.
• És még: a legifjabb geográfusok közül Tagai Gergely, a legtapasztaltabbak képviseletében Varga
Gábor, aki hosszú éveken át vezette – írásos tananyag nélkül – a földrajzosok statisztika-gyakorlatait,
Lőcsei Hajnalka, aki ugyanebben talán már használhatja ezt a kötetet is és Csáki Lajos, aki a mindig
beteg számítógépeinket istápolja.
Azaz a kötetet egy nagy létszámú fiatal csapat (mínusz a szerkesztő) jegyzi. Az egyes fő- és alfejezetek szerzőit
a fejezetcímekben feltüntettük, ezek a szerzők önálló, nevükkel hivatkozandó írásai (a névvel nem jelölt
szövegrészek a szerkesztő igyekezetét tükrözik). A kötet számos témaköre fiatal kollégáim már sikeresen
megvédett illetve készülő doktori értekezéseihez is kapcsolódik, a mintapéldák jó része saját kutatásainkból való.
(Dusek Tamás értekezését a Regionális Tudományi Tanulmányok 10. kötetében önálló munkaként
megjelentettük1, annak e munkába is beilleszthető mennyiségi módszertani jellegű fejezeteire ezért itt most
többnyire csak utalunk.) Külön köszönet illeti Probáld Ferencet, empatikus kritikájáért s jobbító lektori
javaslataiért.
A több mint két éves együttes forrásfeltárás és kutatómunka ráébresztett bennünket újra arra is, hogy a regionális
elemzés folyamatosan bővülő nemzetközi tudományos eszköztárának értő megismerése és átadása még sok
erőfeszítésünket igényli. Az itt közreadott ismeretkör egy átfogó, valóban minden lényeges új és maradandó
hagyományos eszközre is kitekintő műnek pusztán szerény előmunkálata. Remélem, hogy a forrongó, átalakuló
egyetemi világban lesz mód a „teljesebb” változat, egy igazi módszertani monográfia elkészítésére is. Ez az itt
már jelen lévő új regionalista generáció számára nagyszerű kihívás.
Használati útmutató
A területi elemzés alapjaival ismerkedő, különböző szakterületekről induló fiatalok, vagy a már gyakorlott
elemzők előképzettsége, módszertani ismeretei természetesen nagyon különbözők. Ezt a „szórást” minden igényt
kielégítően lefedni lehetetlen. A kötet ezt nem is célozza. Egyik fő célja, hogy az ELTE geográfus szak
Regionális elemző szakirányának hallgatóit segítse a szakirányú ismeretszerzésben, kapcsolódva a tanterv
módszertani moduljaihoz. Tartalma azonban talán másoknak is ad ötleteket, segítséget.
Az írás egészében tartózkodtunk attól, hogy az esetenként nagyon összetett eljárások finom matematikai
részleteivel túlzottan terheljük az olvasót (ellenben jelezzük azokat a forrásokat, ahol a teljesebb leírások
olvashatók). Az azonban mindenütt célunk, hogy lehetőleg világossá tegyük az adott eljárás, módszer
alkalmazási területeit, célját, koncepcionális magját, használatának feltételeit, információigényét, esetleges
buktatóit. Bár a mennyiségi elemzés számos alapvető kutatás-módszertani momentuma s számos általános
társadalomkutatási elemzési témakör és fogalom is szükségszerűen szóba kerül, kifejezetten törekszünk arra,
hogy ezek területi elemzési szerepét emeljük ki. A munka szakirodalmi hátterét, a hivatkozott források jegyzékét
az írás végén egységes fejezetbe rendeztük. A bemutatásra kerülő módszerek többségét ma már számítógépek
segítségével alkalmazzák az elemzők. Külön alfejezetben pillantunk rá a területi elemzés legelterjedtebb
szoftvereire s azok jellemző alkalmazási körére, s több eljárás esetén külön is összefoglaljuk a számítógépi
használat fontosabb lépéseit, a kötet azonban hangsúlyozottan nem számítástechnikai segédkönyv. Az ilyen célt
az egyes programok útmutatói, „helpjei” s a tanórai vagy kollegiális magyarázatok támogathatják2.
A különböző fejezetekben tárgyalt kérdéskörök között vannak szükségszerű – a tárgyalás szerkezeti vonalában
alternatívákat is felkínáló, de végül is egy kötetben csak egyféleképp megjeleníthető – kapcsolatok, átfedések.
Az ismétléseket elkerülendő, ezekre a fejezetek közötti keresztutalásokkal hívjuk fel a figyelmet, ezeket a
szövegben → és a hivatkozott fejezet száma jelzi.
1
Dusek Tamás 2004 A területi elemzések alapjai, „Regionális Tudományi Tanulmányok” 10. sz., ELTE, Bp.
2
Egyetlen példaként: a kötetben több helyen utalunk az SPSS statisztikai program használatára, ennek
mintaértékű módszertani útmutatója Székelyi M. – Barna I. 2002 munkája.
1 TERÜLETI INFORMÁCIÓK
1.1 Milyen a jó területi adatbázis?
A nagy adatbázisok elemzésbe vétele kapcsán, a leírtakon túlmenően megfogalmazható néhány, tulajdonképp
kutatás-etikai szabály és gyakorlati szempont is:
• A nagy adatbázisokat ellenőrizhetően kell, s szabad használni. Ez mindenek előtt azt jelenti, hogy mások
számára is hozzáférhetők legyenek a tudományos publikációkban elemzett adatok (forrásuk, elérhetőségük
pontosan megjelölendő). A társadalomkutatásban tulajdonképp ez a viszonylag puha kritérium felel meg a
természettudományi kutatás alaptörvényének: egy természeti törvény akkor igazolt, ha több, független
kísérlet is megerősíti.
• Mivel a nagy adatbázisok bonyolult feldolgozási módszereire általában jellemző az, hogy a használt
elemzési módszerek több alternatív megoldási utat is tartalmazhatnak (a klaszter-elemzésben → 5.14
például sokfajta távolság-fajta közül választhatunk), ezért a kutatás módszertani lépéseit is a lehető
legpontosabban kell leírni (nem elég tehát így fogalmazni: „az adatokat klasztereztük”, a faktorokat is
egyértelműen azonosítani kell, nem csak elnevezni). A bonyolultabb módszerek nagyvonalú használata nem
megengedett! Még akkor sem, ha a például a hazai területi tagoltság olyannyira markáns is, hogy vélhetően
komoly tévedéshez még hibás számítások sem vezetnek. (Csenger a „legtrükkösebb” vagy hibás módszerrel
sem lesz fejlettebb vagy versenyképesebb ma Sárvárnál.)
• A nagyméretű adatbázisokat (még a nagy kapacitású számítógépeken is) szegmentált, részekre bontott
formában érdemes tárolni, néhány, az összekapcsolást lehetővé tevő közös azonosítóval.
3
Igazából persze a térbeli és a nem-térbeli alapkategóriák vegyes használata az, ami a területi, földrajzi
szempontú vizsgálatokra jellemző. Békési L. 2004 nem szokványos új politikai földrajzi összefoglalójának
Bevezetésében például ezek így követik egymást: nemzet, identitás, távolság, állam, állampolgárság, határ,
terület. Ezzel szemben olyan ismert módszertani alapmunka, mint például E. Babbie (2003) kötete, szinte szót
sem ejt a területi vagy települési dimenzióról.
4
Hazánkban 9 ilyen ágazati makrokörzetet („régiót”) jelölt ki a KSH, kifejezetten természetföldrajzi alapon
(Kovács T. 2003): Északi-középhegység, Nyírség, Tisza és Kőrös mente, Dunai Alföld, Kisalföld, Dunántúli-
középhegység, Nyugat-magyarországi dombság, Dunántúli dombság, Mecsek vidéke.
mint komplex entitások vizsgálata irányába. Ez természetszerűleg hozza magával az információs
háttérnek és az elemzési módszertannak azokat az elemeit, amelyekkel a naturálisan nagyon
különböző társadalmi szegmensek is összehasonlíthatóvá, összemérhetővé válnak (makrogazdasági és
társadalmi jelzőszámok, komplex mutatók)5.
Ritkább, de azért jellegzetes kutatási vonulat az, amikor több (legalább két) területegység, település
együttes elemzése a cél. Ugyanakkor talán ez a szemlélet az, amelyben legerőteljesebb az
összehasonlító momentum, hisz e vizsgálatokban épp az aktuális állapotok vagy a fejlődési irányok
azonosságának és különbözőségeinek bemutatásán van a hangsúly. Ebben az esetben kardinális
jelentőségű az, hogy az összevetett területegységeknek jellegzetes azonosságai is legyenek (például
méretükben, gazdasági vagy társadalmi jellemzőikben), mert épp ezek tükrében válik érdekessé annak
felmutatása, hogy melyek azok a jegyek, amelyek különböznek, s milyen okai, tényezői vannak az
eltéréseknek, az elágazó pályáknak.
A hazai térfolyamatok vizsgálatakor jó terep az ilyen összehasonlításokra az egymáshoz közel fekvő vagy
azonos nagyságrendű városok – például Zalaegerszeg-Nagykanizsa, Dorog-Esztergom, Sárospatak-
Sátoraljaújhely – jellemzőinek, növekedési pályáinak összehasonlító elemzése. Nemzetközi színtérre lépve,
hasonló közelítésekkel elemezhetők lehetnek a határokkal elválasztott várospárok (Szeged-Szabadka, Debrecen-
Nagyvárad, Miskolc-Kassa, Pécs-Eszék).
A területegységek (teljes) rendszereinek (pl. egy ország összes régiójának, egy kontinens összes
nagyvárosának) vizsgálatát is kifejezetten az összehasonlító momentumok uralják. E közelítés
leggyakoribb kérdései a vizsgált egységek különbözőségére, a területi differenciáltságra, az
egyenlőtlenségek mértékére és jellegére, változási irányaira vonatkoznak. Ezekhez kapcsolódóan
jelenik meg a közös és egyedi vonások, a lokális, regionális és globális sajátosságok viszonyának
kérdésköre. Mivel a teljes területi rendszerek általában már sok egységből állnak, e vizsgálati úthoz
kötődik leginkább a regionális elemzés matematikai-statisztikai eszköztára, hisz annak használatában
fontos megbízhatósági követelmény a nagy elemszám.
5
A területi adatok típusairól lásd Dusek Tamás (2004, 4. fejezet)
adatok, mint a népesség száma tekintetében is különböző számbavételi eljárások lehetségesek), de különös
figyelmet érdemel az értékadatok (jövedelem, termelési érték, fogyasztás) időbeli és keresztmetszeti
összehasonlítása. Mindkét esetben elsődlegesen az árak változása illetve különbözősége lép fel módszertani
problémaként. A területi kutatásban gyakori, hogy a termelés, a jövedelmek, a beruházások, netán a különböző
támogatási források éves pénzügyi adatait vizsgálják. Ekkor nagyon vigyázni kell arra, hogy csak összehasonlító,
rögzített áras pénzügyi adatok adhatók össze. Erről elfeledkezve – különösen a magas inflációval sújtott
időszakokban – az éves folyó áras adatok meggondolatlan kumulálása nemcsak, hogy értelmetlen, hanem
nagyon torz eredményeket hozhat (felülértékeli az időszak legmagasabb inflációjú éveit, nagy növekedést
sugallva, noha megeshet, hogy a valóságban visszaesés volt). A rögzített áras összehasonlítás legjellemzőbb útja
az időszak kezdő vagy végső időpontjának áraira való átszámítás (ezzel a problémával a közgazdaságtanban
részletesen foglalkozik az index-elmélet). Míg az országos pénzügyi makrogazdasági adatsorokra ezeket az
átalakításokat a statisztikai adatforrások rendszeresen közreadják, területi árindexek hiányában a területileg
bontott pénzügyi adatsorok ilyen átalakítása legtöbbször csak becsléssel lehetséges.A leggyakoribb, szükség
szülte, bár nyilvánvalóan hamis feltevés ekkor, hogy a megfelelő árindex területileg nem szóródik. Az
árstruktúra-, árindex-probléma nemzetközi összehasonlításokban is felmerül, ehhez kötődik például a GDP ún.
vásárlóerő-paritásos (PPS) összehasonlítása → 5.3.1.
6
Itt érdemes talán utalni arra, hogy a hazai településföldrajznak mindmáig virulens kutatási iránya a városok
belső tagoltságának (az 1.1. táblázat lokális tereiben mozgó) vizsgálata (Mészáros R. szerk. 2004, Csapó T.
2004). E munkák módszertani szempontból visszatérően összekapcsolják a társadalomszerkezeti és az építészeti-
funkcionális tagozódást (népszámlálási információk illetve terepi adatgyűjtés alapján). A kutatási irány gyökerei
egyértelműen Mendöl Tibor munkásságához vezetnek, akinek születési centenáriumáról kötetünk
megjelenésének évében emlékezik meg a hazai geográfus társadalom.
7
Az Európai Unió statisztikai területi egységeinek jegyzékét (NUTS – Nomenclature des Unites Territoriales
Statistiques) – a tagállamok javaslatai alapján - az Európai Közösség Statisztikai Hivatala állította össze abból a
politikájának térbeli keretét adják (1.2. táblázat). Ez az egységesnek szánt rendszer az egyes
tagállamok területi és népességi nagyságszóródása okán eleve erősen inhomogén. A NUTS-szisztémát
a területi elemzések során nem feltétlenül szükséges merev keretként használni, a konkrét
elemzésekben ezek az egységek kombinálhatók, kiegészíthetők (pl. Svájc és Norvégia egységeivel),
illetve – épp a területi nagyságrendi hasonlóságot vagy az elérhető adattartalmat biztosítandó – ezek a
szintek „keverhetők” is. A NUTS egységek csak részben követik a hagyományos történeti régiókat
(Hajdú-Moharos J. 1988).
*Angliában, Walesben, Skóciában és Észak-Írországban részben eltérő az egyes térségi egységek megnevezése
Mivel bizonyos jelenségek meghatározott térségi szintekhez kötődnek, óvatosan kell bánni a szintek közötti
analógiákkal. Teljesen formális s így valós tartalom nélküli például a városökológia klasszikus térszerveződési
modelljeit (koncentrikus, szektorális, mozaikos) tágabb regionális keretekben, netán a települési szintű jövedelmi
térképek konfigurációiban „felfedezni”. A két esetben alapjaiban eltérő térszerveződési mechanizmusok hoznak
létre látszólagos formai hasonlóságot.
célból, hogy egy egységes és összefüggő váz álljon rendelkezésre az integráció területi felosztásáról, és ennek
alapján lehessen összeállítani a regionális statisztikákat.
Nagyon különböző eredményekhez, térszerkezethez juthatunk, ha egy jelenséget, indikátort különböző térségi
szinteken vizsgálunk. A „vidékiség” gyakorta emlegetett egyszerű, de nem mereven rögzített mennyiségi
kritériuma (a 100-120-150 fő/km2-nél kisebb népsűrűség) teljesen más lehatárolást eredményez, ha azt települési
(NUTS5), kistérségi (NUTS4) netán regionális (NUT2) szinten használják a térségek besorolására (az EU-ban a
jellemző osztályozási szint a magyar megyéknek megfelelő NUTS3). Ez óvatosságra int egy nagyobb térségre
(ez esetben az EU egészére) kidolgozott szempont vagy mérőszám automatikus átvitelekor egy alacsonyabb (pl.
az országon belüli) területegységek osztályozására.
1.1.4 Településnagyság
1.1.5 Időbeliség
A történeti elemzések tovább oszthatók aszerint, hogy a maitól időben távoli periódus a vizsgálat
tárgya vagy az elemzést egy távoli időponttól a máig vezetik9. A történeti elemzéseknek fontos
szerepe van a területi folyamatok előrejelzésében. A távoli időszakok analógiákat szolgáltathatnak, a
hosszú idősorok pedig a trendek, irányzatok felrajzolását teszik lehetővé. A történeti elemzések
azonban – módszertanukat tekintve – nem jelenthetik azt, hogy az elemzési eszköztár is „ódivatú”
legyen, sokkal inkább azt, hogy a történeti tényanyag elemzésében is alkalmazni kell a helyénvaló
legkorszerűbb eljárásokat. A történeti folyamatok vizsgálatakor elemzési szempontból a módszertani
korszerűtlenség a valódi anakronizmus.
9
A társadalmi-gazdasági fejlettségben tapasztalható tragikus mérvű világméretű szakadék, s a globalizáció
kapcsán a gyökerek, az okok keresése természetszerűleg hozza előtérbe a hosszú történeti távú elemzéseket.
Ennek sokat idézett példája A. Maddison (2001) a GDP történeti távú becsléseit tartalmazó kötete.
Talán a legjellegzetesebb példa itt is a városhálózat történeti elemzése. Mivel a városok száma változik
(általában növekszik), így a "város" fogalom különböző időpontokban más és más településkört foglalhat
magába. Az elemzésben ilyen esetben többfajta út kínálkozik. Elemezhető, összehasonlítható a
"mindenkori" városok köre, de gyakori az, hogy a vizsgálat zárópontjában városi jogállású települések
csoportját vizsgálják a periódus egészére vonatkozóan. Az ilyen elemzés lehetőséget kínál arra, hogy a
településcsoport különböző jellemzői – például különböző demográfiai, társadalmi vagy infrastrukturális
ellátottsági mutatók – kapcsán kimutassák azt, hogy a változás, a fejlődés mennyiben tényleges elmozdulás,
illetve milyen arányban magyarázható a településkör változásával. Nehezítik az időbeli összehasonlítást a
közigazgatási változások is (a határváltozások, a települések összevonása, szétválása – ezek sajátos időbeli
irányváltozásait és regionális különbségeit érzékelteti az 1.4. táblázat). A korrekt vizsgálat érdekében ezeket
az eltéréseket – amennyiben van rá mód – ki kell küszöbölni, az adatsorokat homogenizálni kell → 1.2.5.
Időismérvek
10
Sárfalvi Béla egyik klasszikus tanulmányának témája ez (Sárfalvi B. 1965).
A területi elemzésekben alkalmazott időbeli szakaszolás esetében leggyakrabban négy jellegzetes út
kínálkozik:
Az első három út már a vizsgálat megkezdése előtt meghatározza az időbeli kereteket, a negyedik
esetben azonban a területi-települési folyamatok maguk jelölik ki a periódusokat. „Ideálisnak” ez
utóbbi közelítés tekinthető, ennek feltétele azonban nem mindig adott. A területi folyamatok
elemzésekor használt különböző időbeli szakaszolás hatására is aggregációs torzulások léphetnek fel
(az aggregáció itt az időpontok, évek összevonását jelenti időszakaszokká), eltűnhetnek a valóságos
fordulópontok, az érdekes időbeli ingadozások is.
A területi elemzésekhez jellemzően közép- és hosszú időtáv tartozik (ritkán a 15 évnél távolabbra
kitekintő nagytávlatú előrejelzésekkel is találkozhatunk). A területi szerkezetekben és folyamatokban
viszonylag erős a stabilitás, így egy-két év alatt ritkák a markáns változások. A területi elemzésben
viszonylag ritkák az éven belüli szakaszolások, bár bizonyos folyamatok esetében a szezonalitás ezt
megkívánja (turizmus, munkanélküliség). A rövidebb időperiódus a térbeli mozgások esetében is
fontos szempont (épp a napi, heti, havi periódusú térpályák különbségeire, eltérő térbeli kereteire és
céljaira mutat rá az időföldrajz).
Lényegében az idődimenzió jelenik meg a gazdasági elemzésekben gyakori két nagy adattípusban is:
az ún. stock (állomány) mutatók egy-egy időpontra vonatkozóan jelzik a különböző gazdasági
volumenek (tőke, állóeszköz) nagyságát, míg az ún. flow (kibocsátás, áramlás) mutatók jellemzően
egy-egy időszak (év) termelési produkciójára, létrehozott jövedelmeire utalnak. A két közelítést a
regionális gazdaságtanban a különböző hatékonysági mutatók (élőmunka-termelékenység,
tőkehatékonyság) kapcsolják össze, amelyek a kibocsátást az állományra vetítik (termelési
érték/foglalkoztatottak illetve állóeszközök). Ez a kettősség megjelenik másutt is: a területi
szempontból gyakorta elemzett infrastruktúra mutatói közül stock típusú például a hálózatok
(elektromos, víz, csatorna) hossza, míg flow jellegű a szolgáltatott áram, víz, az elszállított szennyvíz
mennyisége.
Itt érdemes talán még szólni egyes indikátorok sajátos követő jellegéről (ez indokolja az ún.
késleltetett változók – lagging indicators – használatát). A munkanélküliség megugrása például
általában egy-egy korábbi negatív gazdasági eseményt (pl. cégfelszámolást, dekonjunktúrát) tükröz.
A sebesség-rangsor élére Svájc, Írország, Németország nagyvárosai kerültek, Brazília, Indonézia, Mexikó zárta a
sort. Budapest a 31 mintaterület közül a 19. helyre került. Az élet sebessége a városi átlaghőmérséklettel – 0,58-
as, az egy lakosra jutó GDP-vel 0,74-es szignifikáns korrelációt adott. Nem igazolta ellenben a vizsgálat a
lélekszám és az életritmus közötti kapcsolat meglétét, s nem szignifikáns a viszony az infarktus-halálozással sem
(további részletek a tanulmánynak a világhálóról is letölthető szövegében).
A társadalmi folyamatok legtöbbjében kimutatható a természeti feltételek, körülmények befolyása, így magától
értetődően vizsgálat, elemzés tárgyát képezik ezek a faktorok is. A társadalmi fejlődés, átalakulás (itt
természetesen nem részletezhető) folyamatában egyaránt megfigyelhető bizonyos természeti tényezők háttérbe
szorulása, mások esetében pedig épp a felértékelődés, az egyre nyilvánvalóbb hatások tanúi lehetünk. A
természethez kötődő tényezőcsoportok közül három külön is kiemelésre érdemes. Ezek nemcsak önmagukban
vizsgálhatók, hanem számos kifejezetten társadalmi nézőpontú elemzésben is szerepet kapnak:
• Fekvés
• Természeti erőforrások
• Környezeti állapot
A fekvés az egyik legfontosabb térparaméter, a helyzet földrajzi (külső térbeli) megjelenése. Annak felismerése,
hogy a fekvés a térbeli egyenlőtlenségek egyik legfontosabb faktora (ez a magja például a földrajzi centrum-
periféria modelleknek), számos összetett elemzési módszerben önálló változóként is indokolttá teszi
megjelenítését. A fekvési különbségek a társadalomföldrajzi vizsgálatokban gyakran az időbeli elérhetőség →
6.4 vagy annak költségei differenciáiban jelennek meg.
Nagyon sok regionális elemzés, térségleírás indul a természeti feltételek (pl. az éghajlat, a talajadottságok) és
erőforrások (vízkészletek, ásványi anyagok) számbavételével. A hagyományos agrár- és ipari társadalmak
esetében ezek a tényezők a társadalmi folyamatok alaptényezői. Ma a nagy globális földi problémák egy része is
kifejezetten a természeti feltételeket érinti (lásd globális felmelegedés). Hagyományos földrajzi indíttatású
elemzésekben előfordul azonban bizonyos természeti faktorok indokolatlan túldimenzionálása. (A mai hazai
regionális gazdasági fejlődés hatótényezőit elemezve nagyon kivételes esetekben lehet csak indokolt a geológiai
fejlődésmenet részletes bemutatása.) Fordítva kissé a logikán, ide tartozik ellenben az, hogy a tudomány számára
nagy lehetőség és kihívás egyben a természeti és társadalmi folyamatok valóságos szintézise, a természeti tájakat
alakító társadalmi faktorok hatásmechanizmusainak bemutatása.
A környezeti problémák kutatása mára önálló, multidiszciplináris tudományággá vált, sajátos elemzési
eszközrendszerrel, kultúrával, ami messze túlnyúlik (bár analógiákat kínál) a társadalmi folyamatokra
koncentráló regionális elemzések főáramán. Sajátos érintkezési pont lehet a környezeti kultúra, a környezet-
tudatosság vagy a környezetvédelem kifejezetten társadalmi tartalmú kérdésköre.
Humán alapok
Az emberek, a különböző csoportok a társadalmi folyamatok résztvevői, eltérő aktivitású szereplői, alakítói,
elszenvedői. A társadalomkutatás jellemző elemi egysége az egyes ember, az egyén. Az egyénekből szerveződő,
együtt élő vagy a közös jellemzők alapján alkotott csoportok számbavétele a regionális elemzések esetében is
gyakori kiindulópont.
A népesség (vagy annak változása, folyamata: a népesedés) a maga legegyszerűbb számszerűségében az egyik
legalapvetőbb térbeli és területi vizsgálati téma és indikátor. Ez egészül ki aztán a vizsgálatokban a népesség
különböző jellemzői szerinti nézőponttal. Ilyenek a szűkebb demográfiai jellemzők: a születés, a halálozás, a
vándorlás, a nemek szerinti szerkezet, a kormegoszlás (L. Rédei M. 2000, Kovács Z. 2002).
A manapság sokat emlegetett humán (emberi) tőke fogalma és mutatószámai egyrészt magukba integrálják
ezeket a demográfiai jegyeket és szerkezeti jellemzőket (hisz ezek önmagukban is erőforrások), de ki is
egészülnek a társadalmi jellemzők sorával (Stroombergen, A. et al 2002, Rechnitzer J. – Smahó M. 2005). Ezek
közé tartozik – a szűk demográfiai jellemzőkhöz talán legszorosabban kapcsolódó – egészségi állapot, majd a
11
„tőke-formát” a kutatási gyakorlatban legtöbbször közelítő iskolázottság és képzettség , s a történetileg nagyon
változatos életpályát befutó etnikai, kulturális, vallási azonosítók. Újabban önálló tartalommal használatba került
a területi vizsgálatokban is a társadalmi tőke fogalma is, leginkább a közösségi kohézióban, a különböző
társadalmi hálózatokban megtestesülő erőforrásként.
12
A gazdasági aktivitási, foglalkoztatási jellemzők már a gazdaság felé nyitják a humán dimenziót, míg a
szociális (leggyakrabban az egyszerűbb jövedelmi és az összetettebb státusz vagy deprivációs) jellemzők már túl
is mutatnak az ökonómián. A területi kutatásoknak ezektől inkább elválasztott, mint velük összekapcsolt tárgya a
társadalom politikai tagoltsága.
Az itt sorra vett tényezők nem pusztán a maguk valóságos fontossága okán kiemelt tárgyai és témái a regionális
elemzésnek, hanem a többségükről rendelkezésre álló információk azon sajátossága miatt is, hogy azok
jellemzően különböző területegységek szintjén érhetőek csak el.
Ugyancsak itt érdemes utalni arra, hogy az utóbbi évtizedek egyik legdinamikusabb, önállósuló
tudományágazatává vált a nemek társadalmi szerepének kutatása (gender studies), amelynek keretében
kifejezetten területi szempontú elemzésekkel is találkozunk.
Településhálózat
Látszólag megtöri ugyan az ”ágazati” logikát, de mindenképp önálló témakörként érdemel szót a területi
vizsgálatokban a településhálózat, a településrendszerek elemzése. Természetesen ezek önmagukban is
kiemelkedő fontosságú kutatási témák: az urbanizációs ciklusok elmélete egyike azon ritka elméleti
modelleknek, amelyek kifejezetten a területi vizsgálatokhoz köthetők. Bármely nagyobb térség folyamatait az
egyes gazdasági-társadalmi ágazatok a településhálózati jellemzőkkel kombinálódva alakítják. Ennek
következtében a regionális vizsgálatok alapvető jelentőségű kutatási témája a települési és térségi, regionális
dimenzió hatásának, egymáshoz viszonyított súlyarányainak feltárása → 5.7. A település egyébként is a területi
elemzés egyik természetes alapegysége. (A települések és a településhálózat kutatási módszereinek is gazdag
tárháza Beluszky Pál monográfiája - Beluszky P. 1999). E témakörhöz indokolt kapcsolni a települési épített
környezet kérdéskörét is (Meggyesi T. 2002), ahol magától értetődő sajátos „módszertani” eszközként
megjelenik a fotó-dokumentáció is (példaként lásd Barta Gy. szerk. 2004).
Gazdaság
A gazdaság térbeliségének, magának a gazdasági térnek a vizsgálata önálló területi tudományt hozott létre, a
regionális gazdaságtant (Illés I. 1975, Lengyel I. – Rechnitzer J. 2004), sok elemében szembe is fordulva
magával a közgazdaságtannal, illetve annak főáramaival. A geográfia mellett meghatározóan a gazdaság területi
vizsgálata vezetett a regionális tudomány, mint önálló vagy önállósodó diszciplína létrejöttéhez is (W. Isard
1960). A kifejezetten a gazdaság kategóriáin és szereplőkörén belül mozgó, de azok térbeliségét – annak sajátos
matematikai-statisztikai követelményei és következményei okán – már figyelembe venni szándékozó kutatások,
módszertani szempontból is számos figyelemre méltó eredményt hoztak felszínre a tér-ökonometriában (Varga
A. 2002). Mindmáig jelen lévő kutatási irányt képeznek a nagy ágazati aggregátumok területi szempontú
elemzései (a legújabb ilyen példa a hazai ipar társadalmi rendszereken átívelő, földrajzi és közgazdasági
elemzési szempontokat ötvöző területi analízise: Barta Gy. 2002)
A gazdaság a területi vizsgálatokban jellemzően mint erőforrás- (tőke-)hasznosító és mint kibocsátó, termelő,
jövedelmet létrehozó tevékenység jelenik meg. Az erőforrás-oldal alapvető kategóriái az elemzésekben a föld, a
pénztőke, a munkaerő (a foglalkoztatás) s újabban a technikai–technológai faktorhoz is kapcsolt kutatás-
11
Érdekes társadalmi és területi összefüggésekre világíthat rá, de nagyon óvatos interpretációt követel meg a
képzettség vagy épp a tudományos teljesítmény statisztika adatainak fogalmi kiterjesztése tehetség-térképek,
tehetségföldrajz néven (Tóth J. 1990, Florida, R.. 2002, Győri F. 2004).
12
A munkaerőpiacot területi szempontból is vizsgáló gazdag hazai szakirodalomból kiemelt figyelmet érdemel a
2000. óta megjelenő Munkaerőpiaci Tükör c. évkönyvsorozat (Fazekas Károly szerkesztésében, MTA KTI,
OFA), nemcsak értékes elemzései, hanem bő statisztikai adattartalma okán is.
fejlesztés (Grosz A. – Rechnitzer J. szerk. 2005). Bár szélesebb társadalmi tevékenységi kört érint, de
leggyakrabban mégis a gazdasági témák között szerepel az infrastruktúra is. Az ipari társadalmak térszerkezetét
jellemző „nagyüzem” ma már sokkal inkább a kereskedelem, a fogyasztás „katedrálisaiban”, a
bevásárlóközpontokban jelenik meg, egy diszperz, sokszereplős gazdaság előterében (Sikos T. T. – Hoffmann I.-
né szerk. 2004)
A gazdaság sajátos, önállóan is vizsgálható szegmensét jelenti a gazdasági szereplők területi szempontú
számbavétele, elemzése. E témakörben érdekes szemléletet hordoz a holland kutatók által útjára indított ún.
gazdaságdemográfia (Smith, S. K. – Morrison P. 2003). Ez a cégek elemzésére a demográfia kategóriáit
(születés-alakulás, halálozás-megszűnés, házasság-egyesülés, válás-önállósodás, migráció-telephelyváltoztatás)
használja. Ebből kiindulva aztán lehet „fiatalos” vagy „elöregedő”, merev vagy mobil gazdasági
szervezetrendszerről beszélni.
A területi elemző legtöbbször „készen kapott” adatbázisokkal dolgozik, de esetenként önálló, célzott
adatgyűjtést is végez. Az alábbi fejezetekben e kétfajta adatszerzési út néhány jellegzetes példáját
mutatjuk be.
A népszámlálás a világ legtöbb országában kérdőíves felmérést (összeírást) jelent. A szakmai fórumok
által javasolt, s a megfelelő kormányszervek által is jóváhagyott népszámlálási kérdőívekkel
(összeíróívekkel) általában egységes kiképzésben részesült kérdezőbiztosok (számlálóbiztosok,
összeírók) keresik fel lakóhelyükön és/vagy tartózkodási helyükön az állampolgárokat. Egyes
országokban a postán vagy egyéb úton kézbesített népszámlálási kérdőíveket maguknak az
adatszolgáltatóknak kell kitölteni és visszajuttatni a statisztikai szervezethez. Az utóbbi évtizedekben
egyre több országban a hagyományos kikérdezés útján kapott adatokat igazgatási, hivatali
nyilvántartás(ok)ból vagy reprezentatív felvételekből származó adatokkal kombinálják, vagy – pl.
egyes skandináv államokban – az összeírás teljes mellőzésével csak ilyen, ún. „regiszter” adatokat
tesznek közzé. Ennek hátránya azonban, hogy adattartalma szűkebb, mivel a népszámlálások
tematikájában „szokásos” számos kérdéskörről még a fejlett nyilvántartási rendszerekkel és az
adatbázisok összekapcsolását megengedő jogrendszerrel rendelkező államokban sincs nyilvántartás.
A felmért adatok köre természetesen nem állandó, hiszen a népszámlálásnak követnie kell az adott
gyakorlatilag általánossá vált ez az ismeret. A lakások árammal való ellátottsága 1930-ban érte el azt
az arányt, hogy a népszámlálásban már érdemesnek tartották kitérni rá, 1980 után viszont a 98-99%-
4. A népszámlálások alapelvei, tematikája és módszerei már a XIX. század második fele (1872)
óta nemzetközileg viszonylag egységesek, az 1950-es évek népszámlálásaitól kezdve pedig a világ
legtöbb országában az ENSZ ajánlásaihoz igazodva végzik az adatok gyűjtését és közzétételét is. Így a
népszámlálási információk a nemzetközi összehasonlításokra leginkább alkalmas, egyszersmind a
legszélesebb országkörre rendelkezésre álló adatok közé tartoznak. Az ENSZ által rögzített
népszámlálási alapelvek – teljeskörűség, egyidejűség, a felvett adatok egyedi és személyes jellege,
földrajzilag jól meghatározott terület, kormányzati finanszírozás, 10 éves népszámlálási ciklusok – fél
évszázada változatlanok, s csak kisebb módosításokon estek át az előkészítésre, végrehajtásra és
közzétételre vonatkozó módszertani előírások is. A felmérendő témakörökre vonatkozó ajánlások
azonban a 10 éves ciklusok, s ezen belül régiók szerint is eltérőek. A 2001-es magyarországi cenzusnál
pl. az Európai Gazdasági Bizottság régiójában a 2000 körüli népszámlálásokra vonatkozó ENSZ-
ajánlásokat vették figyelembe, de emellett immár az Európai Unió által megfogalmazott népszámlálási
adatigényeket és közzétételi („táblázási”) előírásokat is ki kellett elégíteni, sőt a cenzus időpontja is
európai uniós ajánlás nyomán került a korábbi hazai gyakorlatból következőnél (0-ra végződő évek
eleje) egy évvel későbbre. (Az Eurostat harmonizációs törekvéseinek eredményeként jelenhetett meg
először 1996-ban az akkori tagországok egységes népszámlálási adattára az 1990 körüli cenzusok
eredményeivel.) Természetesen minden országnak vannak sajátos, gyakran hagyományos nemzeti
adatigényei is, és a nemzetközi szabványok ajánlás-jellege miatt is meglehetős eltérések vannak az
egyes országokról rendelkezésre álló népszámlálási információk között.
A magyarországi népszámlálások
Néhány részleges vagy töredékesre sikeredett összeírási kísérletet követően hazánkban II. József
uralkodása alatt, 1784–1787 között került sor az első teljes körű népesség-összeírásra. Ezt azonban nem
követték továbbiak, a Habsburg-birodalom keretein belül már csak részösszeírások történtek (1805, 1820,
1838, 1850, 1857). Az 1867-es kiegyezés után viszont a modern államiság információs bázisának és a
megfelelő közigazgatási szervezet kialakításának érdekében azonnal szükségessé vált a népszámlálás
lebonyolítása, amelyre 1870 elején került sor. Azóta általában 10 évenként egymást követve rendszeres a
népszámlálások lebonyolítása és az adatok közzététele. 2001-ig összesen 14 összeírásra került sor, minden
esetben az újév körüli eszmei időpontban. Ez a logikus és szisztematikus megoldás a nemzetközi
gyakorlatban igen ritka, bár a legtöbb országban azért általában az évtizedek azonos éveiben, és az év
azonos szakaszában kerül sor a cenzusokra. A kaotikus időpontok rendezése érdekében az ENSZ az
azonos dekádba tartozó népszámlálásokat tekinti összetartozónak (pl.„1990 körüli” népszámlálásoknak az
1985 és 1994 közötti eszmei időpontúakat).
Az utóbbi évtizedek népszámlálási adatainak felhasználásakor az eszmei időpontra külön is oda kell
figyelni, mert azok az adott év elejére estek, míg az egyes évek állapot-adatait általában az év utolsó
napjára közli a KSH. Tehát az 1990-es (jan. 1-időpontú) népszámlálás adataival közvetlenül az 1989-es
13
évre (dec. 31-re) vonatkozó állapotadatokat lehet csak összevetni, de a 2001-es népszámlálást is a 2000-es
statisztikai évkönyvek állapotadataival célszerű párosítani.
13
Elérhető: http://www.nepszamlalas.hu/
A tízéves perióduson belüli változások pontosabb nyomon követése és a következő népszámlálás
14
előkészítése érdekében 1963-ban, 1968-ban, 1973-ban, 1984-ben és 1996-ban és 2005-ben népszámlálás-
jellegű, de reprezentatív – 2%-os mintán alapuló – ún. mikrocenzust végeztek, és eredményeiket több
kötetben közzétették. Ezek területi következtetések levonására kevésbé alkalmasak, de – mivel a
legfontosabb adatokat a 19 megyére és a fővárosra, illetve településtípusra (megyeszékhely, többi város,
község) is közzétették – megyei szintű elemzésekre felhasználhatók. A rendszerváltozás utáni változások
hatásainak kimutatása miatt – a területi kutatások szempontjából is – különösen értékesek az 1996-os
mikrocenzus adatsorai.
14
A 2005-ös Mikrocenzus felvételi időszaka 2005. április 1-21, eszmei időpontja pedig a március 31. és április
1. közötti éjfél volt, 847 településen 83 ezer lakás és az azokban élő személyek kerültek összeírásra. (Részletek:
http://www.nepszamlalas.hu/mc2005/.)
nélkülözhetetlen. Másfelől az 1970–1990-es időszakban az egy számlálóbiztos által megkérdezett – általában
ötven–száz háztartásból, egy-kétszáz lakosból álló – számlálókörzetek feldolgozási egységként is szolgáltak, így
a népszámlálási adatok – a megfelelő térképi háttér beszerzése, összeállítása esetén – igen részletes
településszerkezeti, városföldrajzi elemzésekre is lehetőséget adtak. 1970-ben és 1980-ban külön megyei
kötetekben jelentek meg a számlálókörzeti adatok, 1990-ben CD-ROM kiadványban voltak elérhetők. A 2001-es
népszámlálás számlálókörzeti adatainak közzétételét sajnos nem tervezi a Központi Statisztikai Hivatal. Az
1980-ig kizárólagos nyomtatott forma mellett az 1990-es és 2001-es népszámlálás adatbázisát – köztük igen sok
visszatekintő adattal – elektronikus változatban is kiadták (floppyn, illetve 2001-ben már csak CD-ROM-on). Az
utóbbi cenzusok kiadványai között az adattárak mellett számos tematikus kiadvány, elemző jellegű munka is
található.
A népesség száma
Fontos megjegyezni, hogy az egyes népszámlálások során nem volt teljesen egységes az
összeírtak, illetve a népességbe beszámítottak köre sem. 1890-ig például az egyes települések
népességszámaként az ott élő polgári népességet közölték (a katonákat nem). 2001-ben pedig a
korábbiakhoz képest bővült az összeírás alanyainak köre, hiszen míg 1990-ben a magyar
állampolgárok mellett csak az ország területén engedéllyel tartózkodó külföldiekre terjedt ki,
addig 2001-ben valamennyi, három hónapnál régebben az országban tartózkodó külföldi
állampolgárt és hontalant, valamint a menekülteket is számba vették.
A népszámlálásokkor összeírt népességszámok a korábbiakban említett tényezők miatt többé-
kevésbé mindig eltérnek az előző népszámlálásból a továbbvezetett adatoktól. Ha ez az eltérés
jelentős, az új népszámlálási adatok alapján a KSH minden területi egységre és minden, az előző
népszámlálás óta eltelt évre elvégzi a korábban közölt népességadatok revideálását. Ezzel
természetesen megváltozik a korábbi évekre közölt fajlagos (népességarányos) mutatók értéke
is, ezért pl. a korábbi statisztikai évkönyvekben közöltekhez képest megváltoznak a visszatekintő
adatok is. Természetesen azonban a revideált fajlagosok közlésére csak ritkán van mód, ezért az
aktuális évek adatközlései alapján összeállított idősorok esetén erre is figyelnünk kell, és a
népszámlálási években tapasztalt váratlan „ugrásokat” lehetőség szerint korrigálnunk, de
legalábbis megfelelően értelmeznünk kell. A probléma jelentőségét növeli, hogy sajnos épp a
legutóbbi két népszámlálás esetén volt a legjelentősebb a továbbvezetett és a számlált adatok
eltérése: 1990-ben országosan 193 ezer fővel kisebb lakónépességet írtak össze az 1980-as
adatból továbbvezetettnél, míg 2001-ben 193 ezer fővel több volt a „végeredmény”, mint ami az
1990-es adatok továbbvezetése alapján várható volt. A kisebb területi egységekben pedig
nemritkán igen jelentős különbségek mutatkoztak: pl. a települések egytizedében a 10%-ot is
meghaladta az eltérés az 1990-es népszámlálás adatából továbbszámított, illetve a 2001-ben
összeírt népességszám között.
Az eltérések meglepően hasonló mértéke valószínűleg nem teljesen véletlen. A 2001-es „többletben”
szerepet játszhat ugyan az összeírtak körének korában említett bővülése, valamint a név és lakcím
nélküli felvétel miatt 2001-ben a korábbiaknál vélhetően nagyobb arányú kettőződések is, a fő ok
azonban valószínűleg az, hogy a rendszerváltás viharos időszakában lezajlott 1990-es népszámlálás
során a népszámlálásból kimaradók köre, az alulszámlálás mértéke érzékelhetően nagyobb volt a
korábbi cenzusokénál, illetve a 2001-esnél is.
Ezeken felül természetesen számos egyéb népszámlálási adat is szükséges, sőt néha
megkerülhetetlen lehet bizonyos speciálisabb témájú területi elemzésekhez. Az etnikai és
vallásföldrajzi vizsgálatok például szinte lehetetlenek a népszámlálások nemzetiségi, anyanyelvi,
vallási adatainak elemzése nélkül; a lakótelepek sajátosságainak elemzéséhez a népszámlálási
épület-adatok jelentik a kiindulópontot; a társadalmi térszerkezet szociálgeográfiai vizsgálatához a
cenzusok részletes demográfiai, család-, és háztartás-adatai nélkülözhetetlenek; a részletes férfi–nő
bontásban közölt népszámlálási információk pedig a nőföldrajzi kutatások számára különösen
értékesek.
A T-STAR
A T-STAR adatainak köre természetesen nem állandó, követi a KSH adatgyűjtési programjának és
módszertanának évről évre akár igen jelentős mértékű változásait. Ezért az egy adott évre rendelkezésre álló
adatok köréről mindig célszerű tájékozódni a rendszer részét képező, és minden egyes változó főbb jellemzőit –
kód, megnevezés, mértékegység, gyűjtésének első éve, illetve az esetlegesen szükséges egyéb tudnivalók –
tartalmazó „katalógus” alapján. Ennek tanulmányozása azért is nélkülözhetetlen a T-STAR használatához, mert
az adattáblákban a változókat csak egy kód azonosítja (pl. TAAF058). Szerencsére az adatbázis struktúrája némi
támpontot nyújt a kereséshez, hiszen minden változó neve TA-val (a népszámlálásból átvetteké TB-vel)
kezdődik, a 3. karakter A vagy B attól függően, hogy minden településre, vagy csak a városokra rendelkezésre
álló adatról van-e szó, a 4. karakter pedig megadja, hogy milyen témakörbe tartozik az adott mutató. (Az iménti
példában szereplő kódról így a katalógusból már viszonylag rövid idő alatt kideríthető, hogy az nem más, mint a
gépjárműüzemanyag-töltő állomások – magyarul benzinkutak – száma minden településen december 31-én, amit
jelenlegi módszertanával mérve 1997-től kezdve tartalmaz a T-STAR, ám az 1991 és 1996 közötti időszak éveire
is megtudhatunk egy jórészt azonos tartalmú információt az – „üzemanyagtöltő állomások számát” – a
TAAF047-es kód alatt.) Ha egy változó a városi körből a minden településre elérhető adatok közé kerül, akkor
kódja is megváltozik (az állandó odavándorlások számát pl. 2001-ig csak a városokra tartalmazta a TSTAR,
TABB102 kóddal, a 2002-től kezdődő évekre ez minden településre elérhető, a TAAB102 kód alatt). Fontos
még megemlíteni, hogy ha egy adat mérésének módszertanában jelentős, a korábbi évek adataival való pontos
megfeleltetést akadályozó változás történik, akkor a KSH új kódon (és változóleírással) szerepelteti azt a T-
STAR-ban, s a régi kód a későbbiekben sem használható fel más változó azonosítására. (A példában szereplő
TAAF047 – „Üzemanyagtöltő állomások száma” – változóra tehát csak az 1991 és 1996 közötti években van
adat.)
A T-STAR éves állományai az 1990-es évek elején 3–400, a 2000-es években mintegy 5–600 változó (2003-ra
636) adatait tartalmazták. Ez azonban nem teljesen mérvadó, lévén, hogy a T-STAR-ban néhány, a területi
elemzés szempontjából érdektelenül részletezett adat is található, míg néhány fontos témakör részben vagy
teljesen hiányzik. Általánosságban elmondható, hogy a bővülés elsősorban a társadalomstatisztikai adatköröket
jellemezte, míg hiány, sőt néhány tekintetben visszalépés elsősorban a gazdasági témájú adatközlésekben
mutatkozik. 2003-ig sem sikerült megoldani pl. a helyi adók, a nyugdíjak, vagy a helyi úthálózat – más
adatkezelők által egyébként pontosan nyilvántartott – fontos települési adatainak integrálását a T-STAR
rendszerébe, s a 90-es évek eleje óta nincsenek érdemi adatok pl. az ipar, a beruházások, helyi foglalkoztatás
témakörében sem.
Az adott évben városi jogállású településekre ezen kívül a következő adatokat közli a T-STAR:
B: az állandó el- és odavándorlások száma (1977-től 2001-ig, azóta a teljes településkörre elérhető)
D: beruházási teljesítményadatok (1996-ig)
G: az ingatlankezelés, bérlakás szektor adatai (zömmel 1986-tól; 2003-ban 14 db)
H: egyes közműszolgáltatási adatok: távfűtés, melegvíz-ellátás, közvilágítás, villamosenergia-ellátás utak,
járdák, zöldterületek, fürdők adatai (az 1970–80-as évektől; 2003-ban 15 db)
I: helyi autóbusz-közlekedés, posták, az 1970–80-as évektől; (2003-ban 7 db), 1990-ig sajtókiadványok száma,
1995-ig vezetékes telefonok is
K: a település felsőoktatási intézményeinek létszám-adatai (részletesebben 2001-től, 2003-ban 13 adat)
L: a színházak, múzeumok, kiállítások (korábban könyvtárak) száma és teljesítményadatai (a 80-as évektől;
2003-ban 8 db)
M: városi intézményekkel való ellátottság (van–nincs; 1988-tól 3 évente; 2002-ben 9-féle intézmény).
Az adatok többségének forrása a KSH rendszeres, évenkénti adatgyűjtése. Meghatározó adatszolgáltatók pl. az
önkormányzatok, számos adat azonban külső szervezetek nyilvántartásaiból kerül az adatbázisba (pl. az állandó
népesség adatai a Belügyminisztérium Központi Nyilvántartó és Választási Hivatalától, a munkanélküliségé a
Foglalkoztatási Hivataltól, a jövedelemadó-adatok az APEH-től és számos további adat különböző
minisztériumoktól és egyéb igazgatási szervektől). Ugyanakkor azonban a KSH integrálja a rendszerbe néhány
ritkább időközönkénti, vagy „alkalmi” adatfelvétel települési eredményeit is (ilyenek a már említett
népszámlálási, illetve mezőgazdasági összeírási adatok, vagy a 2000-es kiskereskedelmi üzlethálózat-felmérés
változói is). A rendszer feltöltése az adatok beérkezésének függvényében, folyamatosan történik, ezért a
legutolsó év adatbázisának túl korai megvásárlása esetén előfordulhat, hogy „kimarad” néhány később beérkező
változó adatsora.
A rendszerből az egyes évekre vonatkozó adatállományok (vagy annak kívánt részei) lekérdezés útján állíthatók
elő, és ezeket vásárolhatják meg a külső felhasználók. A lekérdezés elsődlegesen .dat formátumú szöveges
állományokat eredményez, az utóbbi években azonban szerencsére már .xls formátumú Excel-táblákban is
forgalmazza a T-STAR adatokat a KSH. Az 1997-es és utána következő évek adatai az adott év január 1-i
közigazgatási beosztás mellett bármelyik közigazgatási beosztásnak megfelelően lekérdezhetők, a korábbiak
viszont csak az 1997. jan. 1-i szerkezetben. Természetesen a legtöbbször a legutóbbi évre beszerzett
adatbázisokat használjuk. Ezért, ha a korábbi években megvásárolt éves adatbázisok segítségével idősorokat is
használni kívánunk, mindig gondolni kell a közigazgatási változásokra, és szükség esetén, az
összehasonlíthatóság érdekében kölcsönösen egyértelmű megfeleltetést kell kialakítani a különböző évekből
származó adatok között. A KSH elektronikus adatszolgáltatásaiban, így a T-STAR adatbázisban – és immár
egyre több államigazgatási nyilvántartásban, térinformatikai rendszerben is – a települések azonosítása a
településazonosító törzsszám (elterjedtebb megnevezései: településkód, KSH-kód) alapján történik → 2.4.
A T-STAR folyamatos fejlesztésének eredményeképpen az elérhető adatok köre a következő években várhatóan
tovább bővül majd. Ezen túlmenően várható, hogy a következő években adattartalmának legalább egy részét az
Interneten keresztül nyílt hozzáférésűvé teszik, s tervezik a T-STAR-hoz kapcsolódó térképező rendszer
kifejlesztését is.
Budapest a T-STAR-ban egy településként jelenik meg, ugyanakkor az 1990-es évek közepétől a KSH Budapesti
és Pest Megyei Igazgatósága minden évre összeállítja és forgalmazza a T-STAR 23 budapesti kerületre
vonatkozó kerületsoros megfelelőjét is. Az adatbázis felépítése a T-STAR-éval analóg és a T-STAR változóinak
nagy többségét tartalmazza, ráadásul a 2000. évtől kezdődően térképező rendszerrel egybekapcsolva,
térinformatikai adatbázisként is elérhető, így a főváros térszerkezetének és területi folyamatainak elemzéséhez
kiválóan használható.
Hivatal által évente gyűjtött, megyei és regionális szinten is kifejezhető adatot tartalmazza, teljes állománya 27
témakörbe csoportosítva évente több mint 2800 változót tartalmaz a megyékről, illetve a csak régiók szintjén
reprezentatív felvételek alapján a régiókról. Az MR-STARt a KSH 2003 óta forgalmazza, ugyanakkor a
illetve a megfelelő szakstatisztikai évkönyvekben is publikálja, ugyanakkor bizonyos adatok csak itt találhatók
meg, emellett különösen az idősorok összeállítása lényegesen egyszerűbb és gyorsabb az elektronikus adatbázis
segítségével. A mutatókör fejlesztése a T-STAR-hoz hasonlóan folyamatos, az elérhető változólista évről évre
bővül.
A kistérségi szintre – mivel kistérségi adatgyűjtés a KSH-ban nem folyik – nem létezik hasonló
adatbázisrendszer, a kistérségek adatai a T-STAR települési adatainak aggregálásával állíthatók elő.
A TeIR felhasználói:
• Országgyűlés Területfejlesztési Bizottsága
• Állami Számvevőszék
• Miniszterelnöki Hivatal
• Minisztériumok, önálló állami szervezetek és háttérintézményeik
• Megyei és települési önkormányzatok
• Az országos valamint, regionális, megyei, térségi területfejlesztési tanácsok,
területfejlesztési önkormányzati társulások és ezek munkaszervezeteik
Demográfia, társadalom
Munkanélküliség
Gazdaság (ipar, mezőgazdaság, idegenforgalom)
Lakosság és vállalkozások jövedelme
Műszaki infrastruktúra hálózatok nyomvonalai, ellátottság
Területhasználat
Természeti adottságok és a környezet állapota
A területrendezés és fejlesztés jogi eszközeinek, határozatoknak, döntéseknek főbb adatai
Önkormányzatok gazdálkodása
A területfejlesztés pénzügyi eszközei forrás és felhasználás adatai.
Területi és települési koncepciók, tervek, programok
A területfejlesztésben és területrendezésben érintett szervezetek adatai
Az EU regionális adatai
A rendszer meta-adatbázisa tájékoztat a TeIR-ben tárolt adatok köréről. Adatbázisonként tartalmazza, az egyes
adatok pontos leírását, frissítésének időpontját, az adat forrását, mértékegységét, topológiáját. A menü
keresőfunkcióval is rendelkezik, így megtekinthető, hogy egy adott fogalommal kapcsolatosan mely
adatbázisok tartalmaznak adatot.
Elérhető továbbá a rendszer egy másik eleme a fogalmak adatbázisa is. Ez tartalmazza a TeIR-ben tárolt adatok
meghatározását, feltüntetve a definíció forrását és időpontját is, követhető tehát az adatfelvétel esetlegesen
változó módszertana.
Az információszolgáltatás menü alatt az információk nyerésére többféle megoldás kínálkozik. A statikus elérés
során a felhasználó a VÁTI Kht. által készített kartogramokat, diagramokat, táblázatokat tekintheti meg. A
települési, kistérségi, megyei, regionális szinten kiválasztott és megjelenített adatok az egyes térségek
demográfiai, társadalmi-gazdasági helyzetét, műszaki infrastrukturális ellátottságát, környezeti állapotát mutatják
be.
Az előre elkészített elemzések mellett a felhasználónak lehetősége van az adatok kartogram, táblázat, diagram,
formájában történő megjelenítésére, illetve az Internet Map Server segítségével térinformatikai alkalmazások
használatára.
Az információs rendszer alaptérképe az 1:50 000-es méretarányú Digitális Topográfiai Alaptérkép, amely a
Országos Területi Alapadatbázis (OTAB) 1:100 000-es léptékű térinformatikai adatbázisával egészül ki. Az
alaptérkép tartalmazza a települések és megyék határait, a hidakat kategorizálva, a vasút- és közúthálózat elemeit,
valamint az olaj-, gáz-, villamosenergia-szállító és hírközlési vezetékek hálózatát, a vízrajzi elemeket – folyók,
csatornák, patakok, tavak, mesterséges tavak –, és a települések beépített területeit.
A fentiekben bemutatott adatokon túl elérhető a szintén VÁTI által működtetett TÉRPORT elnevezésű szakmai
portál is (http://www.terport.hu/) mely a területfejlesztéssel és -rendezéssel kapcsolatos dokumentumokat
tartalmaz.
A REGIO adatbázis
A világot felölelő, nemzetközi területi adatbázisok (nemzetközi szervezeteké, pl. ENSZ, OECD,
Világbank, vagy magáncégekké, pl. Calendario Atlante de Agostini, Fischer Weltalmanach), döntően
országos szintűek, szűkölködnek – a klasszikus mutatók (terület, népesség stb.) kivételével – az
összevethető regionális szintű adattáblákban. A több országra kiterjedő regionális egyenlőtlenségi
vizsgálatoknál emiatt gyakran a kutatónak kell az adatbázisokat összeállítania, összehangolnia. Ez alól
kellemes kivételt jelent „Európa”: egyre szélesebb körű és egyre használhatóbb, az Európai Unió
statisztikai hivatalának, a luxemburgi székhelyű Eurostat-nak – a tagállamokra és a csatlakozásra váró
országokra kiterjedő, regionális szintű statisztikai adatgyűjtésen alapuló – területi adatbázisa, az ún.
REGIO.
A REGIO adatbázis alapját az országok – statisztikai célból rendszerezett – területi beosztása, a NUTS
jelenti → 1.2.1. A REGIO adatbázis, mely beépül az EU teljes, ún. NewCronos adatbázisába, NUTS 1,
2, 3 szintű adatokkal feltöltött, térinformatikával (GISCO) támogatott, megvásárolható statisztikai
adatgyűjtemény. Az EU intézményei, a tag-, valamint a tagjelölt országok statisztikai hivatalai
felhasználói azonosítóval és jelszóval használhatják, lekérdezhetik ezeket az adatbázisokat. A
használat azonban korlátozott, s az adatok továbbadása tiltott, hiszen ezek egyben piaci termékek is.
A REGIO-ba az 1970-es évektől gyűjtik az adatokat. Tizenkét témakörben (collection), ezeken belül
alcsoportokban (group) találjuk az idősoros adattáblákat. A következő témaköröket különítették el:
Mezőgazdaság, Demográfia, Gazdasági termelés, Oktatás, Munkaerő, Tudomány és technika (K+F,
találmányok), Gazdasági élet, Egészségügy, Turizmus, Közlekedés és Energia, Munkanélküliség, illetve
Regionális Statisztikai Évkönyv. A rendszerben való eligazodást segíti a European Regional Statistics–
Reference Guide című kiadvány. Ebben megtalálható a mutatókészlet – adatok nélküli – részletes leírása
(mutatók kódjai, tartalmuk, évek), valamint a statisztikai adatgyűjtési metódus és a NUTS rendszer részletes
bemutatása. A leírás segítségével kiválaszthatók és megrendelhetők az egyes adattáblák a teljes adatbázisból.
Az évkönyv struktúrája az 1970-es évektől napjainkig jelentős változásokon ment keresztül. Egyrészt
mennyiségileg bővült az integrációba belépő országok térségeivel és azok adataival, például a 2001-es
kötet a csatlakozásra váró országok, köztünk hazánk régióinak adatait is tartalmazza. (A Központi
Statisztikai Hivatal 1996-tól szolgáltat megyei, 1997-től megyei és regionális adatokat a REGIO
adatbázisba). Másrészt külső és belső formája idomult a modern igényekhez: 1999-ig nyomtatott
formátumban jelent meg az évkönyv, kezdetben csak adattáblákkal, majd térképekkel, viszont a
legutóbbi évek adatai és a hozzájuk tartozó térképek, valamint az újdonságnak számító szöveges
elemzések (köztük egyes mutatókra számolt relatív szórási értékek idősoraival) már CD-n kaphatók (a
szöveges rész kiadványként is elérhető). A harmadik, számunkra legizgalmasabb változást az jelenti,
hogy folyamatosan alakult, átalakult az évkönyvbe beválogatott és publikált indikátorok köre.
A változásokat már a kötetek első, kiemelt fejezetében fellelhető ún. fő indikátorok (main indicators) listáján is
érzékelhetjük (1.6. táblázat). E mutatócsoportok, a népesség és területnagyság kivételével relatív mutatókból
állnak, melyeket a társadalom és gazdaság állapotának kiemelt indikátoraiként jelöltek meg. Nevezéktani
érdekesség, hogy az 1970-es években még összefoglaló tábla (summary table) volt e gyűjtemény neve,
módszertani érdekesség viszont, hogy a 2001-es évkönyvben már nem különítettek el ilyen mutatócsoportot. A
mutatók elhagyásának, cserélődésének részben módszertani, részben – nem mindig azonosítható – tartalmi
okai vannak. Az előbbinél például a mutatók egymásból való kiszámíthatósága indokolta az elhagyásokat,
melyre klasszikus példa, hogy az 1975-ben publikált terület, népsűrűség, népesség mutatók közül az egyik
felesleges. A tartalmi okok sokrétűek, közöttük – feltehetőleg – a minél teljesebb adatsorok közlése iránti
külső-belső igény kiemelt szempont volt. Egyes mutatók (pl. terület, népsűrűség, születési ráta, aktivitási ráta,
munkanélküliségi ráta, egy főre jutó GDP) végig fő indikátorok voltak. Ezek azok a mutatók, melyeket nem
kezdett ki az idő, végig megtartották súlyukat. Azonban, ha megnézzük a többi mutatót, akkor kiderül, hogy e
jelzőszámok között sincs olyan elem, mely az elmúlt harminc évben érvényét vesztette volna, az egész világon
elfogadott közismert társadalmi-gazdasági jelzőszámokról van szó, így összességében csak a válogatás
szubjektivitása érződik a táblázatot szemlélve.
Indikátorok 1975 1980 1985 1990 1995 2000
Terület (km2) X X X X X X
Népesség (fő) X – – – – –
Népsűrűség (fő/km2) X X X X X X
Népesség megoszlása régiónként (‰) – X X – – –
Népességváltozás (%) – X X X X X
Nettó migráció (1970/1975, %) X – – – – –
Születési ráta (%,‰-1975) X X X X X X
Csecsemőhalandóság (%) – – – X X X
Halálozási ráta (‰) X – – – – –
0-14 évesek aránya (%) X – – – – –
25 év alattiak aránya (%) – – – X X X
65 év felettiek aránya (%) X – – X X X
Index: 0-14 év/65 év felettiek aránya X – – – – –
Aktivitási ráta, teljes (%) – X X X X X
Aktivitási ráta 14-64 éveseknél, teljes X – – – – –
Aktivitási ráta, férfi (%) – – – X X X
Aktivitási ráta, nő (%) – X X X X X
Aktivitási ráta 14-64 éveseknél, nő X – – – – –
Aktivitási ráta, 14-24 év (%) – – X – – –
Függőségi ráta (aktív/inaktív) (%) X – – X X X
Munkanélküliségi ráta, teljes (%) X X X X X X
Munkanélküliségi ráta, férfi (%) – – – X X X
Munkanélküliségi ráta, nő (%) – X X X X X
Munkanélküliségi ráta, 14-24 év (%) X X X – – –
Mezőgazdaságban dolgozók aránya (%) X – – X X X
Iparban dolgozók aránya (%) X – – X X X
Szolgáltatásban dolgozók aránya (%) X – – X X X
Egy főre jutó GDP EU15 (EUR12, 10, 9)=100 (ECU) X X X X X X
Egy főre jutó GDP EU15 (EUR12, 10, 9)=100 (PPS) – X X X X X
Egy foglalkoztatottra jutó GDP EUR12 (10, 9)=100 (ECU) – X X X – –
Egy foglalkoztatottra jutó GDP EUR12 (10, 9)=100 (PPS) – X X X – –
GDP megoszlása régiónként, ECU (%) – X X – – –
GDP megoszlása régiónként, PPS (%) – X X – – –
Mezőgazdaság részesedése a GDP-ből (%) – X X – – –
Ipar részesedése a GDP-ből (%) – X X – – –
Szolgáltatás részesedése a GDP-ből (%) – X X – – –
Ha az évkönyvek teljes mutatóskáláját vetjük össze, akkor – a módszertani csemegék mellett – más
tényezők is előtérbe kerülnek. Ezek közül az egyik leglényegesebb, hogy az elmúlt harminc évben
Európában bekövetkezett társadalmi-gazdasági fejlődés felkeltette a megváltozott helyzet megváltozott
indikátorainak igényét. Míg egyes jelzőszámok kisebb súlyúvá váltak és a háttérbe szorultak, addig új,
a modern kor állapotait leíró jellemzők bukkantak és értékelődtek fel. Ennek tipikus példája, hogy az
energia blokk megszűnt, ugyanakkor belépett a kutatás-fejlesztés.
A területi tagoltság csökkenése nem mindig indokolja egy-egy mutató elhagyását. Vannak olyan
jelzőszámok, melyek regionális egyenlőtlensége ugyan ma már csekély, azonban maga a jelenség
komoly társadalmi problémát tükrözhet. (Például egyenletesen alacsony regionális szinten a 25 év
alattiak aránya a teljes uniós népességen belül, azaz az európai társadalom elöregedő.) Az ilyen jellegű
problémák kezelése inkább országos vagy „ágazati”, semmint regionális politikai ügy. Ha azonban a
beavatkozás eredményeként egyes térségekben például kedvező folyamatok indulnak el, máris
megugrik a jelzőszám regionális differenciáltsága, és ismét „felértékelődik” a regionális adatsor.
Általában elmondható, hogy olyan jelzőszámok kerülnek a fókuszba, nagy számban és részletes
bontásban, melyek a legproblematikusabb folyamatok feltárását, leírását, területi különbségeinek
elemzését teszik lehetővé. Erre klasszikus példa az Unióban a mezőgazdaság. Az integráció már
évtizedek óta nagyon érzékeny a mezőgazdasági kérdésekre, és döntően ennek köszönhető, hogy
mutatói az 1980-as évek elején bekerültek az évkönyvbe, és idővel egyre részletesebb, egyre több
területre kiterjedő információkat hordoznak. (Példa erre, hogy a földbirtoktípusok 2001-ben 155 elemű
bontásban szerepelnek egy adattáblában.)
Évente teszi közzé például az ún. Human Development Report-okat, szabadon letölthető formában a UNDP (az
ENSZ Fejlesztési Programja): http://www.undp.org/.
Regionális fejlesztéssel kapcsolatos elemzések és világméretű adatbázis érhető el a World Bank (Világbank)
honlapján: http://www.worldbank.org/. Hasonló karakterű az OECD honlapja is: http://www.oecd.org/.
A világ szinte minden országa statisztikai hivatala rendelkezik az Interneten honlappal. Ezeken már sok
országban találkozhatunk területi, települési bontású adatokkal is (a legújabb népszámlálások főbb adatai szinte
mindenütt hozzáférhetők.) Ugyancsak szinten minden országban megtalálhatjuk a kormányzatok információs
oldalait, s természetesen az egyes régiók–városok sokasága ugyancsak elérhető az elektronikus térben, nem
pusztán turisztikai, hanem tudományos elemzésre érdemes tartalommal. A letölthető adatbázisok a területi
részletesség oldaláról természetesen nagyon különbözőek az egyes országokban. Figyelemre méltóan gazdag az
Egyesült Államokról hozzáférhető területi (állami, megyei, városi) adatbázis, amely sok alapvető indikátor
esetében például több évtizedes idősorokat is tartalmaz (népesedés, jövedelmek stb., lásd a
http://www.census.gov honlapot)
Értékes, a területi elemzésben is használható adatokat számos egyéb szervezet is közzétesz a világhálón. Külön
figyelmet érdemelnek a nagyobb bankok, a nemzetközi és hazai kutatóhelyek, szervezetek, egyetemek oldalai.
Ezeken nem is annyira a statisztikai adatok, sokkal inkább a közzétett elemzések, kutatási jelentések képeznek
fontos forrást.
A forrásfeltárást nagyon sok internetes kereső támogatja, egy-egy szűkebb tudományterületre illetve a
tudományos kutatás egész spektrumára kiterjedő elektronikus adatbázisok is haszonnal böngészhetők. Így
például a közgazdasági szakirodalom nagy kincsestára a http://netec.mcc.ac.uk/ vagy a http://ideas.repec.org/
honlap, teljes tudományos spektrumú a http://citesser.nj.nec.com/ vagy a http://eisz.om.hu/.
Az elektronikus adatbázisok robbanásszerű fejlődése sem szabad feledtesse azt, hogy a korábbi időszakok
adatbázisainak többsége ma még nyomtatott formában hozzáférhető csak. Ezek közé tartozik az alábbiakban
bemutatásra kerülő történeti adatforrások túlnyomó többsége. A hazai térfolyamatok kutatásakor jól használható,
gazdag adatbázisra lelhetünk a hatvanas évek közepe óta megjelenő Területi Statisztikai Évkönyvekben és a
Megyei Statisztikai Évkönyvek sorozataiban is.
Adatforrásainkat két csoportba sorolhatjuk: a kiadott és a levéltári források csoportjába. Levéltári forrásokkal
geográfus ritkábban dolgozik, mert ezek kezeléséhez általában hiányoznak szakismereteink (iratolvasás, latin
nyelvismeret stb.), ezért itt a kiadatlan történeti statisztikai források típusainak ismertetésétől eltekintünk.
(Akiket e források feldolgozása érdekel, azoknak ajánljuk: Kovacsics J. szerk. 1957).
Van azonban néhány olyan kiadatlan forrás, amely számunkra sem elérhetetlen, és feldolgozása a területi elemző
számára is fontos lehet. Példaképpen egy 20. század században keletkezett magyar nyelvű forrást említünk meg.
Az 1925-ös ún. közigazgatási tájékoztató lapok keletkezése a trianoni békeszerződés megkötése után
szükségessé vált a közigazgatási reformhoz kapcsolódik. Ezt a reformot széleskörű felmérés és közigazgatási
adattár létrehozása előzte volna meg. A belügyminisztérium rendeletére minden községnek (a jegyzőnek) egy
nyolc oldalas közigazgatási tájékoztató lapot kellett kitöltenie, amely a közigazgatási és szakigazgatási
információk mellett a község infrastrukturális állapotáról, lakosságának összetételéről, mozgásáról és vagyoni
helyzetéről is szolgáltat adatokat. A kérdőív hat fejezetre tagolódik, számunkra talán a legérdekesebb a negyedik
fejezetben található 9-es kérdés. (Hol van állandó piaca a községnek? illetve Hova gravitál a község?) (A
kérdőívek teljes anyaga megtalálható a Néprajzi Múzeum Etnológiai Adattárának Statisztikai Gyűjteményében.)
Ezt az anyagot több geográfus is felhasználta vonzáskörzet-vizsgálataihoz. (Hajdú Z. 1981, Kovács Z. 1987,
Győri R. 2000)
A gyakran használt statisztikai források előállítása nem igényel levéltári kutatást. Ezek vagy koraújkori levéltári
források kiadásai, vagy már a rendszeres statisztika korában keletkeztek (Magyarországon 1850-től számíthatjuk
ezt az időszakot). Nyugat-Európában a centralizált államszervezet kiépítése során már a 16-17. században
jelentkezett annak igénye, hogy az ország területéről, településeiről rendszerezett információkat szerezzenek.
Elsősorban két szempont vezérelte ezeket az adatgyűjtéseket: egyrészt, hogy képet kapjanak az egyes térségek,
városok, falvak teherviselő-képességéről (adóztatás), illetve, hogy pontosan tudják a katonának fogható férfiak
számát.
A Habsburg-birodalomban a 17. század végétől érhető tetten ez a törekvés; a 18. század során már
Magyarországon is több ízben próbálkoznak ilyen ún. lélekösszeírások elkészítésével. (A legrészletesebbek ezek
közül a Mária Terézia uralkodása alatt, az 1770-es években végrehajtott lélekösszeírások.) Közös
jellegzetességük, hogy nem teljes körűek (pl. a nemesek kimaradnak az összeírásokból), illetve, hogy nem egy
állami szervezet révén, hanem az egyházak közreműködésével bonyolítják le ezeket. (Kovacsics J. 1957) A
prestatisztikus korban keletkezett legfontosabb forrásunk az első hazai népszámlás → 1.2.1. Az első
magyarországi népszámlálás adatai mindenki számára hozzáférhetőek, a forrást az 1960-as népszámlálás
eredményeihez csatolva kiadta a KSH. (Dányi D. – Dávid Z. szerk. 1960) Néhány nyugat-dunántúli megye
adatsorait számítógépre vitték, ezek a TÁRKI – Hajnal István Kör honlapjáról letölthetők (www.tarki.hu).
Nem ennyire jól használható egy másik 18. századi forráscsoport, az 1715-ös, 1720-as adóösszeírások anyaga.
Ezt a forrást, feldolgozásával együtt még a 19. század végén kiadta Acsády Ignác (Acsády I. 1896) Az 1715-ös
összeírás Magyarország polgári közigazgatás alatt álló területére terjedt ki, sem Erdélyre, sem Horvát-
Szlavónországra nem vonatkozott; hiányoznak a katonai igazgatás alatt álló területek is (a déli határ mentén), a
Temesköz pedig még török megszállás alatt volt. 1720-ban már a határőrvidék polgári lakosságát is összeírták,
de Bánát területe továbbra is kimaradt. A jegyzékek nem fedik le a teljes népességet, csak az adózó
háztartásfőkre (és az általuk művelt földterületre, az általuk űzött iparra stb.) találunk információkat. Acsády
különböző számítási módszerekkel megkísérelte ezekből az adatokból megbecsülni az ország teljes népességét,
sőt a családnévelemzés segítségével az egyes települések nemzetiségi megoszlását is regisztrálni. Számításaiba
azonban több hiba csúszott (pl. végeredményben alulbecsülte a népesség összlétszámát; a családnevek sok
esetben félreérthetőek voltak, vagy már nem a valós anyanyelvi helyzetet tükrözték stb.), így ezt a
forráskiadványt csak erős kritikával szabad kézbe vennünk (Dávid Z. 1957).
A rendszeres statisztikai megfigyelés hazánkban 1848 után kezdődik. A neoabszolutizmus időszakában (1850–
1867) az osztrák államigazgatási szervezet hatásköre Magyarországra is kiterjedt, így az osztrák statisztikai
hivatal két népszámlálást is lebonyolított (1850-ben és 1857-ben). A kettő közül az 1857-es népszámlálás anyaga
gazdagabb, ebben már részletes társadalomstatisztikai információkat találunk. Az 1850-es népszámlálás még
nem tartalmazott a társadalmi állásra vonatkozó kérdéseket. (Gyáni G. – Kövér Gy. 1998) Az 1850 nyarán
végrehajtott népszámlálást a kortársak és a 19. század második felének magyar statisztikusai, demográfusai
erőteljesen bírálták; becslésük szerint az összesítés 4–5%-os alulszámlálást tartalmazott. Nem kérdeztek rá a
foglalkozásra és az életkorra (kivéve a katonaköteles férfiaknál), de szerepelt a nemzetiségre vonatkozó kérdés.
(A kortársak a nemzetiségi adatokat vitatták leginkább.) Az 1857. október 31-én végrehajtott összbirodalmi
népszámlálás gazdagabb tartalmú: szerepelt benne a foglalkozásra, a férfiak részletezett életkorára, az idegenek
származási és a távollévők tartózkodási helyére vonatkozó kérdés, viszont nem mérték fel a nemzetiségi
hovatartozást (Dányi D. 1984). Az 1850-es népszámlálás eredményei az 1856-os és 1857-es hivatalos lapban,
ún. Kormánylapban jelentek meg, az 1857-es népszámlálás adatait pedig az 1863-ban kiadott Helységnévtárban
találhatjuk meg. Az 1850-es, 1857-es, és 1870-es népszámlálás népességszám adatait Dányi Dezső
szerkesztésében 1984-ben jelentette meg a KSH (Dányi D. 1984).
Hosszú távú idősorok készítésénél szinte mindig gondot jelent az adatok területi homogenizálása is.
Magyarországon a települések száma folyamatosan változott az összevonások, szétválások következtében, a
megyehatárok is jelentősen módosultak. Arra a kérdésre, hogy mennyi volt pl. Szombathely lakossága 1870-ben
kétféle választ adhatunk: az 1870-es közigazgatási beosztás szerint 7561 fő, a mai városhatárok között 12934 fő.
Amennyiben kortárs statisztikai kiadványt emelünk le a polcról, mindig az aktuális állapotot tükröző adatokhoz
jutunk, de ha a mai népszámlálások visszavezetett adatait vesszük elő, akkor azokat a mai közigazgatási
állapotnak megfelelően átszámítva találjuk meg. Ugyanez igaz magasabb közigazgatási egységekre is
(kistérségek [városkörnyékek, járások], megyék stb.) Előfordulhat az, hogy egyes települések népessége két
népszámlálás között majd’ a duplájára növekszik. Ez esetben mindig gyanakodhatunk, hogy a növekmény jó
része valamilyen közigazgatási módosulás gyümölcse (pl. Edelény 1986-os várossá nyilvánításakor négy
szomszédos falut csatoltak a településhez). Ennek következtében hosszú idősorok készítésekor célszerű
települési adatokból a kiindulni, és egyetlen időpont közigazgatási beosztását kiválasztani (leginkább a mait). A
fent említett történeti statisztikai kiadvány (Dányi D. 1984) az 1980-as államigazgatási beosztás szerint rendezi
adatait (pl. Borsod-Abaúj-Zemplén megye településeit találjuk meg, holott az akkori térképeken e megye
településeit 5–6 vármegyében kereshetnénk); viszont a települési adatoknál egyaránt közli a mai és az akkori
állapotnak megfelelő népességszámot is.
A kiegyezés után, 1867-ben jött létre az önálló magyar statisztikai hivatal Keleti Károly vezetésével. A
dualizmus korától már rendszeresen, (néhány kivételtől eltekintve) tízévenként kerül sor a népszámlálásokra, és
folyamatosan jelennek meg egyéb tematikus statisztikai kötetek is. Az 1870-es népszámlálás tovább bontotta az
1857-es összeírás kategóriarendszerét, de igyekezett megtartani az összehasonlíthatóságot.
Társadalomstatisztikai újítás 1890-ben indult el, gyökeresen új nómenklatúrát pedig az 1900-as népszámlálás
hozott. (Gyáni G. – Kövér Gy. 1998) Ettől az időszaktól kezdve történeti adatbázisok, hosszú távú idősorok
összeállítása egyszerűbb feladat, adathiánnyal ritkán szembesülünk. (A mai területi elemzések készítésével
összehasonlítva lényeges különbséget csupán az jelent, hogy az adatok nincsenek számítógépen, a kutatónak az
adatbevitelt is meg kell oldania.) Amire viszont ügyelnünk kell – főként idősorok összeállításakor –, hogy két
statisztikai számbavétel között megváltozhat az adatok tartalma, pl. bizonyos tevékenységek,
foglalkozáscsoportok átsorolásával.
Gyakran nem elég az adatok területi homogenizálása, hanem ha szükséges (és lehetséges) a tartalmi
homogenizálást is el kell végeznünk. Ugyanis minden egyes statisztikai adatgyűjtés valamilyen módon tükrözi
saját korának társadalomképét, és igyekszik az adatok csoportosítását is az általa legfontosabbnak tartott
törésvonalak mentén rendezni. Ezért nem véletlen, hogy az adatok összeállítása folyamatosan változik. Nem
csak arról van szó, hogy bizonyos – egykor fontos – információkat a mai adatgyűjtések már nem tartalmaznak,
illetve új adatokkal bővülnek az összeírások, hanem arról is, hogy az adatok jellege, tartalma megváltozik.
Kövér György – Tóth Zoltán nyomán – az 1784–85-ös, az 1857-es és az 1900-as népszámlálást elemezte ilyen
szempontból. Megállapítja, hogy mindháromnál eltérőek az összeírás rendező elvei. Az elsőnél az osztályozás
alapelvét a rendi hierarchia képezte. A kiváltságok mentén tagolódik az összeíróív: papi rendből valók, nemesi
rendből valók, tisztviselők és honoráciorok, városi polgárok, parasztok. A másodiknál a jövedelem forrása a
legfontosabb szempont (értelmi keresetből, tulajdonból, bérmunkából szerzett jövedelem), a harmadiknál pedig a
tevékenységek ágazati szerkezete és a foglalkozási viszony a tagolás alapja (őstermelés; bányászat, ipar,
kereskedelem, közlekedés; polgári és egyházi közszolgálat, szabadfoglalkozás; véderő; napszámosok;
nyugdíjasok; egyéb (Gyáni G. – Kövér Gy. 1998). Ez természetesen jócskán megnehezíti a népszámlálási adatok
összevetését, a homogenizálást pedig jóformán lehetetlenné teszi.
Az egyszerű időbeli összehasonlítás talán legnagyobb akadálya a számbavételi csoportok átsorolása két
népszámlálás között. Néhány példa erre a dualizmus korából: a halászat 1857-ben foglalkozási főcsoport volt,
1870-ben az őstermeléshez tartozott, 1880-ban, 1890-ben az iparhoz, 1900-ban pedig ismét az őstermeléshez
sorolták. A fuvaros 1870-ben közlekedéshez számított, 1890-ben iparhoz, 1900-ban visszakerült a
közlekedéshez. A szálloda- és vendéglátóipar is hol az ipar része, hol attól elkülönült a “személyes szolgálat és
élvezeti ipar” rovatban (Gyáni G. – Kövér Gy. 1998).
Hasznos segítséget nyújt történeti statisztikai adatbázisok összeállításához a Kovacsics József szerkesztésében
megjelent Magyarország Történeti Statisztikai Helységnévtára sorozat. A KSH által megyénként kiadott kötetek
közül az első 1991-ben látott napvilágot (Heves megye), az utolsó (Győr-Moson-Sopron megye) 2002-ben jelent
meg (Kovacsics J. szerk. 2002). A kötetek a mai megyehatároknak megfelelően közlik adataikat. A bevezető
fejezetekben nyomon követhetjük az egyes megyék kialakulásának történetét, a megyehatárok változását
(térképeken is), a települések egyesítésének – szétválásának, át- ill. odacsatolásának részletes felsorolását. A
tulajdonképpeni helységnévtár részben ábécésorrendben találjuk meg a megye összes települését, amelyek 1773
és 2001 között önálló egységek (községek, városok voltak). Az adatok minden esetben az aktuális állapotra
vonatkoznak, az időközben összeolvadt, megszűnt települések adatait a megszűnés időpontjáig közlik, attól
kezdve az új településhez kell lapozni (pl. a Bágyog és a Rábaszovát címszónál 1785 és 1949 közötti adatokat
találunk, az 1960–2001-es időszakra vonatkozó információkat már Bágyogszovátnál kell keresni.) A kötetek
végén részletes mutató segít a sokféle településnév, helynév (névváltozat), külterületi lakott hely közti
eligazodásban.
A térkép a geográfia legősibb eszköze, „nyelve”. Térkép nélkül nincs földrajzi kutatás, még ha a
térkép önmagában nem is maga a földrajzi tudás, hanem “csak” a térbeli lokalizáció nyelve. Ha az
információszerzés (s nem a vizsgálati eredmények ábrázolása) oldaláról tekintünk a térképekre, akkor
megjelölhető néhány olyan jellegzetes adatkör, ami a társadalomelemzésben is jellemzően térképekről
szerezhető be.
Egyrészt a nem teljes körű, hanem mintavételek alapján végzett társadalmi, szociológiai, gazdasági
elemzésekben. (A főváros körüli szuburbanizáció társadalmi vonatkozásait taglaló új kutatások közül
kérdőíves – „survey” – alapú munkaként lásd Csanádi G. – Csizmady A. 2002). Abból a statisztikai
összefüggésből következően, hogy a mintavételi hiba egyenesen arányos az alapsokaság szórásával és
fordítottan arányos a mintanagyság négyzetgyökével, a legkevésbé megbízható felvételek a heterogén
sokaságból vett kis minták15. Mivel előbbi feltétel nem befolyásolható, a mintavétel javítása
egyértelműen a minta elemszámának növelésével érhető el. A minta jósága egy bizonyos határon túl
azonban már nem nő érdemben a mintanagyság növelésével: az 1500 fős országos minta és a 2500 fős
országos minta között igazából nincs lényeges különbség, vagy megfordítva: 1000 fős minta nagyjából
ugyanolyan jó egy 50 ezres város lakói véleménystruktúrájának megismerésére, mint Magyarország
összlakossága véleménystruktúrájának megismerésére. (A 100 fős minta viszont gyakorlatilag egyikre
sem jó.)
A mintanagyság növelésének legfőbb értelme az, hogy az almintákra is megfelelő esetszám jusson
(tehát pl. hogy ha nem csak a teljes felnőtt lakosság véleménymegoszlása érdekel bennünket, hanem
mondjuk 10 éves korcsoportonként, vagy pl. a 7 régió lakosságára külön-külön is jó megbízhatósággal
szeretnénk ismerni a vélemények megoszlását, akkor az 1000 fős minta kicsi, hiszen egy-egy
korcsoportra, illetve régióra csak 100-150 eset jutna). Ez a szempont indokolja, hogy a KSH a
mikrocenzusokat nagy, 2%-os mintán végzi. De, ezeken a szempontokon túlmenően nem a
mintanagyság a legfontosabb a mintavétel szempontjából, hanem a mintavételi terv léte (ne „ad hoc”
mintát válasszunk); illetve a véletlen mintavétel, vagyis hogy a vizsgált sokaság (pl. a magyar felnőtt
lakosság) valamennyi elemének azonos esélye legyen a mintába kerülésre. A nem teljes körű
adatfelvételekben a minta elemszámától függően van lehetőség bizonyos összefüggések térségi
(regionális, települési) metszetekben való értelmezésére, ha a mintavételben eredendően figyelembe
volt véve valamilyen területi dimenzió, mint rétegzettségi szempont. (A hazai egy-két ezres mintán
végzett véleménykutatási elemzésekben általában csak a főbb településtípusok szerinti területi
reprezentáció biztosított, s jóval ritkább a már markáns megosztó dimenziónak számító regionális
reprezentativitás).
Mintavételes módszerrel dolgoznak a gazdasági konjunktúra-elemzések is. Itt csak az éves gazdaság-
statiszikai információk (nemzetgazdasági elszámolások) esetében jellemző a legteljesebb körű
számbavétel (mérlegek, adóstatisztikák) alapján történő adatközlés, a havi vagy szezonális adatok
15
A kérdéskört részletesen tárgyalja: Rudas T. Hogyan olvassunk közvélemény-kutatásokat? c. munkája (Új
Mandátum, Budapest, 1998).
ellenben csak – leginkább a cégnagyság és az ágazat szempontjából reprezentatív – minták alapján
16
kerülnek közlésre (aminek következtében ezek területi megbízhatósága korlátozott) .
A szó szorosabb értelmében vett „területi” mintavétel – a vizsgált térség egészének mintavételi
pontokkal történő lefedésen nyugvó elemzése – társadalmi-gazdasági tartalommal inkább csak kivétel,
bizonyos sajátos elemzési módszerek alkalmazásához azonban alapfeltétel → 4.5. A tér megfelelő
lefedésének problémája a természeti, ökológiai elemzésekben gyakori, központi gyakorlati
problémáját jelenti a geológiai nyersanyag-kutatásnak is. A területi reprezentativitást vagy a térben
egyenletes, szabályos vagy véletlen (Poisson-eloszlású) mintával lehet biztosítani. A véletlen
mintavétel a vizsgálati területen belül a mintavételi pontok koordinátáinak véletlenszámok segítségével
történő kiválasztásával biztosítható A véletlenszámokat a statisztikai kézikönyvek Függelékei
táblázatokban közlik, s több elemző szoftver is tartalmaz ilyeneket. Ezek olyan számsorozatok,
amelyekben nincsenek szisztematikusan ismétlődő számcsoportok, szabályosságok. A dolog
természetéből adódóan tetszőlegesen sok véletlenszám-sorozat állítható elő. Az eljárás egy
végeredményét érzékelteti az 1.1. ábra, amelyen a mintavételi pontok helykoordinátáit véletlenszámok
adták (a pontok helye a négyzet oldalait mintegy koordinátarendszerként használva határozható meg).
A térben egyenletes mintavétel jellemző formája az, amikor a vizsgálni kívánt mintaterületre egy
négyzethálót fektetnek (rajzolnak) s ekkor vagy a háló rácspontjai jelölik ki a mintavételi helyeket
vagy pedig minden egyes négyzeten belül, de véletlenszerűen kerülnek kiválasztásra a helyek (1.2.
ábra).
16
A nyilvános hazai statisztikában ilyen szezonális (negyedéves) adatok találhatók a KSH STADAT
adatrendszerében a megyék gazdaságáról, http:/portal.ksh.hu/.
A legtöbb mikroszintű vagy települési vizsgálat aligha nélkülözheti a helyi ellenőrzést, egy hely
„szelleme” pusztán könyvekből aligha írható meg. A helyszínen, terepen gyűjtött információk (a
véleménykutatási, kérdőíves eljárások mellett) leggyakrabban az épített környezet, a települési arculat
urbanisztikai (szociológiai, településkörnyezeti) vizsgálataira jellemzők. Ezekből olyan
információkhoz juthatunk, amelyek a szokványos adatbázisokban nincsenek meg.
Minden településen a szolgáltatásoknak egy jellegzetes együttese működik, ami a településnek a település-
hierarchiában betöltött szerepe alapján alakul ki. A legkisebb, elszigetelt központok kevés szolgáltatással bírnak
– a helyi lakosság közvetlen szükségleteit látják el –, például kisboltokat vagy gázcseretelepeket működtetnek. A
magasabb rendű központok jóval összetettebb szolgáltatási körrel – például üzleti és rekreációs szolgáltatásokkal
– bírnak. A szolgáltatások megoszlásaiból értékes következtetéseket lehet levonni. Pl. az üzleti szolgáltatások
bizonyos településtípust előnyben részesítenek, és így a területi folyamatok barométerének is tekinthetők. Más
szolgáltatások a helyi és a regionális piac fogyasztási igényeit tükrözik. A szolgáltatások mennyiségi és minőségi
viszonyait a helyi és térségi gazdasági szerkezet ill. a jövedelmi viszonyok és a népesség nagysága befolyásolják.
Szerepük döntő lehet a telephelyek választásánál, a foglalkoztatási szerkezet alakításánál és a lakosság
életminőségének változásában.
A cégérfelmérés
A Guttman-skála
A címben jelzett skálát Louis Guttman fejlesztette ki, aki a Cornell Egyetem szociológiai tanszékének
professzora volt az 1950-es években. A Guttman-skála a szociológiai felmérésekben gyakran alkalmazott
technikák közé tartozik. Azon alapul, hogy a figyelembe vett itemek (itt a felmért cégek) a változó (itt a
települési szerep, vonzerő, fejlettség) különböző erősségű mutatójának bizonyulnak. A szolgáltatások esetén ez
azt jelenti, hogy pl. egy adott településen található szolgáltatások – és valószínűleg még több más szolgáltatás is
– mind megtalálhatóak a tőle feljebb rangsorolt településen. A Guttman-skála alkalmas arra, hogy úgy foglaljuk
össze adatainkat, hogy az eredeti információból a lehető legtöbbet megőrizzük.
Azt, hogy egy adatsor mennyire tekinthető skálának, az alapján tudjuk megítélni, hogy a skálát mennyire
tudjuk reprodukálni, kialakul-e egy hibátlan mintázat. (Azaz a feljebb rangsorolt település rendelkezik-e
az alatta lévő összes szolgáltatásával, ill. a lentebb lévő nem rendelkezik-e olyan szolgáltatásokkal,
amelyikkel a feljebb lévő nem?) Ha a skálában sok hiba található, nehezen reprodukálható. Teljes
reprodukálhatóságot általában egyik skála sem ér el, a 90-95 százalékos reprodukálhatósági együtthatót
már elfogadhatónak tartjuk. A kiszámítás módja a következő:
skálahibák
R= * 100
esetek
A szolgáltatások sorrendje csak egy adott térségben alkothat skálát. Ugyanaz a sorrend egy másik terepen
egészen eltérő mintázatot eredményezhet.
A Guttman-skála segíthet abban is, hogy a grandiózus szolgáltatások letelepítését alaposabban megfontoljuk. Ha
például egy áruházat szeretnénk építeni, meg kell néznünk a skálán, hogy az adott településen az áruházat
megelőző szolgáltatások léteznek-e már, hiszen az új szolgáltatás sikere attól is függ, hogy az előző egységek
milyen pótlólagos társadalmi növekményt, kapcsolatháló-növekedést okoztak a közösségben. Ha az előző
egységek működése nehézségekbe ütközött, nem jött létre a kívánatos növekmény, akkor az újabb szolgáltatás
bevezetése akadályokba ütközhet.
autószerviz, autómosó,
kozmetika-szolárium
zöldségek árusítása
csatorna-szerelő
víz-, gáz-, fűtés-,
háztartási/mg-i
szépségápolás,
gépjavítás/bolt
virág, ajándék
gumijavítás
fuvarozás
Összesen
ruházati
fodrász,
kocsma
háznál
boltok
1.3. ábra A szolgáltatások Guttman-skálája a Galga menti és gödöllői kistérségben (részlet), 1998
A regionális kutatások – mint a legtöbb társadalomtudományi kutatás – egyik gyakori profán gondja
az adat(információ)hiány. Egyaránt gátja ez alapvető összefüggések megismerésének, s nagyigényű,
összetett modellek életre keltésének.
Különösen sok ilyen példát lehetne hozni a nemzetközi összehasonlító vizsgálatokból. Az ENSZ jól ismert
világméretű összehasonlító indexének a Human Development Indexnek → 5.4.2 az összeállításakor, a
kilencvenes évek elején megállapították, hogy a célba vett országok közül hétben még egyáltalában nem
tartottak hivatalos népszámlálást, 22 további országban csak évtizedekkel korábbi adatok álltak rendelkezésre,
s az index egyik sajátos összetevőjéről, a lakosság várható élettartamáról 57 országban egyáltalán nem voltak
adatok.
Mi ilyenkor a teendő? Amikor túlságosan sok a hiányzó adat, jobb, ha feladjuk a számszerű
vizsgálatot. Ha azonban csak néhány „lyuk” van az adatbázisban (pontosabban: a „lyukak” aránya
csekély a meglévő adatokhoz képest), megpróbálkozhatunk az adatpótlással, becsléssel.
17
A módszer egy olyan többváltozós regresszió-analízis →4.4, ahol tetszőleges indikátor (z) térbeli eloszlását a
mintavételi pontok helykoordinátái (x és y), mint független változók alapján becslik (lásd Nemes Nagy J. 1998,
8.2.1 fejezet). Segítségével feltárható a társadalmi jelenségek nagytérségi szerveződésének térbeli alapirányzata
(„lejtés a társadalmi térben”), s lokalizálhatók az alapirányzattól markánsan eltérő sajátosságú helyek (a hazai
jövedelmi térben például Tiszaújváros a legkeletibb „nyugati” jövedelemszintű város).
• Gyakori igény a különböző térségi szintek közötti becslés (például megyei szintű adatokból
kistérségiek előállítása). Itt már összetettebb becslési eljárások is szóba jönnek, de sok esetben jó
dezaggregálási szempont a népesség- vagy területarányos megosztása a nagyobb egységre számba
vett mennyiségeknek. A közigazgatási változások, település-összevonások esetében előálló
adathiányok is így pótolhatóak legegyszerűbben.
• A nem számba vett vagy nem számba vehető (titkolt, illegális) társadalmi jellemzők területi
becsléséhez is kínálnak a kutatások „puhább” (rejtett gazdaság) vagy „matematizáltabb” (lakossági
18
jövedelmek) lehetőségeket .
A vizsgált jelenségek egyértelmű területhez kötésének problémája sajátos regionális elemzési gond. Ez
leggyakrabban és legtipikusabb formában a gazdasági elemzésekben kerül elő.
Van olyan gazdasági folyamat, amely miközben nyilvánvalóan a földrajzi térben zajlik, konkrét
számbavétele, helyhez kötése nagyon bizonytalan. Ilyen tevékenység például a közlekedés vagy a
pénzügyi szféra. A pénzintézeti tevékenység jövedelemhozadéka elméletileg is nehezen lokalizálható,
a bankfiók csak másodlagos megjelenési pontja a másutt végrehajtott befektetésből származó
profitnak. A kifejezetten a "térhez" kötötten folyó olyan tevékenységek, mint a hírközlés vagy a
szállítás értéktermelésének terítése is csak becsléssel lehetséges. Aligha vitatható például, hogy a
MÁV éves jövedelemhozadéka – vagy vesztesége – nem a székhelyén, Budapesten keletkezik. A
közlekedési teljesítmény területhez rendelése csak többszintű, az áru- és utasforgalom naturális
mennyiségekben – árutonnakm, utaskm – kifejezett, regionalizált számbavételére épülő becsléssel
oldható meg.
18
A borravaló becslésére az autósok és a benzinkutasok megkérdezésével megbízhatóbb értéket kaphatunk,
mint, ha csupán az egyik csoportnál érdeklődünk.
1.3.6 Szimuláció
Gyakran az adathiánnyal függ össze az elméleti modellekre szűkülő elemzés is, valamint a
matematikai szimuláció, amelynek során – a területi mintavétel kapcsán már említett –
véletlenszámokat használó Monte-Carlo módszer alkalmazásával keltik életre tényadatok híján a
modelleket. A Monte-Carlo módszerben (nevét a rulett fővárosáról kapta) az egyes jellemzőknek
előzetesen meghatározzák a feltételezett valószínűségi eloszlását a területegységeken (pl. egyenletes,
véletlenszerű, normális). Ezt követően – a hiányzó tényadatok pótlására – a területegységekhez
véletlenszerűen rendelik hozzá az adott eloszlást követő értékeket. A véletlen számok szerinti
hozzárendelést sokszor ismételve alakul ki az elemzésbe vett tényezők együttese által kiformált térbeli
megoszlás, konfiguráció. A módszer nemcsak a hiányzó adatok pótlására, hanem térfolyamatok
modellezésére – pl. hálózatok jövőbeni kiterjedésének előrejelzésére – is alkalmas, ha ismertek a
folyamatot vezérlő hatótényezők.
2 ADATKEZELÉS, STATISZTIKAI ÉS
SZÁMÍTÁSTECHNIKAI ALAPOK
2.1 Területi statisztika és térelemzés
Ha van fejezete a kötetnek, amire mindenképp áll, hogy bármifajta teljesség igénye nélkül készült, akkor ez
az, hisz akár a matematika, a statisztika vagy a számítástechnika alapfogalmainak áttekintése is önálló köteteket
tölthetne ki. Ismételten hangsúlyozzuk, ez a munka nem matematika-tankönyv, nem számítástechnikai sorvezető
s nem statisztikai kézikönyv. Ugyanakkor épp oktatási tapasztalataink alapján nem tűnt feleslegesnek a három
tudományterület néhány fontos fogalmának felidézése itt is – mintegy emlékezetőként a legtöbbek által már (a
középiskolában vagy a felsőfokú képzés speciális kurzusain) elsajátított ismeretekre. Itt ismertetjük a területi
kutatások kvantitatív módszerei kapcsán leggyakrabban használt s a kötetben is alkalmazott jelöléseket,
formulákat is. E fejezet tartalmazza az ELTE geográfusképzés alapozó matematikai, statisztikai és
számítástechnikai kurzusain sorra vett legfontosabb kérdésköröket. Ezek oktatási anyagokba, jegyzetekbe
foglalásában a hazai műhelyek közül kétségkívül a szegedi egyetem oktatói állnak az élen, akik tollából vagy
szerkesztésében a korábbi munkák után a kilencvenes években is több kötet látott napvilágot (Koppány Gy. et al
1995, Herendi I. et al. 1996, Abonyiné Palotás J. 1999, Katona T. - Lengyel I. szerk. 1999). A bevezető egyetemi
kurzusokon jól használható összefoglalója a társadalomföldrajzban használható elemi matematikai eljárásoknak
Vuics Tibor feladatgyűjteménye (Vuics T. szerk. é.n.) A matematikai-statisztika kézikönyvei közül Hunyadi L. –
Vita L. 2002 munkája a legújabb, a sokáig használt klasszikusok közül kiemelhető Köves P. – Párniczky G.
1981. Mindezek haszonnal forgathatók. Mivel a matematikai és a statisztikai ismeretek nem avulnak el, bármely
régebbi átfogó könyv használható ma is. Mindez kevésbé mondható el a számítástechnikára, ott különösen
érdemes figyelni a legújabb kiadványokra.
A térelemzés (ezen belül is a térökonometria) egyik vezető nemzetközi szaktekintélye, Luc Anselin a
döntően GIS alapú társadalmi térelemzés alábbi kulcsterületeit és hatásait jelöli meg (Anselin, L.
1999):
o adatintegráció (különböző tartalmú adatbázisok együttes elemzése a térbeli lokalizáció
segítségével, egyazon területre vonatkozóan),
o a térbeli eloszlások, konfigurációk feltárását segítő vizualizáció,
o empirikus térstatisztikai és tér-ökonometriai elemzések,
o a térbeli (földrajzi) gondolkodás erősödése a társadalomkutatásban (lásd például Krugman „új
gazdasági földrajzát) és a döntéshozatalban,
o a társadalmi tér szemléletének alakítása különböző tudományterületeken,
o a tér-idő relációk kutatásának előtérbe kerülése.
19
Ezt az ismeretkört fogja át a hazai regionális elemző szakirodalom immár klasszikusnak számító munkája, a
Sikos T. Tamás által szerkesztett kötet (1984), s hasonló szemléletű tanulmányokat tartalmaz Kulcsár V. szerk.
1976, amely az első „modern” magyar nyelvű kvantitatív elemző tanulmánykötetnek tekinthető.
20
Rokon-módszer a regionális vizsgálatokban ritkábban használt többdimenziós (vagy sokdimenziós) skálázás
(Lengyel I. 1999) vagy a diszkriminancia-analízis (Obádovics Cs. 2004). E két eljárás inkább az ordinális
változókkal, hasonlósági mértékekkel operáló véleménykutatási, szociológiai vizsgálatokban gyakori. A szűkebb
értelemben vett regionális elemzések ellenben általában magasabb mérési szintű változókra épülnek, amelyeket
ritkán indokolt méréselméleti szempontból „lebutítani”.
Fogalomkör Területi statisztika Térelemzés
Azonosítók Nevek Helykoordináták, vektorok
Középértékek Átlag Térbeli közép (súlypont)
Differenciáltság Szórás Standard távolság
Megoszlások A jellemzők eloszlásfüggvényei Térbeli alakzat, konfiguráció
Kapcsolatok Korreláció, regresszió Területi autokorreláció és –regresszió
Más kérdés azonban az, hogy egy konkrét, empirikus adatsor – mondjuk a GDP-nek a világ országaira
vonatkozó keresztmetszeti adatsora – egyáltalában valamely matematikailag jól definiált elméleti eloszlás
„mintájaként” vizsgálandó-e vagy sem. Ez a matematikai-statisztikai eszközök empirikus használatának egyik
máig nyitott vitakérdése.
• Az adott jelenség valóságos szerveződési egységeiben és szintjein vizsgálódunk-e, vagy épp ott,
ahol, amire az információk rendelkezésre állnak?
• Miként módosítja a vizsgált összefüggéseket, ha megváltoztatjuk a térségi kereteket és szinteket
(aggregáljuk vagy dezaggregáljuk az adatokat)?
• Mit kezdjünk a térben megosztott, egyetlen helyhez vagy téregységhez nem vagy csak részben
köthető jelenségekkel, milyen térbeli keretekben elemezzük őket?
• Milyen elemi (tovább nem bontható illetve tovább nem bontott) egységei vannak a területi
vizsgálatoknak?
• Elég egyetlen térségi szinten vizsgálódni, netán követelmény minden jelenség esetében az, hogy
különböző aggregációkban is elvégezzük az elemzést?
• Milyen feltételekkel használhatók a területi elemzésekben a geometria jól ismert térelemei
(pontok, vonalak, térrészek), mint sajátos lokalizációs modellek?
• Milyen gyakorlati gondokat okoznak mindezen kérdések a (területi) társadalomirányításban?
Ilyen levezetett szám a 0 (nulla) is, amely tehát nem tartozik a természetes számok közé, hanem már művelet
eredménye, két azonos szám különbségéből adódik (a-a = 0). A nullánál kisebb számokat negatív, a nagyobbakat
pozitív számoknak nevezzük. Két különböző előjelű szám is lehet azonos abszolút értékű, ha hányadosuk -1
(a/b=-1, például 5 és -5). A számok abszolút értékének önálló jelölése van: a abszolút értékét a-val
(függőleges vonalak, nem szokásos zárójelek!) jelöljük, ennek megfelelően: 5=-5=5.
Kitüntetett tulajdonságú szám az 1. Bármely számot 1-gyel szorozva önmagát kapjuk eredményül. A számok
tetszőlegesen nagyok illetve kicsik lehetnek, mínusz és plusz végtelen között oszlanak el (jelölés: -∞ és +∞).
A valós számokat általában végtelen sok számjeggyel adhatjuk meg. Ha a szám ilyen előállításában valamely
adott értéknél kisebb helyiértékű számjegyeket olyan módon hagyjuk el, hogy a megmaradó számjegyekkel leírt
számot az elhagyott számjegyek nagyságától függően, egy adott előírás szerint módosítjuk, kerekítésről
beszélünk. Tízes számrendszerben úgy kerekítünk, hogy ha a legnagyobb helyiértékű elhagyott számjegy
esetében az elhagyott értékeknek nincs érdemi jelentőségük, a kerekítési hiba hatása ezért
szintű rangkorreláció 0,3915 és 0,3500 értéke egyaránt 0,4-es korrelációt jelez. (A témakör
(helytakarékos) megadása. Egy szám normál alakja az egy egész helyiértékű alak és 10
megfelelő hatványának szorzata. Például: 2002. január 1-én az ország népessége 10 174 853
lélekszám.)
A változók jelölése
Matematikai összefüggésekben, képletekben, egyenletekben jellemzően nem egyes, konkrét számok, hanem
általában – az adott összefüggésben megengedett, értelmezhető – számok halmazai, csoportjai, a változók
szerepelnek (a statisztikában ez a különbség jelenik meg az ismérv és az ismérvérték fogalompárban). Ezek
jelölésére különböző (latin, görög, héber) ábécékből vett betűket használnak. Bár bizonyos matematikai
területeken e betűjelölések jellegzetesek – a geometriában gyakoriak a görög betűk (α,β), az algebra a latin
betűsor elejéről válogat (a,b,c), míg a statisztika ugyanezen betűsor végéről (x, y, z) – hangsúlyozni kell, hogy
ezek nem kötelezően használandók, csak kényelmes konvenciók. Egy új, ismeretlen képlettel találkozva nem a
betűkre, hanem az összefüggés tartalmára, jelentésére kell figyelni!
Vektor
A rendezettség a vektorban szereplő számok rögzített sorrendjét jelenti, azonos számjegyeket, de különböző
sorrendben tartalmazó vektorok különbözőek, például pl. A (4,8,0,6,2,2,) és B (2,2,6,0,8,4) két különböző
vektor. Két vektor akkor egyenlő egymással, ha ugyannyi számból áll (másként: a dimenziójuk azonos) s
ugyanazon (az első, második, n-edik) helyen ugyanazon érték áll mindkét vektorban. A vektort mind sorokban
(sorvektor), mind oszlopokban (oszlopvektor) elrendezett számok alkothatják. A vektor a geometriában irányított
szakaszokkal reprezentálható.
Vektorok esetében kétféle szorzási művelet is értelmezhető, ezek közül a skalárszorzat kerül gyakrabban elő a
területi elemzésekben. Ez V(v1, v2….vn) és W(w1,w2…wn) azonos dimenziószámú vektorok esetén értelmezhető,
s a két vektor azonos helyen álló elemeinek szorzatösszegeként egy számot (skalárt) ad eredményül:
b = ∑ vi wi
1=1
Ugyancsak azonos dimenziószámú vektorokra értelmezett az ún. vektoriális szorzat, amely egy vektort ad
eredményül, amelynek első eleme a két vektor első helyen álló elemének szorzata, a második a második helyen
álló elemeké és így tovább:
Koordinátarendszerek
A koordináta (vagy vektor-) geometria a matematika többi nagy területét (algebra, analízis) kapcsolja össze a
geometriával. A koordinátarendszerek rendezett szám n-esek (vektorok) és az euklideszi tér pontjai között
teremtenek megfeleltetést.
Magyarországi vizsgálatok esetében, amikor az elemzés alappontjai az ország települései (városai), előnyös a
koordinátarendszert úgy kijelölni, hogy annak origója a főváros középpontjában legyen, ekkor ugyanis a pontok
(települések) helykoordinátáinak előjeleiből azonnal következtetni lehet azok földrajzi pozíciójára is. A
számítási eredmények (pl. súlypontok) azonban akkor sem mutathatnak más térbeli konfigurációt, ha a
koordinátarendszer középpontja a térkép bal alsó sarkában van (ilyenkor minden pont mindkét koordinátája
pozitív).
A koordinátarendszerben elhelyezett pontok vizuális értelmezésével nagyon óvatosan kell bánni, hisz azt a
koordinátarendszer skálája (egységei) jelentősen befolyásolhatják → 2.9.. Függvények, statisztikai eloszlások
egyszerű grafikus ábrázolásakor a két tengelyen ugyanis nem feltétlenül azonosak az egységek (ez gyakran
célszerű és megengedhető). A pontok távolságát nem vonalzóval kell mérni az ábrán, hanem a megfelelő
távolságfüggvény segítségével.
A földrajz legismertebb koordináta-rendszere a földi szélességi és hosszúsági hálózat, ami egy gömbi
polár-koordinátarendszer, hisz ott minden ponthoz egy távolságérték (a Föld elméleti középpontjától
mérve) és a két irányszög (a greenwichi délkörhöz illetve az Egyenlítőhöz viszonyítva) határozza meg
a pontok helyzetét. A földi gömbi koordináták használata a társadalmi jelenségek vizsgálatakor
viszonylag ritka, bár nagyobb térségek elemzésekor előfordul. Kisebb terekben végzett elemzések
esetében sík területet feltételezünk a földi térben lokalizált elemek helyzetének meghatározásakor.
Speciális koordinátarendszer az ún. háromszögdiagram → 2.9.7.
Mátrix
A matematika mátrix fogalma – egyebek mellett – abban különbözik a táblázat fogalmától, hogy abban a sorok
és az oszlopok tartalmának nincs jelentősége – a mátrix oldal- és fejléc nélküli táblázat. Ebben az értelemben a
területi kutatás jellemzően csak táblázatokkal dolgozik, még ha mátrixnak hívja is őket.
A mátrixokat leggyakrabban nagy latin betűkkel (A, B, C) vagy ún. általános (az i.-ik sorban és a j.-ik oszlopban
található – elemükkel jelölik: {xij}. Ha a mátrix méretét – sorainak és oszlopainak számát – is fontos megadni,
akkor a fenti jelölések egy n sorból és m oszlopból álló mátrix esetében így módosulnak: nAm illetve n{xij}m.
Mind a vektorokkkal, mind a mátrixokkal a számokhoz hasonló műveletek (összeadás, szorzás) végezhetők,
speciális szabályok szerint. Gyakran előforduló művelet mátrix és vektor szorzata, amivel gyakran találkozhat a
területi elemző is, összetettebb statisztikai módszereket használó publikációk összevont módszerleírásaiban. Ez a
művelet az ún. sor-oszlop skalárszorzás. Az y vektor elemeit az A mátrix soraiban található elemekkel rendre
összeszorozzuk, majd ezeket a szorzatokat összeadva egy új vektort kapunk eredményül. A szorzás feltétele, hogy
a mátrixnak annyi sorból kell állnia, ahány elemű a műveletben szereplő oszlopvektor (ezt érzékelteti az alábbi
mátrix-egyenlet).
0 1 00 0 y1 y2
1 0 00
0 y2 y1
0 0 0,5 0,5 y 3 = 0,5 y 4 + 0,5 y 5
0
0 0 0,5 0 0,5 y 4 0,5 y3 + 0,5 y 5
0
0 0,5 0,5 0 y 0,5 y 3 + 0,5 y 4
5
Jellegzetes jelölése e műveleteknek: A y (A mátrixot szorozzuk y vektorral). Nem megrémülni, megérteni (rövid
matematikai utánképzést igényel csak)! Legtöbbször nagyon egyszerű műveletekről van szó, összevont
jelöléssel, az alapadatok ügyes, mátrix és vektor formájú elrendezését felhasználva.
Amikor rendelkezésre állnak használható számszerű információk, akkor a területi elemzésekben a tér
leggyakrabban a megfigyelési egységekben van jelen. Országokra, régiókra, településekre vonatkozó
jellemzők vizsgálata folyik. Ezeket – a területi statisztikai kiadványokat megtöltő – adattáblákat
nevezzük területi (földrajzi) adatmátrixoknak (2.1. ábra). A mátrix sorai egy-egy területegység
(területi, települési megfigyelési egység) különböző jellemzőit tartalmazzák, oszlopai pedig egy-egy
jellemző értékeit a területegységekben.
Jellemzők
a 11 a 12 ... a 1 j ... a 1m
a a 22 ... a 2 j ... a 2 m
21
... ... ... ... ... ...
Területegységek
a i1 ai 2 ... a ij ... a im
... ... ... ... ... ...
a n1 a n2 ... a nj ... a nm
Míg a terület, mint megfigyelési egység tehát közös jegy, a jellemzők (gazdaságföldrajzi, regionális
gazdaságtani, településszociológiai, demográfiai, politikai vagy más indikátorok) tartalma az, ami az
egyes területi tudományokat elválasztja.
Az oszlopok és a sorok szerepe felcserélhető. Az ilyen elrendezést azonban ritkábban használjuk (leginkább
akkor, ha néhány területegység, ország közvetlen összehasonlítása a cél). A legalapvetőbb statisztikai mutatók
számításakor is kedvezőbb, ha a változók szerepelnek az oszlopokban, s több összetettebb módszer esetében
(faktoranalízis →5.5) követelmény az is, hogy a megfigyelési egységek (területegységek) száma jelentősen
haladja meg a jellemzők, változók számát, így az ajánlott sor-oszlop elrendezés kényelmesebb, áttekinthetőbb.
A területi adatmátrix egyes elemei (a számítástechnikában: cellák), sorai, oszlopai, résztömbjei szerint
vehető elemzésbe, egyszersmind sajátos vizsgálati utakat teremtve:
• a sorok (a számítástechnikában: rekordok) szerinti elemzés az egyes területegységek jellemzésére,
a sorok összehasonlítása egymással a megfigyelési egységek belső térszerkezeti összetételének,
struktúrájának összevetésére ad lehetőséget. Ha mátrixunk csak egyetlen sorból áll, akkor sor-
vektornak is nevezhetjük;
• az oszlopok (a számítástechnikában: mezők) vizsgálata az adott jelenség térbeli eloszlásának
(térképezésének), a területi differenciáltság mérésének kiindulópontja, az oszlopok
összehasonlítása a különböző társadalmi szférák vagy jelzőszámok közötti területi kapcsolatok
(asszociáció, korreláció), összefüggés, együttmozgás vagy elkülönülés vizsgálati útja. Ha
mátrixunk csak egyetlen oszlopból áll, akkor oszlop-vektornak is nevezhetjük.
Egy rendkívül gyakorlatias, de mindenkor felbukkanó feladat, hogy az elemzésbe vett, bonyolult módszerekkel
feldolgozásra váró adatsorokat (a területi adatmátrixok oszlopfejeiben, fejlécében, vagy a köztük lévő
kapcsolatot leíró egyenletben) rövid jelöléssel is azonosítani kell. (Egy többváltozós regressziós analízis
leírásába és az eredmények közlésébe aligha illeszthetők be teljes elnevezésükkel például olyan változók, mint
az egy főre jutó GDP 1999. évi adata vagy a városi népesség aránya 2000.) Arra, hogy miként rövidítsük,
jelöljük az adatot, nincs általános előírás. A magam „módszerében” az alábbi szempontokat szoktam
érvényesíteni:
• A rövidítés valóban legyen rövid (8, legfeljebb 10 karakter)
• A karakterek között ne legyenek hosszú ékezetes magyar betűk (ezt sok számítógépi program nem szereti)
• A rövidítés utaljon a változó tartalmára
• Szerepeljen benne az időpont is (ez főként akkor indokolt, ha az adattáblában különböző időpontra vonatkozó
adatok szerepelnek).
Ennek megfelelően a fenti változókat így jelölném: GDPPOP99 illetve VARPOP00. Aki érti (például azt, hogy a
POP betűhármas miért szerepel mindkét mutatóban, és mire utal) és akinek tetszik a megoldás, válassza ezt,
akinek jobb, szebb megoldása van, tegyen úgy, az ajánlott szempontokat nem teljesen félretéve!
A területi elemzések során nagyon gyakori, hogy több adatsorunk is van, s nem pusztán egyenként
vizsgáljuk őket, hanem (ha lehetséges) egyszerű számtani műveleteket is elvégzünk velük. Itt a területi
adatmátrix oszlopaival (jellemzők, adatok) végzett műveletekről van szó, a sorok (a területi
megfigyelési egységek) változatlanul maradnak.
Az adatsorok egyszerű összeadása tartalmilag homogén adatok esetében kerül szóba. Ezen az úton a több
részelemből álló aggregátumok egészére kaphatunk adatokat (az egyes ágazatokban foglalkoztatottak területi
adatainak összeadása például a teljes foglalkoztatotti kört, az egyes korcsoportoké pedig az össznépességet adja
ki.)
Azt, hogy milyen adatokat tekintünk tartalmilag homogénnek nem csak maga a dolog vagy jelenség, hanem az
értékelési szempont is befolyásolja. A búza, a napraforgó és a burgonya termésmennyiségét a mezőgazdaságot
elemezve nem szokás közvetlenül összeadni, de a vasúti áruszállítás szempontjából ezek tömege a mérvadó, s
ekkor már összeadhatók. (A naturálisan különböző dolgok „közös nevezőre” hozását, amikor tehát valami
módon mégis „összeadjuk” őket, külön tárgyaljuk → 5.4.1).
Jellemző művelet az egy-egy hosszabb időszak területi folyamatainak elemzésekor a természetes egységekben
(naturáliákban) mért területi idősorok egyedi időpontokra (általában egyes évekre) adott értékeinek összeadása is
az időszakra egészére. Gyakori példája ennek a demográfiai mozgalom éves adatainak, vagy a természetes
egységekben kifejezett fejlesztések – pl. az éves lakásépítés, az épített autópályák hossza – volumenének
összegzése, kumulálása. A növénytermelési adatok esetében az időjárás változásával összefüggő, ismétlődő, de
időben véletlenszerű termésingadozások hatásának kiszűrésére általában több (3-4) év adatának ún. mozgó
átlagával számol az összehasonlító agrárstatisztika.
Szemben az összeadással, ami kommutatív (felcserélhető), azaz A+B = B+A, a kivonás nem, azaz A – B ≠ B – A.
S nem áll a fenti kijelentés ellentettje sem, miszerint, ha két adat egymásból való kivonásának van értelme, akkor
az összeadásának is van: ha az ország teljes népességéből kivonjuk a városlakók számát, megkapjuk a
községekben lakók lélekszámát, ha azonban összeadjuk a teljes népességet és a városlakókat, akkor (millióban
számolva Magyarországon) egy megjátszható lottószám az eredmény, semmi más.
Vegyünk azonban még érdekesebb példát a kivonással kapható új adatokra. Erre jó terep a hazai területi
kutatások egyik leggyakrabban használt területi kincsestára a személyijövedelem-adó adatbázisa. Ebben az
APEH 1988 óta lényegében minden évre hozzáférhetővé tesz az ország minden településére négy fontos adatot:
az adóköteles jövedelem (J, forintban)
a személyi jövedelemadót fizetők száma (A, főben)
a befizetett személyijövedelem-adó (S, forintban)
az állandó népesség (N, főben)
Ezt az adatbázist használva, teljesen új minőségű adatot kapunk például akkor, ha az adóköteles jövedelemből (J)
kivonjuk a befizetett személyi jövedelemadót (S), ekkor áll ugyanis elő a J–S= N, nettó jövedelem.
A szorzás kevésbé gyakori művelet új adatok előállítására a területi elemzésben, bár itt is
fogyasztás is.
A szorzás, mint alapvető matematikai művelet természetesen nagyon gyakori minden más összetettebb
matematikai formula, egyenlet esetében.
A műveletek közül talán az osztás a legnagyobb új adattermelő. Osztással kapjuk ugyanis az alapadatokból a
relatív vagy fajlagos adatokat. A fenti adatbázisból véve a példát: J/N adja az egy főre (lakosra) jutó adóköteles
jövedelmet, A/N pedig az adózók hányadát az összes népességből (ha ezt a hányadost 100-zal szorozzuk, akkor
az arányt százalékban kapjuk).
A területi vizsgálatokban leggyakrabban a népesség egészére (illetve speciális jellemzők esetében az érintett
népességi körre: a fenti adatok közül ilyen az adófizetők száma), a területnagyságra vetített mutatószámokat
használnak. Előbbiek a fejlettség, ellátottság, hatékonyság jellegzetes mutatóit adják, utóbbiak pedig a
különböző területi sűrűségi, koncentrációs mutatókat (a legismertebb a népsűrűség, amely a lélekszám és a
terület hányadosa).
A gazdasági fejlettségi és sűrűségi mutatók között egyszerű összefüggés van, a gazdasági sűrűséget a gazdasági
fejlettség és a népsűrűség szorzatára bonthatjuk.
GDP/terület = (GDP/népesség)*(népesség/terület)
azaz:
gazdasági sűrűség = (gazdasági fejlettség)*( népsűrűség)
Gyakori az, hogy bizonyos fajlagos adatok és azok reciproka egyaránt értelemmel bír. A fenti adatokból
számítható A/N (adózóarány) reciproka, az N/A mutató azt fejezi ki, hogy egy adózónak hány embert kell
eltartania. Mindez bizonyos esetekben jól kihasználható. Lehet olyan vizsgálat, amikor a várossűrűség
(városok/terület) máskor ellenben ennek épp a reciproka (terület/városok) a jó mutató. Előbbi inkább a területi
fejlettség, utóbbi az intézményi ellátottsági szükségletek tervezésének témakörében kerül szóba.
Fejlettségi vizsgálatok során gyakran használják az elemzők a munkanélküliségi rátát (munkanélküliek és az
aktív keresők aránya, százalékban kifejezve). Ennek azonban az a sajátossága, hogy „kilóg” a hagyományos
fejlettségi, jóléti mutatók köréből, hiszen minél nagyobb az értéke, annál rosszabb a helyzet az adott térségben.
Itt is szóba jöhetne a reciprok-mutató (aktívak/munkanélküliek), ennek azonban elég nehezen tudunk értelmet
adni. Ebben az esetben a munkával rendelkezők aránya (100-munkanélküliségi ráta) lehet az a jelzőszám,
aminek nagy értékei a kedvező, alacsony értékei a kritikus térségi állapotokra utalnak.
A fajlagosok mértékegységei
Az adatok értelmezéséhez fontos azok mértékegységének, dimenziójának ismerete. Osztással kapott, fajlagos
adatok esetében az új mértékegység a számlálóban illetve a nevezőben szereplő adat mértékegységének
hányadosa: népsűrűség = népesség/terület, ezért mértékegysége fő/km2. A gazdasági fejlettség mérésére használt
jövedelemfajlagosok mértékegysége pénznem/fő. De ha konkrét mutatót emlegetünk (térképezünk), például a
gyakorta használt egy főre jutó GDP-t, elégséges a pénznem megnevezése is. Számos olyan jelzőszám van,
aminek a számlálója és a nevezője azonos mértékegységű, így az osztás után ezek mértékegység-nélkülivé,
dimenziótlanná válnak. Ezt oldja fel az a megoldás, hogy a számlálót a nevező százalékában adjuk meg (ilyen a
városi népesség aránya %-ban). Vannak nem szokványos mértékegységű mutatók is, így például a vasúthálózat
sűrűségének dimenziója 1/km (a hossz/terület hányados következményeként). Összetettebb modellek
formuláiban ugyancsak sajátos mértékegységek szerepelnek (pl. a potenciálmodellben → 6.7.2 dollár/km lehet a
dimenzió).
Részben a mértékegységgel függ össze az, hogy bizonyos fajlagosok esetében a számláló illetve a nevező maga
milyen mértékegységű, nagyságrendű legyen. Vegyünk néhány példát. Bár a népsűrűség számításánál egyaránt
értelmes, ha a népességet egy négyzetkilométerre vagy egy hektárra vetítjük, a szokásos eset az egy
négyzetkilométerre vetítés (ennek ellentéte a termésátlagok mutatója, ahol a vetítési alap, a termőterület
legtöbbször hektárban adott). Jól ismert, hogy a legtöbb demográfiai mutatószámot (születés, halálozás,
vándorlás) 1000 főre vetítve használják, s ezért ezrelékben adják meg (ez azzal függ össze, hogy a
népességdinamika e mutatói jellemzően az adott népességszám egy-két százaléka körüli nagyságrendűek). A
legtöbb, a népességszámhoz viszonyítással kapott fajlagost egy főre számítják. Bizonyos ellátottsági,
infrastrukturális adatoknál gyakori a száz főre (száz háztartásra, lakásra) vetítés (ami azt is jelenti, hogy a kapott
érték egyben azt mutatja, hogy a számba vettek hány százaléka él az adott ellátottsággal, pl. fürdőszobás
lakással). Használati tárgyak esetében is gyakori a 100 főre vetítés (pl. személygépkocsi), sőt előfordulnak 1000
lakosra vetített mutatószámok is. Ezek makroszinten nagyon jól használhatók, máskor azonban furcsa eredményt
adnak. A TV készülékek ezer lakosra jutó száma egy 250 fős aprófaluban mindenesetre érdekes fajlagos (ha
minden lakosra jut egy készülék, akkor ez az adat itt 1000 s nem 250).
Indexek
• a bázisindex-idősor előállítása. Ekkor az adatsor minden értékét a kezdő időpont értékeihez viszonyítjuk
(vagy elosztunk minden adatot az induló értékkel, vagy annak százalékában fejezzük ki, előbbi esetben a
bázisidőponthoz rendelt érték 1, utóbbiban 100 lesz).
• a láncindex-idősorban minden értéket az előző időpontra vonatkozó adathoz viszonyítjuk (vagy elosztunk
minden adatot a megelőzővel, vagy annak százalékában fejezzük ki)
A lánc-indexszé átalakítás sajátossága, hogy megrövidíti az idősort, hisz az induló időpont adatát nincs
mihez viszonyítani. A lánc-index idősor tehát nem 1-gyel vagy 100-zal kezdődik, hanem a kezdő időponthoz
nincs hozzárendelt érték!
Nagyon gyakori a területi elemzésben az adatsor átlagához viszonyítás (lásd: egy főre jutó GDP az országos
átlag százalékában). Ez az átalakítás az idősorok bázis-indexével mutat rokonságot. Területi lánc-index azonban
nincs, hisz a területi adatsorokban nincs lineáris egymásutániság (az időbeli egymásutániságnak a térbeli
szemléletben a szomszédság fogalma feleltethető meg). Az indexszé alakítás során eltűnik az adatsorok eredeti
mértékegysége. Ez azzal a jótékony következménnyel jár, hogy a különböző mértékegységben mért adatsorok is
összehasonlíthatóvá válnak. Ez fontos feltétele a komplex mutatók előállításának is (→ 5.4).
Az indexszámítás kapcsán a fentiekben többször előkerült a százalékos adatforma. Ennek kapcsán érdemes
felhívni a figyelmet a mértékkülönbségek vagy a változások százalékos illetve százalékpontos formában való
kifejezésére. Utóbbi akkor kerül szóba, ha százalékos (arány) formában megadott adatok különbségét tekintjük
jelzőszámnak. Ha például a városi népesség aránya 50%-ról 75%-ra nő, akkor a növekedés 25 százalékpontos
illetve 50 százalékos, ugyanígy a munkanélküliségi ráta megduplázódása (azaz 100 százalékos növekedése)
mondjuk 7%-ról 14%-ra, 7 százalékpontos növekedésként is interpretálható. Mindkét összevetés használható, de
nem összekeverendő!
Megoszlási viszonyszámok
Abszolút adatok (például terület, népességszám, összes jövedelem, kereskedelmi forgalom, kukoricatermés)
vizsgálatakor fontos alapinformációkat kaphatunk akkor, ha kiszámítjuk, hogy az egyes területegységekben
(például a megyékben) mekkora hányada összpontosul az adott mutató (országos) volumenének. Ehhez az egyes
területegységek százalékos részesedését kell kiszámítanunk. Az így módon kapott adatsort nevezzük (területi)
megoszlási viszonyszám-adatsornak (a százalékszámítás bonyolult metódusát ismertnek tekintjük).
• Ha több évre kiszámítjuk egy adott jellemző megoszlási viszonyszámát, meghatározhatók a növekvő illetve
csökkenő részesedésű térségek, a területi koncentrálódás illetve szétterülés folyamata.
• Míg az eredeti mértékegységben adott különböző jellemzők összehasonlítása a területegységek szerint
nagyon nehézkes, ha megoszlási viszonyszámokká alakítjuk őket, összevethetők lesznek, eldönthető
nagyságviszonyuk. (Azonnal eldönthető például így, hogy egy terület részesedése a népességből kisebb
vagy nagyobb, mint a jövedelemből.)
• Megoszlási viszonyszámokkal is végezhetők műveletek. Ha például a népességrészesedést osztjuk a
területaránnyal, akkor a népsűrűségre kapunk sajátos értéket. A „sajátos” jelző azt jelenti, hogy ekkor az
országos népsűrűségi érték 1 lesz (mivel a 100/100 hányados adja), ennél kisebb értékek az átlagnál kisebb
benépesültségű, nagyobbak sűrűbb térséget jeleznek (ha a hányadosokat 100-zal megszorozzuk, akkor az
országos átlag 100 lesz, s ennek megfelelően módosulnak az egyedi adatok).
• Értékadatok (pl. jövedelem) esetében – ahogy arra már utaltunk – gyakori az, hogy különböző évek
nominális, az áremelkedés, infláció által torzított adatai közvetlenül nem összehasonlíthatók. Ha azonban
megoszlási viszonyszámokat számolunk belőlük, itt is azonnal eldönthető lesz, mely térség növelte
jövedelemrészesedését, melyek a visszaszoruló, depressziós területek.
• Megoszlási viszonyszámokon alapul számos kiemelkedő fontosságú, gyakran használt területi
egyenlőtlenségi mutató (→→ 3.2.3).
A „szumma”
x1 + x 2 + ... + xi + ...x n = ∑ xi
i =1
szavakkal: „i egyenlő 1-től n-ig szumma xi,” ami n darab szám (az adott indikátornak a területi egységekre
vonatkozó értékei) összeadását jelenti az elsőtől az utolsóig.
Az ilyen összefüggésben a szumma jel után szerepelnek az összeadandó értékek, a szumma jel alatti és feletti
indexjelölés pedig azt mutatja meg, hogy melyik és hány adatot kell összeadnunk. A legtöbb esetben az összes
(területi) megfigyelési egység adatát össze kell adni, ebben az esetben leegyszerűsödik a jelölés, a szumma jel
indexei elhagyhatók, ekkor az alábbi kifejezések egymással azonos jelentésűek:
n
∑x = ∑x = ∑x
i =1
i
i
i i
A szumma jel alsó és felső indexeit mindenképp jelölni kell, ha az adatok összeadása csak a megfigyelési
egységek egy részére terjed ki.
Nem csak az esetenként különböző értékű egyedi változók, hanem azok különböző matematikai
összefüggéseinek (összegeik, szorzataik vagy más függvényeik) összeadására is szükség lehet. Ilyenkor az alábbi
jelölések és összefüggések érvényesek:
Ha az adott változó értéke minden területegységben ugyanazt a konstans értéket (a) veszi fel, akkor az alábbi
összefüggéssel van dolgunk (mivel a konstansok minden megfigyelési egységben ugyanazon értékűek, ezekhez
alsó index természetesen nem tartozik):
∑ a = na
Ha az adott változót (xi) egy tetszőleges állandóval, konstanssal (legyen ennek jele b) megszorozzuk, majd ezt
követően adjuk össze az adatokat, akkor a konstans kiemelhető:
∑ bx i
= b∑ x i
Ha két változó összegét szummázzuk minden megfigyelési egységre, akkor két utat is választhatunk. Vagy
először minden megfigyelési egységre összeadjuk a két adatot (xi-t és yi-t) és ezt követően szummázunk, vagy
előbb külön-külön összegezzük az egyes adatsorokat majd ezután adjuk össze a két teljes összeget. A
végeredmény ugyanaz:
∑ (x + y ) = ∑ x + ∑ y
i i i i
azaz szorzatok összege nem (feltétlenül) egyenlő az összegek szorzatával. Ez alábbi egyszerű számpéldával
könnyen belátható.
Területek(i) xi yi xiyi
1 0 1 0
2 1 0 0
3 0 2 0
4 2 0 0
5 0 3 0
6 3 0 0
7 0 4 0
8 4 0 0
9 0 5 0
Σ 10 15 0
ahol ∑x y i i
= 0 ≠ ∑ xi ∑ y i = 10 * 15 = 150
A szummázások esetében nagyon fontos a zárójelek precíz használata, ezt példázzák az alábbi összefüggések:
∑ (x i
− b) = ∑ xi − nb ≠ ∑x i
−b
vagy
∑x ≠ (∑ xi )
2
2
i
ami azt mutatja, hogy számok négyzeteinek összege nem egyenlő számok összegeinek négyzetével. Egyszerű
algebrai, majd számpéldával, két elemre bemutatva:
x1 + x 2 ≠ ( x1 + x 2 ) 2 = x1 + 2 x1 x 2 + x 2
2 2 2 2
12 + 5 2 = 26 ≠ (1 + 5) 2 = 36
Ezekre az összefüggésekre tekintettel nagy figyelemmel kell számítani olyan gyakori mutatószámokat, mint az
adatsorok szórása vagy a korrelációs együtthatók!
Összeadni nem csak egy-egy adatsor (vektor) elemeit lehet, hanem egy mátrixét is. Ez a
gyakorlatban kétféleképp történhet, először soronként haladva adjuk össze az elemeket, majd
képletekben két szummát látunk közvetlenül egymás mögött, akkor ott egy mátrix elemei
kerülnek összeadásra:
x1 ∗ x2 ∗ ... ∗ xi ∗ ... ∗ xn = ∏ xi
n
i =1
Azonosságnak azt a relációt nevezzük, amelynek két oldalán szereplő kifejezések az ismeretlenek (ez alábbi
esetben a és b) tetszőleges értéke mellett, azaz mindig egyenlők:
(a + b) 2 = a 2 + 2ab + b 2
Azonosságok esetében a két kifejezés összekapcsolására az ≡ (azonosság) jelet is használják.
Az egyenletekben a két, egyenlőségjellel (=) összekapcsolt kifejezés közötti egyenlőség csak a változók
(ismeretlenek) meghatározott értékei esetében áll fenn. Az egyenletek „megoldása” épp ezen értékek
megkeresését jelenti. (Vannak olyan egyenletek, amelyeknek általában, vagy a számok valamely körére
vonatkozóan nincs megoldása.)
Az egyenlőtlenségek az összekapcsolt kifejezések közötti nagyságviszonyt fejezik ki, a változók (ismeretlenek)
meghatározott értékei (értelmezési tartománya) mellett. A-val és B-vel jelölve az összekapcsolt kifejezéseket az
alábbi egyenlőtlenségi relációk lehetségesek:
A mindig kisebb, mint B (ami analóg azzal, hogy B mindig nagyobb, mint A):
A < B és B > A
A mindig kisebb vagy egyenlő, mint B (ami analóg azzal, hogy B mindig nagyobb vagy egyenlő, mint A):
A ≤ B és B ≥ A
2.2.5 Függvények
Legáltalánosabb matematikai értelemben két halmaz elemeinek egymáshoz rendelését (vagy más
szavakkal X halmaznak Y halmazra való leképezését) függvénynek nevezzük, ha van olyan utasítás
(szabály, képlet, táblázat, ábra stb.), amely X halmaz minden egyes x elemének megfelelteti Y halmaz
egy f(x)-szel jelölt elemét. Az X halmazt értelmezési tartománynak, Y-nak az összes f(x)-ből álló
részhalmazát értékkészletnek nevezzük.
Lineáris kapcsolat
y = a + bx
ahol x a független, y a függő változó, b az ún. meredekség, a pedig (ami az x=0 értékhez tartozó y érték) az ún.
tengelymetszet (az egyenes b magasságban metszi az y tengelyt). Ha b együttható pozitív, akkor x növekedésével
y is növekszik, ha negatív, akkor csökken, ha értéke 0, akkor az x tengellyel párhuzamos, a magasságban lévő
egyenes a függvénykép.
Ha a független változók halmaza nem egy-, hanem kétdimenziós, akkor lineáris összefüggés esetében a függő
változó értékei egy síkot képeznek. Ilyen összefüggést ír le az alábbi képlet:
z = a +bx +cy
3 független változó esetén a függvény képe egy hasáb, n független változó esetében
pedig egy (vizuálisan, grafikusan nem interpretálható) n-dimenziós „sík”. Az n vektorból
n
A logaritmus
Az a = b exponenciális egyenlet megoldásakor olyan kitevőt keresünk, amelyre a alapot felemelve b-t
x
kapunk. Az egyenletnek a > 0, a ≠ 1 és b > 0 esetén van egy és csak egy megoldása. A b pozitív szám a alapú
logaritmusának nevezzük azt a kitevőt, amelyre a-t emelve b-t kapunk. Jelölése: loga b (a alapú logaritmus b).
A logaritmus alapja tetszőleges 1-től különböző pozitív szám lehet. A gyakorlati (statisztikai,
elemző) munkában leggyakrabban a 10-es alapú logaritmust használjuk, s (index nélkül) log-
gal jelöljük. Mivel többfajta előnyös matematikai tulajdonsága van, gyakran használják az ún
természetes alapú logaritmust (ln), ahol az alap e=2,71828, ami az (1+1/n)n függvény
határértéke.
log(∏ xi ) = ∑ logxi
i i
Számos jelenség növekedése exponenciális jellegű, egy-egy időszak alatt a volumenek hatványozódnak. E
függvények logaritmusát véve a függvénygörbe képe egyenest ad (ezzel függ össze az, hogy gyakran használják
az ún. szemi-logaritmikus koordinátarendszert, amelynek függőleges (y) tengelyén a beosztás nem lineáris,
hanem logaritmikus).
Sok elemzés igazolja, hogy a lélekszám, a településnagyság fontos fejlettségi tényező, ezért gyakorta
szerepel összetettebb elemzésekben is, így a regresszióelemzések → 4.4 magyarázó változóiként. Ott gyakran
feltűnik az, hogy nem a lélekszámot, hanem annak logaritmusát szerepeltetik a számításban. E transzformáció
matematikai következménye, hogy a gyakorta nagyon széles intervallumon eloszló településnagyság
logaritmizálva jobban közelíti a matematikai-statisztikában elvárt normális eloszlást, s így a számítások
matematikai szempontból sem kérdőjelezhetők meg. A lélekszám (általában minden abszolút volumen)
logaritmusának konkrét jelentése is van, a települések nagyságrendjét tükrözi, így tartalmilag is megfelelően
értelmezhető a hatása, szerepe: 10-es alapú logaritmusa esetén log 1 = 0, log 10= 1, log 100= 2, log 1000 = 3.
A területi elemzés mindig legalább két ismérvvel dolgozik. Implicit módon – már a megfigyelési
egységek kiválasztásakor – megjelenik a területi ismérv, majd ehhez kapcsolódva az ismérvek más
típusai: időbeli, mennyiségi, minőségi jellemzők. Ezeket változónak, esetenként csak a számszerű
ismérveknek nevezik.
Legyen adott két megfigyelési egység, A és B, s ezekre vonatkozó két mért vagy számbavett jellemző,
ismérv: Xa és Xb.
Vannak olyan jellemzők, amelyek esetében csak az dönthető el, hogy A és B e jellemző szerint
megegyezik egymással vagy különbözik egymástól. Az ilyen jellemzőket nominális skálán mért
adatoknak vagy nominális ismérveknek nevezzük. E skála esetében két vagy több értéke, kimenete
lehet a változóknak.
Ennél már finomabb összevetésre van módunk A és B között, amikor nemcsak a megegyezés vagy a
különbözőség állapítható meg, hanem a nagyságviszony, a sorrend is, azaz, hogy A vagy B jellemzője
a nagyobb. Ez az ún. ordinális (sorrendi) skála.
Még finomabb összevetésre van mód, amikor a megegyezés - meg nem egyezés, valamint a
sorrendiség megállapításán túl az is kideríthető az adatokból, hogy mennyivel nagyobb az egyik érték
a másiknál (értelmezhető az adatok különbsége is). Az ilyen jellemzőket intervallum-skálán mért
adatoknak nevezzük.
A legteljesebb összehasonlításra az ún. arány-skálán mért adatok esetében van mód. Ekkor az összes
fenti reláción túlmenően értelmezhető az is, hogy egyik adat hányszorosa a másiknak (megadható a két
adat aránya).A mérési skálák sajátos hierarchiát alkotnak, amelynek csúcsán az arányskála áll. Minden
skálára igaz az, hogy az előző skálák tulajdonságaival rendelkezik.
Annak ismerete, hogy valamely jellemző milyen skálán mért, azért fontos, mert bizonyos statisztikai
jellemzők és matematikai-statisztikai eljárások csak bizonyos adatskálákra számíthatók, illetve
alkalmazhatók. Pusztán statisztikai alapon merészség azt állítani, hogy a magyar fociválogatott 63-szor
rosszabb, mint a listavezető brazil (ha a két csapat az 1. illetve a 63. helyen áll a ranglistán), egy 0
átlagú adatsort pedig nem is lehet az átlag százalékában megadni.
Az adatskálák közötti átmenetek közül talán a leggyakoribb az intervallum- vagy arányskálán mért
jellemzők sorrendi (ordinális) adatskálára történő átalakítása. (Ez az adat-transzformáció nem az adattábla
sorainak, azaz az egyes területegységekhez tartozó értékek sorrendjének felcserélését jelenti, – elemi szinten
gyakori hiba és súlyos félreértés – hanem egy új adatsor létrehozását, ahol az eredeti adatsor legnagyobb
értékéhez 1, a következőhöz 2 (vagy fordított rangsorolás esetén a legkisebbhez 1, a következőhöz 2 és így
tovább) számérték kerül, új adatként. Előfordulhat az, hogy az átalakításra kerülő adatsorban megegyező
értékek szerepelnek, az ezekhez rendelt rangszámok esetében előnyös fenntartani azt az összefüggést,
hogy a rangszámok összege ne változzék. Ez adategyezés esetében úgy biztosítható, hogy páros számú
egyezés esetében a rangszámok átlagát rendeljük a megegyező adatokhoz, míg páratlan számú adat
egyezésekor a középső rangszámot. Ha például a 4. és 5. helyen álló érték azonos, akkor a két rangszám
egyaránt 4,5, ha a 8., 9. és 10. helyen álló érték egyezik meg, akkor mindhárom megfigyelési egységhez a 9
rangszámot rendeljük. A statisztika tehát nem ismer „holtversenyt”, egy adatsor két azonos, legnagyobb
értékéhez a rangsorolásban nem 1 – 1 érték – „két aranyérem” – rendelődik, hanem 1,5 – 1,5, ezáltal
biztosítható, hogy a rangszám összeg ne változzék, ugyanis: 1,5 + 1,5 = 3 ≠ 1+1 = 2.
Érdemes még felhívni a figyelmet arra, hogy amennyiben minden alapadat különbözik, akkor nincs
jelentősége annak, hogy a sorrendi átalakítást csökkenő vagy növekvő rendben végezzük el. Azonos, a fenti
szabályok szerint átalakítandó értékeket is tartalmazó adatsorok esetében azonban a kétfajta rangsorolás
szerint új adatsornak ugyan az átlaga azonos, de a szórása különbözhet.
2.4 Kódolás
A kód valamely információ egyértelmű visszaadására alkalmas, megállapodás szerinti jel vagy
szimbólum. A hétköznapi élet is tele van kódolt információkkal. (Az egész távközlés és informatika
működésének alapfeltétele a nagyon különböző jellegű információk átvihető formájú jelekké
alakítása.) A kódok előállítása a kódolás, a kódokból az eredeti információk előállítása a dekódolás.
A területi azonosítók, bár részei az adattábláknak, elemzési szempontból mégis más minőséget képviselnek,
mint a jelzőszámok, adatok, indikátorok. A területi azonosítókkal műveleteknek csak nagyon korlátozott köre
végezhető el, lényegében két reláció megállapítására alkalmasak: az eredeti információk azonosságának vagy
különbségének megállapítására, valamint (jól kiválasztott azonosítók esetében) a megfigyelési egységek
rendezésére, csoportosítására. Más számtani műveleteket azonban nem szabad végezni velük (átlaguk például
értelmetlen). Mindebből következően ugyancsak viszonylag csekély (ha határozottabban fogalmazunk: semmi)
értelme új tudományos eredmények reményében a település- vagy térségazonosító számjeleket korreláltatni a
jövedelmekkel. Mindez nem kérdőjelezi meg azt, hogy a területi azonosítók a (mennyiségi) elemzések
nélkülözhetetlen statisztikai eszközei.
Fontos megjegyezni, hogy – a rendszer egységét némiképp megbontva – Budapest kerületei és a főváros
egészében is rendelkeznek saját településkóddal (Budapest 1357-es kódja mellett pl. a IV. ker. kódja 546). Ez
kedvező a Budapesttel foglalkozók számára, ugyanakkor az adatbázisok használata során mindig meg kell
győződni arról, hogy a vizsgált adatbázisban milyen módon szerepel Budapest, és szükség esetén a 23 kerület
adatait össze kell vonni, illetve a duplán (kerületenként és összesen) is szereplő adatok egyikét törölni. Az adatok
teljeskörűsége érdekében néhány fiktív területegységet is „létrehoztak”, azaz kóddal láttak el a rendszerben.
Ezek – Budapest kerületre nem bontható, a megyék településre nem bontható, az ország területre nem bontható
adatai, illetve az országhatáron kívüli tevékenység – kétjegyű numerikus kódokkal rendelkeznek. Ha a hozzájuk
tartozó adatérték nem nulla, akkor megfelelő kezelésükre, esetleges kiszűrésükre figyelni kell (pl. az országos
összesítéseknél). A közigazgatási változások – településösszevonások, szétválások – miatt a számozás nem
folyamatos (pl. a 2005. jan. 1-jei állapot szerint „legutolsó”, 3145. település, a 2002-ben önállósodott Somogy
megyei Zákányfalu törzsszáma 3440).
A településkód a Központi Statisztikai Hivatal 1981-ben bevezetett, a különböző területi egységek és a hozzájuk
tartozó települések egyértelmű azonosítását célzó területi számjelrendszerének része. A legújabb, 2004. jan. 1-
jétől alkalmazott számjelrendszerben – amely összesen 57 számjegyből áll – az alábbi besorolásokat rögzítették
minden településre, illetve Budapest kerületeire vonatkozóan:
• az 5 jegyű településazonosító törzsszám (1-5. pozíció)
• a területi jelzőszám (6-11. pozíció), amelynek részei:
o a megyekód (2 számjegy);
o a főváros kerületeinek kódja (2 számjegy);
o a település jogállásának kódja (1 számjegy);
o megyeszékhely-kód (1 számjegy);
• kistérségkód (4 számjegy, 12-15. pozíció), illetve hogy a település kistérségi központ-e (0 – nem, 1 –
igen): 1 számjegy, 16. pozíció;
• régiókód (1 számjegy, 17. pozíció);
• agglomeráció-kód (4 számjegy, 18-21. pozíció; az első jegy az agglomeráció típusára utal, a
második-harmadik számjegy azonosítja az adott agglomerációt, míg a 4. jegy az adott
agglomeráción belül különbözteti meg a központot, az esetleges társközpontokat és a többi
települést);
• körjegyzőség-kód (összesen 6 számjegy, 22-27. pozíció; közülük az első jegy fejezi ki, hogy
körjegyzőség székhelye, tagja, vagy önálló jegyzőséggel rendelkezik-e a település; a további 5 jegy
az érintett jegyzőség központjának 5 jegyű településkódja);
• a mezőgazdasági tájkörzet kódja (3 számjegy, 28-30. pozíció);
• a szőlő-termőtáj és a borvidék kódja (3 számjegy, 31-33. pozíció);
• a vállalkozási övezet kódja (2 számjegy, 34-35. pozíció)
• az idegenforgalmi régió kódja (2 számjegy, 36-37. pozíció)
• az üdülőkörzet kódja (2 számjegy, 38-39. pozíció);
• a világörökségi helyszín kódja (2 számjegy, 40-41. pozíció)
• a nemzeti park kódja (2 számjegy, 42-43. pozíció)
• kulturális látványosság, esemény kódja (2 számjegy, 44-45. pozíció)
• az aktív turizmus kódja (2 számjegy, 46-47. pozíció)
• a gyógyturizmus kódja (3 számjegy, 48-50. pozíció)
• ún. NUTS-kód az Európai Unió számára történő adatszolgáltatások biztosításához (7 számjegy, 51-
57. pozíció).
A rendszert 6 település (a főváros, egy budapesti kerület, egy megyeszékhely és három, különböző megyékhez
tartozó község) példáján érzékeltetjük:
Zugló (Bp. Nyíregy- Vámos-
Helységnév Budapest Szany Cered
14. ker.) háza család
Településazonosító törzsszám 1357 8 1633 7 1720 6 0853 6 0366 5 3105 1
Területi jelzőszám 0100 1 1 0114 9 9 1500 2 1 0800 4 2 1200 4 2 1800 4 2
Kistérségkód 3101 1 9999 9 4508 1 3801 0 4205 0 4806 0
Régiókód 1 1 6 3 5 3
Agglomeráció kódja 0001 0001 3051 9999 9999 9999
Körjegyzőségi kód 1 13578 9 99999 1 17206 2 08536 2 03665 3 21537
Mezőgazdasági tájkörzet kódja 621 621 224 514 112 524
Szőlő-termőtáj és borvidék kódja 999 999 999 999 999 999
Vállalkozási övezet kódja 99 99 99 99 07 99
Idegenforgalmi régió kódja 01 01 03 09 02 09
Üdülőkörzeti kód 01 01 99 99 25 99
Világörökségi helyszín kódja 01 99 99 99 99 99
Nemzeti park kódja 99 99 99 99 99 06
Kulturális látványosság, esemény kódja 11 99 31 99 99 99
Aktív turizmus kódja 01 99 10 99 99 99
Gyógyturizmus kódja 202 999 204 999 999 999
NUTS-kód HU10101 HU99999 HU32308 HU22101 HU31305 HU22206
A településazonosító törzsszám a már ismertetett ötjegyű településkód. A gyakorlatban – mint azt már említettük
– elégséges és célszerűbb az első négy értékes számjegy használata (Budapest esetében 1357, Cerednél 366 és
így tovább).
A területi jelzőszám a magasabb közigazgatási egységekhez való tartózás hatjegyű kódja. Elemei közül önállóan
is gyakran használatos a megyét azonosító első két jegy, a megyekód (a 01-es sorszám Budapesté, majd a 02-es
Baranyától a 20-as Zaláig nevük ábécérendjében következnek a megyék, Jász-Nagykun-Szolnokot kivéve,
amelynek megyekódja a megye 1990 előtti megnevezése (Szolnok) alapján 16, a 15-ös Szabolcs-Szatmár-Bereg
és a 17-es Tolna között). A következő két érték a fővárosi kerületek azonosítására szolgál (01-től 23-ig, a többi
településre vonatkozóan – így Budapest egészére is – ez az érték 00). A jelzőszám ötödik tagja a települési
jogállást jelzi (1: főváros, 2: megyei jogú város, 3: város, 4: község), a hatodik érték pedig a megyeszékhely-kód
(1: megyeszékhely, 2 nem megyeszékhely). Ennek megfelelően Nyíregyháza kódja azt jelzi, hogy a település
Szabolcs-Szatmár-Bereg megyében található (15), megyei jogú város (2) és megyeszékhely (1). Szany Győr-
Moson-Sopron megyei (08) község (4), Zugló pedig Budapest (01) 14. kerülete, amelynek esetében a települési
jogállás és a megyeszékhely-kód nem értelmezhető (Erre itt a 9-es számjegy utal, a számjelrendszer más
elemeiben a 99, 999, 9999-es kódok jelzik az adott szempontból nem érintett településeket).
A kistérségkód a hazai térségi elemzés ma talán legfontosabb területegységeibe, az ország 168 kistérségébe
sorolja be a településeket. Budapest itt a 3101-es sorszámmal az első, Baranya megye komlói kistérsége a 3201-
es, mohácsi kistérsége a 3202-es stb. (a sort Zala megye zalaszentgróti kistérsége zárja 5006-os számmal. A
Függelék kistérségi adattábláiban megtalálható valamennyi kistérség kódja és neve.) Példáink közül Cered
(4205) a salgótarjáni, Szany (3801) a csornai kistérséghez tartozik. A kód ötödik jegye 1 (kistérségközpont) és 0
(nem központi település) lehet (a felsoroltak közül pl. Nyíregyháza kistérségközpont, Cered és Szany pedig
nem).
A KSH számjelrendszerén kívüli legismertebb területi azonosító a postai irányítószámok rendszere (Vigyázat:
nem minden településnek van egyedi postai irányítószáma!). Területi, települési azonosítókat, kódok maga a
kutató is kreálhat. A települési lélekszám is kódolható, nagyságcsoportokba sorolhatóak a települések, kóddal
lehet jellemezni a sajátos fekvési pozíciókat (pl. határmentiség) vagy akár különböző térségtípusokat is.. A
kódrendszer folyamatosan követi a bekövetkező közigazgatási változásokat, amelyek a Helységnévtárakban
követhetők nyomon.
Adatátalakítás kódolással
Az adatátalakítás során használt kódolás legjellemzőbb esete a nominális változók számszerűsítése, egyértelmű
szabály szerinti, kódolt formára alakítása (ez a kódolás az empirikus szociológiában a leggyakoribb).
Speciális eset a két kimenetű minőségi változók átalakítása bináris kódokkal 0, 1 értékekből álló adatsorrá. Az
ilyen jellemzők összetettebb matematikai-statisztikai modellekbe is beépíthetőek. Ennek az adja meg az alapját,
hogy az ilyen adatsor átlaga nem fiktív szám csupán, hanem jól értelmezhető tartalommal bír (az 1 értékű
egységek arányát méri). Ugyanez nem teljesül a többértékű nominális változók kódolásakor.
21
Ahogy a fenti leírás is mutatja a KSH számjelrendszere messze nem valamifajta semleges statisztikai jeltár,
hanem egy sokelemű „hivatalos” településosztályozási rendszer, amely sokfajta területi vizsgálatban
kiindulópont lehet.
Ilyen bináris jellegűek a területi elemzésben (például a regresszió számításban nagyon jól használható) ún.
dummy változók is. A magyarországi településekhez ugyanis hozzárendelhető 7 különböző regionális dummy:
minden település abban a regionális vagy (régió-) dummyban 1 értéket kap, amely régióban található, a másik
hatban pedig 0-t. A legutóbbi táblázatban, a területazonosítók kapcsán szereplő települések közül Szany például
a Nyugat-Dunántúl változójában (dummyjában) kaphat 1-t, a többiben pedig 0-t, Cered értéke ellenben az Észak-
Magyarország dummyban 1, a többiben 0. Azt már csak ellenőrző kérdésként tesszük fel: mi a helyzet
Nyíregyházával?
Több kimenetű minőségi változók esetében már bonyolultabb a kódolás. Ha a nominális tartalomhoz nem vagy
csak nagyon erőltetetten lehet legalább sorrendiséget, kisebb-nagyobb, fontos-lényegtelen, támogatott-elutasított
stb. relációt rendelni, akkor ugyan elvégezhető a számszerűsítés, de az új adatsorral való bonyolultabb
számításoknak már nagy a kockázata. A főváros – megyeszékhely – város – község „értékeket” tartalmazó
nominális változóhoz ugyan logikusnak látszik az 1, 2, 3, 4 kódok hozzárendelése, de mindebből már nem
következik az, hogy e településtípusok között bármilyen értelemben is 1 lenne a különbség, amit a
számszerűsítés sugall. A véleménykutatások esetében nagyon gyakori elégedettség- vagy attitűd-vizsgálatok
esetében22 hasonló a helyzet: a nagyon elégedett – elégedett – elégedetlen – nagyon elégedetlen skálához rendelt
4, 3, 2, 1 számok esetén. Itt ráadásul még az a faktor is felbukkan, hogy lehetséges (sőt biztos) az, hogy vannak
olyan interjúalanyok, akinek az elégedetlensége körülbelül azonos viszonyt jelent a vizsgált jelenséghez, mint
mások elégedettsége (mindez tovább fokozódik a bővebb 0-10 vagy 0-100 közötti skálákon mozgó
értékeléseknél).
A kódolás azonban nem pusztán nominális jellemzők számszerűsítését jelentheti. Hanem eszköze lehet az
információ-tömörítésnek is: széles intervallumon eloszló változók esetében már a számítások során összevont
csoportokat képezhetünk, majd ezekkel végezhetjük a számítást. (Ez a logika mintegy fordítottja a fentinek, s
leggyakrabban akkor kerül szóba, ha az adott számszerű jellemző „puha”, nem közvetlenül számba vett, s így
egyedi értékeinek megbízhatósága kérdéses, ami a csoportokba rendezéssel csökkenthető.)
A statisztika sokjelentésű fogalom. Ha azt halljuk, „statisztikát készít”, akkor számokkal bűvészkedő
hivatalnok juthat eszünkbe. A „statisztikai adatgyűjtés” már nagy szervezettséget igénylő, tervszerű
adat-előállítás képét hívja elő. Az adatgyűjtés fogalma kapcsán érdemes különbséget tenni kísérletes
adatgyűjtés és a „valódi” statisztikai munka között, előbbit bár sokszor számokat eredményez, nem
hívjuk statisztikának. Az adatfeldolgozás bizonyos módszerei önmagukban is „statisztikák”.
22
A legismertebb, leggyakrabban alkalmazott 5 illetve 7 fokozatú ordinális (a „negatív”, elutasító pólustól a
semleges ítélet fokozatain át a „pozitív” elfogadó véleményig húzódó) skálát Rensis Likert (1903-1981), a
társadalomtudomány számos ágában működő amerikai kutató dolgozta ki és publikálta 1932-ben, őróla kapta
nevét az ún. Likert-skála.
2.5.1 Valószínűségszámítási háttér
A valószínűségszámítás a matematikának viszonylag fiatal, néhány száz éves ága (kialakulásában a
szerencsejátékoknak és a biztosítási kockázatok elemzésének volt kitüntetett szerepe), ami mára az egész
tudományos elemzési kultúrát, mind a természet-, mind a társadalomtudományok terén átszőtte. A területi
elemzések matematikai-statisztikai alapelemei és bonyolultabb eszközei mögött is mindenütt ott található a
valószínűségszámítási háttér.
sztochasztikus: kenyér (általában) mindig van, csak az ára nem rögzített, s így a fizetendő árra
jellemezzük. A biztos esemény (például, hogy a feldobott – nem űrrakétával fellőtt - 100
forintos visszahull a földre) valószínűsége 1, a lehetetlen esemény (hogy a földre hullott 100
forintos érmén 50 forintos felirat látható) valószínűsége 0. Egyaránt 0,5 (vagy másként 50%)
1, ebből következően az adott példa harmadik lehetséges kimenete (megáll az élén az érme) 0
valószínűségű (de nem lehetetlen), ami azt jelenti, hogy sok ezer érmefeldobás során bizony
bekövetkezhet, ha nagyon ritkán is. Ugyanilyen, 0 valószínűségű, bár nem lehetetlen esemény
Egy esemény bekövetkeztének valószínűsége, bizonyos (ritka) esetekben tisztán matematikai (leggyakrabban
kombinatorikai alapon) kiszámítható, megadható, máskor csak kísérletek hosszú sorának ismétlésével, s a
kimenetek összegzésével becsülhető meg.
Statisztika Valószínűségszámítás
Adatsor, jellemző, változó Valószínűségi változó
Relatív gyakoriság Valószínűség
Átlag, középérték Várható érték
Szórás Szórás
Gyakorisági hisztogram Sűrűség-függvény
Eloszlás Eloszlás-függvény
Minta Minta, reprezentáció
Idősor Sztochasztikus folyamat
Középértékek
N szám (adat) számtani átlaga az a szám, amelyet az eredeti számok helyébe helyettesítve a számok összege
változatlan, azaz a számtani átlag (x „felülvonás” jelöléssel):
∑x i
y=
∑y f i i
∑f i
A súlyozott formula tulajdonképp semmi más, mint összevont formája annak, hogy minden egyedi adatot (még,
ha az területileg aggregált formában, például területegységekre összevontan adott is) figyelembe veszünk a
számításnál. Ha súlyozatlan átlagot számítunk n területegység aggregált fajlagosából, akkor tulajdonképp egy
olyan n elemű minta átlagát kapjuk, amely az egyes területegységek átlagos értékeiből áll. (Ugyanez a helyzet a
súlyozatlan illetve súlyozott szórás esetében → 2.5.3). A területi egyenlőtlenség-vizsgálatokban jellemzően
súlyozott átlagokat, illetve szórást használnak, számos matematikai-statisztikai módszer ellenben a területi
adatokat csak súlyozatlan formában képes kezelni.
N szám mértani átlaga az a szám, amelyet a számok helyébe helyettesítve azok szorzata
x* = n ∏x i
ami ekvivalens azzal, hogy (x )
* n
= ∏ xi
A számtani és mértani átlag között határozott nagyságviszony van, a számtani átlag mindig nagyobb vagy
egyenlő, mint a mértani. Két tagra az alábbi levezetés bizonyítja a tételt:
a+b
≥ ab
2
a + b ≥ 2 ab
(a + b) 2 ≥ 4ab
a 2 + 2ab + b 2 ≥ 4ab
a 2 − 2ab + b 2 ≥ 0
(a − b) 2 ≥ 0
q.e.d .
Az adatsorok (valószínűségi változók) helyzeti középértékei közé tartozik a medián, ami az az érték, aminél
kisebb és nagyobb adatok száma egyenlő. A helyzeti középértékeket extrém adatokat tartalmazó adatsorok
esetében előnyös használni.
A medián tulajdonképp egyik sajátos esete az adatsor kvantiliseinek, amelyek olyan értékek, amelyek az adatsor
nagyság szerinti sorrendbe rendezett tagjait azonos elemszámú részekre tagolják. A medián a „felező” érték,
gyakran használják a kvartiliseket („negyedelő” pontok), a kvintiliseket (ötödölők), a deciliseket („tizedelő”)
illetve a percentiliseket („századolók”). Ezeknél beszélünk 1, 2,...k-adik (k a kvartilisnél negyedik, a decilisnél
tizedik, percentilisnél a századik hányadot jelenti) kvantilisről. Ezek a jellemzők különösen gyakran fordulnak
elő a jövedelem-egyenlőtlenségek vizsgálatakor („felső tized”).
Sem az átlag, sem a medián nem feltétlenül egyezik meg az adatsor valamely tagjával (ezért mondhatjuk joggal,
hogy nincs „átlagmagyar” csak „magyar átlag”). A „felső kvartilis” például az az érték, aminél az adatsor
tagjainak egy negyede nagyobb úgy, hogy maga az adott érték nem is biztos, hogy szerepel az adatsorban
(folytonos változók esetében a kvantilisekre csak becslések adhatók). Ezzel szemben, az ugyancsak a
középértékek közé sorolt a módus (vagy módusz, a „divatos” érték), az adatsornak az az értéke, ami legtöbbször
fordul elő. Ha több ilyen érték is található az adatsorban, akkor azt többmódusúnak (többcsúcsú) nevezzük.
Terjedelem, szórás
Az adatsorok jellegadó értékei közé tartozik a maximális és a minimális érték (akár egyik, akár másik többször is
előfordulhat az adatsorban). A maximális és a minimális érték különbsége az adatsor terjedelme (range-arány).
Használható a differenciáltság mérésére a maximális és a minimális érték különbségét (a szóródás terjedelme)
A matematika-statisztika egyik legfontosabb fogalma a szórás, ami az adatsorok egyes értékeinek az átlagtól
való négyzetes eltérésének az átlaga, képletben:
∑ (x i
− x)2
s= i
n
Fajlagos adatok esetében legtöbbször a szórás súlyozott formáját számítjuk:
∑ ( y − y) i
2
fi
s= i
∑f i
i
Az adatsorok szórása 0 és +∞ közötti értékeket vehet fel, mértékegysége megegyezik az eredeti adatsoréval. (A
szórásra a területi egyenlőtlenségi mutatók → 3.2.2 kapcsán még visszatérünk.)
Amennyiben egy minta alapján becsüljük egy feltételezett eloszlás szórását, akkor – valószínűségszámítási
megfontolások alapján – a kifejezés nevezőjében n helyett n-1 áll (ezt korrigált szórásnak hívják), ami arra utal,
hogy a mintákból számított értékek általában kissé alábecslik a teljes sokaság szórását. Számos statisztikai
programcsomag ezen összefüggések alapján számol, s ezért kis elemszámú adatsorok esetén a két érték
jelentősen el is térhet. Ha azonban pl. 150 kistérség valamely adatából számítunk szórást, a 150-nel vagy 149-cel
való osztás az értékes jegyekben már nem okoz különbséget. Még inkább igaz ez a súlyozott formulára. Ez is
példa arra, minél nagyobb a minta (az adatsor hossza), annál megbízhatóbbak a belőle számítható értékek.
Ha a szórást az átlag százalékában fejezzük ki (csak intervallum-skálán mért, nem 0 átlagú adatok esetében
tehetjük ezt meg), kapjuk a relatív szórást:
s
v= ∗ 100
x
Mivel az előzőekben bemutatott 3 középérték közül a módus minden mérési skála esetén értelmezhető, a medián
az ordinális skálától kezdődően, az átlag csak az intervallum- és arányskálán, szórást is csak ilyen mérési szintű
adatokból számíthatunk. (Azaz nem átlagolhatók sem a nemek, sem a katonai rangok, de megadható, hogy egy
csoportban férfi vagy nő van több, s milyen rangnál kezdődik a hadsereg felső tizede.)
Standardizálás
Az átlagot és a szórást használja az adatsorok egyik alapvető, dimenziótlanító eljárása az ún. standardizálás. Xi
adatsorból az alábbi összefüggés alapján állítható elő Zi standardizált változó:
xi − x
zi =
sx
ahol x az adatsor átlaga sx az adatsor szórása. A standardizált változó ( z i ) átlaga 0, szórása 1.
Ahhoz, hogy igazoljuk, hogy a standardizált változó átlag valóban 0, szórása pedig 1, fel kell írni zi
átlagának illetve szórásának képleteit, abba behelyettesítendő a zi és xi közötti fenti kapcsolat, majd algebrai
átalakításokkal eljuthatunk az eredményhez.
Eloszlások
• a diszkrét eloszlások értelmezési tartománya diszkrét, egyedi értékekből áll (nem folytonos). Ilyen
például a családok eloszlása a családtagok száma szerint egy országban (1, 2, 3 …n tagú családok
száma). Magától értetődően diszkrét minden nominális vagy ordinális skálán mért jellemző is. A
diszkért eloszlásból számított átlagok tulajdonképp csak fiktív adatok (pl. ilyen szám az, hogy egy
országban az átlagos családnagyság 2, 79, ennek azonban azonnal értelmes jelentés adunk akkor, ha azt
mondjuk, hogy itt 100 család átlagosan 279 főből áll).
• a folytonos eloszlású változó egy adott intevallumon belül tetszőleges értéket felvehet. Ilyen mutató
például a jövedelem, ami (elvileg) bármilyen nem negatív értéket felvehet (ha a jövedelem nélküli, csak
adóssággal rendelkező egyedektől eltekintünk), de hasonló a hőmérséklet, a csapadék, a
távolságmértékek, a tengerszint feletti magasság stb. Az adott intervallum „kitöltése” csak a mérés
pontosságától és a megfigyelések számától függ.
23
Véges mintával reprezentált folytonos eloszlások sűrűségfüggvényének (amely „lépcsős”) kisimítására
használható az ún. kernel-módszer.
24
Az interneten 118 eloszlás matematikai leírását tartalmazza a
http://mathworld.wolfram.com/topics/StatisticalDistributions.html weboldal.
Normális eloszlás
Soktényezős hatások eredményeként létrejövő kimeneteleket leíró szimmetrikus eloszlás, („harang alakú”
eloszlás, Gauss-görbe). Statisztikus jellemzője az, hogy a normális eloszlású adatok kétharmada az átlagtól egy
szórásnyi távolságon belülre esik, s két szórásnyi intervallumon belül van az adatok 98 százaléka (2.2. ábra).
Bár az empirikus vizsgálatok területi adatsoraira sokkal inkább az a jellemző, hogy eloszlásuk nem normális
(sűrűségfüggvényük nem harang alakú, nem Gauss-görbe), több (pl. k darab) ilyen adatsor együttes eloszlása
már közelíti a normális eloszlást a k-dimenziós térben (a területegységek többsége a k-dimenziós ponthalmaz
közepe körül tömörül).
Lognormális eloszlás
Ha egy adatsor (valószínűségi változó) logaritmusának eloszlása normális, akkor az eloszlást lognormális
eloszlásnak nevezzük (2.3. ábra). Ez az eloszlás a természeti és társadalmi jelenségek esetén nagyon gyakori,
nem szimmetrikus (balra ferde) eloszlás, ahol a kis értékek gyakoriak, a nagyok ritkák, de messzire elnyúlik az
eloszlás. Ilyen a természetföldrajzból ismert szemcseeloszlás vagy a jövedelmek eloszlása: sok „szegény” (kis és
közepes jövedelmű) és jóval kevesebb magas jövedelmű embert találunk mindenütt. A jövedelemeloszlás jellege
mindenütt ilyen, csak a gazdag-szegény polarizáció mértéke (a jövedelmek szórása) különbözik koronként és
országonként, a gazdag országok jellemzően kiegyenlítettebbek, mint a szegények. A lognormalitással
ekvivalens az a kijelentés, hogy az adatok nagyságrendje normális eloszlású.
További eloszlások
A számos további eloszlás közül a Poisson eloszlás (Simeon D. Poisson, francia matematikus, 1781-1840) fordul
elő leggyakrabban a területi elemzések során. Ez írja le például a térben (síkon) véletlenszerűen eloszló pontok
(2.4. ábra) konfigurációját (annak valószínűségét, hogy egy adott térrészbe 0, 1 2…n pont esik). Térbeli
mintavételek esetében az ilyen konfiguráció az egyik megfelelő választás. Az ábrán is jól látszik, hogy a
„véletlenszerűség” úgy jelentkezi, hogy egyaránt találunk egymáshoz nagyon közeli, sűrűsödő pontokat s
viszonylag üres térrészeket. Ehhez az eloszláshoz viszonyítva számszerűen is jellemezhető a ponteloszlások
konfigurációja (koncentráltsága, véletlenszerűsége, szabályos, geometrikus jellege) a legközelebbi szomszéd
analízis módszerével (Nemes Nagy J. 1998)
2.4. ábra A véletlen kétdimenziós ponteloszlás (Poisson eloszlás) képe (Rosenberg 2001 nyomán)
Egy n pontból álló síkbeli pontrendszer súlypontjának koordinátái, ha a pontok helyzete koordináta-
rendszerben (térképen) adott, és minden ponthoz egy-egy „súly” (tömeg) tartozik, a pontok
koordinátáinak súlyozott számtani átlagaként számíthatók:
n n
∑ f i xi ∑f i yi
i=1 i =1
x = n
; y= n
∑i=1
fi ∑f
i =1
i
A módszer a területi elemzések klasszikus eszköztárába tartozik. Alkalmazásának gyökerei a 20. század első
felének szociálfizikai elemzési irányzataiig vezethetők vissza (Stewart, J. Q. – Warntz, W. 1958). Az 1920-as
években a Mengyelejev Centrográfiai Laboratóriumban, Leningrádban kiemelt kutatási témaként szerepelt. A
súlypontmodellnek megfeleltethető bármely területegység, ország népességének területi megoszlása; a
pontoknak a települések, a súlyoknak a népességszámok tekintendők. A népességi súlypont kiszámításával a
területi megoszlás egyik középértékét kapjuk meg, a súlypontnak az alappontoktól mért euklideszi távolságai
négyzetének súlyozott összege minimális. Magyarországon a súlypont-modell használatára épült Bene L. –
Tekse K. 1966 nagyívű empirikus elemzése a hazai népesség területi eloszlásának történeti változásairól.
n 2 2 n
D= ∑ fi (( xi − x ) + ( yi − y ) ) / ∑ fi
i =1 i =1
ahol xi és yi az alappontok koordinátáit, x és y a megfelelő súlypont koordinátáit, fi pedig az egyes
alappontokhoz tartozó megfelelő súlyokat (népességszám, munkanélküliek, telefonvonalak száma)
jelöli.
Érdemes még említést tennünk egy térség, ország ún. (népességi vagy gazdasági) medián-pontjáról is.
Ezt úgy kapjuk meg, hogy a térképeken megkeressük azokat az egyeneseket, amelyek K-Ny illetve É-
D irányban „elfelezik” a népességet és a két egyenes (hosszúsági illetve szélességi kör) metszéspontja
adja ki a mediánpontot. Ez a pont sokkal kevésbé érzékeny a népesség vagy bármely más vizsgált
jelenség térbeli arányeltolódására, hisz egyáltalán nem mozdul el akkor, ha például a népesség
eloszlásában a térség egy-egy felén belül történik elmozdulás. (Ha Tolna megye összes lakosa Zalába
települne át, a népességi súlypont markánsan elmozdulna nyugati irányban, a mediánpont azonban
változatlan maradna.)
K-Ny É-D
Súlypont Súly Év koordináta koordináta
(km) (km)
Felsőfokú végzettség Felsőfokú végzettségűek elvégzett osztályszáma 2001 -8,26 -8,91
Települések Minden település=1 2001 -7,58 -31,73
Jövedelem Adóköteles jövedelem 2000 11,33 -19,06
Telefonellátottság Telefon fővonalak 2000 16,74 -20,64
Iskolázottság 7-x évesek elvégzett osztályszám 2001 21,48 -21,39
Népesség Lakónépesség 2001 25,03 -21,48
Földrajzi középpont - 2001 34,50 -35,41
Munkanélküliek Regisztrált munkanélküliek 2001 60,41 -16,41
2.5. ábra Súlypontok a 20. század végén Magyarországon (Budapest origójú koordinátarendszerben)
A gazdasági-társadalmi jelenségek térségi különbségeinek vizsgálatát rendszerint a közigazgatási
határok keretein belül végzik. A másik lehetséges módszer az elemzési célokra kialakított egyéni
lehatárolás keretében vizsgálódni. A harmadik lehetőség a területi mozgóátlag alkalmazása, amely
módszer a lehatárolási probléma és az aggregációs információveszteség egyfajta kezelése mellett a
25
A fejezet a módszernek csak a lényegét ismerteti, részleteiben lásd Dusek T. 2004, 9. fejezetben vagy a
szerzőnek a módszert bemutató publikációjában (Dusek T. 2001).
térszemlélet formálására is alkalmas. A módszer szemléleti rokonságot mutat, a pont-mintavételekből
történő területi szintű becslés, a térbeli interpoláció más módszereivel.
Egy adott elemi egységnél (leggyakrabban településnél) a vizsgált jellemző területi mozgóátlagát úgy
számítjuk ki, hogy a jellemzőnek a településre és (alapesetben) attól adott távolságon belüli
településekre rendelkezésre álló értékeit átlagoljuk (fajlagos adatok esetében súlyozott átlaggal
számolva):
A módszer az összes elemi egységhez egy nagyobb térségre jellemző értéket rendel hozzá, végig
haladva az összes elemi egységen. A számítás nem kötődik semmilyen már létező területi felosztáshoz
(az elemi egységek lehatárolásától természetesen eltekintve). A módszer matematikai értelemben
bármilyen területi bontásban elérhető mennyiségi ismérvre kiszámítható, azonban csak megfelelő
területi részletezettségű adatok rendelkezésre állásakor érdemes alkalmazni. Magyarországon ez
legalább kistérségi szintet jelent.
A körzetébe tartozó elemek
B
A
B
A
Első esetben azonos nagyságú területek átlagát számoljuk, második esetben az átlagolandó terület
nagyságát úgy határozzuk meg, hogy a súlyozási szempont szerint egyenlő súlyú körök jöjjenek létre.
A súlyozási szempont leggyakrabban a népességszám, de az elemzés céljai szerint más is lehet. A
változatlan területnagyságú mozgóátlagot számíthatjuk súlyozott és súlyozatlan formában is, a
súlyozott forma az alapeset. A változó sugarú körök a vizsgálat fő szempontja szerint azonos súlyú
egységeket hoznak létre (például azonos népességszámú, azonos nagyságú személyi jövedelem
tömeggel vagy személygépkocsi állománnyal rendelkeznek a települések környezetébe eső
települések).
Az azonos súlyú területek súlymegállapítási elveiről hasonlóak mondhatóak el, mint az azonos sugarú
körök sugarának kiválasztásáról. Fontos különbség adódik azonban abból, hogy az elemzési
alapegységek, a területegységek már önmagukban is csoportosító ismérvekként funkcionálnak. Így a
kör nagyságát fokozatosan növelve a változó nagysága nem fokozatosan növekszik, hanem egy-egy
újabb területegység körön belülre kerülésével ugrásszerűen. A megállapított súlyt így szinte minden
esetben a körök súlya vagy kicsivel alulmúlja, vagy meghaladja. A két érték közül azzal számolunk,
amelyik közelebb esik a kívánt súlyhoz. Ez a probléma csak akkor vetődik fel élesen, hogyha számos
olyan település létezik, amelyik önmagában is meghaladja a megállapított súlyt, más szóval ha túl
kicsi a megállapított súlyunk a települések átlagos méretéhez képest.
2.8.2 Szövegszerkesztés
26
A területi elemzés számítástechnikai alapjainak jó összefoglalását tartalmazza Herendi et al. 1996, 1-8. fejezet.
szöveges és egyéb dokumentumok nyomdai szintű megszerkesztését jelenti. Ez utóbbi esetben már
olyan feladatok is felmerülnek, melyek nyomdai alapismereteket igényelnek.
A Word program a területi elemzők számára leginkább az írógépet helyettesíti. Könnyű kezelhetősége
lehetővé teszi, hogy a szöveges információkat gyorsan és tetszőleges formában meg tudjuk jeleníteni,
továbbá hogy újrakezdés nélkül alapvető változtatásokat tudjunk elvégezni a szövegben.
Gyakorlottabb felhasználók nem csak a szöveges információk beírására és rendezésére használják a
programot, hanem komplett dokumentumok elkészítésére is. A program ugyanis lehetővé teszi
táblázatok, ábrák, térképek, képek vagy speciális karakterek beszúrását is, ami a produktumok
fogyaszthatósága szempontjából nem utolsó előny. A területi elemzők számára különösképpen fontos
lehet az egyéb programokban kiszámított vagy létrehozott részeredmények beillesztése a
dokumentumba, mondjuk a bekezdések közé szúrva, ami viszont nagyfokú jártasságot igényel a
programok közötti átjárhatóság szempontjából.
A Word program alapvető fájlformátuma a Word dokumentum (.doc), ugyanakkor számos klasszikus
formátumú fájl is megnyitható a programban (például .txt). Abban az esetben, ha a kibocsátó és a cél-
számítógép eltérő szövegszerkesztő programmal rendelkezik, vagy ha ismeretlen szoftverrel rendelkező
gépre szeretnénk átvinni digitális szöveges dokumentumunkat, érdemes az ún. Rich Text Format (.rtf)
formátumú verzióban elmentenünk anyagunkat, amely – a bonyolultabb betéteket leszámítva – nagy
eséllyel ugyanazt a képet fogja nyújtani a befogadó gépen, mint a sajátunkon.
Az időről időre piacra kerülő új szoftver verziók kompatibilitási gondokat okozhatnak a korábbi
verziók működésében. A modernebb programokkal készített fájlok esetenként olyan újításokat is
tartalmaznak, amelyek egyszerű technikai okoknál fogva nem értelmezhetők a régebbi verziókban.
Ügyelnünk kell tehát arra, hogy egy-egy program melyik verziójával dolgozunk, és mely verziójában
szándékozunk elmenteni végeredményeinket. A modernebb programok általában ismerik a korábbi
verziók formátumait, visszafelé ez azonban nem oly gyakran igaz: ez a lefelé kompatibilitás szabálya.
Importálás: Exportálás:
Korábban már létező anyagok Megszerkesztett anyagok kivitele a
megnyitása (Fájl / Megnyitás) programból (Fájl / Mentés másként)
Excel Munkafüzet (.xls) Excel Munkafüzet (.xls)
Excel Munkalap (.xls) Excel Munkalap (.xls)
Excel Munkaterület (.wks) Excel Munkaterület (.wks)
dBASE (.dbf) dBASE (.dbf)
Quattro Pro (.wq1) Quattro Pro (.wq1)
Excel 5.0/95 (.xls) Excel 5.0/95 (.xls)
Excel 4.0 munkalap (.xls)
Data Interchange (.dif)
Az Excel program saját fájltípusai az Excel Munkafüzetet vagy Munkalapot tartalmazó (.xls) fájlok
illetve az ún. egész Munkaterületet tartalmazó (.wks) fájlok. A program általában képes más
táblázatkezelő programok által készített fájlokkal is dolgozni, melyek közül legismertebbek a dBASE-
fájlok (.dbf), illetve a Quattro Pro (.wq1) fájlok, másrészt az itt elkészített adatfájlok alapjául
szolgálhatnak más, magasabb szintű műveleteket is elvégezni képes programoknak.
2.8.4 Adatelemzés
A program hátránya – mások szerint előnye – hogy többnyire nem kész modulokkal rendelkezik a
különféle számítások elvégzéséhez, hanem nekünk, elemzőknek kell a számítás lépéseit, egyenleteit
megadnunk. Nincs tehát szó arról, hogy a begépelt vagy importált adathalmazunkból egy kattintással
kiszámolja a program a kívánt eredményeket. A legegyszerűbb vizsgálati módszerektől eltekintve
logikus lépések sorából felépülő számítássorozatot kell általában elvégeztetnünk a programmal.
Mindez tulajdonképpen abból fakad, hogy ez a program egyszerre csak egy számítási utasítást tud
végrehajtani, aminek viszont megvan az az előnye, hogy a számításnak minden lépését
koordinálhatjuk, felügyelhetjük vagy akár módosíthatjuk.
Adatbevitel: Eredménykivitel:
Korábban már létező anyagok Megszerkesztett anyagok kivitele a
megnyitása (File / Open) programból (File / Save as)
SPSS tábla (.sav) SPSS tábla (.sav)
SPSS/PC régi verz. (.sys) SPSS/PC régi verz. (.sys)
Excel 4.0 munkalap (.xls) Excel 4.0 munkalap (.xls)
dBASE (.dbf) dBASE (.dbf)
Tab-delimited (.dat, .txt) SPSS Syntax (.sps)
SPSS Syntax (.sps) SPSS Viewer (.spo)
SPSS Viewer (.spo) HTML file (.htm)
Text file (.txt)
Az SPSS program mellett más adatelemző szoftverek is megemlíthetők, melyek főként a statisztikai
elemző módszereket támogatják (pl. Statistica, Stata). E programok bizonyos elemeikben eltérő
eljárásokat is végre tudnak hajtani (pl. ún. panel-számításokat vagy trendfelület-vizsgálatokat).
A kész produktumok és kutatási eredmények nem írásos formájú bemutatása, közzététele sajátos
eszközöket igényel. Az eredmények előadás formájában történő bemutatásához nagy segítséget
nyújtanak az olyan speciális előadás-tervező szoftverek, mint például a Microsoft PowerPoint
programja. Ez az egyszerűen kezelhető, rövididejű gyakorlást igénylő szoftver változatos és látványos
formában képes bemutatni eredményeinket. E program népszerűsége részben könnyű kezelhetőségéből
ered, másrészt egyre jelentősebb elterjedtségéből a piaci szférától az oktatási és tudományos körökig.
E program segítségével az eredményeink szóbeli ismertetésével párhuzamosan írásbeli és képi
összetevőket is megjeleníthetünk. A jó PowerPoint bemutató vázlatpontokba sűrítve jeleníti meg
mondanivalónkat, amelyet az előadásunkban fejtünk ki bővebben és nem a bemutatásra kerülő
anyagban. A bemutató tulajdonképpen általunk megszerkesztett diakockák kivetítéséből áll, amely
felfogható egymás után következő írásvetítő-fóliáknak is. A megjelenítéshez is egy írásvetítőhöz
hasonló eszközre, ún. projektorra van szükség.
Léteznek a területi elemzők által használt szoftverek között olyanok is, amelyek egy-egy speciális
elemzési módszerhez nyújtanak segítséget, de a területi elemzésekben általános szerephez nem jutnak.
Ezek a szoftverek rendszerint más, nem területi elemzési céllal készültek, de bizonyos esetekben
kifejezetten alkalmasak egy-egy módszer számítógépes végrehajtására.
A grafikus megjelenítés azonban soha nem helyettesíti az elemzést,. az adatok értékelését és megfontolandó
az is, hogy mennyiben élünk az ábrakészítés lehetőségével, mivel ha túltengenek a diagramok, grafikonok egy
munkában, könnyen elvonhatja a figyelmet az érdemi információkról. Ez utóbbi hibát tetézi, ha a vizuális
élményadást azzal fokozzuk, hogy a legkülönbözőbb ábratípusokat tömegesen variáljuk. Ez az út nem a kutatási
célt szolgálja. Összességében soha nem szabad arról megfeledkeznünk, hogy a grafikus ábrázolás a kutatási
munkában eszköz, és nem cél.
• Az ábra legyen egyszerű és áttekinthető, azaz a befogadó rövid szemlélés alapján is fel
tudja dolgozni a grafikus formában nyújtott információkat. Kerülni kell például a felesleges formai
(pl. háromdimenziós kúpok), színbeli (pl. halacskás tapéta a háttérben) extrákat, illetve az
aprólékos információközlést (pl. kategóriatengelyen rendkívül sűrű számskála). A külcsín, a sok –
gyakorta felesleges – felirat stb. elvonhatják a figyelmet a lényegi közlésről.
• A színezés mellett a sraffozásos ábra (amikor pontok, vonalak, rácsok stb. különítik el az
egyes egységeket) is elterjedt, azonban ennél több megszívlelendő tanács is van. Egyrészt a
jelmagyarázatban, szerény méretű szimbólumnégyzet esetén, nem mindig kivehető a sraffozás
típusa (pl. ritka vonalak, ritka pontok), s így a beazonosítás gondot okoz. Másrészt célszerű
követni a tematikus térképezés szabályait, konkrétan a „sűrűsödés” elvét, azaz az egymás után
következő (pl. körcikkek) egyre sűrűbben legyenek kitöltve (pl. fehér szín, pontok, sűrű pontok,
vonalak, sűrű vonalak, rácsozat, fekete).
27
A szerzők naív óhaja a kézirat leadásakor: talán kötetünk ábrái e szigorú kritériumok többségének megfelelnek
majd!
A különböző diagramok, és grafikonok közül EXCEL-ben a Beszúrás/Diagram menüpontból illetve a
DiagramVarázsló ikon aktiválása után tudunk választani.
Az EXCEL-ben készített ábrák mindig „igazodnak” az eredeti adattáblához, így az azon történő bármilyen
változtatást automatikusan követi az ábra. Ennek előnye, hogy a tévesen bekerült adat(ok) korrigálása után
nem kell újból elkészíteni a diagramot, grafikont, hátránya viszont, hogy az adattáblán végzett műveletek
megváltoztatják az ábrát. Emiatt célszerű mindig külön táblát készíteni az adatokból az ábra „alapanyagául”,
és ezt a továbbiakban, ha csak nem szükséges, akkor nem bolygatni. Szintén az EXCEL program jellemzője,
hogy a többlépcsős ábrakészítés bármelyik lépcsőfoka újra behívható és módosítható, azaz egy kész ábrán is
minden újból át- illetve beállítható.
2.9.2 Oszlopdiagram
A diagramot leginkább arra használjuk, hogy egy vagy több területi adatsort ábrázoljunk, oly módon,
hogy egy területegység értékét a hozzá rendelt oszlop Y tengelyen leolvasható magassága adja meg. A
diagramot mind abszolút, mind relatív mutatókra elkészíthetjük.
Túl sok térséget nem célszerű így ábrázolni, mivel nehezen kibogozhatóvá válik az ábra, túl kevésért pedig
nem érdemes külön ábrát készíteni. A gyakorlat maximum kb. 20 egységet, minimum 4 egységet sugall.
Lényeges kérdés ennél a típusnál az oszlopvastagság. Mivel az oszlop magassága (és nem területe) jelenti az
adott értéket, emiatt nem érdemes túl széles oszlopvastagságot beállítani, mivel vizuálisan csökkenti a
különbséget. Korrektek a szakaszok lennének, melyek hossza megegyezik az ábrázolt értékekkel, azonban
ezek kevésbé kifejezőek a látvány szempontjából. Ide tartozik még az oszlopok összeérésének kérdése:
összeérést csak akkor célszerű alkalmazni, ha van kapcsolat a szomszédos oszlopok között, például egy terület
egy jelenségének időbeli változását mutatja az ábra. Figyeljünk arra, hogy minden oszlophoz tartozzon az X
tengelyen azonosító, ne maradjon le például egyetlen régiónév se. Ezt hosszú nevek esetén úgy tudjuk elérni,
hogy vagy kisebb betűre állítjuk át a szöveget, vagy elforgatjuk a neveket. Az Y-tengelyen szerepelnie kell az
ábrázolt jelenség mutatójának, mértékegységgel együtt. Ez alól kivételt jelent, ha a mutató már magában a
címben is előfordul, ekkor itt csak a mértékegységet kell feltüntetni. Az Y tengely maximumát (minimumát)
úgy érdemes megválasztani, hogy a legnagyobb (legkisebb) érték is látszódjon. Ez alól kivételt jelent, ha egy
messze kiugró értékkel rendelkező egységünk is van: ilyenkor „elvágjuk” az oszlopot (kisebb skálamaximum)
és az értéket ráírjuk a „maradékoszlop” tetejére (vagy „megtörjük” a tengelyt). Értékeket általában nem szokás
ráírni az oszlopokra, mivel a diagramnak nem az adatközlés a célja (arra az értékek szerint sorrendbe rendezett
adattábla a célszerű), hanem a nagyságrendi megkülönböztetés. Lehetőség van vezetőrácsok beállítására.
Ezeket akkor érdemes alkalmazni, ha túl sok egység áll közel azonos szinten, s így például a csoportképzésnél
(magas, közepes, alacsony értékűek elválasztása) a konkrétan kijelölt értékhatárok szerint nehéz a besorolás.
Ha egy vizsgált térségünk van, melyet egy tágabb keretben helyeztünk el, akkor a vizsgált egységet célszerű
megkülönböztetni a többitől, például az oszlopot más színűre állítjuk át.
2.7. ábra A gazdasági fejlettség regionális különbségei Belgiumban (2000)
Ésszerű, hogy az X tengelyen sorakozó egységek valamilyen szempont szerint sorrendbe legyenek téve: ez
leggyakrabban a mutató értékei szerinti (több mutatósor esetén az egyik, például a kiemelt mutató szerinti), de
néha ettől eltérő szempontok is szóba jöhetnek (például földrajzi égtáj vagy népességnagyság stb.).
Mindenképpen legyen logika az X tengelyen elhelyezett egységek sorrendjében. Leggyakoribb hiba a térségek –
adattáblákban gyakorta használt, s így a diagramokon is megjelenő – ABC-sorrendben történő sorakoztatása. Ezt
mindenképp kerüljük, emiatt azt ábra elkészítése előtt rendezzük sorrendbe a területegységeket, például az
ábrázolandó mutató értéke szerint. Ebben az esetben gyakorlatilag mindegy, hogy csökkenő vagy növekvő
sorrendbe következnek egymás után az egyes oszlopok.
Alkalmazható ez a diagramtípus egyszerre több mutató ábrázolására is, azonban ilyenkor problémát okoz a
különböző skála (értéknagyságrend, mértékegység). Ebből kifolyólag általában csak az azonos karakterű
mutatók együttes ábrázolása a célravezető, illetve a különböző mutatók azonos nevezőre hozása (például az
országos átlag százalékában fejezzük ki az egyes értékeket).
Az oszlopdiagram mellett a másik legelterjedtebb diagramtípus. Lényege, hogy egy területi adatsor
esetén az egyes területegységek részesedését adja meg a teljes területből, emiatt csak abszolút
mutatókra illetve az ezekből számított százalékos értékekre készíthető (ez utóbbit az EXCEL program
automatikusan megadja a diagram készítésénél). Egy területegység értékét a hozzá rendelt körcikk
területe (illetve ívhossza) adja meg (2.10. ábra).
Gyakori használatával találkozhatunk még egy terület adatának (pl. foglalkozási szerkezet)
felbontásakor (pl. primer, szekunder, tercier szektorban dolgozók aránya), ilyenkor az egyes körcikkek
az adott jelenség részeinek értékét mutatják (2.11. ábra).
Az ábrázolt szektorok száma minimum 3 (két számra nem érdemes diagramot „pazarolni”), maximum
5-7 legyen. Több adat ábrázolása a kördiagrammon ugyan elvileg nem tiltott, ennél több egység esetén
már gyakran nehezen értelmezhető az elaprózódó körcikkekre tagolt ábra, ilyenkor jobb az eredeti
adatokat táblázatban közölni, ha mindenképp szükségesnek tartjuk, hogy a kis értékű, súlyú
területegységekről is pontos számszerű információt közöljünk.
A kördiagramnál szintén célszerű a sorba rendezés, legjobb ha a cikkek csökkenő nagyságban követik
egymást (lehet növekvő is a sorrend). Automatikusan 12 órától indul a kör (ezt, bár lehet, nem
érdemes átállítani), és az óramutató járásával megegyező irányba követik egymást az egyes körcikkek.
Ennél a típusnál, mivel a hangsúly a részesedésen van, jó ha feltüntetjük a százalékos (nem pedig az
abszolút mutató szerinti) értéket. Emellett a körcikk „tulajdonosa” vagy a körcikk mellett szerepeljen
(így az egyszerűbb az ábra értelmezése), vagy, ha túl kicsik egyes körcikkek, külön jelmagyarázatban
(ez utóbbi esetben, habár nem mindig szerencsés, a jelmagyarázat kikerülhető, ha a cikk és tulajdonosa
szakasszal van összekötve). A színskálára az előző alfejezetben leírtak a mérvadóak. Lehetőség van rá,
hogy a körcikkeket széthúzzuk (robbantott kör), de ez csak zavarólag hat, mivel a körcikkek
egymáshoz való viszonyítását optikailag megzavarja. De ha egy vizsgált térségünk van, melyet egy
tágabb keretben helyeztünk el, akkor a vizsgált egység körcikkét – figyelemfelkeltés céljából –
„kihúzhatjuk” a körből. Viszont mellőzzük a kördiagram „megdöntését”, mivel eltorzítja az arányokat.
A kördiagram altípusát jelenti a kör-kör, kör-sáv diagram, melynél egy körcikket tovább bontunk
további egységekre (a 2.12. ábrán például Kelet-Ausztriát). Használata ritka, mivel az ábra
áttekinthetősége nem a legjobb. Készítésénél arra figyeljünk, hogy a továbbbontott körcikk területével
nagyjából egyező területű legyen a kisebbik kör.
A pontdiagram igazi funkciója a kétváltozós adatsorok megjelenítése. Ez még akkor is így van, ha elvileg az
Excel képes egyetlen változó kijelölése után is pontdiagramot szerkeszteni. Egy változó esetén a vízszintes (x)
tengelyre az adatsor elemeinek a táblázatban szereplő sorrendje kerül (mint független változó). A diagram tehát
ennek függvényében ábrázolja adott y valószínűségi változó értékeit, aminek pedig nincs különösen társadalmi-
gazdasági mondanivalója. Egyváltozós adatsor ábrázolásához érdemes a pontdiagram helyett egy másik
diagramtípust (pl. oszlopdiagram) választani.
Több diagramtípusnál is felmerül, de talán a pontdiagram esetében van a legnagyobb veszélye a diagram
alakjának nyújtásából vagy tömörítéséből származó torzításoknak. A fenti módosítások hatására mind a
diagramon látható pontfelhő alakja (külső határai), mind pedig a pontalakzat belső szerkezete (pontok közötti
távolságok) jelentősen módosulhatnak, ami félrevezethető. Az értéktengelyek léptékeinek egyenlőtlen
megváltoztatása különböző mértékben befolyásolja a pontok közötti távolságokat, aminek folytán a diagramra
rátekintve egyes megfigyelési egységek látszólag hasonlóbbnak vagy eltérőbbnek tűnhetnek. A legtöbb
diagramtípushoz hasonlóan a pontdiagram esetében is módosítható a pontok eloszlása a tengelyek
skálabeosztásának beállításával.
Az eddigiekben egy adatsorhoz tartozó két változó értékeire készített pontdiagramokról volt szó. Az
Excelben lehetőség nyílik egyszerre több adatsor egy pontdiagramon történő ábrázolására. Ilyen
diagramot csak úgy célszerű szerkeszteni, ha minden adatsor esetében a kategóriatengelyek azonos
változókat jelölnek. Erre már csak azért is szükség van, mert a program szerint egy értéktengelyhez
csak egy címet adhatunk meg. Több adatsor esetén nem elég, hogy azonos változóink legyenek a
kategóriatengelyeken, hanem az egyes adatsorok értékeinek is megközelítőleg azonosnak kell lenniük.
Ellenkező esetben egyes adatsorok pontalakzatai túlzottan összeszűkülhetnek, így nehezen
értelmezhetővé válnak. Több adatsort egyébiránt csak indokolt esetben ábrázoljunk egyetlen
pontdiagramon, az egymással érintkező (vagy egymást átfedő) pontalakzatok miatt az ábra könnyen
áttekinthetetlenné válhat.
A grafikon szó gyakran tágabb értelemben használatos. A széles közvélemény egy része ugyanis a grafikon szó
jelentését kiterjeszti valamennyi derékszögű koordinátarendszer segítségével történő grafikus ábrázolásra (pont-
, vonal-, oszlop- vagy sávdiagram). Itt (az Excel táblázatkezelő programnak megfelelően) a grafikon kifejezés
alatt a vonaldiagramokat értjük.
Egy grafikonon több adatsor is ábrázolható. Ez esetben figyelni kell arra, hogy az egyes adatsorok
azonos mértékegységűek legyenek, sőt az egyes adatsorok között ne legyenek jelentős értékbeli
különbségek. Több, egyazon területi egységre vonatkozó idősor esetében például a bázis- és a
láncindex egymástól jelentősen eltérő mértékegységű és volumenű adatsorok egy grafikonon történő
megjelenítésére és elemzésére nyújt lehetőséget. (Ekkor az ábra bal- és jobb oldalán eltérő beosztású,
mértékegységű y tengely szerepelhet.). Különböző mértékegységű adatsoroknál célszerű az ezekből
számított származtatott (pl. standardizált) adatokat ábrázolni grafikonon.
Gyakori, hogy az ábrázolni kívánt adatsorok hiányosak vagy az, hogy a független (x) változó értékei nem
egységnyire követik egymást (ez például a nem pontosan azonos időszakonként ismétlődő népszámlálások miatt
az idősoroknál sokszor előfordul). Ilyenkor két út van:
• vagy a grafikon digaramtípust választjuk, de ekkor a hiányzó éveket is szerepeltetni kell az x adatsorban
(s a hozzájuk tartozó y cellába nem 0 kerül, hanem a cella üresen marad!), mivel ezeket elhagyva
torzulnának az időtávok, ugyanolyan távolságra kerülnének a grafikonon eltérő hosszúságú időszakok
• választhatjuk az Excel DiagramVarázslóján belül a pontdiagramot is, ahol a pontok a vízszintes (x)
tengely mentén mérve nem feltétlenül egységnyi távolságra helyezkednek el, mert ez a független (x)
változó értékétől függ.
Bizonyítsa be, hogy egy szabályos háromszög tetszőleges belső pontjából, párhuzamos szakaszokat húzva
az oldalakhoz, az adott oldaltól az óramutató járásával megegyező irányban lévő oldallal, az így kapott
szakaszok összege független a pontok helyzetétől, minden pont esetében azonos, mégpedig épp megegyezik a
háromszög oldalhosszával! Ha megbirkózott a feladattal, megismerte azt a matematikai összefüggést, amire a
háromszögdiagram épül.
Tegyük fel, hogy, hogy a három változó „a”, „b” és „c” (a+b+c=100 százalék)! Az „a” változó
értékeit a lapjára fektetett egyenlő oldalú háromszög alsó oldalán (balról jobbra haladva), a „b”
változóét a háromszög jobboldalán (lentől felfelé) mérjük. A „c” változó értéke pedig a háromszög bal
oldaláról olvasható le, ahol a felső csúcs értéke 0, a bal alsó pedig 100 százalék. Az Excel program
DiagramVarázslója nem kínál fel külön diagramtípust háromszögdiagram készítésének céljára. A
pontdiagram típust választva némi „trükkel” azonban Excelben is elkészíthető a háromszögdiagram.
Változó Koordináta
csúcs
„a” „b” „c” „x” „y”
jobb alsó 100 % 0% 0% 100 % 0%
felső 0% 100 % 0% 50 % 86,6 %
bal alsó 0% 0% 100 % 0% 0%
A háromszögben elhelyezkedő pontok helyzetének meghatározásához elég két változó értéke. Így van
ez a pontdiagram derékszögű koordinátarendszerében is. Ha a pontdiagramon a pontok vízszintes
koordinátája x, a függőleges pedig y, akkor: x = a +b/ 2 és y =b/ 2∗ 3 .
Érdemes először egy külön adatsorként magukat a csúcsokat felvenni, és azokat összekötve megkapjuk
a háromszög körvonalát. (Megjegyzendő, hogy a háromszög kerületét alkotó adatsorhoz nem elég
három pont, ugyanis negyedik adatpontnak újra meg kell adni az először megadott csúcs koordinátáit,
hogy a körvonal bezáródjon.)
A térképet, mint adatforrást nagy körültekintéssel kell kezelnünk. A térkép fizikai állapota,
méretaránya, vetületi rendszere stb. mind olyan tényezők, amelyeket a feldolgozás során
figyelembe kell venni, különben könnyen téves eredményekre juthatunk.
Geodéziai térképek
Ezek a térképek terepi felmérések alapján készülnek. Méretarányuk 1:500 és 1:10 000 között mozog.
A felmérés eredményeinek ábrázolásánál eltolást nem alkalmaznak. A térképi tartalmat minimális
generalizálással állítják elő.
Topográfiai térképek
A legáltalánosabban használt térképtípus. Méretaránya 1:10 000-től 1:300 000-ig terjed. A térképi
tartalom a méretarány csökkenésével egyre nagyobb mértékben generalizált, az 1:25000 méretarány
alatt már a térképek nem közvetlen terepi felmérés alapján készülnek. A topográfiai térképek
egyszerre többféle tematikát tartalmazhatnak (domborzat, vízrajz, infrastruktúra, felszínborítás stb.).
Ezeknél a térképeknél gyakran előfordul, hogy egyes objektumokat eltolással ábrázolnak, másokat
kihangsúlyoznak (valós méretüknél nagyobbnak ábrázolják).
Földrajzi térképek
A földrajzi térképek kis méretarányúak (1:300 000>). Ezeken a térképeken általában csak kevés
tematika szerepel egyszerre. A generalizálás igen nagy mértékű. Jobbára csak tematikus térképek
alapanyagaként használhatók fel.
Bár sokaknak határozott véleménye van például a térképezés során használandó jelkulcsokról vagy
színskáláról, ezek jó része egyéni megítélés, illetve egyéni esztétikai érzék kérdése. A színes tematikus
térképeknél mindesetre jó iránymutatást ad a hideg-meleg színskála (kék – zöld – sárga - piros és a
megfelelő átmenetek). Bár elterjedt, de nem „tudományos” törvény ellenben, hogy a „pozitív”,
kedvező helyzetet tükröző értékekkel rendelkező területegységek kapják a meleg (piros), míg a
kedvezőtlen helyzetűek a hideg (kék) színeket (az ellentétes összefüggés is megmagyarázható). Az
egyszínű jelkulcsnál a sötét-világos átmenet felel meg az értékkülönbségek érzékeltetésének.
A térségi alapú tematikus térképeken elsődlegesen fajlagos, relatív adatok ábrázolandók. Abszolút
volumeneket (például a népességszámot vagy épp a külföldi tőke nagyságát) helytelen a területegységek
színezésével ábrázolni. Erre megfelelő mód az adott abszolút ismérvértékkel arányos szimbólumokkal (körök,
négyzetek) készült kartogram.
Bár az adathiány a modern regionális elemzések térképein már viszonylag ritka, ez üresen, „fehéren”
hagyott térrészekre írt n.a. – nincs adat – jelöléssel érzékeltethető. Sokan épp ezen problémakör miatt
általában kizárják – a fejezet szerzője ellenben előszeretettel használja - a fehér, üres jelkulcs-
kategóriát a tematikus térképezésből. Főként az egyszínű térképek esetében ezzel egy jól értelmezhető
jelzést hagynak veszendőbe menni az adatsor elején vagy végén álló területegységek jellemzőinek
azonosítására.
Manapság már ritkán fordul elő (aki példát talán rá, jelezze!), de azért talán nem felesleges utalni arra, hogy
szép színes térképet kaphatunk akkor, ha például egy megyei adatsort úgy térképezünk, hogy minden megyét
más-más színre festünk (abból a „logikából” kiindulva, hogy sok adatsorban valóban minden megyéhez más-más
érték tartozik). Ez azonban nem tematikus térkép, hanem színes illusztráció („nyuszitojás”). A tematikus
térképezés ugyanis az említett információtömörítés nélkül, aminek az a célja, hogy a vizsgált jelenség térbeli
eloszlásának jellegzetességeit kiemelje, s ezáltal utaljon a jelenség lényeges térbeli sajátosságaira – értelmét
veszti. A tematikus térképnek nem kell vizuális formában megismételnie a területi adattáblát. Akit egy-egy
megye pontos ismérvértéke érdekel, úgyis az eredeti adatokhoz fordul.
Miután a megfelelő alaptérképek rendelkezésre állnak, a térképezés általában azzal indul, hogy az adatokat
osztályközökbe soroljuk. Itt két kérdés vetődik fel:
Mindkét kérdésre különböző gyakorlatias válaszok vannak, több lehetőség közül választhatunk.
Az osztályközök (kategóriák) számát az emberi vizuális észlelés határai korlátozzák. Gyakorlati tapasztalat az,
hogy nyolcnál több kategória megkülönböztetése már nehézkes, ezért ezt a határt – még ha ügyesen megoldható
is a különböző kategóriák megkülönböztetése, például színekkel – érdemes kerülni. A kategóriák száma függ a
térképezési alapegységektől, a megfigyelési egységek (területegységek) számának növekedésével nőhet a
megkülönböztetett kategóriák száma is. A szakirodalomban a megfigyelési egységek száma (n) és a
térképezéskor használandó kategóriák számának felső határa (k) közötti kapcsolat meghatározására a következő
függvényt javasolják (természetesen ennél kevesebb kategória is használható):
k = 1+3,3*log n
Maximális
Területegység (n) Kerekített k Példa
kategória-szám (k)
7 3,788 4 Hazai régiók
20 5,293 5 Megyék
150 8,181 8 Kistérségek
200 8,593 9 A világ országai
257 8,952 9 Hazai városok
3200 12,566 13 Hazai települések
2.8. táblázat A tematikus térképi kategóriák és a megfigyelési egységek száma közötti összefüggés
A másik kérdést, azaz, hogy miként határozzuk meg a kategóriahatárokat, mivel ez már
tulajdonképpen egy általánosabb problémakört, a tipizálás, csoportosítás módszerét is érinti a
megfelelő fejezetben tárgyaljuk és mintapéldán ott mutatjuk be(→ 6.3). Mindkét kérdéskörhöz
kapcsolódik az is, hogy a kategorizálást az adatsorokban található értékékek is befolyásolják, nemcsak
a területegységek száma (kicsiny szórású adatok térképezésénél kevés kategória használata indokolt).
Ezek megszerkesztése nem könnyű, de megoldható. Az elemi megoldáskor a rajzolást úgy érdemes
kezdeni, hogy a megfigyelési egységeknek kiszámítjuk a teljes területen belüli népességarányát
(százalékban), majd egy száz egységnyi területet ezek szerint osztunk részekre. (Ezt a száz egységnyi
alapterületet indulásként úgy érdemes megszerkeszteni, hogy alakja nagyjából kövesse a vizsgált
térség – például az ország – földrajzi alakját. Gyakori megoldás az is, amikor a térkép a
területegységek alakját nem őrzi meg, hanem arányos téglalapokkal vagy más idomokkal helyettesíti.)
Az így kapott térképeken a belső területegységek, a határok a földrajzi, területi kiterjedésükhöz képest
természetesen torzulnak, de szomszédság fennmarad. Iterációval, kísérletezéssel vizuálisan is
elfogadható új térfelosztáshoz juthatunk (erre példa található: Nemes Nagy J. szerk. 1977).
Ha ilyen alaptérképet töltünk aztán ki a megfelelő fajlagos értékek kategóriái szerint, akkor nemcsak a
fajlagos mutató szerinti jellemző (például a jövedelem, a gazdasági fejlettség szintje, vagy ahogy a
2.20. ábrán tették, választási eredmény), hanem az érintett népesség nagysága is érzékelhető lesz a
térképeken. Nemcsak arról kapunk így információt, hogy melyik területen élnek szegények (vagy
gazdagok), hanem arról is, hogy hol koncentrálódik a két pólus. A topológikus térkép helyénvaló
használatára mutat példát a 2.20. ábra, ahol a szomszédság (azaz a topológiai reláció) megmaradt,
noha a területegységek nagysága megváltozott. (a fekete „peremeken” győztes Kerryt a szürke
„centrumot” uraló Bush legyűrte).
2.20. ábra A 2004. évi amerikai elnökválasztás eredményének két térképe (fenn: a szokásos területarányos, lenn
az elektorarányos topológikus térkép)
F: http://www.personal.umich.edu/mejn/election/
Ilyen logikájú topológikus térképek azonban nemcsak a fajlagos adatok ábrázolásakor kerülnek szóba.
A jövedelemegyenlőtlenségek például két topológikus térkép egymás mellé tételével is
érzékeltethetők. Az egyik lehet a népesség számával, a másik pedig a jövedelem volumenével arányos
területnagyságú egységeket (régiókat) tartalmazó térkép. E két térkép összevetésekor a magas
jövedelmű térségek a jövedelemtérképeken, az alacsony jövedelműek a népességi térképeken fednek
le nagyobb területet. (Világméretű térképek esetében Kína a jövedelmi térképen jóval kisebbre
zsugorodik Japánnál, ellenben a népességarányos topológikus térképeken természetszerűen dominálja
egész Ázsiát. Szingapúr ellenben, amely a népességarányos térképeken szinte nem is látszik, nagy
foltként bukkan fel a jövedelmi térképen.)
A topológikus térképek másik típusa az elérhetőség, a közlekedés elemzése során bukkan fel.
Jól érzékeltetik a közlekedés által ”torzult” teret az olyan térképek, ahol a területegységek –
miközben itt is fennmaradnak az eredeti szomszédsági relációk – aszerint torzulnak, hogy
milyen messze vannak egymástól az utazási időt tekintve. A sűrű kapcsolati, infrastrukturális
hálóval összekötött, központi térségek ezeken a térképeken összezsugorodnak, míg a
periférikus, nehezen elérhető térségek, megnagyobbodnak, s így távolabb kerülnek a többitől
(Gatrell, A. 1983).
A szubjektív terek vizsgálatának kulcsproblémája az ún. kognitív térképek – térképi elemekből illetve
a hozzájuk kapcsolódó szubjektív képzetekből álló tudati képződmények – minél teljesebb "előhívása"
a fejekből. A jelenleg ismert módszerek egyike sem képes e kétféle információtípust egyszerre,
összefüggéseiben megragadni. Egyik részük inkább arra alkalmas, hogy feltárja: a vizsgált hely vagy
régió mely részletei vannak jelen nagyobb, és melyek kisebb valószínűséggel, részletességgel, illetve
pontossággal az egyes társadalmi csoportokban. Az ezt célzó eljárásokat mentális térképezésnek
hívjuk, ami a gyakorlatban kísérleti személyekkel térképek rajzoltatását, és e rajzos információk
értékelését jelenti. A módszerek másik része a vizsgált helyek (régiók) általunk előre megadott
elemeihez kapcsolódó vélemények, ismeretek, attitűdök, sztereotípiák feltárását célozza. Ehhez
általában speciális kérdőíveket használnak.
A mentális térképek rajzoltatása módszertani kategóriáját tekintve a kísérletek közé tartozik. A kísérlet
a természettudományok jellemző módszertani eszköze, a társadalomtudományok közül egyedül a
pszichológiában és rokon tudományaiban (szociálpszichológia, pedagógia) van jelentős szerepe. A
regionális kutatásokban a mentális térképezés jószerivel az egyetlen, szélesebb körben alkalmazott
kísérletes eljárás, és ezt is a pszichológiából vette át első alkalmazója, Kevin Lynch, illetve az ő
nyomán későbbi követői a behaviorista geográfusoktól a régió- és helymarketinggel, vagy a
turizmussal foglalkozó gyakorlati szakemberekig. A módszer sikerét egyszerűségének is köszönheti.
Az előre kiválasztott – az általunk megismerni kívánt célcsoporto(ka)t reprezentáló – kísérleti
személyek azt a feladatot kapják, hogy adott időn belül egy üres papírra vázolják föl emlékezetből a
vizsgálat tárgyát képező területi egység térképét, és jelöljék be, illetve nevezzék meg azokat az
objektumokat, amelyek épp „eszükbe jutnak” (vagy azokat, amelyeket legfontosabbnak tartanak). A
feladat tehát igen egyszerű, és az adatfelvétel kedvező feltételek esetén (sok ráérő ember egyidejű
jelenléte olyan helyen, ahol leülni és rajzolni lehet) gyorsan, olcsón végrehajtható.
A mentális térképek zömét városokról, esetleg csak városrészekről rajzoltatják, de nincs elvi korlátja
annak, hogy országokról, vagy akár országcsoportokról, kontinensekről készíttessünk térképvázlatot.
Szintén előnye a módszernek, hogy a kutatás céljának megfelelően a kísérleti utasítás speciális
megkötéseket is tartalmazhat. Ilyen lehet az, hogy a kísérleti személyek csak azokat a helyeket jelöljék
be, ahol már jártak, vagy ahol gyakran megfordulnak; esetleg azokat, ahova szívesen elmennének
nyaralni; vagy ahol rokonaik, ismerőseik élnek stb. Szűkíthető a vizsgálat azzal is, hogy korlátozzuk a
bejelölhető objektumok típusát (pl. csak az utakra, vagy csak jellemző épületekre, vagy csak
településekre vagyunk kíváncsiak). De van lehetőség a bővítésre is (pl. kérhetjük, hogy a bejelölt
települések mellé írják oda, hogy hány lakosúnak gondolják, vagy értékeljék őket egy számmal
aszerint, hogy milyen gazdagnak, szépnek stb. ítélik).
Mivel a rajzokon látható mentális térképek jellemzőit a kísérleti alanyok személyiségén kívül
társadalmi és földrajzi meghatározottságaik is alapvetően befolyásolják, lehetőleg a rajzos vizsgálatot
is ki kell egészíteni (a rajzolásra adott idő után) egy rövid, a kitöltőre vonatkozó alapvető
háttérváltozók rögzítését célzó kérdőívvel. Legalább a nem, életkor, iskolai végzettség, illetve a
jelenlegi és az életút során eddig jellemző egyéb lakóhelyek rögzítése célszerű, de a vizsgálat céljától
függően egyéb tényezők rögzítése is fontos lehet (a társadalmi státusz indikátorai, pl. foglalkozásra,
jövedelemre utaló adatok, a kulturális státusz, az információszerzés mennyisége és főbb forrásai, a
földrajzi mobilitás mértéke stb.).
A rajzos módszer előnyei mellett számos, részben nehezen leküzdhető hátránnyal is rendelkezik. Ilyen
problémát jelent, hogy a tömeges egyidejű lekérdezés általában csak speciális csoportok esetében
lehetséges – nem véletlen, hogy a publikált mentális térkép-vizsgálatok jelentős részében egyetemi
hallgatók vagy iskolások voltak a kísérlet résztvevői. Ezek köre azonban szűk, és a vizsgálat
szempontjából legérdekesebb célcsoportokat – vállalkozók, turisták vagy az adott település/régió
lakossága – jól reprezentáló mintát egyszerre „leültetni” és rajzoltatni általában nehéz, néha szinte
lehetetlen. A probléma megoldását jelentheti, ha pl. a megkérdezettek lakásán történő kérdőíves
vizsgálat részeként alkalmazzuk a térkép-rajzoltatást, esetleg speciális alkalmak (pl. konferenciák)
használhatók ki erre.
A mentális térképezés alapvető jelentősége, hogy általa a társadalmi térfolyamatok hátterében álló,
más módszerekkel nem, vagy csak bizonytalanul feltárható mozzanatokról kaphatunk részletes
információkat. Ezáltal új szempontokkal egészíthetők ki a regionális tudomány "hagyományos" (nem
kísérleti) módszereivel nyert adatok egy egész sor, gyakorlati szempontból is nagy jelentőségű
probléma esetében, mint pl. a szuburbanizáció, a földrajzi identitás a települési kapcsolatok, illetve a
lakóhelyi szegregáció kutatása, valamint a várostervezés, a hely- és régiómarketing stb. terén is.
Kevés olyan módszer és szoftver létezik, amely olyan közel állna a területi kutatókhoz, mint a térképek
és a térinformatikai eszközök. Mind az eredménymegjelenítés, mind pedig az összetett területi
elemzések szempontjából hasznos és fontos eszközöknek tekinthetők, s ezért kiemelt jelentőségük van a
területi szempontú vizsgálatok eszköztárában. A számítógéppel segített térképkészítés, illetve a
térinformatikai rendszerek és programok felértékelődése vitathatatlan az utóbbi években, évtizedben,
ami egyben azt is jelenti, hogy a területi elemzéseket végző kutatótól már egyfajta minimális elvárás az
eredmények ilyen formájú megjelenítése.
A tematikus térképek elkészítésének másik módja az ún. vektoros eljárás, amely nagy vonalakban
átvezet minket a térinformatikai programok közé. E programok előnye, hogy a kívülről a programba
bevitt adatbázisunkat képesek összekapcsolni a program alaptérképi adatbázisával, s ezzel a térképi és
adatbeli információinkat egységes rendszerré tudják kovácsolni. Ebben az összegzett térképadat-
rendszerben bármilyen bevitt adat bármilyen formában könnyen térképre vihető, könnyen módosítható
akár sokszori megismétlésben is. Az így elkészített produktumok általában nyomdailag precízebbek,
magas színvonalúak, ugyanakkor gyakorlati jártasságot is igényelnek az elkészítés során. A vektoros
alapon működő térképező rendszerek között említhetjük meg például a Mapinfo, a Geomarket vagy az
ArcView programokat, melyek saját formátumú fájlokkal dolgoznak, viszont az elkészített anyagok
bizonyos konvertálással kivihetők a programból (2.9. táblázat) vagy közvetlenül a programból
nyomtathatók.
A térbeli elemzések problémáját két egymástól teljesen eltérő logikával lehet megközelíteni. Az egyik módszer
szerint a vizsgált terület egészét felosztjuk egyforma, szabályos részekre (cella) és ezeken belül a vizsgált
jelenséget jellemezzük egy mérőszámmal. A másik lehetőség, hogy a vizsgált területen lehatároljuk a vizsgált
jelenségeket és ezekhez az objektumokhoz társítunk attribútumokat. A térinformatikában az előbbi logikát a
tesszelációs, míg az utóbbit a vektoros adatmodell követi. Kiss Richárd megfogalmazása szerint a két adatmodell
közti különbség: a vektoros modellben a "hol van?", addig a raszteres modellben a "mi van ott?" kérdésekre
kaphatunk könnyebben választ. A raszteres és vektoros adatbázisok egymásba átkonvertálhatók. A vektor-raszter
átalakítás egyértelmű művelet, míg a raszter-vektor átalakításra több módszer is használatos (Detrekői – Szabó
2002).
• A tesszelációs adatmodell a térben elhelyezkedő geometriai elemeket sokszögekre bontva írja le.
Megkülönböztetünk szabályos és szabálytalan tesszelációt. A szabálytalan tesszelációs adatmodell egy
speciális fajtájáról a későbbiekben a domborzatmodellezésnél még lesz szó. A szabályos tesszelációs
adatmodellnél három fajtáról beszélhetünk: háromszöges, négyzetes, hatszöges. Ezek azért alkalmasak
mivel hézag nélkül fedik le a teret. A három fajta adatmodell közül – gyakorlati előnyei miatt – széles
körben csak a négyzetes adatmodell terjedt el. A négyzethálós tesszelációt grid vagy raszteres
adatmodellnek nevezik (Detrekői – Szabó 2002).
Domborzat
Morfometriai „layerek”
• A kitettség a domborzatmodellből vezethető le. A DDM rács minden egyes eleménél kiszámítható lejtésének
iránya. Ez az érték értelemszerűen 0-360º között változhat. Ezt az értéket rendeljük hozzá az egyes
rácselemekhez. A kitettség térképen a rácselemek lejtésértékeit tetszőleges számú osztályba sorolhatjuk, és
megjelenítéskor eszerint rendelhetünk hozzá színeket. Általános gyakorlat az égtájak szerinti osztályba
sorolás.
• A lejtés a kitettséghez hasonlóan a domborzatmodellből számítható. Itt a rácselemek lejtését határozzuk meg
º-ban, vagy %-ban. Ábrázoláskor itt is osztályokba soroljuk az egyes értékeket. Lejtéstérképek esetén
általában a mezőgazdaságban és talajerózió-térképezésben használt alábbi osztályozást alkalmazzuk:
• Az abszolút relief a tengerszint (erózióbázis) feletti magasság. Ennek a kiszámítása egy elemi cellára a cella
méretétől függően kétféle módon történhet. Amennyiben az elemi cella a kiinduló domborzatmodell egy
cellája, akkor a helyzet egyértelmű, hiszen a cella magassági adata ismert. Ha az abszolút relief elemi cellája
nagyobb a domborzatmodell elemi cellájánál, akkor már valamilyen átlagolási módszert kell alkalmaznunk.
• A relatív relief a vizsgált területegység legmagasabb és legalacsonyabb pontjának különbsége. Itt figyelni
kell arra, hogy a megfelelő felbontást válasszuk, mert hamis következtetést vonhatunk le az eredményből.
Elég csak arra utalnunk, hogy ha túl nagy egységet választunk, előfordulhat, hogy a legmagasabb pont és a
legalacsonyabb nem reprezentálja megfelelően a terület domborzati viszonyait.
Képlete: R = Mh − Ml
• A felszabdaltsági index a relatív relief és az abszolút relief hányadosa. Értéke ennek megfelelően 0 és 1
között változhat (Kertész 1972).
• Egy terület vízrajzi elemzéséhez első lépésként a vízgyűjtő területeket kell lehatárolni. A vizsgált terület
vízgyűjtőkre való felosztásakor a vizsgált terület nagyságához kell igazítani az adatforrás felbontását, legyen
az analóg domborzati térkép, vagy digitális domborzat modell. A vízgyűjtő területek a vízfolyásokhoz
hasonlóan hierarchiába rendeződnek. Egy kis forráság vízgyűjtője esetleg csak 1-2 km2, de a Duna, vagy
befogadója a Fekete-tenger vízgyűjtője több százezer km2. Ezekkel az elemzésekkel a másik probléma a
vízgyűjtő lehatárolása, vagyis a vízválasztók kijelölése. Kézenfekvőnek látszik a domborzatmodell alapján
lehatárolni a vízválasztókat – az esetek többségében ez működik is – bár a síksági területeken néha
rendkívül nehéz, sőt egyes esetekben lehetetlen éles határvonalat húzni. Ezenkívül a kőzetminőség
(jellemzően karsztos területeken) is módosíthatja a domborzat alapján meghúzott vízválasztó vonalat.
• A völgyhálózat sűrűség a vízhálózat sűrűség kiszámításához hasonlít, azzal a különbséggel, hogy itt az
egységnyi területre eső völgyvonalak hossza kerül a számlálóba, függetlenül attól, hogy van-e benne állandó
vízfolyás vagy sem.
A fentiekben röviden ismertetett morfometriai vizsgálatokon kívül több más, a digitális domborzatmodellezés
lehetőségeit kihasználó mutató létezik. A témához kapcsolódó angol nyelvű cikkek, tanulmányok
irodalomjegyzékét R. J. Pike (2002) gyűjtötte össze.
Felszínborítás
A felszínborítási térképezés során a vizsgált felszín teljes felületét előre meghatározott osztályokba soroljuk. Ez
a művelet tulajdonképpen egy manuális raszter-vektor átalakítás, melynek során lehatároljuk az egyes
területfoltokat. A kiinduló raszteres adatbázis (többnyire űrfelvétel, vagy légi fotó) annyira bonyolult struktúrájú,
hogy bár ígéretes kísérletek már vannak a folyamat automatizálására, ezidáig még nem sikerült általánosan
alkalmazható módszert kidolgozni.
A vizsgálat célja alapján megállapítjuk a kívánt részletességet. Meghatározzuk a legkisebb még térképezhető
objektum méretét. Ezzel összefüggésben generalizációs szabályokat állítunk fel, amely biztosítja, hogy az
adatbázisunk egységes legyen. Felszínborítási térképezéshez számos nómenklatúrát kidolgoztak világszerte az
utóbbi évek során. Európában 1985-ben indították a CORINE (COoRdination of INformation on the
Environment) programot, mely lehetővé tette eleinte az EU, később szinte egész Európa egységes tematikus
térképezését 1:100 000-es méretarányban. A CORINE program legnagyobb adatbázisa a Land Cover (CLC100).
Ebben a programban Magyarország 1993 óta vesz részt.
Egy kiválasztott mintaterületen végzett összehasonlítás alapján egyértelművé vált a két adatbázis közti jelentős
minőségi különbség, ami a tematikus tartalmat illeti. Ez más okok mellett a tematikus mélység és a geometriai
felbontás növelésének köszönhető. A CLC100 és a hazai CLC50 program várható ismétlése folytán (a CLC100
folytatása már elindult) változásvizsgálatokra is lehetőség nyílik a közeljövőben, ami további információkat
nyújt a regionális kutatásokhoz.
Az egyéb természeti tematikák közül – itt csak felsorolásként – megemlítendő: a talaj, a talajvíz, az
erózióveszélyes területek léjere, a klíma, a potenciális növénytakaró, az ökológiai rendszer valamint egyéb
természet- és környezetvédelmi információk.
A természeti és a társadalmi tényezők közötti kapcsolatot jól példázza az, hogy a legmodernebb társadalmi
térkategória, a régió esetében nemcsak a fogalom értelmezésében bukkan fel minduntalan (legalábbis a földrajzi
szempontú közelítésben) a táji, környezeti egyveretűség, mint követelmény, hanem ez az összetevő kétségkívül
fontos eleme a régióképződés egyik alapfeltételének tekinthető térségi kohéziónak is.
28
A hazai szakirodalomban fellelhető az ország településeinek természeti tájakhoz rendelése: Marosi S. -
Somogyi S. szerk. 1990. A két szféra sajátos kapcsolatrendszerét vizsgálták az MTA RKK ATI kutatói is
(Csatári – Kovács szerk. 2003)
Az összekapcsolt elemzés részeként a társadalmi jelenségek, jellemzők vizsgálhatók természeti (táji) térbeli
keretekben. Ha ekkor a különböző területegységek között érzékelhető különbségek mutatkoznak, ez valószínűsíti
a természeti faktorok direkt társadalmi hatását. E kapcsolatrendszerből – a kutatási eredmények tükrében – több
markáns természeti dimenzió társadalomformáló szerepe kimutatható:
E hatások kimutatására a területi elemzés általános eszközei alkalmasak. Az ilyen típusú kapcsolatok
teszteléséhez bátran fordulhat a modern kor kutatója is, még ha fel is sejlik az eredmények kapcsán néha a
földrajzi determinizmus (rém)képe (a világméretű fejlettségi megosztottság földrajzi – fekvési, éghajlati –
háttértényezőiről lásd Gallup, J. L. – Sachs, J. D. – Mellinger, A. 1999 tanulmányát). A válasz erre abban áll:
minden emberi, társadalmi jelenség, jellemző, folyamat nem vezethető le a természeti determinációkból, de
számos összefüggés, folyamat mögött igenis a természeti hatások állnak.
Itt kell megemlítenünk, hogy a térelemzés modelljei, elemzési eszközei legszorosabb rokonságot az ökológia
(illetve, ahogy annak GIS alapú eszközrendszerét mostanság nevezik, az ökográfia) elemzési eszköztárával
mutatják (Perry, J. N. et al 2002, illetve a publikációnak helyt adó Ecography c. folyóirat tematikus száma).
Természetesen ugyancsak mind a természeti, mind a társadalmi folyamatokat összefogják a
környezetvédelemmel kapcsolatos kutatások.
A gyakorlatiasabb momentumok közül végül mindenképp érdemes utalni arra, hogy tulajdonképp
gazdaságstatisztikai „gyöngyszemként” még ma is része a térségtipizálásoknak, a támogatott területek
kijelölésének hazánkban a termőhelyek értékének immár több mint 100 éves klasszikus mutatója a
földminőséget jelző aranykorona-érték.
3 TERÜLETI EGYENLŐTLENSÉGEK
• különböző egyenlőtlenségi mutatók eltérő eredményre vezethetnek (egy településen vagy térségen
belül például a jövedelmi egyenlőtlenségek úgy is csökkenhetnek, hogy a szélső pólusokon lévő
csoportok között polarizálódás van: az egyik tendencia a relatív szórás mutatójával, a másik a
range-típusú mutatószámokkal ragadható meg → 3.2);
• dinamikus elemzésekben lényeges a vizsgálat időtávja (rövid illetve hosszabb távon eltérő lehet az
egyenlőtlenségek változásának tendenciája, egy nagytávlatú nivellálódási szakaszban például szinte
törvényszerűen van több kisebb-nagyobb differenciálódási időszak).
Azt, hogy egy adott elemzésben épp melyik egyenlőtlenségi mutatót választjuk, befolyásolja a
vizsgálati kérdés és a rendelkezésre álló adatbázis is. Sok esetben jó, sőt szükséges megoldás többfajta
egyenlőtlenségi index kiszámítása is, hisz olyan kitüntetett egyenlőtlenségi mutató nincs, ami a területi
tagoltság minden oldalát egyedül képes lenne mérni. A szóba jöhető indexek közül az egyenlőtlenség
nagyságának megítélése szempontjából kedvezőbbek a korlátos (normalizált), véges értékkészletű
mutatók. Mivel ezen indexek értékkészlete a minimális és maximális érték által meghatározott zárt
intervallum, értéküket az elméletileg lehetséges szélsőértékekhez viszonyíthatjuk (ezt a követelményt
nem teljesítik például a különböző polarizációs indexek és a matematikai-statisztikában egyébként
centrális szerepű szórásmutatók).
A következőkben tárgyalt mutatószámok szinte mindegyike generális eszköz, nem pusztán területi,
hanem bármely más megfigyelési egységre vonatkozó egyenlőtlenségek mérésére alkalmas. Ebből
következik az is, hogy itt még nem kap hangsúlyt a térbeliség direkt szempontja, az a sajátosság, hogy
ugyanakkora egyenlőtlenségi mérték teljesen eltérő térbeli konfigurációban is megjelenhet lényegesen
eltérő következményekkel.
Általában nem függ ezen indexek használhatósága a vizsgált jelzőszámok tartalmától sem, az
lényegében bármi lehet (ezért is találkozhatunk velük a legkülönbözőbb tudományágakban). A
regionális elemzésekben leggyakrabban a népesség és a jövedelmek eloszlásának egyenlőtlenségeit
mérik velük. Több mutatószám esetében kifejezetten abszolút adatok (illetve azokból számítható
megoszlási viszonyszámok), másokban fajlagosok szerepelnek. A fejezetben az abszolút adatokat –
megfelelően indexelve – x-szel, a fajlagosokat y-nal jelöljük (ahol ettől eltérünk, azt külön jelezzük).
Minden esetben mérlegelendő az adatoknak a mutatószám által megkövetelt mérési szintje → 2.3,
legtöbbjük arányskálán mért adatokat kíván. A mutatószámok néhol nagyon bonyolultnak tűnő
képletei a felidézett adatkezelési alapoknál több matematikai ismeretet nem követelnek meg. Mivel
összetett matematikai lépéseket nem tartalmaznak, táblázatkezelő programok (pl. Excel) beépített
függvényei segítségével mindegyik könnyen számítható.
29
P. B. Coulter (1989) például közel 50 különböző egyenlőtlenségi indexet említ. Lásd még: Kluge, G. 2003.
3.2.1 A (területi) polarizáltság mérőszámai (Németh Nándor)
1) Szórás
3) Súlyozott szórás
∑f i
értéke az i.
területegységben (pl.
egy főre jutó
jövedelem)
y = y i súlyozott
átlaga
Mértékegysége: megegyezik az alapadatokéval Értékkészlete: 0 ≤ σ 〈∞
Megjegyzés: A súlyozott szórás, a szóráshoz hasonlóan, csak korlátozottan teszi lehetővé különböző vizsgálati
eredmények összehasonlítását, mivel végeredményünket a vizsgált mennyiségi ismérv mértékegységében kapjuk
meg. Így tehát csak azonos mértékegységű jellemzők szórásai vethetőek össze. Éppen ezért a módszert
leginkább olyan esetekben alkalmazzuk, amikor arra vagyunk kíváncsiak, hogy egy adott társadalmi-gazdasági
jelenség (területi) egyenlőtlenségei időben miképpen változtak. Jövedelemvizsgálatokban alkalmazva a
mutatószámot a közgazdasági szakirodalom σ (szigma) konvergenciáként említi azt a helyzetet,
amikor. az egyes országok (régiók) egy főre jutó jövedelmeinek keresztmetszeti adataiból
számított szórása csökkenő tendenciát mutat → 3.4.2..
4) Súlyozott relatív szórás
y
∑f i
(arány) mutató értéke az i.
területegységben (pl. egy főre
mértékét.
jutó jövedelem)
y = y i súlyozott átlaga
Mértékegysége: % Értékkészlete: 0 ≤ V 〈∞
Megjegyzés: a súlyozott relatív szórás hasonlóan viszonyul a súlyozott szóráshoz, mint a relatív szórás a
szóráshoz: az adatsor (ez esetben súlyozott) átlagához viszonyítva fejezi ki a szóródás nagyságát. A
mértékegység (%) itt is a 100-zal való szorzásból következik; e műveletet azonban el is hagyhatjuk, ezáltal
mértékegység nélkülivé téve mutatónkat.
6) Logaritmikus szórás
→ 2.2.3) épülnek.
Az alábbi mutatószámok a megoszlási viszonyszám fogalmára (→
Az előző fejezetekben bemutatott indexek között több is fajlagos (relatív), két jellemző hányadosaként
kapott változóból számítható. Arra a kérdésre például, hogy az egy főre jutó jövedelem mennyire szórt
területileg, azonban úgy is választ kapunk, ha a jövedelem és a népesség eloszlását vetjük össze. Az
alábbi indexek ezt a logikát követik.
2) A Hoover-index és „rokonai”
Értékkészlete: 0 ≤ h ≤ 100
Mértékegysége: %
3.2 táblázat Az adóköteles jövedelmek és az állandó népesség megoszlása alapján számított Robin Hood-indexek
Magyarországon különböző térségi szinteken
Az elnevezés mögött a következő gondolat áll: vajon az összjövedelem hány százalékát kell elvenni a
gazdagoktól (az átlag fölötti jövedelemmel rendelkezőktől) és odaadni a szegényeknek (az átlag alatti
jövedelemmel rendelkezőknek) ahhoz, hogy kiegyenlítődjenek a jövedelmi különbségek a vizsgált
területegységek között, vagyis az egy lakosra jutó jövedelem minden területegységben azonos, az átlaggal
egyenlő legyen. Ebben a hipotetikus esetben az index értéke nulla. Viszont minél nagyobb a kapott érték, annál
jelentősebb a jövedelem és a népesség területi eloszlásának eltérése, azaz a területi jövedelemegyenlőtlenség.
Mivel a jövedelemvizsgálatok esetében értelmetlen, hogy valamely csoport vagy területegység népességaránya 0
legyen, a Robin Hood-index maximális értéke nem 100, hanem 100–min (fi). (A jövedelemkiegyenlítés mögött
természetesen nem csak a „sherwoodi” – tartósan aligha életképes – módszer állhat, hanem a valóságos
jövedelmi felfelé-mobilitás és a térbeli migráció is.)
A szegregáció statisztikai értelmezése szerint két társadalmi csoport között akkor nincs szegregáció, ha a két
csoport mindegyik területi egységben azonos arányban van jelen. Minden más esetben a két csoport valamilyen
mértékű szegregációjával van dolgunk. A disszimilaritási index tehát azt mutatja meg, hogy mennyiben tér el a
két népességcsoport területi elhelyezkedése a szegregáció mentes elrendeződéstől. Szegregációs indexnek hívjuk
ellenben e formulát abban az esetben, ha egy kiválasztott népességcsoport területi elhelyezkedését nem egy
másik, sajátos jellemzőkkel bíró népességcsoportéhoz viszonyítjuk, hanem a helyi társadalom adott csoporton
kívüli teljes egészéhez. Ekkor tehát az index azt mutatja meg, hogy egy adott népességcsoport területileg
mekkora mértékben szegregálódik a teljes lakosságon belül.
A Hoover-indexet nemcsak két területi jellemző megoszlásának összevetésére, hanem térbeli megoszlások
időbeli változásának mérésére is használhatjuk (ekkor a két megoszlási viszonyszám az adott jellemző kezdő
illetve végső időpontbeli adatsora). Ha ilyen jellegű számításkor a nevezőben 2t szerepel (ahol t az időszak
hosszát jelenti években), akkor az egy évre eső átlagos területi eloszlás változásra kapunk értéket. Ez akkor
jöhet szóba, ha összehasonlító elemzésekben különböző hosszúságú időszakok változásait szeretnénk
összevethetővé tenni. Ugyancsak összehasonlító vizsgálatok esetében jöhet szóba az a módosítás is, amikor a
nevezőben 2n szerepel (n a területegységek száma), ekkor egy adott jelenségnek (például a népességnek) az egy
területegységre eső eloszlásváltozását méri a mutató. Ha különböző országok területi egyenlőtlenségeit
vizsgáljuk, így enyhíthető a területegységek eltérő számából adódó aggregációs torzítás (Nemes Nagy J. 1987).
3) Entrópia
ci
a csoportokon belüli egyenlőtlenség: G k = ∑ c i log
i⊂k di
ahol:
ci = xi X k : az i-edik területegység részesedése a ci mutató szerint a k-adik csoportban,
amelybe összevontuk;
d i = f i Fk : az i-edik területegység részesedése (az fi mutató szerint) a k-adik csoportban,
amelybe összevontuk.
Gk természetszerűleg teljesen analóg E-vel, ám itt nem az összes területegységet, hanem csak a k-adik csoportba
tartozókat vesszük figyelembe.
4) Redundancia mutató vagy Theil-index
5) Lorenz-görbe
100
számának kumulált relatív értékösszegei (%)
a jövedelmek, illetve a munkanélküliek
90
80
egy lakosra jutó
70
jövedelem
60
50
40
30
munkanélküliségi
20 ráta
10
0
0 10 20 30 40 50 60 70 80 90 100
a népességszám, illetve az adózók számának kumulált relatív
értékösszegei (%)
A görbe felrajzolásának első lépéseként az adott relatív mutató szerint sorrendbe kell rendeznünk
térségeinket; az már ránk van bízva, hogy csökkenő, avagy növekvő módot választunk-e. A Lorenz
görbe növekvő sorrend esetén az átló alá, csökkenő sorrend esetén fölé kerül. Ha kevés egység adatait
ábrázoljuk így, akkor a görbe nem simul ki, hanem a matematikában törött vonalnak nevezett formát
ölti. A 3.2. ábrán látható sajátos alakú Lorenz-görbén a népesség (vízszintes tengely) és az általa
elvégzett iskolaévek (függőleges tengely) kumulált megoszlása látható, iskolázottsági lépcsőnként.
Indiában 1990-ben a 15 évesnél idősebb népesség több mint fele egyáltalán nem járt iskolába (56%-os
volt az írástudatlanság), ezért a görbe hosszú szakaszon a vízszintes tengellyel esik egybe.
3.2. ábra Egy szélsőséges egyenlőtlenséget ábrázoló Lorenz-görbe: iskolázottság Indiában (McKay A. 2002)
30
Az egymást átmetsző Lorenz görbék sorbarendezésének kérdésköréről, az ún. Lorenz-dominanciáról lásd
Aaberge, R. 2000 és Figini, P. 2000 tanulmányát.
6) Gini-együttható(Gini-index)
7) Súlyozott Gini-együttható
A fentiekben bemutatott egyenlőtlenségi indexek közötti kapcsolatot a 3.3 ábra foglalja össze.
Lorenz-görbe
Gini-index (Az összevetett jellemzőknek
(A Lorenz- az xi/fi arány növekvő sorrendjében
görbe és az átló kumulált eloszlásgörbéje)
közötti terület
és a fél négyzet
területének
xi
aránya) Hoover-index
(A Lorenz görbe és az átló közötti
maximális függőleges távolság
hossza)
fi
3.3. ábra A Lorenz-görbe, a Hoover-index és a Gini-index grafikus interpretációja és a közöttük lévő kapcsolat
3.2.4 Néhány további szempont az egyenlőtlenségi mutatók használatához
Ahogy arra a fejezet bevezetőjében utaltunk, az itt bemutatottakon túlmenően számos egyéb indexet is
használnak a társadalomkutatók. Ezek közül – részletezésük nélkül, de utalva az eredeti forrásokra,
illetve néhány alkalmazási példára – még néhány külön említést érdemel.
Elsőként talán Amartya Sen Nobel-díjas közgazdásznak a szegénység mérésére használt komplex
mutatóját említhetjük (Sen, A. 1979, Förtster M. F. 1998, Szívós I. – Tóth I. Gy. 1998), ami a
szegénységi küszöb alatt élők arányát, ezek jövedelmi elmaradását valamint a Gini indexet
kombinálja. Sok jövedelemegyenlőtlenségi tanulmány használja az Atkinson és a Dalton mutatót
(Atkinson, A. B. 1970, Dalton, H. 1920, Major K. – Nemes Nagy J. 1999). A táji diverzitás ismert
mutatója a Shannon-index (Nagendra, H. 2002). E témakörbe sorolhatók a különböző ágazati
specializációs indexek is (Jeney L. – Szabó P. 2001).
Viszonylag ritka a területi kutatásokban, hogy két megfigyelési egységet olyan jellemzők alapján
vetünk egybe, amelyek két kimenetűek (0 és 1). Gyakoribb eset ez a szociológiai, véleménykutatási
vizsgálatokban. Ilyen esetekben is többfajta egyenlőtlenségi mutatót használhatunk, ezek közül is a
legismertebb az ún. összeillesztési koefficiens, amelyben az azonos (egyaránt 1-es illetve egyaránt 0)
értéket felvevő esetek (válaszok) számát viszonyítjuk az összes esethez (a mutató 0 és 1 közötti értéket
vehet fel, logikája az előjel-korrelációhoz hasonló → 4.2).
Minden itt bemutatott index természetesen érzékeny a területi aggregációra illetve a térfelosztás
változására is. Az erősen aggregált, összevont egységekből számított egyenlőtlenségi mértékek
általában mindig kisebbek az elemi egységekből számítottaknál31.
31
Az aggregációs hatásról részleteiben lásd Dusek T. 2004
3.2.5 A térbeli szegregáció sajátos mérőszámai
Interakciós index
n xi y i
IA = ∑ X p
i =1
i
Ez a mutató, ha a teljes népesség csupán két csoportra osztódik, akkor maximumként 1-et érhet el. A
minimális érték – hasonlóan a 3.2.3 fejezetben bemutatott koncentrációs indexhez – függ a
területegységek számától, sok egység, részletes térfelosztás esetén 0-hoz közeli (1/n) lehet. Értéke – a
szorzat két tagjának értelmezése alapján ez könnyen belátható –, annál nagyobb, minél inkább az a
jellemző, hogy ahol az egyik társadalmi csoport (x) nagy hányada tömörül, ugyanezen a
területegységen a másik csoport nagy létszámával kerül szembe, ami valószínűsíti a
kölcsönkapcsolatokat (interakciókat). Az interakciós index alacsony (nullához közeli) értékei jelzik az
erős szegregáltságot.
Izolációs index
n
x xi
IZ= ∑ i
i =1
X p i
Ez a mutatószám is akkor veheti fel az elméleti maximumát, 1-et, ha pusztán két csoportra osztjuk a
népességet, minimumát ugyancsak befolyásolja a térfelosztás részletessége. Ha értelmezzük a
tartalmát, láthatjuk, hogy a maximumot akkor közelíti meg, hogy, ha az adott társadalmi csoport
32
Az amerikai szegregációt átfogóan elemző kiadvány – U.S. Census Bureau 2003, Appendix B – 17 módszert,
indexet ajánl a szegregáció különböző aspektusainak mérésére. A fejezetben ebből emeltünk ki néhányat.
(etnikum) kizárólagosan vagy döntően egy vagy néhány területegységben él, de itt a teljes
népességhez viszonyítva nagy létszámban. Az izolációs index magas (1-hez közeli) értékei jelzik a
szegregáltságot.
Ezt az alapsémát újabb országok bevonásával az 3.4. ábra modellje szerinti összefüggésre
pontosíthattuk (Nemes Nagy J. 1987). A modell I. szakasza a prekapitalista időszak agrárdominanciájú
területi gazdasági arányait generalizálja, a II. szakasz a kapitalista nagyipar kibontakozásának, a nagy
területi koncentrációk kialakulásának időszaka. A III. szakaszban a tőkés termelési viszonyok teljes
uralomra jutása után megkezdődik az éles fejlettségi és strukturális dualizmus spontán és az állami
gazdaságpolitika által befolyásolt csökkenése. Ez utóbbi faktor a IV. szakaszban kialakuló regionális
politikával tovább erősíti a regionális közeledést.
A modell hátterét adó empirikus kutatás a hatvanas-nyolcvanas évek közötti periódusra vonatkozóan
azt, az adott pillanatban alig megkérdőjelezhetően pozitív jellemzőt is felszínre hozta, hogy a
vizsgálatban szereplő kelet-közép-európai szocialista országok a velük nagyjából azonos fejlettségi
szinten álló piacgazdaságokhoz képest regionálisan kiegyenlítettebb, kevésbé tagolt térszerkezetűek
voltak, a gazdasági fejlettség regionális szóródása szignifikánsan kisebb volt ezekben az országokban.
A rendszerváltozást követően az országok szinte azonnal elkezdték a „felzárkózást” a modell generális
trendjéhez (Nagy G. 2002b) a regionális fejlettségi, jövedelmi egyenlőtlenségek növekedésének
indultak (az országokat a modell koordinátarendszerében reprezentáló pont „függőleges” irányban
mozdult el). Mivel a fejlettségi („vízszintes”) skálán az országok még csak mostanában mozdulnak el
a 15 évvel ezelőtti szintről, a modellnek megfelelően az újabb regionális kiegyenlítődési szakasz még
várat magára (3.5. ábra).
Az országokon belüli régiók fejlettségi arányainak vizsgálatához Európában a 20. század utolsó
évtizedében három tényezőcsoport külön lökést adott. Az első az, hogy az átalakuló, globalizálódó
gazdaság számos új eleme, szektora jelent meg a fejlett országokban, kissé megrengetve a korábbi
évtizedek közeledési irányzatát a fejlett és periférikus térségek között. Ezekben az országokban a
területi egyenlőtlenségek stagnáltak vagy kissé növekedtek. Mindezzel párhuzamosan folyamatosan
mozgásban van kontinens gazdasági magterülete, korábbi központjától (a dél-angol – észak-német
zónától) délkeleti irányban mozogva az alpi térséget tette a legdinamikusabb makro-régióvá.
Folyamatos tesztelés tárgyává teszik a regionális egyenlőtlenségek alakulását az EU nagy volumenű
regionális támogatási forrásainak hatását számon kérők is. A válaszok ellentmondásosak és vitatottak,
Írország felzárkózása az egyik (a regionális politikát hatásosnak tartó), Görögország lassú elmozdulása
a másik (a támogatások csekély hozadékát hangsúlyozó) álláspontot támogatja. A viták mögött
nyilvánvalóan megjelenik egy időtáv-probléma is: az ezredforduló körüli stagnáló tagoltság nem
kérdőjelezheti meg a kontinens egészére az évszázad második felében alapvetően jellemző közeledési
irányzatot (Fayolle, J. – Lecuyer, A. 2000, Terrasi, M. 1999).
A σ konvergencia
A β konvergencia
0,09
0,085
0,08
log (GDP/fő, 2001/1994)
0,075
0,07
0,065
y = 0.0183x + 0.0269
0,06
2,4 2,45 2,5 2,55 2,6 2,65 2,7
log GDP/fő -1994
A konvergencia hipotézis érvényességéhez az kell, hogy a becsült β paraméter negatív legyen. Ebben
az esetben pontosan az történik, amit sejtettünk: a gazdagabb országok növekedési üteme alacsonyabb,
következésképpen várható a felzárkózás. Ennek gyorsaságára szintén a β paraméter adhat becslést. A
β konvergencia elnevezés is innen származik: a kérdéses jelenség, azaz a konvergencia szempontjából
a regressziós egyenlet β paramétere a meghatározó.
33
A Solow-modell a makroökonómiai növekedéselmélet 1956-ban született, de máig meghatározó modellje. A β
konvergencia fogalma ennek empirikus tesztelése közben született meg. A modell ismertetésétől most
eltekintünk, ez számos makroökonómia tankönyvben megtalálható, lásd pl. Mankiw 2002.
Az abszolút konvergencia hipotézisének tesztelése igen változatos empirikus eredményeket hozott. Az
első számítások, melyek során az OECD országokra valamint az USA tagállamaira végezték el a
teszteket, a konvergencia hipotézis mellett szóltak. Hamar világossá vált ugyanakkor, hogy a számítási
eredmények értékelése során eltekintettek egy módszertani sajátosságtól, melyet mintavételi
torzításnak lehet nevezni. Az 1990-es években fejlett országokra végezve a tesztet, az nyilvánvalóan
alá kell, hogy támassza a konvergencia hipotézist, de semmiképpen se utasíthatja el, még abban a
szélsőséges esetben sem, ha 1990-ben ugyanazon országok tartoznának a fejlettek közé, mint pl. 1930-
ban. Mivel azok az országok, amelyek nem tudtak lépést tartani a fejlődéssel a minta kiválasztásának
módja miatt nem kerültek be a mintába, így szükségszerűen kimutatták a jövedelmi különbségek
csökkenését. A szakirodalom egyértelműen rámutat arra is, hogy β értéke erősen függ a minta
elemszámától.
A feltételes konvergencia
3.4.1 A koncepció
A Markov-láncok modelljének kulcsfogalmai a mozgás és a sokasági eloszlás.
Mozgás, mivel változást, dinamikát, valamilyen átalakulást vizsgál. Ez abban is megnyilvánul, hogy
az elemzés során mindig több, különböző időpontra vonatkozó adatokat használunk és nem csak azok
összehasonlítására törekszünk, de arra is, hogy az egyik időpontban megfigyelt jelenségből
következtessünk a következő időpontra várható bekövetkezésre. A mozgás tehát abban az értelemben
is kulcsfogalom, hogy az elemzés során törvényszerűséget keresünk, szabályt, amely magára a
változásnak a magyarázatára irányul.
A Markov-láncok modelljében a vizsgált objektum, amelynek időbeni változására magyarázatot
keresünk, a különböző időpontokban megfigyelt sokasági eloszlás. Ezen fogalom azt írja le, hogy
hogyan oszlik meg a vizsgált sokaság a vizsgálati jellemző szerint egy időpontban. Ehhez a
megfigyelési egységeket különböző kategóriákba kell majd sorolnunk, ezeknek a kategóriáknak az
általános neve a Markov-modell irodalmában állapot.
Például ha a vizsgált jelenség a lakosság állandó lakóhely szerinti területi megoszlása, akkor
az egyes állapotok (vagyis kategóriák) a területi egységek lesznek, amelyek a vizsgálati
szinttől függően lehetnek kistérségek, megyék, régiók, településnagyság-csoportok.
Egy másik példát tekintve a népesség adott időpontban vett iskolai végzettség szerinti
megoszlását vizsgálva a szóba jöhető állapotok a lehetséges iskolai végzettség szerinti
kategóriák, pl. általános iskola, szakiskola, érettségi, diplomázott illetve doktori fokozatot
szerzett.
A kategóriák meghatározása és az egyes szóba jöhető állapotok elkülönítése a problémafelvetéstől
függ: önmagában a Markov láncok modelljének tárgyalása során teljesen érdektelen, hogy az iskolai
végzettség kategóriái 0-20-ig terjedő egész számok lesznek, melyek az elvégzett évfolyamok számát
mutatják, vagy képezünk öt kategóriát az előbb említett iskolai végzettségek figyelembevételével. A
módszertan alkalmazásához csak az fontos, hogy a kutató eldöntse, hogy milyen kategóriákat képez.
Természetesen a vizsgálati kérdés szempontjából rosszul definiált állapotok értelmezhetetlen vagy
intuícióellenes kutatási eredményekhez vezethetnek.
34
A fejezet a kötetben részleteiben nem tárgyalt elemi mátrix-számítási ismereteket feltételez.
A 3.7. ábra a Markov modell alapfogalmai közötti sematikus kapcsolatot mutatja. A vizsgálat a két
időszakra jellemző eloszlás és a közöttük kapcsolatot teremtő átmenet szabályszerűségeinek leírására
irányul. A mozgást tehát a továbbiakban átmenetnek fogjuk nevezni.
idő
t0 átmenet t1
időpontbeli időpontbeli
eloszlás eloszlás
Vándorlás
A vándorlás vizsgálata során mindig felmerül az a kérdés, hogy milyen jellemzői vannak a vándorlási
folyamatnak, tendenciaként megfigyelhető-e bizonyos területekről, településtípusokról történő
elvándorlás, illetve más településekre, terület- vagy tájegységekre, településtípusokra történő
beköltözés. Ezt a kérdést Markov-lánc modellel is megvizsgálhatjuk.
Ekkor a vizsgálati sokaság egy ország népessége, s a lehetséges állapotok a népesség lakóhelye.
Amennyiben arra vagyunk kiváncsiak, hogy a vándorlás hogyan érinti a lakosság településtípusonkénti
megoszlását, akkor az egyes állapotok lehetnek főváros, város, egyéb település. Amennyiben a főváros
és a vidék közötti vándorlást vizsgáljuk, úgy csak két állapotot definiálunk, ezek a főváros és vidék. A
vándorlási kérdés vizsgálata során területegységek közötti mozgást is vizsgálhatunk, ekkor pl. megyei
szintű vizsgálatoknál az egyes állapotok az adott ország megyéi. Regionális szinten vizsgálva a
folyamatokat az egyes régiók alkotják majd a Markov-modell állapotait.
Az állapotok meghatározása tehát a kutató feladata, s ez az általa vizsgálni kívánt probléma jellegétől
függ. Az állapotok meghatározása után pedig kezdődhet a Markov-modell alkalmazása!
Társadalmi mobilitás
Látható, hogy az egyes osztályközök „hossza” nem azonos, ennek oka a jövedelmek ismert
lognormális eloszlása. Igy az alacsonyabb jövedelmi kategóriákban, ahol általában lényegesen több a
megfigyelés, rövidebb kategóriákat kell képezni, mint a magasabb jövedelemértékeknél.
Ha egészen biztosak szeretnénk lenni benne, hogy minden kategória azonos súllyal szerepeljen a
vizsgálódásban, akkor úgy kell megválasztanunk a jövedelmi kategóriákat, hogy azokba azonos számú
megfigyelés essen. Ebben az esetben természetesen nem lehet apriori, a vizsgálat elvégzése előtt
megmondani, hogy melyek lesznek a kategória-határok, hiszen azok a megfigyelt adatok
függvényében alakulnak majd.
∑ pi = 1 (3/1)
Sztochasztikus mátrix olyan négyzetes nemnegatív mátrix, amelynek soraiban szereplő elemek összege
1. Azaz ha A sztochasztikus mátrix, amelynek általános (i-ik sorának és j-ik oszlopában található)
eleme aij, akkor minden i-re igaz lesz, hogy
∑a ij =1 (3/2)
Mozgás
Legyen az A mátrix nxn-es sztochasztikus mátrix és ennek i-ik sorában és j-ik oszlopában található
eleme aij. Az A mátrixot a Markov-lánc átmenetmátrixának hívjuk, ha az aij elem azt mutatja meg,
hogy mekkora annak a feltételes valószínűsége, hogy a jelenlegi időpontban az i állapotban található
elem a következő időpontban a j állapotban lesz (ld. 3.8. ábra). A mátrix elnevezése is erre utal:
átmenetek valószínűségeit határozza meg, ezért is hívjuk átmenetmátrixnak.
I és Ip mátrixok nagyon hasonló és mégis nagyon különböző rendszereket írnak le. Hasonlóak abban,
hogy mindkét esetben egyértelműen determinálja a jelen állapot a jövőre várhatót, és különböznek
abban, hogy Ip a teljes immobilitással szemben egy állandóan mozgásban lévő rendszert ír le. Mi
jellemzi ezt? A jelen időszakban átlagon aluli jövedelmű egyed a következő időszakra 1
valószínűséggel átlagon felüli jövedelmű lesz, és ha egy újabb periódus eltelik akkor újra 1
valószínűséggel átlagon aluli jövedelmi pozíció fogja jellemezni. Az Ip mátrix által leírt mozgás tehát
ciklikus.
Utolsó példánként tekintsük az alábbi A* mátrixot!
12 1
A* = 1 2
1
2 2
Milyen az a mozgás, ahol a lehetséges jövőbeni állapotok kialakulásának valószínűsége minden
kezdeti állapotban azonos? Áltagosnál alacsonyabb jövedelmi szintről indulva egyaránt 50% a
valószínűsége annak, hogy maradunk a jelenlegi szinten, illetve annak, hogy az átlagosnál magasabb
jövedelmi szintet érünk el. Ez az eset ezért pontosan úgy interpretálható, mint amikor a jelen
állapotnak igazából semmilyen prediktív (előrejelző) ereje nincsen a várható állapot tekintetében, a
jövő képletesen szólva egy kockadobás bizonyosságával jelezhető csak előre.
Hasonlítsuk össze Ip és A* mátrixokat az általuk leírt mozgási folyamat mobilitása szempontjából!
Melyiket tekinthetjük vajon az I mátrix által leírt teljesen mobil rendszer ellenpólusának? Első
ránézésre az Ip mátrix nagyobb mozgást ír le, hiszen minden elem minden időszakban 1
valószínűséggel máshol lesz, mint ahol korábban volt. Mobilitás szempontjából azonban fontosabb az
a tulajdonság, hogy mennyiben determinálja a jelen állapot a jövőt, és ebből a szempontból az I mátrix
ellentéteként az A* mátrixot kell állítanunk. Az I mátrix esetében a jelen egyértelműen determinálja a
jövőt, és ez a determináció a stagnálás, míg A* esetében a jelen állapot semmit nem tud mondani a
várható állapotról.
A Markov-lánc tulajdonságai
Stacionaritás
Az itt tárgyalt Markov-ánc modellt ún. stacionárius Markov-áncnak is hívják. A stacioner jelző a jelen
esetben azt jelenti, hogy az i állapot elhagyásának valószínűsége független attól, hogy milyen régóta
tartózkodnak az egyes elemek az i állapotban. Az átmenetmátrix vonatkozásában ez úgy jelenik meg,
hogy a mátrix egyes elemei nem függnek az időtől.
Ez az általunk eddig nem nagyon bolygatott kérdés valójában nagyon fontos tulajdonsága a Markov-
láncnak, ezért is szentelünk most neki egy kis részt. Hogyan lehet ezt a tulajdonságot értelmezni? Az
átmenetmátrix idő-függetlensége egyfajta „történeti függetlenséget” takar: a múltnak nincsen nagyobb
hatása a jövőben bekövetkező folyamatokra, mint ami a jelen állapotból már kirajzolódik. Úgy is
fogalmazhatnánk, hogy a múlt csak a jelenre gyakorolt hatásán keresztül befolyásolja a jövőt,
közvetlenül nem.
A stacionaritás tulajdonsága matematikailag és statisztikailag egyaránt lényegesen könnyebbé teszi a
tárgyalás menetét és a módszer alkalmazását. A területi és társadalmi folyamatok vizsgálata során
azonban gyakorta bizonyul inadekvátnak. A gazdasági, népesedési, terjedési folyamatoknak az a
feltételezett tulajdonsága, hogy a mozgás valószínűsége független az adott állapotban tartózkodás
időtartamától sokszor intuícióellenes is, gondoljunk például a munkaerőpiaci folyamatokra. A
munkanélkülivé válás egyik igen gyakran emlegetett problémája éppen abban van, hogy minél tovább
munkanélküli valaki, annál nagyobb valószínűséggel vész el teljesen a munkaerőpiacról. A Markov-
lánc modell alkalmazásai során így, ha kiinduló hipotézisnek fel is kell tételeznünk a stacionaritást a
kutatónak meg kell győződnie arról (pl. stacionaritás tesztek elvégzésével), hogy a vizsgált jelenség
valóban felmutatja ezt a történeti függetlenség tulajdonságot, és ha szükséges, tovább kell lépni a
stacionaritás feloldása felé.
A t-lépéses átmenetmátrixok
Építsük tovább az előző gondolatmenetet, ne pusztán két egymást követő, t és t+1 időszakra
alkalmazzuk a (3/4) összefüggést, de egymást követő időpontok egész sorozatára. Ezt könnyen
megtehetjük, hiszen a (3/4) egyenlet rekurzív összefüggést ad meg: a két egymást követő időpontbeli
eloszlást egymásból származtatja.
Tekintsünk egy kezdeti időpontot, amit a továbbiakban 0-val fogunk indexelni. Ezen kezdeti időpontra
jellemző eloszlást jelölje p0. Ekkor az A átmenetmátrixszal jellemezhető Markov-lánc következő
időpontra várható eloszlását az (3/4) egyenlet szerint
p1 = p0A (3/5)
összefüggés írja le.
Mi lesz a második időpontra várható eloszlás? Újfent alkalmazzuk a (3/4) képletet, de egyben
helyettesítsük be (3/5)-öt is:
p2 = p1A= p0A2
ahol A2 az A átmenetmátrix négyzetét jelöli. Ezt a gondolatmenetet ismételve láthatjuk, hogy az
átmenetre vonatkozó (3/4) összefüggés felhasználásával egy tetszőleges időpontban várható eloszlást
ki tudunk számolni egy kezdeti időpontbeli eloszlás és az átmenetmátrix ismeretében, azaz
pt = p0At (3/6)
Mit tudunk mondani az átmenetmátrix hatványairól? Emlékezzünk, hogy az átmenetmátrix definiálása
során már említettük, hogy két átmenetmátrix szorzata szintén átmenetmátrixot ad. Ebből azonnal
következik, hogy mivel A2=A⋅⋅A, ezért A2 is átmenetmátrix. Egy tetszőleges időpontbeli eloszlást tehát
a kiinduló időpontbeli eloszlás és egy átmenetmátrix szorzataként kaphatjuk meg.
Hogyan lehet értelmezni az átmenetmátrix hatványainak elemeit? Ehhez bevezetünk egy új fogalmat:
mivel az A átmenetmátrix egy tetszőleges aij eleme azt mutatja meg, hogy milyen valószínűséggel lesz
a jelen pillanatban az i állapotban tartózkodó egyed a következő időpontban a j állapotban, ezért ezt
egylépéses átmenetvalószínűségnek is hívjuk. Hasonlóképpen juthatunk el A2 elemeinek az
értelmezéséhez!
A továbbiakban jelölje a ij( 2 ) az A2 mátrix i-ik sorának j-ik elemét. A mátrix szorzás műveleti szabályai
szerint ezen elem értékét az A átmenetmátrix elemeinek ismeretében az
aij(2 ) = ai1 ⋅ a1 j + ai 2 ⋅ a2 j + ... + ail ⋅ alj + ... + ain ⋅ anj
összefüggés szerint lehet kiszámítani. A fenti összeg egyes tagjai rendre azt mutatják meg, hogy
milyen valószínűséggel fog a t időpontban az i állapotban tartozkodó elem a t+1 időpontban átmenni
az l állapotba, majd onnan a t+2-ben a j állapotba. Az összeg egyik tagja tehát azt mutatja meg hogyan
lehet két időszak alatt, két lépésben eljutni az i állapotból a j-be valamelyik közbülső állapot
közvetítésével. Nyilván ha az összes lehetséges közbülső állapotra ezeket a valószínűségeket
összegezzük, akkor a közbülső állapotoktól teljesen független értéket kapunk, amely mindösszesen
három paraméter jellemez:
az induló állapot, jelen esetben i;
a cél állapot, jelen esetben j;
és az eléréséhez szükséges lépések száma, jelen esetben kettő.
2
Az A átmenetmátrix egyes elemei tehát a két periódus alatti átmenetek valószínűségeit mutatják meg,
ezért e mátrixot kétlépéses átmenetmátrixnak nevezzük. Ezt a gondolatmenetet továbbvihetjük az
átmenetmátrix tetszőleges hatványára és ennek megfelelően az At átmenetmátrixot az A mátrix által
leírt Markov-lánc t-lépéses átmenetmátrixának hívjuk.
Az invariáns eloszlás
Mivel a Markov lánc modell a mozgásra, a változásra irányul, felmerül a kérdés, hogy van-e
nyugvópontja a modell által leírt rendszernek, elérhető-e olyan állapot, amikor a kialakult eloszlás már
nem változik tovább. Ezt az eloszlást invariáns vagy stacioner (néhány alkalmazásban ergodikus)
eloszlásnak hívjuk. Jelölje p* az invariáns eloszlást, nyilván erre érvényes lesz (3/4) alkalmazásából,
hogy
p* = p*A
amely mátrixegyenlet megoldásával megkaphatjuk a kérdéses eloszlásokat. Mivel egy n-ed rendű
sztochasztikus mátrix rangja legfeljebb n–1, ezért a fenti egyenletnek létezik megoldása. Az igazi
kérdés valójában az, mennyire lehet jellemzőnek tekinteni az invariáns eloszlást, a Markov lánc által
leírt mozgás a rendszert az invariáns eloszlás(ok) felé viszi-e?
Ennek a kérdésnek a megválaszolása messze túlmutat jelenlegi keretünkön, csak megemlítjük, hogy a
gyakorlati alkalmazásokban érdekes esetekben általában nagyon gyorsan kialakul az invariáns
eloszlás. A módszerhez kapcsolódó további matematikai-statisztikai kérdések (pl. a stacionaritás
tesztelésének) részletezése nélkül, végezetül egy példát mutatunk be.
A vizsgálat során Magyarország 150 kistérségének egy főre jutó adóköteles jövedelmeinek
differenciálódási folyamait fogjuk elemezni. A vizsgálatban az 1988-1998 évtized folyamataira
koncentrálunk.
A vizsgálat célja a relatív jövedelmi pozíciók változásának feltárása, ezért a forintban kifejezett,
folyóáras adatokat minden egyes évben elosztottuk a kistérségek adott évi átlagos egy állandó lakosra
jutó jövedelmeivel, s így az egyes kistérségeket az átlagos jövedelem százalékában kifejezett
jövedelmek jellemzik. Így a vizsgálat 11 évére a vizsgálat tárgyát képező 150 kistérség relatív
jövedelmi pozícióját kifejező mutatót kaptunk, melynek időbeni változása képezi e vizsgálat tárgyát.
A számítások arra irányulnak, hogy meghatározzuk, mekkora valószínűséggel várható egy alacsony
jövedelmű kistérség felzárkózása. A valószínűségek meghatározása előtt ezért elsősorban el kell
különítenünk az „alacsony” illetve „magas” jövedelmű kistérségeket, azaz e kvalitatív jellemzőket
kvantitatív értékekre kell átváltanunk. A kistérségek ilyen jövedelmi kategóriákba sorolása lehetővé
teszi, hogy a rendelkezésre álló 10 éves időszak alatti mozgásokat megfigyeljük, s számszerűsítsük
átmenetvalószínűségek formájában.
A jövedelmi kategóriák elhatárolására több megközelítés is létezik. A problémát alapvetően az jelenti,
hogy a különböző „diszkretizálások” révén elvileg egymástól különböző eredmények és mobilitási
értékek adódhatnak. Gyakori megoldás az állapottér diszkretizálására az azonos számú megfigyelés
alapján történő választás. Ez azt jelenti, hogy oly módon alakítjuk ki az egyes jövedelmi kategóriákat,
hogy azokba közel azonos számú kistérség essen a megfigyelési időszakban. Az eljárás mellett szól,
hogy az így kialakuló kategóriák nem lesznek érzékenyek a szélsőséges elemszámok okozta mérési
torzításokra, ugyanakkor hátránya, hogy nem szaktudományi megfontolásokra épül, s nem feltétlenül
lehet tudományos alapokon magyarázatot adni az ily módon kialakuló határokra. A jelen
alkalmazásban ezen dilemma nem merült fel annyira élesen, hogy az a módszer ellen szólna; az
azonos megfigyelési egységek alapján elkülönített jövedelmi kategóriák nem képeztek olyan extrém
értékeket, hogy azokat mindenképpen el kellene vetnünk. Öt jövedelmi kategória esetén az ezen elv
alapján számított jövedelmi kategóriák és a kategóriába eső megfigyelési egységek számát mutatja a
3.3. táblázat.
A kiszámított jövedelmi kategóriákat az alábbiak szerint írhatjuk le. A kistérségek közel 20%-ában az
átlagos jövedelem mintegy felénél alacsonyabb értékeket vesz fel a jövedelemszint, ezen kistérségek
tartoznak a legalacsonyabb jövedelmi kategóriába. Az átlagos jövedelem fele és háromnegyede közé
eső jövedelmű kistérségeket soroltuk a második kategóriába, s ezek szintén közel az összes kistérség
20%-át teszik ki. Átlag alatti jövedelmű a kistérségek közel 60%-a, így a harmadik jövedelmi
kategóriába az átlag háromnegyedénél nagyobb, de az átlagos jövedelemnél alacsonyabb jövedelmű
kistérségek kerültek. Az átlagosnál magasabb jövedelemmel rendelkező kistérségek negyedik és
ötödik kategóriába sorolásához az átlag 136%-nál húztuk meg a határt.
1 2 3 4 5
1 0,98 0,02
2 0,03 0,91 0,06
3 0,06 0,89 0,05
4 0,06 0,89 0,06
5 0,04 0,96
A valószínűségek értékelése során azt is figyelembe kell venni, hogy az általunk képezett öt kategória
igen széles jövedelmi sávot ölel fel, amely eleve előrevetíti az alacsony mobilitást. Ha például egy
kistérség jövedelme egy adott évben az átlag 40%-át éri el, akkor ahhoz, hogy elérje a következő
kategóriához szükséges 50%-ot az kell, hogy az adott kistérség jövedelmének növekedése 20%ponttal
legyen magasabb, mint az átlag növekedése. Ez igen magas érték, és éppen az alacsonyabb jövedelmű
kistérségek esetében lesz ennek a növekedésnek a valószínűsége alacsony. Ha a következő jövedelmi
kategória határa nem 50%-nál, hanem pl. 42%-nál lenne, akkor az átlagot 5%ponttal meghaladó
mértékű növekedés elégséges ahhoz, hogy a kistérség másik kategóriába kerüljön. Ez is mutatja, hogy
a mobilitási mutató értékét fenntartással kell kezelnünk: annak értéke erősen függ attól, hogy hány
jövedelmi kategóriát hozunk létre. A jövedelmi kategóriák számát növelve magasabb mobilitást
találunk. A számításokat elvégeztük kilenc jövedelmi kategória esetében is, az eredményeket mutatja
az 3.5 táblázat.
Jövedelmi Megfigyelése
1 2 3 4 5 6 7 8 9
kategóriák k száma
– 0,34 166 1 0,96 0,04
0,34 – 0,53 164 2 0,04 0,92 0,04
0,53 – 0,68 166 3 0,06 0,87 0,07
0,68 – 0,81 168 4 0,11 0,82 0,07
0,81 – 0,96 167 5 0,07 0,85 0,08
0,96 – 1,13 166 6 0,10 0,83 0,07
1,13 – 1,32 168 7 0,09 0,80 0,11
1,32 – 1,67 165 8 0,12 0,86 0,02
1,67 – 170 9 0,03 0,97
1 2 3 4 5
1 0,93 0,07
2 0,18 0,64 0,18
3 0,18 0,57 0,25
4 0,23 0,52 0,26
5 0,04 0,11 0,86
3.7. táblázat A 10 lépéses átmenetvalószínűségek mátrixa,
a mobilitási mutató értéke = 37,1%
A relatív jövedelmi pozíciók alapján felírt átmenetmátrix a jövedelmi mobilitiás 1988-1998 között
megfigyelt folyamatait próbálja meg számszerűsíteni. A mátrix segítségével adott előrejelzés a
megfigyelt és eddig lezajlott folyamat folytatódása esetén kirajzoló eloszlás egy becslését adja. A
módszer nem alkalmas tehát fordulópontok, várható strukturális változások „jóslására”, hacsak ezek
csírája nincsen már elrejtve a vizsgálati évek adataiban. A módszer további korlátját jelenti, hogy nem
tartalmaz „magyarázó változókat”, vagyis nem tudja integrálni a változó gazdasági környezet, jogi
szabályozás, földrajzi elhelyezkedés stb. tényezőket. A metodika ebben a formában azonban nem is
célozza meg ilyen típusú kérdések vizsgálatát. Amire azonban választ adhat, a lezajlott 10 éves
fejlődés főbb jellemzőinek meghatározása s ennek további folytatódása esetén várhatóan kirajzolódó
jövedelemeloszlás prognosztizálása.
35
A becslést a metodikai problémák miatt fenntartásokkal kell kezelni, pontosabb becslést a stacionaritás
feloldása és Monte Carlo-módszerek alkalmazásával lehet megadni.
4 TÁRSADALMI JELENSÉGEK TÉRBELI
EGYÜTTMOZGÁSA
Szignifikancia
Mindkét módszer kapcsán talán a legfontosabb szabály, hogy használatuk, akkor vezet – egyéb
feltételek mellett – megbízható (szignifikáns) összefüggésekre, ha viszonylag nagy elemszámú
mintából, hosszú adatsorból számítjuk őket. Az erős szignifikanciájú, megbízható összefüggés –
leegyszerűsítve – azt jelenti, hogy a megfigyelési egységek körét véletlenszerűen újabbakkal
bővítve, nagy valószínűséggel nem változik az összefüggés iránya és szorossága. A nem-
szignifikáns kapcsolat esetében ez már nem áll. Könnyen belátható, hogy mindez szorosan
kapcsolódik a megfigyelési egységek számához, hisz például 1000 kísérlet (mérés, adatpár)
alapján mért kapcsolat aligha módosul, ha újabb, az 1001. esetet is hozzávesszük, de ugyanez
nem áll, ha csak 10 mérésünk van. Kis elemszámok, kevés megfigyelési egység esetében csak a
nagy abszolút értékű korrelációs együtthatók szignifikánsak. Formálisan számíthatunk ugyan
korrelációs együtthatót a 7 régióra vagy a 20 megyére, de ekkor kevés az alap az összefüggés
általánosítására, kiterjesztésére. A hazai területi szintek közül a kistérségek (ma: 168), a városok
(ma: 287) vagy az összes település (ma: 3152) adataival számított korrelációk már általában
megbízhatóak. (Ne tévesszük tehát össze a statisztika gyakorlatok egyszerű számpéldáit a
valóban érdemi következtetéseket lehetővé tevő tudományos elemzéssel!)
36
Ezek koncepciója, leírása az említett matematikai-statisztikai kézikönyvekből megismerhető.
4.2 Korrelációk
• az autokorreláció (auto= önmagával vett) egyazon adatsor különböző (időben eltolt vagy térben
szomszédos) megfigyelési egységekre vonatkozó értékei közötti kapcsolatot méri.
A kapcsolat idősorokban, azaz az időbeli (k-ad rendű) autokorreláció esetében így formalizálható:
r = corr (xi xi-k),
Itt minden i-edik időponthoz tartozó xi értékhez ugyanezen x változónak egy k évvel eltolt (k évvel
korábbi) adatát rendelve számítjuk ki a korrelációs együtthatót. Ha k = 1, akkor minden év adatát a
megelőző év adatával korreláltatjuk. Az eltolás következtében természetesen az adatsor hossza k-val
csökken, hisz a kezdőévhez nem rendelhető hozzá korábbi év. A modellben értelemszerűen bármely
más időmérték (nap, hét, hónap stb) is szerepelhet.
• a keresztkorreláció két adatsor különböző (időben eltolt vagy térben szomszédos) megfigyelési
egységekre vonatkozó értékei közötti kapcsolatot mér, azaz kombinálja a „normális”- és az
autokorrelációt (különterű és különidejű események).
37
A szakirodalomban újabban vannak olyan kísérletek, amelyek a kétfajta közelítést integrálják. Lee, S-I. 2001
például egy olyan új indexet javasol, amely két térbeli eloszlást úgy hasonlít össze, hogy az eredményül kapott
mérték egyaránt tükrözi az együttmozgást (a lineáris korrelációt) és az alakzatok térbeli jellegét, azaz
autokorreláltságát.
Ugyanezen logika alapján beszélhetünk autoregresszióról és keresztregresszióról is. Ott a
regressziós összefüggésekben szerepelnek a fenti módon definiált adatsorok. Az ún.
autoregresszív modellekben a vizsgált változó időbeli lefutásának matematikai-statisztikai
magyarázatára ugyanazon változó 1,2,3,...n időegységgel (évvel) eltolt, késleltetett adatainak
idősorát használják:
yt = f (yt-1, yt-2,.. yt-k ) + et
A korreláció leggyakrabban használt mérőszáma. Két normális eloszlású; intervallum vagy arány
mérési szintű változó közötti kapcsolat mérésére használható, ha feltételezhető, hogy a két változó
között közelítőleg lineáris összefüggés van. (Lineáris összefüggés: az egyik változó értékeinek
arányában nőnek, vagy csökkennek a másik változó megfelelő értékei). E három feltételnek
egyidejűleg kell teljesülnie ahhoz, hogy a korrelációszámítást használhassuk. Viszonylag egyszerű
számítási módja és tartalmának könnyű felfoghatósága miatt azonban ezek egyikének-másikának
hiányában is gyakran alkalmazzák. A módszer legkevésbé a normalitási feltételre érzékeny, úgyhogy
az előzetes eloszlásvizsgálatot gyakran mellőzhetjük.
∑ (x i
− X )( y i − Y )
r= n
i =1
∑ (x
i =1
i
− X ) 2 ∑ ( yi − Y ) 2
i =1
A mutatószám az xi és yi változók értékeinek a számtani átlagaiktól számított eltérésein alapul. (Az eltérést
gyakran d-vel jelölik, ennek megfelelően egy adatsor 23.-ik helyén álló értéke esetében: dy 23 = y 23 − y .) Ha a
változók átlagtól számított eltéréseit páronként összeszorozzuk, majd ezeket összegezzük, akkor megkapjuk a
kapcsolat irányát – hiszen az azonos előjelű eltérések szorzata pozitív, míg a különböző előjelűeké negatív.
n n
{Matematikailag kifejezve ezt: ∑ (x
i =1
i − x ) ⋅ ( yi − y ) vagy egyszerűbben: ∑ (dx ⋅ dy ) }
i =1
i i
E szorzatösszeg nagysága azonban függ a megfigyelések (az összehasonlítandó adatpárok) n számától, illetve a
két változó mértékegységeitől, valamint szórásától is. Ahhoz, hogy egy általánosítható, további
összehasonlításokra alkalmas „dimenziótlan” mérőszámot kapjunk, ki kell szűrnünk ezeknek a tényezőknek a
hatását.
A cél érdekében először az eltérések szorzatösszegét elosztjuk a megfigyelések számával (azaz n-nel), vagyis a
kapott „eltérésszorzatok” számtani átlagát vesszük:
n
∑ (dx ⋅ dy )
i i
C= i =1
n
ahol C-t kovarianciának nevezzük.
Tulajdonképpen a kovariancia az a mutatószám, amelynek előjele megadja a két változó közötti kapcsolat
irányát, nagysága pedig alapul szolgál a kapcsolat szorosságának kifejezéséhez. Bizonyítható, hogy a
kovariancia értéke akkor maximális, ha az xi és yi változók közötti kapcsolat lineáris és függvényszerű. Ilyen
esetben a kovariancia az xi és yi változók szórásainak szorzatával egyenlő, azaz képlettel kifejezve (és a szórást
S-sel jelölve):
C = S ( xi ) ⋅ S ( y i )
Ha viszont nem függvényszerű a kapcsolat, akkor az eltérő mértékegységekből, illetve az eltérő szórásból adódó
különbségek kiszűrését az előbbi összefüggés alapján a
C
S ( xi ) ⋅ S ( y i )
képlet segítségével végezhetjük el. És ezzel elértük az eredeti célt, vagyis azt, hogy a korrelációs együttható
értéke az alkalmazási feltételeknek megfelelő bármely, és bármilyen egységben mért két változó esetén a {-1;
+1} intervallumba essen, azaz: az összefüggések erőssége összevethető legyen. Az eddigi lépéseket egy
képletben összegezi a fejezet elején leírt összefüggés.
A determinációs együttható a korrelációs együttható négyzete, értéke azt adja meg, hogy a változók egymás
szórásának hány százalékát magyarázzák.
Előjelkorreláció, rangkorreláció
u−v u−v
c= =
u+v n
6∑ d i2
R = 1− i =1
n(n 2 − 1)
(Az első publikáció: C. Spearman 1904 The proof and measurement of association between two things.
American Journal of Psychology, 15, pp. 72-101.)
A korrelációs együtthatók értékeinek értelmezése
A fenti korrelációs együtthatók hangsúlyozottan a vizsgált jellemzők közötti lineáris kapcsolat
erősségét mérik. Értékeik (amelyek értelmezésekor gyakorta adnak meg jellemző
intervallumokat, egy ilyen osztályozást tartalmaz a 4.1. táblázat) nem lineáris kapcsolat esetében
megtévesztők lehetnek. Ha két jellemző közötti korreláció alacsony, akkor ez nem azt jelenti,
hogy nincs közöttük kapcsolat, csupán azt, hogy nincs lineáris kapcsolat.
Az erős korreláció csak két változó együtt járását, összefüggését mutatja, de nem ad magyarázatot az
ok–okozati viszonyokra. Annak eldöntéséhez, hogy melyik változó mozgatja a másik eloszlását, vagy netán
egy harmadik változó hatása bújik meg az összefüggés mögött, logikai magyarázat, illetve egyéb
vizsgálatok szükségesek.
38
Az első publikáció: C. Spearman 1904 The proof and measurement of association between two things.
„American Journal of Psychology”, 15, pp. 72-101.
39
A két összefüggés az algebra egyik sajátos módszerével az ún. teljes indukcióval bizonyítható.
A „puha” módszerekkel – pl. kérdőíves felméréssel – nyert adatok jelentős része ordinális mérési szintű, ezért
ilyenkor csak nagyon indokolt esetben célszerű megkísérelni a korrelációszámítást, és nagyon óvatosan szabad
értelmezni az eredményeket. Célszerűbb ilyenkor a már ordinális szinten is értelmezhető rang-, vagy előjel-
korreláció használata.
Az ismertetett számítási módból következően az adatsorok nagy és kicsiny értékű elemeinek viselkedése jobban
meghatározza a korrelációs együttható értékét, mint az átlag körüliek. Nagyon heterogén – nagyságrendnyivel
eltérő értékű – adatokat tartalmazó változók között számított korrelációs együtthatók jelentésének értelmezése
ezért bizonytalan. A probléma kiküszöbölése érdekében lehetőség szerint sohasem abszolút, hanem minden
esetben fajlagos (pl. lakosságszámhoz viszonyított) adatokból álló változók között kell korrelációt számolnunk.
(Ha pl. a magyarországi kistérségek 2000-es adóköteles összjövedelmének, és a diplomás lakosságuk számának
összefüggését számoljuk ki, Budapest és a nagyvárosok kiugró értékeinek köszönhetően valószínűtlenül magas,
+0.999 értékű korrelációt kapunk. A lakosságszámra vetített, „valódi” korreláció mindössze +0.784, vagyis erős,
de azért korántsem determinisztikus. Még jobban megvilágítja a probléma jelentőségét, ha az adóköteles
jövedelmet a 2000-ben kiosztott szociális segélyek összegéhez viszonyítjuk. Az abszolút adatokkal számítva
+0.553-as együtthatót kapunk, ami arra utalna, hogy a gazdagabb térségekben osztanak több segélyt. A fajlagos
adatok esetében viszont az összefüggés iránya megfordul, az együttható -0.519 lesz, vagyis szerencsére
megnyugodhatunk: a szociális háló működik, a segélyek a szegényebb térségekbe kerülnek nagyobb arányban.)
Ha a fajlagos értékek között is jelentős mértékű a heterogenitás, akkor érdemes a korrelációszámítást a kiugró
értékű adat kivételével is elvégezni. (Magyarország esetében ez a helyzet a megyesoros adatok korrelációival:
Budapesttel együtt számítva nemritkán jelentősen eltérő a korrelációs együttható értéke, mint csak a 19 megyét
alapul véve.)
Térségi szintenként, a területi aggregáció mértékétől függően a korreláció értéke eltérő: általánosságban minél
kisebb méretű, és minél több egységből áll egy adott térség, egyre alacsonyabb korrelációs együtthatót
valószínűsíthetünk40. Az előbbi példáknál maradva: a diplomások aránya és a fajlagos jövedelem közötti
kapcsolat a megyék szintjén kiszámítva 0,832-re erősödik, a települések esetében viszont 0,675-re csökken.
Hasonló a helyzet a szociális segélyekkel is: a települési szinten csak -0,445, a megyei szinten -0,603
együtthatójú az összefüggés a fajlagos jövedelemmel. A korrelációs együttható értékelésekor ezt a tapasztalati
összefüggést is célszerű figyelembe venni. Továbbá, egyebek mellett ezért sem célszerű például kis elemszámú
minták esetén – pl. a 7 magyar régióra – korrelációszámítást végezni.
Az eddigiekből is kitűnően a módszer alkalmazása és a kapott adatok értékelése nagyfokú óvatosságot igényel.
Ezt azért is érdemes külön kiemelni, mert a Pearson-féle korrelációs együttható számítása minden táblázat- és
adatbáziskezelő szoftverrel néhány gombnyomással elvégezhető, ami szintén fokozza népszerűségét, s teszi a
változók közötti kapcsolatok mérésének talán leggyakoribb módszerévé.
Természetesen a két fajta korreláció értéke különbözni fog, mégpedig annál jobban minél
aggregáltabb rendszerrel dolgozunk (ami lényegében azonos azzal, hogy minél egyenlőtlenebbek
40
Itt csak utalunk az ún. ökológiai tévkövetkeztetés problémájára (részleteiben lásd Dusek T. 2004, 6. fejezet),
ami ugyancsak a különböző agggregációs szinteken végzett számítások közötti kapcsolatokat érinti, s
óvatosságra int az egy adott aggregációban megállapított összefüggések átvitelében más szintekre.
a súlyok), sok megfigyelési egységből álló, dezaggregált rendszerek esetében a súlyok eloszlása
közelít az egyenleteshez, s így a kétfajta korreláció eltérése is csökken.
A közös súly hiánya miatt a legtöbb esetben azonban egyáltalán nem számítható súlyozott
korreláció (például az egy főre jutó GDP és az útsűrűség közötti korreláció számításakor
különböznek a súlyként szóba jövő volumenek, ez esetben a népesség illetve a terület, de
ugyanazon mutatószám különböző évre vonatkozó adatsorai esetében is változnak a súlyok).
A modern kor gazdasági folyamatainak sajátos ellentmodása (Quah, D. T. 1996), hogy miközben
a modern gazdaságról elterjedt az a vélemény, hogy mivel „anyagmentes”, nincs szüksége térbeli
koncentráltságara, agglomerációra, izolált szigetként is létezhet. Ez azonban távolról sincs így. E
„térmentes” új időkben különösen felértékelődött a területi autokorreláció problémája (azaz
maga a térben való lét szempontja).
41
Tobler, W. A. 1970 Computer Model Simulating Urban Growth in the Detroit Region. „Economic
Geography”, 2., pp. 234-240. c. tanulmányában a „földrajz első törvényét” így fogalmazta meg: „everything is
related to everything else, but closer things are more closely related” (nagyjából így: „minden mindennel
összefügg, de a közelebbi dolgok erősebben hatnak egymásra”.
A sorbarendezettség szempontját nemcsak időben, hanem más dimenziók mentén is érvényesíthetjük. Ilyen
lehet például a nagyság szerinti rendezés. E logika szerint vizsgálható például a települések bármely
jellemzőjének autokorreláltsága a lélekszám mentén (az ilyen vizsgálatok vélhetően nagyon erős pozitív
autokorreláltságot mutatnak ki).
A területi autokorreláció illetve autoregresszió olyan területi modell, amely egy adott társadalmi
jelenségnek egy adott helyen, illetve a hellyel szomszédos helyeken mért értékei közötti kapcsolatot,
összefüggést mutatja ki. A területi autoregresszív modell – az idősorok analógiájára és a
szomszédság fogalmát felhasználva – az adott jelenség térbeli eloszlását, ugyanazon jelenségnek a
hely közeli vagy távolabbi környezetében felvett értékeivel írja le, magyarázza → 4.5.1.
A területi elemzések egyik alapkérdése arra vonatkozik, hogy a vizsgált jelenség területi eloszlásában
felfedezhető-e valamilyen szabályszerűség, vagy pedig véletlenszerűnek mondható-e az adatok területi
eloszlása. Szabályszerű elrendeződés esetén az egymással szomszédos területegységek adatai
egymáshoz hasonlóak lesznek, a nagy érték közelében nagy értékeket találunk (pozitív
autokorreláció), vagy épp ellenkezőleg, a szomszédos területek különböznek egymástól, a nagy értékű
területek mellett kicsik és a kicsik mellett nagyok helyezkednek el (negatív autokorreláció). A vizsgált
térrész egészére jellemző szabályszerűségből az egyedi területegységek szomszédainak értékeire is
következtethetünk, illetve a szomszédok ismeretében az adott területegységre vonatkozóan vonhatunk
le valószínűségi jellegű állításokat. Autokorrelálatlanság esetén az egyes értékek véletlenszerűen
szóródnak a térben, a területi különbségek nem rajzolnak ki szabályos térbeli mintázatot.
A területi autokorreláció mérésére többfajta index és eljárás létezik, amelyek egyes lépéseikben (pl. a
szomszédság értelmezésében vagy az ezt azonosító szomszédsági mátrixban) különböznek, de a cél
mindenütt azonos, a térbeli együttmozgás számszerű mérése. A következőkben a legelterjedtebb
területi eutokorrelációs mutatókat ismertetjük.
A területi autokorreláció mérésére szolgáló első, Moran által 1950-ben javasolt és azóta
leggyakrabban használt mérőszám képlete a következő42:
I = (N/ΣDij)*ΣΣ(xi–x)*(xj–x)*Dij/ Σ(xi–x)2
A mutató az alábbi tartományokban a következő módon értelmezendő (Cliff – Ord, 1973, 1981):
I>-1/N-1, pozitív térbeli autokorreláció,
I=-1/N-1, nincs térbeli autokorreláció,
I<-1/N-1, negatív térbeli autokorreláció.
Gyakorlatilag a nullához közeli értékek az adatok véletlenszerű térbeli eloszlását jelzik, az adatok
eloszlása nem terület- és szomszédságfüggő. Ekkor az egyes területegységek szomszédságában
ugyanolyan valószínűséggel találunk nagyobb és kisebb értékű területeket is. A szélsőértékek
nagysága nem adható meg olyan egyértelműen, mint a korrelációs együtthatónál, mert nagyságuk függ
a Dij mátrixban rögzített területi konfigurációtól is. A maximális 1-es értéket végtelen vagy folytonos
tér esetén érhetné el, illetve ha a vizsgált terület két, belsőleg homogén, de egymással szomszédsági
kapcsolatban nem álló területegységre oszlik. A minimuma szintén a végtelenben közelít a -1-hez.
A regionális elemzésben manapság sokat tesztelt európai regionális fejlettségi tagoltságot vizsgálva 1980-1995
távlatában, az EU régióinak egy lakosra jutó GDP-je tükrében Le Gallo, J. (2002), egy stabilan magas 0,75 és
0,8 közötti pozitív (Moran) területi autokorrelációt mért. Igazolva ezzel a térbeli folytonos átmenet, a
fejlettségi zonalitás markáns jelenlétét a térség gazdasági tagoltságában. Az adóköteles jövedelemek hazai
területi autokorreláltságát vizsgálja Dusek T. 2004.
A Geary által 1954-ben javasolt, a Moran-féle I-nél ritkábban használt folytonossági mutató képlete,
az előbbi jelölésekkel:
42
Az eredeti forrás: Moran P. A. P. 1950 Notes on continuous stochastic phenomena, „Biometrica”, 37., pp. 17-
23
Mindkét mutató használható ordinális, intervallum és arányskálán rendelkezésre álló adatok
elemzésére, a nominális adatokéra pedig alternatív ismérvekké történő átalakításuk után. A mutatók
konkrét értékét és eloszlásfüggvényét is két tényező határozza meg:
1. A vizsgált jellemző területi eloszlása.
2. A szomszédsági kapcsolatok megállapítása és a szomszédsági mátrix súlyai, ami összefüggésben
áll a vizsgált terület alakjával és nagyságával.
Ezek közül az első tényező a konkrét érték szempontjából, a második tényező az eloszlásfüggvény
alakja miatt fontosabb. Az eloszlásfüggvény vizsgálatát az eredmények megfelelő értékelése követeli
meg.
A szomszédsági mátrix
Bp Bar Bacs Bek Baz Cso Fej Gyor Haj Hev Kom Nogr Pest Som Szab Szo Tol Vas Ves Zal
Bp 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
Bar 0 0 0,33 0 0 0 0 0 0 0 0 0 0 0,33 0 0 0,33 0 0 0
Bacs 0 0,17 0 0 0 0,17 0,17 0 0 0 0 0 0,17 0 0 0,17 0,17 0 0 0
Bek 0 0 0 0 0 0,33 0 0 0,33 0 0 0 0 0 0 0,33 0 0 0 0
Baz 0 0 0 0 0 0 0 0 0,20 0,20 0 0,20 0 0 0,20 0,20 0 0 0 0
Cso 0 0 0,33 0,33 0 0 0 0 0 0 0 0 0 0 0 0,33 0 0 0 0
Fej 0 0 0,17 0 0 0 0 0 0 0 0,17 0 0,17 0,17 0 0 0,17 0 0,17 0
Gyor 0 0 0 0 0 0 0 0 0 0 0,33 0 0 0 0 0 0 0,33 0,33 0
Haj 0 0 0 0,25 0,25 0 0 0 0 0 0 0 0 0 0,25 0,25 0 0 0 0
Hev 0 0 0 0 0,25 0 0 0 0 0 0 0,25 0,25 0 0 0,25 0 0 0 0
Kom 0 0 0 0 0 0 0,25 0,25 0 0 0 0 0,25 0 0 0 0 0 0,25 0
Nog 0 0 0 0 0,33 0 0 0 0 0,33 0 0 0,33 0 0 0 0 0 0 0
Pest 0,14 0 0,14 0 0 0 0,14 0 0 0,14 0,14 0,14 0 0 0 0,14 0 0 0 0
Som 0 0,20 0 0 0 0 0,20 0 0 0 0 0 0 0 0 0 0,20 0 0,20 0,20
Szab 0 0 0 0 0,5 0 0 0 0,5 0 0 0 0 0 0 0 0 0 0 0
Szol 0 0 0,14 0,14 0,14 0,14 0 0 0,14 0,14 0 0 0,14 0 0 0 0 0 0 0
Toln 0 0,25 0,25 0 0 0 0,25 0 0 0 0 0 0 0,25 0 0 0 0 0 0
Vas 0 0 0 0 0 0 0 0,33 0 0 0 0 0 0 0 0 0 0 0,33 0,33
Vesz 0 0 0 0 0 0 0,17 0,17 0 0 0,17 0 0 0,17 0 0 0 0,17 0 0,17
Zala 0 0 0 0 0 0 0 0 0 0 0 0 0 0,33 0 0 0 0,33 0,33 0
A
A
Egy svéd példában (Lundberg, J. 2002) a szomszédság többfajta értelmezésével találkozhatunk: A svéd
megyék jövedelmét 4 legközelebbi szomszéd sávot felállítva vizsgálták (ahol „szomszédnak” 1, 2, 5, 10
legközelebbi megyét tekintettek), de használták osztályozási szempontként a megyeközpontok közötti utazási
időt (30. 45, 60, 75 perces körzeteket lehatárolva), szerepelt a vizsgálatban az egyszerű közös határral való
összekapcsoltság is. A szomszédság meghatározásának ugyancsak különböző alternatíváit használja Aten, B. –
Heston, A. (2003), akik világméretű vizsgálatukban közel 900 területegységet - országot, régiót – elemeztek a
jövedelmi autokorreláltság globális illetve lokális jellemzői szerint. Előbbiben a teljes rendszerre számítottak
Moran-féle autokorrelációkat, utóbbiban az egyes területegységeket vetették össze „szomszédaikkal”.
Különösen élesen elüt például fejlettsége tekintetében környezetétől Európában Helsinki, Ázsiában Szingapur
városrégiója, az országok közül Izrael és Jordánia, valamint Haiti és a Bahamák esetében párosul a földrajzi
közelség nagy jövedelmi lépcsővel.
A súlyozás az elmondott sokféle szempont érvényesítése miatt nem mindig egyszerű feladat. Minden
igényt kielégítő mátrixot azért sem lehet összeállítani, mert a térkapcsolatokra vonatkozó összes
információ nem áll a rendelkezésre, mindig csak a statikus állapotokat lehet felmérni. Ez mégsem
jelent tényleges problémát, sőt, a többféle súlyozással előállított eredmények összehasonlítása
lehetőségeket rejt magában. Ha többféle mátrixszal elvégezzük ugyanazon adatokra vonatkozóan a
számításokat, és jelentősen eltérő eredményeket kapunk, akkor azzal a feltételezéssel élhetünk, hogy
az alkalmazott súlyozásban megjelenő tényező (távolság, népességszám, határvonal hossza stb.)
tényleges befolyást gyakorol a vizsgált jelenség területi kapcsolatainak intenzitására.
4.4. ábra Az egy lakosra jutó adóköteles jövedelem lokális hasonlósága 1990-ben (fenn) és 2003-ban (lenn)
43
Hasonló logikájú térképek a jövedelem-dinamikát vizsgálva is készíthetők. Ezzel tesztelhető például az, hogy a
gyors vagy lassú növekedés is jól körülhatárolható térbeli „klasztereket” rajzol-e ki vagy sem. Az
autokorreláltság tetszőleges területi alrendszerekben, például az ország nagyrégióin belül külön-külön is
vizsgálható (ezt lásd Dusek T. 2004. 10.8. fejezet).
F: Lőcsei H. számításai és szerkesztése
Local Moran I
E térképek tovább finomíthatók a területi autokorreláltság lokális mérőszámának
felhasználásával. Ilyen index például az, amelyben minden területegység kiválasztott
indikátorának (pl. egy lakosra jutó jövedelem) standardizált értékét → 2.5.2 összeszorozzák a
szomszédos területegységek együttes átlagos standardizált értékével (3 szomszéd esetén
minden szomszéd standardizált jövedelemértéke 1/3-os súlyt kap). A kiválasztott
területegység és szomszédai így meghatározott adatának szorzatát nevezi a szakirodalom (Luc
Anselin amerikai térstatisztikus nyomán) Local Moran I-nek. Az index pozitív értéke hasonló
jellemzők (itt: jellemzően átlag feletti vagy átlag alatti jövedelemszint) helyi koncentrációját
jelzi, a 0-közeli érték a jövedelemszintek véletlenszerű egymásmellettiségét jelzi, míg a
negatív index arra utal, hogy az adott területegység és környéke a vizsgált indikátor (azaz e
példában a jövedelemszint) szempontjából erősen különbözik. A standardizálás azzzal az
előnnyel jár, hogy a legkülönbözőbb dimenziójú jelzőszámok lokális autokorreláltsági sémája,
s az egyes területegységek sajátosságai is összevethetővé válnak, hátránya a mutatónak, hogy
nem korlátos. Az I indexek térképezhetők, s ekkor már – eltérően a 4.4. térképtől – négynél
több kategória is érzékeltetheti a lokális együttmozgást. A lokális és globális autokorrrelációs
mérőszámok között direkt matematikai kapcsolat van: egy adott térrészben (pl. ország)
minden egyes területegységre (pl. N kistérségére) kiszámított lokális autokorrelációs indexek
összege egyenlő az előzőekben bemutatott globális Moran index (I) N-szeresével.
44
Kötetünk részleteiben nem tárgyalja az idősorok regresszió-elemzését az ún. trendszámítást. Ennek kapcsán
jegyezzük meg, hogy a legújabb elemző szakirodalomban gyakran találkozhatunk ún. panel-elemzésekkel is,
amelyekben területi idősorok együttes regresszióelemzését végzik. A The Econometrics of Panel Data: A
Handbook of the Theory With Applications (Advanced Studies in Theoretical and Applied Econometrics, Vol 33)
ed. Laszlo Matyas, Patrick Sevestre, Kluwer Print on Demand, 1996. c. kézikönyv áttekinti a
legfontosabb panel módszereket.
4.4.1 Függő és független változók
A kétváltozós regresszió lényege: olyan y = f(x) függvény megtalálása, amely minden megfigyelt xi-re
a megfelelő yi-hez lehetőleg legközelebbi értéket adja (azaz x értékei alapján kis hibával becsülhetők y
értékei). A két változó közötti összefüggést legjobban közelítő függvények matematikailag
egyértelműen meghatározhatók, differenciálszámítási alapokon kiválasztható az a függvény, amelynek
esetében a legkisebb a regressziós becslés hibája.
Bizonyítható, hogy n megfigyelési egység (adatpár) esetében a kapcsolatot egy n-1-ed fokú polinom teljes
pontossággal leírja (ennek képe egy olyan vonal, amely áthalad minden xi yi ponton). Ebből a függvényből
azonban nem olvasható ki a két jellemző közötti kapcsolat tendenciája, interpretációja lényegében lehetetlen. A
„teljesen pontos” kapcsolatleírás helyett ezért olyan viszonylag egyszerűbb függvényeket keresnek, amelyek jól
interpretálhatók. A leggyakoribb ilyen függvénytípus a lineáris függvény (amelynek képe egy egyenes).
600
Egy lakosra jutó adóköteles jövedelem
500
400
(ezer Ft)
300
200
100
0
0 10 20 30 40 50 60 70 80 90 100
A kapcsolat jellegének feltárása során először azt a nem is könnyű dilemmát kell eldöntenünk, hogy
melyik változót kívánjuk magyarázni a másikkal? Estünkben logikusnak az látszik, hogy a városlakók
arányának növekedése hozza magával a magasabb kistérségi jövedelemszintet. Ezért itt a városlakók
aránya lesz a magyarázó (vagy másként független), a lakossági jövedelmek szintje pedig az eredmény
(vagy másként függő) változó. A képletekben y jelzi a függő, x pedig a független változót.
Természetesen azt, hogy egy adott jelenség éppen függő vagy független változóként szerepel-e
modelljeinkben, mi magunk döntjük el adott kutatási hipotézisünk és az adott elméleti keretek alapján.
Egyetlen egy társadalmi-gazdasági jelenségre sem mondhatjuk azt, hogy minden körülmények között csak
valami okaként, vagy éppen okozataként léphet be kutatásainkba. Példánknál maradva: a városlakók
népességen belüli aránynövekedésének is vannak okai, tehát más keretek között e mutatónk függő változóként
fog szerepelni, míg a jövedelemnövekedés is hatással van egy sor egyéb jelenségre, melyek változásának tehát
– részben vagy egészben – okozója lesz.
Mit tudunk megállapítani 4.5. ábránk segítségével? Sajnos nem sok mindent. Nagy vonalakban látszik
ugyan, hogy van valamiféle tendencia két változónk együttes változásában, de ábránk túl kusza,
pontjaink elhelyezkedése túl zaklatott ahhoz, hogy határozottan tudjuk állítani: a városlakók arányának
növekedése magával vonja a lakossági jövedelmek növekedését is. E kuszaság annak tulajdonítható,
hogy a lakossági jövedelmek szintje messze nemcsak a városi lét, a városi körülmények között
működő, ily módon sajátos karakterű gazdaság súlyának függvénye egy-egy térségben, hanem számos
más tényező is befolyásolja. Így a helyi lakosság kulturális identitása, hagyományai, vagy egyszerűen
a települések nagysága, a földrajzi pozíció, a térség elérhetősége, a helyi gazdaság szerkezete,
nagyvállalatok jelenléte, és még sorolhatnánk. Hogyan tudjuk mégis e sok-sok tényező ellenére az
adatokban alapvetően rejlő tendenciát kimutatni? Lehet-e egyetlen, immár jól magyarázható görbével
helyettesíteni e kusza ponthalmazt, kiszűrni az adatok egyediségét, és kiemelni a két változó
kapcsolatából azt, ami általános, ami szabályszerű? Az egyik lehetséges megoldás erre az adatok
átlagolása: független változónk mentén osztályközöket hozunk létre, majd kiszámítjuk e csoportok
átlagait. Ezeket az értékeket feltételes átlagoknak hívjuk, míg az őket összekötő görbét tapasztalati
regressziógörbének. E módszernek azonban számos, itt nem részletezendő gyengéje van, melyek miatt
valós empirikus kutatások során már nem szokás alkalmazni. A valódi megoldást az analitikus
regresszió számítás adja.
Ehhez első lépésként idézzük vissza középiskolai matematika tanulmányainkat, és írjuk fel magunknak az
egyenes egyenletét:
∧
Y = A + BX (4/1)
ahol:
X: a magyarázó változó;
A: regressziós állandó (konstans); értéke megegyezik az egyenes y-tengelyen tapasztalt metszéspontjával,
∧
vagyis A értéke egyenlő Y értékével X=0 helyen;
B: regressziós együttható (regressziós koefficiens); ez jelöli az egyenes meredekségét vagy dőlését, vagyis azt
∧
mutatja meg, hogy X értékének egységnyi növekedése Y értékének mekkora mértékű és milyen irányú
változását vonja maga után;
∧
Y : a függő változó regressziós egyenlet alapján becsült értéke; más megfogalmazásban: értékei a függő
változónak a független változó adott értékéhez tartozó átlagos szintjét jelzik (feltéve, hogy adott X i értékekhez
több Yi érték is tartozik, ami területi adatsoroknál ritkán fordul elő). Ezek az átlagértékek fejezik ki azt a
∧
tendenciát, szabályszerűséget, amit adatsoraink együttes változásában keresünk. Y értékei egytől egyig
pontosan a regressziós egyenesen találhatók; ezek építik fel a vizuálisan is megjeleníthető trendvonalat.
∧
Ettől az átlagos szinttől, vagyis Y -től Y függő változónk tapasztalati, ténylegesen megfigyelt értékei a mérési
hibák, illetve a függő változót befolyásoló – részben már említett – egyéb jelenségek miatt kisebb-nagyobb
mértékben eltérnek. Ezeket az eltéréseket reziduumoknak hívjuk, és általában „e” betűvel jelöljük. Függő
∧
változónk tapasztalati Y értékei tehát két részből tevődnek össze: egyrészt Y -ből, mely a szabályszerűséget
jeleníti meg, másrészt az egyes „e” értékekből, melyek a tendenciától való eltérést, az egyediséget adják. Ebből
adódóan:
∧
Y = Y+ e (4/2)
Míg a (4/1) a két változó közötti együttmozgásra, a szabályszerűségre utal, addig a (4/3) e kapcsolat
sztochasztikus jellegére hívja fel a figyelmet: van ugyan tendenciózus együttmozgás, ám az csak átlagosan,
valószínűségi alapon érvényesül.
^
Mi a lineáris regressziós egyenlet alkalmazása során azon egyenes egyenletét keressük, ahol az Y és az Y
közötti eltérések átlagosan a legkisebbek, vagyis ahol a reziduumok összege minimális (4/4).
^
∑ (Y − Y ) = minimum (4/4)
^
Ez a feltétel azonban nem elégséges a legjobban illeszkedő egyenes megleléséhez. Itt ugyanis az Y értékei által
előálló regressziós egyenesünk egyfajta átlagértékként viselkedik, melytől pozitív és negatív irányban is
összességében ugyanolyan messze vannak a függő változó egyes Yi tapasztalati értékei. Reziduumaink egy
része pozitív előjelű lesz tehát, ám összegszerűen ugyanolyan mennyiségben fogunk találni negatív eltéréseket
is. A különböző előjelű értékek szummázáskor ki fogják oltani egymást, tehát pusztán a reziduumok összege
alapján ugyanolyan jónak fogunk ítélni egy rosszul illeszkedő egyenest, mint egy nálánál sokkal jobbat. Éppen
ezért egy további feltételt is be kell vezetnünk, melyhez kétféle választási lehetőségünk van: vagy a reziduumok
abszolút értékeivel, vagy pedig négyzeteivel dolgozunk a továbbiakban. Mindkét módon megoldjuk az előjelek
különbözőségéből adódó problémát. Igazi választási lehetőségünk persze nincs: a regressziós egyenes
egyenletének meghatározásakor mindig a legkisebb négyzetek módszerét használjuk, azaz a reziduumok
négyzetes összegének minimumát keressük (az angol nyelvű szakirodalomban gyakran találkozunk ennek
rövidítésével: OLS: Ordinary Least Squeres).
∑ (Y − Yˆ ) = ∑ (Y − A − BX )
n 2 n
2
(4/6)
i =1 i =1
Mint látható, adott X és Y értékek mellett a reziduumok négyzeteinek összege kizárólag a regressziós állandó (A),
valamint a regressziós együttható (B) függvénye. E két paraméter változtatásával érhetjük tehát el, hogy
regressziós egyenesünk a lehető legjobban közelítse függő változónk tapasztalati értékeit. Differenciálszámítás
segítségével tudjuk egyenletünket megoldani úgy, hogy biztosak lehessünk benne: megtaláltuk A és B azon
értékét, mely mellett a reziduumok négyzetösszege minimális lesz. A végeredmény B-re és A-ra a következő
lesz:
n n
∑ (X
i =1
i − X )(Yi − Y ) ∑d
i =1
Xi d Yi
B= n
= n
(4/7)
∑ (X − X) ∑d
2 2
i Xi
i =1 i =1
A = Y − BX (4/8)
(A levezetés részleteit lásd: Moksony F. 1999, pp. 59-62.; Székelyi M. – Barna I. 2002, pp.
205-209.)
Az alábbiakban egy egyszerű példán keresztül nézzük végig számításaink menetét! A fejezet elején felvázolt
problémánál maradva adatbázisunkból kiragadtunk hat kistérséget, majd melléjük rendeltünk két változót: a
városlakók arányát, illetve az adóköteles jövedelmek egy lakosra jutó 2000. évi értékét. Ebben a hatelemű
sokaságban is arra a kérdésre keressük a választ, hogy vajon a magasabb városodottság magasabb jövedelem
szinttel jár-e együtt. Az alábbi egyenletet oldjuk meg tehát:
Yˆ = A + B * URBPOP01 (4/9))
A fent már bemutatott szórásdiagram segítségével ábrázoljuk a városlakók aránya és a jövedelem együttes
eloszlását e hat kistérségben (4.6. ábra)!
egy lakosra jutó jövedelem (ezer Ft)
400
350
300
250
200
150
100
50
0
0 20 40 60 80 100
városlakók aránya (%)
A hat pontra legjobban illeszkedő egyenes meredekségét a (4/7) alapján az alábbiak szerint számítjuk ki:
∑d
i =1
Xi d Yi
− 1970
B= n
= = −0,331
5950
∑d
2
Xi
i =1
A regressziós egyenes és az y-tengely metszéspontját (4/8) szerint a következő képlet adja meg:
A = Y − BX = 271 − (−0,331 * 55) = 289,2
A 4.6. ábrán látható szórásdiagram pontjaira legjobban illeszkedő egyenest és annak egyenletét a 4.7. ábra
szemlélteti.
400
200
150
100
50
0
0 20 40 60 80 100
városlakók aránya (%)
Lássuk, mit is kaptunk eredményül! Várakozásunk az volt, hogy a városlakók arányának növekedésével
kistérségeink jövedelmi értékei is emelkedni fognak. Ezzel szemben azt látjuk, hogy regressziós egyenesünk
balról jobbra lejt, tehát minél inkább növekszik a városlakók aránya, regressziónk szerint annál alacsonyabb lesz
a jövedelmek szintje. Megdőlt volna hipotézisünk? E pillanatban úgy tűnik, igen.
A két változó közötti kapcsolat jellegét, összefüggésük irányát - az egyenes szabad szemmel is jól látható balról
jobbra való lejtésén túl – a regressziós együttható előjele árulja el számunkra. Ha B előjele pozitív, két vizsgált
változónk között egyenes arányosság, ha pedig negatív, akkor fordított arányosság áll fenn. Előbbi esetben
egyenesünk balról jobbra emelkedik, utóbbi esetben balról jobbra lejt. (Ha regressziós vizsgálatainkat megelőzve
két változónk között kiszámítjuk a Pearson-féle lineáris korrelációs együttható értékét, annak előjele már elárulja
számunkra a regressziós együttható előjelét is, hiszen e kettő mindig megegyezik egymással.) Mit jelent a -
0,331-es érték? Azt, hogy a városlakók arányának minden 1%-os emelkedése átlagosan a lakossági jövedelmek
331 forintos csökkenését vonja maga után.
A regressziós állandó, A értéke 289,2, vagyis regressziós egyenesünk ennyi ezer forintnál metszi az y-tengelyt.
Ezzel ismerjük egyenesünk magasságát, és még valamit: ez a függő változónak azon értéke, amit regressziónk a
független változó nulla értékéhez becsül. Példánknál maradva: regressziónk szerint ennyinek kellene lennie a
jövedelemnek abban a kistérségben, ahol nincs egyetlen város sem, így a városlakók aránya nulla.
Mint a 4.3 táblázat és ábráink mutatják, éppen van egy olyan kistérségünk – az Őriszentpéteri – ahol nincs
város, így nincsenek városlakók sem. E kistérség lakosainak átlagjövedelme 270 ezer Ft. A regressziós állandó
szerint azonban ennek 289,2 ezer Ft-nak kellene lennie. Tévedtünk tehát majdnem húsz ezer forintot. És ha
megnézzük a másik öt pontot is, azt látjuk, hogy egyedül a dombóvári kistérség esetében becsültünk a
lakosoknak majdnem pontosan annyi jövedelmet, mint amennyi után a valóságban is adóztak. Mennyire vehetjük
hát komolyan a regressziós egyenest? Erre a kérdésre felelünk az alábbiakban.
Első lépésként a függő változó, vagyis a jövedelmek heterogenitását írjuk le a variancia, vagyis a szórásnégyzet
2
segítségével. Ehhez szükségünk van az egyes Yi értékek Y -tól való négyzetes eltéréseinek ( d y )összegére. Ez
az összeg a 4.3 táblázatban megtalálható, így már csak az elemszámmal kell osztanunk, és előttünk áll a
jövedelmek varianciája. Vagyis:
∑d
2
y
σ 2 (Y ) = i =1 18710
= = 3118,3
n 6
Most már csak azt kell tudnunk, hogy ezen belül mekkora az a heterogenitás, amelyet maga a regressziós
egyenes fejez ki azzal a tulajdonságával, mely szerint a városlakók arányának térségek közötti változásával egy
egyenessel leírható módon változnak a lakossági jövedelmek is. E variancia meghatározásához először is ki kell
számítanunk mind a hat kistérség esetében a regresszió által becsült jövedelem értékeket. Ez az egyenes
egyenletének ismeretében könnyen megtehető (4.4. táblázat).
∑ dˆ
2
i
652,6
σ 2 (Yˆ ) = i =1
= = 108,8
n 6
Ez az érték azt mutatja meg, hogy mennyire szóródnának a jövedelmek, ha változásuk csak és kizárólag a
városlakók arányának mértékétől függne, vagyis ha a városlakók aránya determinisztikusan határozná meg a
lakossági jövedelmek nagyságát. Ez a variancia tehát az az érték, amit a regresszió a függő változó tapasztalati
értékeinek heterogenitásából megmagyaráz. Láthatjuk, hogy a két variancia egy nagyságrenddel különbözik
egymástól. Regressziónk tehát elég kis részét tudja magyarázni az eredeti jövedelem adatok szórásnégyzetének.
De hol keressük a fennmaradt részt? Az éppen a reziduumok varianciájával lesz egyenlő. Ennek számítása a
fentiek ismertében már igen egyszerű (4.5. táblázat).
∑ (Yˆ − Yi )
n
i
18057,7
σ (e ) =
2 i =1
= = 3009,6
n 6
A teljes variancia a megmagyarázott és a megmagyarázatlan rész összegéből tevődik össze:
Azt a mérőszámot, ami a megmagyarázott szórásnégyzetet fejezi ki, determinációs együtthatónak nevezzük.
Jelölése: R2. Értéke lineáris regresszió esetén mindig egyenlő az ugyanazon két változóra számolt Pearson-féle
lineáris korrelációs együttható négyzetével. Értékét általában a (0,1) intervallumban adjuk meg, de szokás
százalékos formában is közölni. Ilyenkor értéke azt mutatja meg, hogy a függő változó értékeinek szóródását
hány százalékban magyarázza a független változóval fennálló kapcsolata. Kétváltozós regresszió esetén a
determinációs együttható egyben a linearitás mérőszáma is: értéke minél közelebb esik 1-hez, megfigyelési
egységeink pontjai annál inkább egy egyenes mentén tömörülnek, tehát annál inkább igazoltnak látszik a
kiindulási alapnak tekintett linearitási feltétel. A determinációs együttható kiszámításának módja:
σ 2 (Yˆ )
R2 = (4/11)
σ 2 (Y )
652,6
Példánkban: R 2 = σ (Yˆ ) =
2
6 = 0,036
σ (Y )
2
18057,7
6
E hat kistérség esetében tehát a városlakók aránya a lakossági jövedelmek heterogenitásának mindössze
3,6%-át magyarázza meg, ami elenyészően kicsi hányad. Ez alapján akár azt is mondhatnánk, hogy
modellünk rossz, hiszen rengeteg egyéb hatást hagytunk megmagyarázatlanul, ami kérdésessé teszi
eredményünket is.
Nézzünk most egy valóságos példát! A 4.5. ábrán már korábban felvázoltuk a 150 kistérség szórásdiagramját,
ahol független változóként a városlakók aránya, függő változóként a lakossági jövedelmek szerepelnek.
Továbbra is azt keressük, hogy a városodottság növekedése mennyiben jár együtt a jövedelmek növekedésével,
vagy éppen csökkenésével. Regressziónk eredményeit a 4.8. ábra közli.
600
y = 1,817x + 195,6
2
R = 0,18
Egy lakosra jutó adóköteles
500
jövedelem (ezer Ft)
400
300
200
100
0
0 10 20 30 40 50 60 70 80 90 100
Mint látjuk, mind a 150 kistérség bevonásával elvégzett regresszió analízisünk gyökeresen más eredményt
hozott, mint amit a leegyszerűsített, mindössze hat elemre számított példánk mutatott. A valóságban magasabb
városodottsági szint magasabb lakossági jövedelmekkel jár együtt. Ezt a regressziós együttható (B) értéke
bizonyítja: előjele pozitív, tehát független és függő változónk egyenes arányosságban áll egymással. Azt az
eredményt kaptuk, hogy a városlakók arányának minden 1%-pontos növekedése általában a lakossági
jövedelmek 1817 Ft-os növekedésével jár együtt.
Regressziós állandónk (A) értéke 195,6, vagyis az országos trendből következően ennyinek kellene lennie a
lakossági jövedelem szintjének abban a kistérségben – itt most az őriszentpéteriben –, ahol nincs város, vagyis a
városlakók aránya nulla. Az őriszentpéteri kistérség valós éréke viszont 270 ezer Ft, amiből következően pozitív
reziduummal rendelkezik, tehát a lineáris trendvonal „fölött” helyezkedik el. Más szóval: ebben a kistérségben
több jövedelem jut egy lakosra, mint ami az ország egészét jellemző trendből következne számára.
A determinációs együttható értéke is jóval magasabb, mint a hat pont esetén: az összes kistérséget figyelembe
véve a városlakók arányának szóródása a lakossági jövedelmek heterogenitásának 18%-át magyarázza meg.
A kapott eredmények ismeretében felmerülhet bennünk a kérdés: mi az oka annak, hogy a teljes kistérségi mintát
alapvetően más összefüggések jellemzik, mint amiket a hat kiragadott pont esetén tapasztaltunk. Ez alapvetően
az alacsony elemszámmal függ össze: hat pontra nem tudunk regressziós modellt építeni. Hogy miért nem? Mert
ez esetben szinte teljesen biztosak lehetünk abban, hogy regressziónk nem fog szignifikáns részt magyarázni a
függő változó teljes heterogenitásából. E szignifikancia nem függ össze a determinációs együtthatóval: legyen
bár az R2 értéke bármilyen alacsony is, ettől még maga a modell szignifikáns hányadot testesíthet meg eredmény
változónk heterogenitásából. (A modell e tulajdonságát F-próbával lehet tesztelni.)
exponenciális: Yˆ = A * B
X
B
hiperbolikus: Yˆ = A +
X
hatványkitevős: Yˆ = A * X
B
Azt, hogy melyik regressziós egyenlet-típus írja le legjobban az adott összefüggést, a determinációs
együttható kiszámításával tudjuk eldönteni. A nem lineáris regressziós egyenletek elemzése és
értelmezése nehézkesebb, mint a lineáris egyenleteké, használatuk az idősorelemzésben,
trendszámításban jóval gyakoribb, mint a területi adataok keresztmetszeti vizsgálatában.
• Vannak olyan elemzési technikák is, melyek segítségével nem lineáris összefüggést
lineárisra tudunk visszavezetni. Ha a függő, illetve a független változók közötti kapcsolat nem
lineáris, hanem a függő változót a függetlenek szorzata adja (ez a logikája a közgazdaságtan
leghíresebb termelési függvényének, az ún. Cobb-Douglas függvénynek, amelyben a termelés a
munka- és a tőkeráfordítás szorzatának függvénye), a kapcsolat lineáris regresszióval csak
logaritmikus átalakítás segítségével vizsgálható:
^
az Y = A * X 1 * X 2 logaritmizálva a következő alakot ölti:
log Yˆ = log A + log X 1 + log X 2
Idősor modellek
Ehhez a gondolatmenethez tételezzük fel, hogy a regresszióban szereplő y és x változókról nem különböző
megfigyelési egységek, hanem egyazon megfigyelési egység különböző időpontbeli adataival rendelkezünk.
Jelöljük a különbséget úgy is, hogy nem i-vel, hanem t-vel indexeljük az egyenletet:
y t = α + βx t + ε t
Vonjuk ki az egyenlet t-ik időpontban felírt alakjából a t–1 időpontra felírt egyenletet és tekintsünk el
átmenetileg a véletlen hibától. A kapott egyenlet mindkét oldalán végezzük el a fent már bemutatott becslést.
Eredményül azt kapjuk, hogy γY=βγX.
Keresztmetszeti vizsgálat
Tekintsük újra a regresszió eredeti formáját, és az adatok i indexe továbbra is jelentse az egyes
megfigyelési egységeket. A regressziós egyenlet β paramétere azt mutatja meg, hogy xi=lnXi-ben
bekövetkezett egységnyi változás hogyan hat yi=lnYi-re. Némi matematikai eszköztár felhasználásával
megmutatható, hogy ez az érték az eredeti adatok százalékos változása között létesít kapcsolatot, azaz
azt mutatja meg, hogy Xi 1 százalékos változása hány százalékos változást okoz Yi-ben. Az ilyen típusú
mutatószámokat rugalmassági mutatószámoknak hívjuk.
A regressziós egyenlet β paramétere xi megváltozásának hatását mutatja yi-re, azaz alkalmazva az analízis elemi
eszközeit felírhatjuk, hogy
dy d ln Y
β= = .
dx d ln X
β eredeti adatokon való értelmezéséhez tehát az utóbbi derivált értékét kell meghatároznunk. Ehhez az alábbi
aprócska „trükköt” használjuk fel. A láncszabály alkalmazásával kapjuk, hogy
d ln Y d ln X d ln Y
* =
d ln X dX dX
Ezt átrendezve és a láncszabály újbóli alkalmazásával kapjuk meg a kívánt összefüggést:
d ln Y d ln Y d ln X 1 dY 1 X dY
β= = : = : =
d ln X dX dX Y dX X Y dX
A kifejezés jobb oldalán szereplő érték már valójában maga a rugalmasság definíciója. Az ennek elméletében
kevésbé jártas olvasó számára az értelmezést megkönnyítendő végezzük még el utoljára az alábbi, merőben
formális és heurisztikus átalakítást:
X dY dY dX
β= = :
Y dX Y X
Természetesen ez az átalakítás heurisztikus, azaz a szemléltetést szolgálja, de jól mutatja a
rugalmassági együttható értelmezési lehetőségét: az Y változó relatív (százalékos) változását (dY/Y)
viszonyítja az X változó relatív (százalékos) változásához (dX/X).
Loglineáris regresszió
Semilog (vagy loglineárisnak) nevezzük a regressziót, ha abban a függő változó (y) logaritmizált
értékeit nem logaritmizált változókkal magyarázzuk. Például tekintsük az alábbi regressziós
egyenletet:
ln yt = α + βxt + γt + ε t
Ebben az egyenletben γ jelöli az y változó növekedési ütemét (linearizált trend), a trend körüli
ingadozásokat pedig részben a véletlen folyamatok (εt), részben az x magyarázó változó ingadozásai
okozzák.
Logisztikus modell
Telítődési, terjedési folyamatok modellezése során lehet szükség a logisztikus függvényre. Ilyenkor
olyan folyamatokat vizsgálunk, amelyek esetén meglehetősen speciális időbeni mintát követnek.
Például a technológiai fejlődés terjedését először lassú, majd ahogy egyre ismertebbé és kedveltebbé
válik, egyre gyorsabb ütem jellemzi. Amennyiben yt jelöli mondjuk egy technológiai újítás
elterjedtségét, úgy a logisztikus összefüggést a következő regresszió írná le:
1
yt =
e −(α + βxt +γt +ε t ) + 1
Ezen regressziós egyenletben a becsülendő paraméterek nem lineáris függvényei az adatoknak ezért
megfelelő adattranszformációra van szükség. A szükséges transzformáció neve: logit transzformáció:
yt
logit(yt) = ln = α + βxt + γt + ε t
1 − yt
Az y adatokon végrehajtott logit transzformáció az eredeti modellt a becsülendő paraméterekben
lineárissá alakította át, és így már alkalmazható az OLS technikája (4.10. ábra). A függvény
értékkészlete a (0, 1) intervallum, így leginkább százalékos adatok magyarázatára (terjedési, telítődési
folyamatok) alkalmazható.
Visszatérve a 4.8. ábrán vázolt példánkra, felmerülhet az a kérdés, hogy a városlakók arányán kívül
melyek még azok a tényezők, amik szoros kapcsolatban állnak a lakossági jövedelmekkel úgy, hogy
változásuk a jövedelmek átlagos növekedését vagy csökkenését vonja maga után, tehát egy regressziós
modellben magyarázó változóként lehet szerepeltetni őket. Ezzel kapcsolatban több társadalmi-
gazdasági tényező is eszünkbe juthat. Ez lehet például a lakosság iskolázottsági szintje, ami a
munkaerőpiacon való érvényesülésen át hat a jövedelmekre, vagy a cégsűrűség, ami a foglalkoztatás
szintjén keresztül befolyásolja a jövedelmeket, vagy éppen a jó elérhetőség, ami elsősorban a
nagyvállalatok, külföldi befektetők szemében értékeli fel az egyes térségeket, és segíti elő ezek
megtelepedését, ami tömeges jelenségként már határozott jövedelmi előnnyel jár e területek lakói
számára. E tényezők jövedelmekre gyakorolt hatását külön-külön jól tudjuk mérni a fent vázolt
módon, kétváltozós regresszió analízis segítségével. Mit tegyünk azonban akkor, ha e tényezők
jövedelmekre gyakorolt együttes hatására vagyunk kíváncsiak? Ekkor kell használnunk a többváltozós
regresszióanalízis módszerét.
A determinációs együttható éppen e tulajdonságai miatt nem alkalmas különböző modellek összehasonlítására.
Így nem jó stratégia az R2 értékeit követnünk akkor, amikor a formálisan optimális modell megalkotása a célunk.
Itt jegyezzük meg, hogy természetesen teljes tévút az, amikor magyarázó változóink összeállításánál egyetlen
célunk az R2 nyakló nélküli növelése, a „tökéletes modell” megalkotása. Egyrészt tökéletes modell nem létezik.
Másrészt a vizsgált változók körét mindig a kutatási cél és hipotézis, valamint az alkalmazott elméletek döntik
el; a helyes regressziós modell előállítása a maga összes statisztikai törvényszerűségével és lehetőségével együtt
is csak eszköz, nem pedig elérendő végcél.
Modellválasztási feladat megoldása során a Theil-féle, szabadságfokkal korrigált R2-et szokás alkalmazni, amely
tulajdonságaiban, mint neve is mutatja, alapvetően hasonlít az R2-hez. (Ennek számítási módját és alkalmazási
feltételeit részletesen lásd: Hunyadi, 2000; Hunyadi – Vita 2002) A becslés standard hibája – az R2-hez
hasonlóan – a regressziós egyenes, több magyarázó változó esetén a regressziós sík illeszkedésére utaló
mérőszám. Értéke a reziduumok szórását mutatja. Minél nagyobb ez a szám, annál inkább számíthatunk kiugró
adatokra, melyek igen messze esnek a regressziós egyenes vagy sík által számukra becsült értéktől. Az ilyen
extrém jellemzőkkel bíró területegységekre, településekre minden regresszióanalízis során külön figyelmet kell
fordítanunk, hiszen jelenlétükkel alapvetően befolyásolhatják a modell paramétereit. De hogy találjuk meg őket?
A becslés standard hibája és a reziduumok segítenek nekünk ebben. Általában azokat a térségeket tekintjük a
trendtől nagyon távolinak, vagyis extrém, kiugró értéknek, amelyekhez tartozó reziduum nagyobb, mint a
becslés standard hibájának háromszorosa. És mit tudunk kezdeni velük? Nem sokat. Ha több ilyen értékünk is
van, és reziduumaik még az ésszerű határokon belül vannak, akkor tudomásul kell vennünk jelenlétüket és a
teljes mintával dolgoznunk tovább. Gyengíteni fogják ugyan a regresszió erejét, de csak ezért nem hagyhatjuk ki
őket vizsgálatainkból. Más helyzet áll elő olyankor, ha alapvetően szinte minden vizsgált területet ugyanaz a
trend jellemez, de van egy-két teljesen extrém régiónk. Ebben az esetben e kiugró értékeket ajánlatos kihagyni a
modellből, és az eredmények interpretálásakor visszatérni rájuk. (Ilyen extrém terület Magyarországon például
Budapest. Megyei szintű elemzéseknél rendszeresen ki kell hagynunk a modellekből, mert egészen más
folyamatok és tulajdonságok jellemzik, mint a másik 19 megyét. Sajnos még a mai hazai szakirodalomban is
találkozunk olyan regressziókkal, melyeknek semmi közük sincs a valós folyamatokhoz egy-két ilyen extrém
területegység miatt, ám a nagy, ám teljességgel hamis tudományos következtetéseket mégis papírra veti a
szerző.)
Multikollinearitás
Olyan esetben áll fenn e probléma, amikor a regressziós modellben szereplő magyarázó változók
nem korrelálatlanok egymással, hanem összefüggő rendszert alkotnak. Ez esetben független
változóink nemcsak a függő változót, de jórészt egymást is magyarázzák, így hatásuk minden más
változóban is megjelenik. Ez vezet végül értelmetlen eredményekhez. A multikollinearitás a
regressziós modellek talán legnagyobb ellensége, és a gyakorlatlan elemzők talán e téren tudnak
legnagyobbakat, de mindenképpen leglátványosabbakat hibázni. Éppen ezért ezt a jelenséget
mindenképpen ki kell szűrnünk modelljeinkből. Ennek legegyszerűbb módja, ha korrelálatlan
magyarázó változókat építünk be a regresszióba. Ilyeneket persze a valós életben nagyon ritkán
találni, de például főkomponens elemzés segítségével elő lehet állítani faktorok formájában →
5.5. Erre természetesen nincs mindig lehetőségünk, de nincs is mindig szükség rá.
R = P/Vr
Megkeresendő a tényleges eloszláshoz jól illeszkedő függvényt, a rangszám r valamely hatványával érdemes
számolni (ez elméleti alapesetben k =1):
Vr = P/rk
Az egyenletet logaritmizálva:
Ez pedig egy klasszikus lineáris regressziós egyenlet: bal oldalon log Vr a függő változó, a jobb oldalon log P
konstans, r 1,2…n értéket felvevő változó, k pedig a becslendő regressziós paraméter.
45
Az eredeti munka: Pareto, V. Le Cours d' Economie Politique, Macmillan, London, 1896
10 000 000
1 000 000
Népesség (fő) - logskálán
Elméleti Zipf-
eloszlás
100 000
Tényleges
eloszlás
10 000
1
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
100
Rangszám
10 000 000
1 000 000
Népesség (fő) - logskálán
100 000
Tényleges
eloszlás
10 000
1
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
91
94
97
100
Rangszám
4.11. ábra Az első 100 magyar város lélekszám szerinti eloszlása 2000-ben
A közismert statisztikai programcsomag SPSS 8.0 verziójában alkalmazott lépések a következők (csak
a legfontosabb beállítási teendőket ismertetjük):
Az eredménytáblák értékelése
A beállítások részletességétől függően számos táblázat, illetve azon belüli részeredmény jeleníthető
meg, amelyek közül a legfontosabbakat ismertetjük:
A dummy-változók esetében fontos arra felhívni a figyelmet, hogy a teljes rendszert n aggregátumát
leíró változócsoport n-1 dummyból áll, az n.-ik egység ugyanis a többiből kiszámítható. Ha tisztán
ilyen magyarázó változókból áll a modell, akkkor az n.-ik megyéhez tartozó érték a modell konstansa
lesz. (Ha a hazai kistérségek elemzéséhez a régiók dummy-jait használjuk, akkkor 6 ilyen változó
szerepelhet.)
4.5.2 Térparaméterek
Ha arra a kérdésre keressük a mennyiségi, matematikai választ, hogy a térbeliségnek mekkora szerepe
van a társadalom, bizonyos jelenségek tagoltságában, mindenek előtt magát a térbeliséget illetve annak
komponenseit kell megragadnunk, számszerűsítenünk. Ilyen lehetőség az, ha a térbeli tagoltság
elemeiként három tényezőt:
Ha valamely társadalmi paramétert (P) n pontban (például városban) mérünk, felállítható az alábbi
regressziós egyenlet (maga a számítás bármely szokványos számítógépes statisztikai
programcsomagban megtalálható regressziószámítási eljárással elvégezhető):
A földrajzi helyzet különböző térparaméterei közül a fekvést (ÉD, NyK) a határmenti fekvést, a
gazdasági centrumtól való távolságot (TÁV) és a szomszédságot (SZOM – a vizsgált indikátorok értéke
a szomszédos régiókban) választottuk.
A régiókat pontokkal azonosítottuk, úgy, hogy a régió központját (székhelyét vagy ennek hiányában a
legnépesebb városát), és annak földrajzi koordinátáit vettük. Ha ezt koordinátarendszerbe rendezzük,
akkor a tengelyek irányának észak-délt és kelet-nyugatot, az origónak pedig a pontok koordinátáinak
számtani átlagát (vagy a jobb alsó sarkot) választhatjuk (4.13. ábra).
4.13. ábra „Európa” regionális ponttérképe
A hat mutató közül négynél a szomszédsági hatás az egyedüli meghatározó térszerkezeti jegy,
kettőnél viszont összetettebb a kép: a szomszédság kiemelkedése mellett más térfaktorok is
szignifikánsak. Habár e vizsgálatokból kevésbé domborodott ki, ismert és elismert a centrum-
periféria modell léte az Európai Unióban. Több esetben a centrumtól való távolságra, a
perifériális helyzetre vezetik vissza például az elmaradottságot, azaz a magterülettől való
távolság, mint magyarázótényező szerepel. Azonban ez a térbeli reláció jelentősen
megváltozik a bővitéssel, mivel a kelet-közép-európai országok régiói az integráció keleti
peremén fekszenek, és döntő többségük fejlettségben jelentősen elmarad az uniós átlagtól. Új
földrajzi dimenzió, a nyugat-kelet ellentét válik az Unió fejlettségi képének egyik fő térbeli
jegyévé. A NyK pozíció magyarázó erejének növekedését jól jelzi az, hogy a determinációs
együttható megkétszereződik, az ÉD megosztottság ellenben visszaszorul, a determinációs
együttható alig harmadára esik vissza (4.15. és 4.16. ábra), ha csak a „régi” vagy csak az „új”
tagokra vagy a két csoportra együtt végezzük el a számításokat (további részletek: Szabó P.
2003).
.15. ábra Regionális fejlettség a Nyugat-Kelet pozíció függvényében Európában
Erről van szó akkor, amikor egy-egy összetett társadalmi szféra, ágazat (például az infrastruktúra s az
ehhez kapcsolódó ellátottság) vagy a vizsgált térségek fejlettségi szintjének meghatározása a cél. De
hasonló, gyakorta elemzett összetett fogalom a regionális kutatásokban például a városiasodottság, az
urbanizáltság vagy ennek épp ellentéteként a ruralitás, a vidékiség46. De ide tartozhat a fekvési
hátrányokat kiemelő periferialitás, illetve annak erősebb társadalmi töltetű párjai: az elszigeteltség,
kirekesztettség. A sor folytatható az életkörülmények, az innovativitás, a versenyképessé47g vagy az
„puhább” identitás területi vizsgálatával.
Kissé távolabb tekintve, a társadalomkutatásban hasonló összetett fogalom az elégedettség, a gazdagság vagy a
szegénység, az egészség és a boldogság vagy épp a deviancia is. E fogalmakat az előbbiektől tulajdonképp
csak a jellemző megfigyelési egység választja el. Előbbieket – a következőkben ezek példáján mutatjuk be az
összetett jelenségek és fogalmak elemzésének lehetőségeit és eszközeit – területi megfigyelési egységekben
elemzik, utóbbiak esetében pedig az egyének és a társadalmi csoportok kerülnek minősítésre és
összehasonlításra. Természetesen van átjárás a kétfajta közelítés között, hisz például a szegénység vagy az
egészségi állapot vizsgálható a legkülönbözőbb térségi keretekben is.
A “gazdag” – miként a vele sok tekintetben analóg módon értelmezhető “szegény”, s a regionális
elemzésekben gyakorta előforduló “fejlett” vagy épp az “elmaradott” – kategória kapcsán leginkább a mérés, a
reális számbavétel nehézségeit szokás elsőként emlegetni. Mielőtt azonban bármit mérnénk vagy
számbavennénk, jó látni azt is, hogy ezen fogalmak értelmezésében jól elkülöníthető jelentések illetve
álláspontok fedezhetők fel. Három, világosan elkülöníthető megközelítése e fogalmaknak (Förster, M. F.
1998) az abszolút, a relatív és a szubjektív megközelítés.
“Abszolút gazdagnak” talán azon keveseket tekinthetjük – hangsúlyozottan a szó materiális értelmében –,
akiknek az életvitelében lényegében semmifajta anyagi korlát nincs. A “relatív gazdagok” már többen vannak,
ők azok, akiknek a többieknél jellemzően és érzékelhetően “több jut”. A “szubjektív gazdagság” azon
kevesekre jellemző – ugyancsak a leszűkített anyagi értelemben –, akiknek “az az érzésük”, hogy a maguk
életviteléhez kielégítő nagyságú jövedelemmel rendelkeznek. Azokban az empirikus, statisztikai alapú
vizsgálatokban, amelyek a fenti fogalmakkal operálnak, jellemzően azok relatív értelmezése jelenik meg, ez a
tartalom operacionalizálható ugyanis legkönnyebben.
Ugyancsak markáns szemléleti és kutatási irányzatot jeleznek azok a – jellemzően szociológiai indíttatású –
vizsgálatok, amelyek nem ragadnak meg a gazdag-szegény leegyszerűsítő dichotómiánál, az egyetlen számmal
kifejezhetőnek vélt jövedelemszintnél, hanem kifejezetten többdimenziós térben helyezik el és azonosítják az
egyes társadalmi csoportokat. Egy ilyen irányú hazai elemzésben (Fábián Z. – Róbert P. – Szívós P. 1998)
például a következő nyolc ún. státuszcsoportot határozták meg a kutatók: jómódú, fogyasztáscentrikus,
megtakarításcentrikus, vagyonos fogyasztó, vagyonfelélő, vagyontalan fogyasztó, deprivált, szegény. (A
jelzett kutatás kapcsán itt csak arra utalunk, hogy e csoportok azonosításában minden korábbi hasonló
vizsgálatnál markánsabban jelenik meg a települési és regionális helyzet, jelezvén a térdimenzió határozott
felértékelődését a társadalmi tagozódásában a rendszerváltozást követően.)
46
A korábban már említett → 1.1.3 leegyszerűsítő népsűrűségi kritériummal szemben Csatári Bálint több
tanulmányában kifejezetten sokdimenziós tartalommal elemzi a vidékiséget (pl. Csatári B. 2000).
47
E fogalmat taglaló átfogó elméleti és empirikus munka: Lengyel I. 2003.
1. Az összetett fogalmak és jellemzők – épp összetettségük okán – nehezen számszerűsíthetők.
Korlátozott információs feltételek között is meg lehet azonban kísérelni a mennyiségi
vizsgálatokat, de a korlátok tudatában illő visszafogottsággal kell értékelni, értelmezni az
eredményeket.
2. A társadalmi jelenségek összetettsége, sokdimenziós jellege kettős kihívást jelent a területi
elemzésben. Egyrészt törekedni kell arra, hogy a vizsgált jelenségnek minden lényeges
tartalmi elemét figyelembe vegyük, másrészt arra, hogy még áttekinthető legyen a vizsgálatba
bevont információtömeg. Bár vannak már sok vizsgálatban használt, bevett indikátorok,
amelyek nyilvánvalóan összefüggenek a vizsgálni kívánt jelenséggel (például a térségi
fejlettséggel), nincs egyöntetű tudományos válasz arra, hogy egy-egy komplex jelenséget
milyen indikátorokra támaszkodva mérjünk, jellemezzünk. A jelzőszámok kiválasztása a
kutató feladata és felelőssége.
3. Noha az összetett jelenségek méréséhez mindenki által elfogadott, stabil változólista nem
rendelhető, az elemzett indikátorok jellegét tekintve megfogalmazhatók szabályok. Ilyen
például az, hogy általában nem szabad keverni az elemzésekben a társadalmi-gazdasági
jelenségek abszolút illetve relatív (fajlagos) mutatóit. Az előbbi csoport ugyanis jellemzően a
területi koncentrációt, a nagyságeloszlásokat tükrözi, míg utóbbi kapcsolódik az erősebb
értéktartalmú „fejlettségi” (hatékonysági, ellátottsági stb.) fogalomkörhöz. A kétfajta közelítés
természetesen összekapcsolható – két párhuzamos vizsgálat eredményei összevethetők (pl.
korrelációs analízissel) azt tesztelendő, hogy a területi koncentráltság és a fejlettség együtt
mozog-e egymással.
4. A vizsgálatok eredményeként kapott rangsorok, típusok jellemzően relatív osztályozást és
összehasonlítást jelentenek. Az összehasonlítás két legfontosabb útja az időbeli, történeti és a
térbeli, keresztmetszeti összehasonlítás. Egyetlen terület (város, ország) önmagában nem
minősíthető fejlettnek vagy elmaradottnak, helyzete csak korábbi állapotaival vagy más
területekkel összehasonlítva értelmezhető.
5. Bár gyakran az a cél, hogy valamifajta egyértelmű rangsorhoz jussunk, sohasem szabad
elfeledni, hogy az összetett jelenségek mérésének számos bizonytalansága okán nagy
megbízhatósággal inkább csak (fejlettségi) csoportok kijelölésére van mód. Egy komplex
mutatót nincs értelme 7-8 tizedesnyi „pontossággal” kiszámítani, s tízezrednyi különbségek
alapján rangsorolni, megkülönböztetni a vizsgált egységeket. Ezekről leginkább csak az
állítható ugyanis, hogy közel azonos a pozíciójuk.
6. Az eredmények minősítésével nemcsak az információs és mérési nehézségek okán kell csínján
bánni, hanem azért is, mert e fogalmakhoz markáns társadalmi értéktartalmak és szubjektív
minősítések ragadnak. Ugyanazon („fejlett”) életviszonyokat egyesek kívánatosnak tartják,
mások elutasítják, sok szegény gazdagnak gondolja magát, míg a gazdagok elégedetlenek
lehetnek a mások által csak óhajtott körülményeikkel.
7. Egy fejlettségelemzés nem attól lesz jó, hogy benne összetett matematikai-statisztikai
módszert használtunk. Gyakorta egy-egy sajátos jelzőszám önmagában is jól tükrözheti az
összetett jelenség lényegét és jellegadó területi sajátosságait. De egy vizsgálat önmagában
attól sem lesz jó, hogy a legkönnyebben elérhető, primitív adatokat nevezzük ki érdemi
változóknak. Amennyiben adottak a megfelelő információs adatfeltételek, a regionális
kutatások (vagy a tágabb társadalomkutatás) eredményeiből meríthetők alkalmas, az
összetettséget átfogni képes módszerek (lásd épp az e fejezetben bemutatott eljárásokat).
8. Kevésbé tudománymetodikai, mint inkább társadalomfilozófiai és politikai szempontként
megemlíthető, hogy azokban az esetekben, amikor az összetett jelenségek mérése irányítási
feladatként merül fel (például a térségi elmaradottság meghatározása a támogatandó területek
kijelölésekor) helyesebb az érintett állampolgárok széles köre által is érthető és így
kontrollálható, viszonylag egyszerű mutatószámok és eljárások használata, míg az
összetettebb módszereket helyesebb a tudományos célú elemzések során alkalmazni.
9. Az összetett fogalmak meghatározását célzó eljárásokkal épp ellentétes vizsgálati utat jelent
az, amikor nem a komplex, együttes értékelés, hanem a jelenség összetevőinek, tényezőinek,
ezek szerepének, súlyának meghatározása a cél. Ekkor sajátos elemzési eszközök is szóba
kerülnek (a tényezőkre bontás módszerei → 5.6, 5.9).
10. Az eljárások közül azonban több lehetőséget ad az adott összetett jelenség elemeinek
értékelésére is. A komplex mutatókkal meghatározott fejlettségi szintek esetében például
érdemi kutatási feladat lehet azt megvizsgálni, hogy az adott fejlettségi szint az egyes
összetevők tekintetében mennyire homogén, illetve kiegyensúlyozatlan tényezőkből tevődik
össze. A leggyakoribb összefüggés az – de ezt minden egyedi vizsgálat esetében ugyancsak
érdemes ellenőrizni –, hogy a legfejlettebb, illetve legelmaradottabb térségek a fejlettségi
összetevők tekintetében egyaránt a legjobb illetve legrosszabb pozíciókban vannak, míg a
közepes, átlag körüli fejlettségi szinttel jellemzően együtt jár az egyes összetevők nagy
szórása (e térségek egyes mutatószámokban esetenként nagyon kedvező, másokban pedig épp
nagyon kedvezőtlen jellemzőkkel bírnak).
• A sokdimenziós jelleg azt jelenti, hogy például a fejlettségnek számos oldala, tényezője, egymásba
át nem vihető eleme van, még ha ezek között mérhetők tendenciaszerű együttmozgások is.
Fejlettségi dimenzió lehet egy térség esetében például a humán tőke nagysága, a gazdaság
teljesítménye, a településszerkezet vagy a műszaki ellátó hálózatok sűrűsége éppúgy, mint
bizonyos intézmények, társadalmi viselkedésminták megléte vagy hiánya, de a természeti
környezet állapota vagy a politikai stabilitás is. Ráadásul a különböző dimenziók fontosságának,
szerepének megítéléséhez térben és időben is változó társadalmi értéktartalmak kapcsolódnak, ami
csak fokozza a közmegegyezés nehézségét a fejlettség értelmezésében.
• A fejlettség és a hasonló összetett fogalmak sokmutatós jellege abban jelentkezik, hogy az egyes
dimenziók általában nem írhatók le egyetlen mutatószámmal, hanem állapotuk, helyzetük többféle
módon is mérhető, ami mérési, statisztikai nehézséget jelent. A humán tőke volumenének,
színvonalának vizsgálatakor például a társadalomföldrajz méltán egyik legkedveltebb fogalma a
népesség iskolázottsági szintje. Ennek egyaránt mérőszáma lehet a felsőfokú végzettségűek vagy
épp az írástudatlanok aránya, de akár egy olyan komplex mutató is, ami a képzettségi szinteket a
hozzájuk rendelhető elvégzett osztályszám alapján hozza közös nevezőre. Ezek jellemzően együtt
mozgó (egymással szoros korrelációban lévő) mérőszámok, de mégsem ugyanazok, a
fejlettségelemzésbe bármelyik bevonható48. Hasonló a helyzet a többi fejlettségi dimenzió esetében
is.
A fenti kettős jellegzetességből az is következik, hogy az összetett jelenségek leírásába bevont egyes
dimenziók önmagukban is összetettek. Számos vizsgálat ebből következően olyan számítási menetet
követ, hogy előbb az egyes dimenziókra (sajátos társadalmi részterületekre) konstruál azokat komplex
módon leíró új adatsorokat, majd ezeket valamiként összegezve állítja elő a végeredményt (például a
fejlettségi rangsort). Ez látszólag logikus eljárás, azonban azt az implicit feltételezést tartalmazza,
hogy az egyes sajátos társadalmi-gazdasági dimenziók térszerkezete egymástól független. Erről
azonban szó nincs. A gazdaság értéktermelési jellemzői, a humán adottságok, az infrastruktúra ugyanis
nem egymástól elszigetelten vannak jelen a térben, hanem kölcsönkapcsolatban léteznek, elemeik
sajátosan kombinálódnak. Így, ha valóban az a célunk, hogy az eredetileg meghatározni kívánt
sokdimenziós jelenségre (azaz például a komplex módon értelmezett térségi fejlettségre) kapjunk
mérőszámot, ez az előzetes részekre bontás nem megengedhető49. Igaz ugyan, hogy ennek hiányában
nehezebben értelmezhető indikátorok jelenhetnek meg a vizsgálat végeredményeként. A
48
De: pl. a fejlett országokban az analfabétizmus semmitmondó, viszont a legelmaradottabb országokban a
felsőfokú végzettség lehet kevésbé jellemző, differenciáló adat (a Lektor megjegyzése).
49
Természetesen két önálló jelenségkörre külön-külön is végezhető többváltozós vizsgálat, majd azok
eredménye összevethető (ez a logikája például F. Kovács E. 1991 városszerkezeti faktoranalízisének, ahol a
társadalomszerkezeti illetve a lakásminőségi dimenzió önállóan vizsgált, majd összevetésre kerül).
faktoranalízisben (→→ 5.5) például az egyes dimenziók bizonyos mutatószámai gyakran más dimenziók
elemeivel kapcsolódnak össze (például a munkanélküliségi mutatók nem a tisztán gazdasági
jegyekkel, hanem a humán jellemzőkkel vagy épp a hálózati infrastruktúra mutatóival), mivel a
fejlettségi térszerkezet nem egyszerű összege az egyes, látszólag elkülönülő sajátos szféráknak.
Sokdimenziós jelleg
(önálló társadalmi részterületek együttesen adják ki pl. a térségi fejlettségi szintet)
Sokmutatós jelleg
(az önálló társadalmi részterületek sokfajta jelzőszámmal, adattal írhatók le)
J11 J12 J1n J 21 J22 J2m J31 J32 J3k J41 J42 J4p
• Amikor egy-egy (általában sokak által elfogadott) kiemelt mutatót használunk az adott jelenség
mérésére (ennek jellegzetes példája a fejlettségnek az egy lakosra jutó GDP-vel történő mérése),
lényegében figyelmen kívül hagyjuk az adott jelenség összetett, többdimenziós jellegét (a GDP
használatakor például a „fejlettséget” a gazdasági értéktermelésre szűkítjük). Előnye e
közelítésnek, hogy a vizsgálatba vont mutató általában közvetlen statisztikai számbavétel alapján
rendelkezésre áll, s mivel egyetlen adatsort jelent, azonnal megadja a „fejlettségi” rangsort,
mértékegysége közismert (a GDP esetében valamilyen pénzegység).
• A sokdimenziós és sokmutatós jelleget visszatükröző eljárások során különböző komplex
mutatókat állítanak elő az adott fogalom mérőszámaként, arra törekedve, hogy az így kapott
értékek a jelenség összes lényeges oldalát tartalmazzák. Ez az út két nagyobb irányra bomlik:
ismerünk egyszerűbb számtani, statisztikai műveletekkel előállítható mutatókat, s összetett
eljárásokat.
A regionális elemzések indikátorai közül kétségkívül az egy lakosra jutó jövedelmek, illetve az
értéktermelés mutatói a legelterjedtebbek. Mielőtt ezek számbavételének, értelmezésének kérdéseit
részleteiben is áttekintenénk, érdemes felhívni arra is a figyelmet, hogy néha egy-egy különleges, akár
parciálisnak tűnő jelzőszám is nagyon jó szintetikus indikátora lehet egy adott jelenség térbeli
tagoltságának vagy egy időszak térfolyamatainak, új jelenségeinek. Ilyen megtalálásához (ha
egyáltalában hozzáférhető) és használatához bizonyos kutatói intuíció és bátorság is szükséges.
Néhány hazai példa:
• „orvoslátta halottak aránya az összes meghaltak közül” – Beluszky nagy hírnévre szert tett
modernizációs mutatója a XIX. század utolsó évtizedei modernizációs tagozódásának jelzésére
(Beluszky 2000)
• „a számítástechnikai foglalkozásúak, illetve a kézi anyagmozgatók és szállítómunkások aránya” –
Nemes Nagy használta 1980-ra az újabb technikai, gazdasági modernizációs szakasz kezdetének
rendkívüli megyei szintű polarizáltságát érzékeltetve (Nemes Nagy J. 1990)
• „a világútlevelek népességre vetített száma” – Rechnitzer mutatója (1990) a rendszerváltozáshoz
kapcsolódó „szabadságjog” igénybevételének területi egyenlőtlenségeit írta le, s erősen korrelált a
területi fejlettségi jelzőszámokkal (Rechnitzer J. 1993)
• „használtcikküzletek népességre vetített száma” – 1998-ra Kiss János Péter elemezte ennek a
jelzőszámnak a sajátos térbeli megoszlását. A mutatószámban az ország gazdaságilag legelmaradottabb
megyéje, Szabolcs állt az élen (Kiss J. P. 2001)
• „CB-rádió tulajdonosok népességre vetített száma” – Nemes Nagy és Ruttkay gyűjtötte össze a
nyolcvanas években (tehát egy évtizeddel „mobil-korszak” előtt) a műszaki innovációs terjedési
folyamatok hierarchikus jellegét bizonyítandó (Nemes Nagy J. – Ruttkay É. 1987)
50
Nem soroljuk ide azokat a vizsgálatokat, amikor egy-egy jelenségkör, társadalmi szféra fontos komponenseit,
jelzőszámai egyenként elemzik, mellőzve az összevont értékelést (módszertani szempontból épp az összetett
jelenségek vizsgálatának említett nehézségei okán ez elfogadhatóan realista nézetrendszert tükröz). Az ilyen
vizsgálat önmagában semmivel sem kevésbé értékes, mint egy összetett módszertanú, előnyei közé tartozik,
hogy a módszertanilag kevésbé felvértezett felhasználói kört is elérheti (példamutató megoldásként lásd a hazai
lakáspiac elemzéséről Farkas – Kovács – Székelyné 2004 vagy a választási földrajzból: Mészáros – Szakadát
1999).
Hasonló, jól interpretálható és minden bizonnyal összetett társadalmi-gazdasági tartalmakat magukba
sűrítő jelzőszámokkal, ha nem is váltható ki a sokdimenziós, sokmutatós elemzés, de fontos
adalékokkal járulhatnak hozzá a területi tagoltság feltárásához. Ahogy a fenti jelzőszámok is sugallják,
különösen az átmeneti, sajátos új tartalmakat hozó korszakok kezdetén lehet néhány sajátos indikátor
emblematikus értékű. Érdemes tehát ilyen mutatószámokat is keresni, netán megalkotni! (Hasonló,
aktuális mutatók alkothatók az információs társadalom elemzésére → 5.8). Előfordul, hogy az
egyébként nagyon is összetett, sokoldalú jelenségek mérésére egészen egyszerű jelzőszámot
alkalmaznak, ha csak így biztosítható a széles körű, nemzetközi összehasonlíthatóság (vidékiség →
1.1.3).
5.3.1 A GDP
A Gross Domestic Product (GDP), amelynek a szószerinti fordítástól – bruttó hazai termék – eltérő, a mutató
valóságos tartalma, értelme szerinti magyar megfelelője a belföldi hozzáadott érték, a nemzetgazdasági
mérlegrendszerek egyik központi fogalma. Az egy adott időintervallumon (általában egy éven) belül, egy adott
megfigyelési egységben (leggyakrabban egy országban) a teljes gazdasági tevékenységben előállított,
pénzértékben (jellemzően a nemzeti valutában) mért új értéket jelenti.
A gazdasági szereplők által létrehozott hozzáadott érték – megfelelő gazdaságstatisztikai (mérleg) információk
birtokában – két úton, "felülről" illetve "alulról" számítható. A GDP egyrészt a bruttó termelési érték és a folyó
termelő-felhasználás különbözeteként, másrészt a bruttó munkajövedelmek, az adózatlan eredmény és az
amortizáció összegeként adódik. A GDP a korábban leggyakrabban használt értékmutatótól, a nemzeti
jövedelemtől alapvetően a számbavétel során figyelembe vett ágazati tevékenységi kör tekintetében különbözik.
Míg a nemzeti jövedelem csak az ún. anyagi ágakban (ipar, mezőgazdaság, termelő szolgáltatások) létrehozott új
értéket tartalmazza, addig a GDP kiterjed a nem anyagi szolgáltató (tercier és kvaterner) tevékenységekre is.
Szemléletében például az oktatás és az egészségügy is "termelő" ágazat, s nem pusztán fogyasztója a társadalmi
jövedelmeknek. A jellemzően non-profit szellemi szolgáltatások területén a GDP lényegében a bruttó
munkajövedelmekkel azonos.
A GDP számbavételével kapcsolatos elméleti és gyakorlati problémák, dilemmák közül – a fogalom fenti
definíciójából kiindulva – mindenek előtt a teljes gazdálkodási kör fogalmát kell említenünk. Teljeskörűségre
törekedve a GDP-nek tartalmaznia kell a gazdaság minden szférájában (nemcsak a legális gazdaságban)
létrehozott új értéket. A gond itt az, hogy a gazdasági tevékenységek kisebb-nagyobb köre nem mért, mert
rejtett, nem számbavett (fekete gazdaság) illetve ha nyílt is, csak becsülni lehet a teljesítményt (például a
háztartási munka). A GDP megbízhatósága nagyban függ e tevékenységek súlyától, s ez minden szinten
bizonytalanná, vitatottá teszi az értékeket. A nyílt, legális gazdaságban keletkezett GDP valósághűsége
ugyanakkor alapvetően a gazdaságstatisztikai rendszer megbízhatóságától függ.
A fenti definíció termelési oldalról határozza meg a GDP tartalmát, értelmezhető azonban a GDP felhasználási
(fogyasztási és felhalmozási) oldalról is. A két oldal volumene a külső pénzügyi kapcsolatok következtében
jellemzően nem azonos, a felhasznált jövedelem a fizetési mérleg függvényében eltérhet a megtermelt értéktől.
Regionális metszetben lényegében ez a kettősség jelentkezik az ingázók jövedelmei vagy a lakóhelytől elváló
üdülőtulajdonból (bérbeadás) származó jövedelmek esetében.
A folyó áron, nemzeti valutában mért GDP csak az adott időpont (év), s az adott megfigyelési egység (ország)
aktuális gazdasági folyamatait jellemzi. Időbeli, történeti összehasonlítás esetében szükség van a változatlan,
összehasonlító áras, nemzetközi összehasonlítás esetében az azonos pénznemben kifejezett érték kiszámítására
is. A nemzetközi összehasonlítást lehetővé tevő egységesítés két jellemző útja az érvényes devizakurzusok
szerinti, illetve az ún. vásárlóerő-paritásos egységesítés, ami általában eltérő eredményre, arányokra vezet. A
kelet-közép-európai országok például az alacsonyabb árszínvonal miatt a vásárlóerő-paritásos összevetésben
jóval közelebb vannak a legfejlettebb országok GDP-szintjéhez, mint a nyers valutakurzusok szerinti
átárazáskor. (Ez utóbbi módszert használja a világ országaira éves rendszerességgel kiadott adatsoraiban a
Világbank, míg az EUROSTAT az EU-régiók gazdasági pozícióinak jellemzésére mindkét közelítést közreadja).
A magyar GDP euróban kifejezve relatíve jóval alacsonyabb, mint a vásárlóerő-paritásos érték. Előbbi
tulajdonképpen azt a jövedelmi, illetve árviszonyt jellemzi, amit a magyar turisták az alpesi sízés illetve a német
vendégek a balatoni nyaralás során érzékelnek, míg a vásárlóerő-paritásos érték a hazai jövedelemtulajdonosok
itthoni vásárlóerejét tükrözi51.
A fenti értelmezési és számbavételi problémák mindegyike jelentkezik akkor is, ha a GDP-t nem
országos szinten, hanem területileg dezaggregáltan kívánjuk meghatározni, s újabb speciális
nehézségek, elméleti és gyakorlati problémák is megjelennek. A területi számbavételkor a
"belföldnek" egy-egy térség, régió területe felel meg. A területi GDP-re esetenként külön fogalmat is
használnak, megjelölve a sajátos számbavételi szempontot. Ez a megnevezés a Gross Regional
Product (GRP), a regionális hozzáadott érték.
A GDP területi számbevételekor a legprofánabb, gyakorlati gond az, hogy a területileg bontott,
hozzáférhető gazdasági, értéktermelési információk köre jóval szűkebb az országos szinten
rendelkezésre állókénál. Elméleti gondot jelent az, hogy nem minden gazdasági tevékenység
lokalizálható egyértelműen → 1.2.9. E problémák miatt – miközben törekedni kell a tényadatokon
nyugvó GDP-számbavétel intézményes feltételeinek fejlesztésére – nem küszöbölhető ki a
mutatószám részben becsült jellege, s így kisebb-nagyobb mértékű statisztikai bizonytalansága.
Bár a GDP a regionális elemzés elsőrendű indikátora világszerte, de egyúttal folyamatos kritika tárgya
is.
A GDP „állásai” még a legbiztosabbnak látszó terepen, Európában is inognak. Az Eurostat egyik új –
módszertani kísérletként, javaslatként – publikált írása (Behrens, A. 2003) az egy lakosra jutó GDP
helyett („gazdasági fejlettség”) a lakossági jövedelmek mentén rangsorolja az európai régiók
„gazdagságát”. A gazdasági fejlettségi rangsorban Belső-London, a jövedelmiben Luxemburg áll az
élen, a GDP/fő pozícióhoz képest a legnagyobb előrelépés a belga és észak-olasz tartományoké. Az új
tagállamok régiói közül a gazdasági fejlettségi rangsorban 24. Prága „lakói gazdagsága” tekintetében
csak a 177. – a mű a magyar régiókat sajnos nem minősíti.
51
A GDP-számbavétel Európában már egységes metódussal folyik – ezt jelzi a sok forrásban felbukkanó ESA79
és ESA95 rövidítés (Eurostat-European System of Integrated economic Accounts) a régebbi, 1979-es és a ma is
érvényesített új 1995-ös módszertanra utalóan.
Régiók, megyék Egy lakosra jutó GDP
(ország=100)
1975 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
Budapest 139 182 183 189 191 191 196 203 204 212 208
Pest 61 76 72 73 77 77 80 78 83 88 89
Közép Magyarország 114 147 146 148 151 150 154 156 158 164 161
Fejér 106 96 99 103 117 124 114 119 103 94 95
Komárom-E 131 80 86 89 86 84 83 84 92 93 105
Veszprém 116 80 84 81 80 81 80 84 84 79 79
Közép Dunántúl 117 86 91 92 96 98 94 97 93 89 92
Győr-M-S 111 103 109 110 109 121 131 134 120 118 120
Vas 82 103 107 109 114 117 118 114 100 99 105
Zala 88 94 92 93 91 90 90 84 85 87 92
Nyugat-Dunántúl 96 101 103 105 110 110 115 114 104 103 108
Baranya 108 84 80 78 80 79 78 76 76 74 75
Somogy 71 76 76 75 70 69 69 67 69 68 68
Tolna 77 94 92 91 84 86 89 81 84 78 72
Dél-Dunántúl 88 84 82 80 78 77 78 74 75 73 72
Borsod-A-Z 111 70 76 71 69 69 67 64 64 62 63
Heves 100 73 74 74 72 73 72 71 75 73 73
Nógrád 77 62 59 57 53 57 55 54 56 55 54
Észak Magyarország 102 70 73 69 67 68 66 64 66 64 64
Hajdú-Bihar 83 83 78 78 76 76 72 71 74 73 75
Jász-N-Sz 93 79 77 76 75 72 67 66 69 68 66
Szabolcs-Sz-B 59 62 61 59 58 57 55 53 57 54 55
Észak Alföld 77 74 71 70 69 68 64 63 66 64 65
Bács-Kiskun 79 77 79 76 73 71 70 66 69 68 66
Békés 89 80 78 76 72 69 68 66 66 62 61
Csongrád 109 94 93 93 90 89 86 82 81 77 77
Dél-Alföld 91 83 83 81 78 76 75 71 72 69 68
Maximum/Minimum 2,36 2,94 3,1 3,32 3,6 3,35 3,56 3,83 3,64 3,93 3,85
arány
Maximum/Minimum 2,22 1,66 1,85 1,93 2,21 2,18 2,38 2,53 2,14 2,19 2,21
arány Bp. nélkül
5.1. táblázat A régiók és a megyék GDP-vel mért gazdasági fejlettségének változása Magyarországon
F: 1975: Nemes Nagy J. becslése, 1994-2003: a KSH adatai
5.4 Komplex mutatók
Összevonhatóvá tétel
A több, különböző mértékegységben mért alapadatból számított komplex mutatók esetében mindenek
→ 2.2.3).
előtt biztosítani kell az adatok összevonhatóságát (→
Vigyázni kell arra, hogy, bár a legtöbb adat esetében a nagy értékek jelzik a kedvező pozíciót, másoknál
azonban a nagy érték épp a kedvezőtlen helyzet tükre (munkanélküliség, írástudatlanok aránya, szennyezettségi
jellemzők). Ilyen adatokat ne keverjünk össze, mert az eredmény értelmetlen lesz.
A megoldás a legtöbb esetben könnyű: a munkanélküliségi ráta helyébe az állással épp rendelkezők arányát véve
(100-munkanélküliségi ráta) válik az adott szempontból homogénné, összevonhatóvá az adatrendszer. Vannak
azonban olyan demográfiai és társadalmi jellemzők is, amelyeknél nehéz eldönteni, hogy nagy vagy épp kicsiny
értékeik jelzik a kedvező állapotot, a magas fejlettséget, ezek vizsgálatba vétele alaposabb megfontolást kíván.
Jó megoldás lehet az összevonhatóság elérésére, hogy bizonyos relatív adatok helyett azok reciprokát használjuk
(például az egy orvosra jutó ellátandó népesség helyett az ezer lakosra jutó orvosok száma ésszerűbb lehet az
egészségügyi ellátottság értékelésekor, hisz míg az előbbi vélhetően negatív, az utóbbi pozitív korrelációban van
a térségi fejlettséggel, mivel a fejlett területeken valószínűsíthetően nagyobb az orvoslétszám. Persze, ha nem a
térségi fejlettség, hanem az egészségügyi rendszer terhelésének, zsúfoltságának kimutatása a cél, akkor az előbbi
fajlagos jön szóba.)
Az eljárások között szerepet kaphat a már bemutatott rangsorolás (ordinális skálára alakítás → 2.3) és
a standardizálás → 2.5.2. Gyakran használt eljárások még az alábbiak:
Összehasonlíthatóvá tehetők a különböző mértékegységekben mért adatok úgy is, hogy értékeiket az
adatsor jellegadó értékeihez (legtöbbször a maximumhoz, de szóba jöhet az átlag vagy a minimum)
viszonyítjuk. Ugyanez a logikája azoknak a vizsgálatoknak, amikor az elemzett jelzőszámokat az
összevonás, a komplex mutató kiszámítása előtt egy-egy, a vizsgálat vagy a jelenség szempontjából
fontos területegység adataihoz viszonyítjuk (pl. minden adat esetében az USA vagy épp Magyarország
értékét vesszük 100-nak, vagy a vidéki átlaghoz viszonyítjuk a települési adatokat). A maximumhoz
viszonyításkor a maximum százalékában fejezzünk ki minden eredeti adatot az alábbi összefüggés
szerint:
xi
zi = * 100
xmax
Az átalakított változók értékei a (0;100), ha a 100-zal való szorzás elmarad, akkor az (0;1),
intervallumba esnek. (Ez az eljárás szerepel a Bennett-féle komplex mutatóban → 5.4.2.)
Normalizálás: a maximum-minimum intervallumra vetítés
xi − xmin
zi =
xmax − xmin
Az új változó értékei a (0;1) intervallumba esnek. Ezt az eljárást használják a HDI kiszámításakor →
5.4.2, maximumként és minimumként az elméletileg feltételezhető értékeket használva (a hazai
szakirodalomból lásd még Bajmócy P. – Balogh A. 2002).
Az adat-átalakítások következményei
Mintapéldaként négyféle átalakítás eredményeit tartalmazza a 5.2. táblázat. A könnyebb áttekinthetőség
érdekében a fiktív megfigyelési egységeket az alapadat nagysága szerint rendeztük, az „eredeti” adattábla –
hasonlóan a legtöbb valóságosan használt adattáblához – a megfigyelési egységek ábécé rendjében tartalmazta az
adatokat. A táblázat a következő összefüggésekre mutat rá:
• A megfigyelési egységeknek az eredeti és a transzformált értékek szerinti sorrendje változatlan.
• Azonos alapadatokhoz minden transzformált adatsorban azonos új érték tartozik.
• Bár értéke változik, de nem változik az átlag és a szélsőértékek helyzete (mind a négy adatsorban
ugyanazon megfigyelési egységekhez tartozik az átlag, a maximum és a minimum).
• A sorrendi (ordinális) skálára transzformálást kivéve az átalakítások lineáris transzformációt jelentenek
(mivel az összefüggésekben konstansokkal való műveletek szerepelnek). Ebből következik az, hogy ha
két-két alapadat különbsége azonos, akkor a transzformált adatsorok megfelelő értékeinek különbsége is
azonos (bár más abszolút értékű) marad (lásd például D és H illetve G és A esetét).
• Változik ellenben az adatsor szórása, relatív szórása, terjedelme, „alakja”. Ennek következtében, ha
különböző módon transzformált adatokból számítunk komplex mutatókat, akkor az eredményül kapott új
adatsor eloszlása, alakja különbözni fog. Ezért csak azonos transzformációt használó összevonások
eredményei vethetők közvetlenül össze.
A súlyozás
Egyéni súlyozás alkalmazása nem ajánlott, mert az szubjektív, nem konszenzusos eredményre vezethet, s
csalafintaságoknak is utat nyit valamely komponens célzatos kiemelése (nagy súllyal élre helyezheti az abban
épp kiváló, de más elemben lemaradó területeket vagy, ha támogatásokról elnyeréséről van szó, épp fordított
logikát érvényesít). Kitérőként: a súlyozás fontos szerepet kap a legkülönbözőbb értékelési eljárásokban –
versenytárgyalások, tenderek –, amikor a pályázó vagy a pályamunka minősítésében a különböző, előre
meghatározott szempontokhoz előre meghatározott súlyokat rendelnek, érzékeltetetendő az egyes komponensek
eltérő fontosságát. Itt az előre meghatározott szavakon van a hangsúly, a mérték mindig vitatható lehet, de
„játékszabályként” elmegy. A bemutatásra kerülő eljárások közül súlyozást alkalmaznak a HDI esetében →
5.4.2.
Az ágazati földrajzi elemzésekből régtől fogva ismerünk sajátos komplex mutatókat. Ezek – szakmai
közmegegyezés alapján – az adott ágazat, tevékenységi terület naturáliáit teszik összevonhatóvá (5.3.
táblázat). Ismert példa a szántóegység, az állatállomány számosállat-egységben való összegzése (az
egyes haszonállatok átlagos élősúlyra való átszámítása), a szarvasmarhaegység (a takarmánymérleg
elkészítéséhez), a különböző energiahordozók energiatartalmának kőszén-egyenértékre számítása, a
táplálkozástudományból az élelmiszerek energiatartalma. Hasonló koncepciójú a földminőség
aranykorona értékének mutatója is, amelyet jobb híján ma is használnak hazánkban a földértékelésben
és adózásban.
Számosállat Szántóegység
1 szarvasmarha 0,8 1 ha szántó 1
1 sertés 0,114 1 ha öntözött szántó 2
500 db kiscsibe 1 1 ha zöldségtermelő terület 2,5
125 növendék pulyka 1 1 ha öntözött zöldségtermő t. 5
33 növendék birka 1 1 ha gyümölcsös 4
500 növendékkacsa 1 1 ha szőlő 5
1 ló 0,8 1 ha rét 0,5
1 juh 0,071 1 ha legelő 0,2
250 tojó 1 1 ha erdő 0,1
100 liba 1 1 ha nádas 0,05
150 kacsa 1
52
Magyarul: Wackernagel, M. - Rees, W. E. Ökológiai lábnyomunk, Föld Napja Alapítvány, 2001
Az ökológiai lábnyom tulajdonképpen a teljes fogyasztási javak megtermeléséhez és a
nagyságának felel meg. A kérdés nem más, mint hogy mekkora legyen ez a földterület,
város által fizikailag elfoglalt tér. Az ökológiai lábnyomról tehát fontos megjegyeznünk,
hogy végső soron az adott népesség összes földigényét foglalja magában: az ökológiai
Az ökológiai lábnyom fogalma azon alapszik, hogy az anyag- vagy energiafogyasztás minden tételénél
szükség van az érintett ökológiai rendszerekben egy bizonyos mennyiségű földterületre. Ily módon a
vizsgált fogyasztási szint fenntartásához szükséges teljes földterület meghatározásához mindegyik
jelentős fogyasztási osztály földhasználatát fel kell mérnünk. Mivel általában nincs mód a több
tízezernyi fogyasztási cikk mindegyikének előteremtéséhez, kezeléséhez és hulladékának tárolásához
szükséges föld felmérésére, a számítások főbb osztályok és egyedi cikkek kiválasztására
korlátozódnak.
Egy meghatározott népesség ökológiai lábnyomának becslése többlépcsős folyamat. Első lépésben a
regionális vagy országos adatokból kiszámítjuk az egyes fogyasztási cikkek egy lakosra jutó
mennyiségét. Az éves szinten mért átlagos egy főre jutó fogyasztást jelöljük f-fel, mértékegysége
kg/fő. A következő lépésben az egy főre jutó kisajátított földterületet (kf) kell kiszámolnunk minden
főbb fogyasztási cikkre (c) vonatkozólag. Ehhez ismernünk kell még az adott cikk átlagos éves
produktivitását vagy hozamát (p), melynek mértékegysége kg/ha. A c árucikk szerinti egy főre jutó
kisajátított földterület a következő módon számítható ki:
fc
kf c =
pc
A fenti képletből nyilvánvaló, hogy a kisajátított földterület nagysága, és ezen keresztül az ökológiai
lábnyom mérete fordított arányban áll a termékenységgel, és egyenes arányban az egy lakosra jutó
fogyasztással. A kisajátított földterületet minden egyes tétel esetében egyenként fel kell becsülnünk,
majd a következő lépésben erre alapozva kell meghatároznunk az egy lakos által elfoglalt teljes
ökológiai lábnyomot (öl), amely egyenlő az m darab fogyasztási cikk (c=1,...,m) által kisajátított
terület összegével:
m
öl = ∑ kf c
i =1
Az utolsó lépésben a vizsgált terület lakosságának ökológiai lábnyomát (ÖL) határozzuk meg úgy,
hogy az átlagos fejenkénti lábnyomot megszorozzuk a népességszámmal (N):
ÖL = N (öl )
A módszer során a legnagyobb gondot az alapadatok, főként a fogyasztási és termékenységi adatok
begyűjtése jelentheti. Az adatgyűjtés egyszerűsítése érdekében általában fogyasztási osztályokat
alkalmazunk. Finomabb elemzéseknél ezek az osztályok igény szerint tovább oszthatók. Az efféle
alosztályokat stratégiailag kell meghatároznunk: minden egyes fogyasztási cikknél részletes elemzés
kell, hogy felölelje az adott cikkre fordított összes erőforrást. Az árucikkben megtestesített energia és
erőforrás az áru életciklusa során a gyártáshoz, szállításhoz és lerakáshoz használt összes energia- és
anyagmennyiséget jelenti. Az „energiaintenzitás” az egy áruban vagy szolgáltatásban megtestesülő
energia. Hasonlóképpen beszélhetünk egy árucikk megtestesült ökológiai lábnyomáról, ami a
fogyasztó ökológiai lábnyomához járul hozzá.
A fogyasztás-földhasználat mátrixában (ennek egy példája az 5.5. táblázat) minden egyes fogyasztási
osztály (vagy fogyasztási cikk) földszükségletét feltüntetve rendszerezett formában és
összefüggéseiben is vizsgálhatóak az ökológiai lábnyom összetevői. Az egyes osztályok adatai
nemcsak az egyes fogyasztási javak által közvetlenül elfoglalt területet tükrözik, hanem az előállításuk
és fogyasztásuk során „fogyasztott” földet is, mellyel így valójában a fogyasztáshoz kapcsolódó föld
életciklus-elemzéséhez jutunk. A „lakás” osztály például tartalmazza a földet, melyen a ház áll
(beleértve az infrastruktúra által elfoglalt városi földterület arányos részét), a házhoz felhasznált fa
termeléséhez szükséges földet (vagy a téglák előállításához kapcsolódó energiaföldet) és a fűtéshez
kisajátított energiaföldet is.
Termőföld
Leromlott
Legelő
Összes
(ha/fő)
terület
Erdő
Kert
53
A Lektor megjegyzése: ez a konverzió az eljárás leggyengébb pontja, pl. atomerőművekre egyáltalán nincs
kidolgozva.
ruházat 0,11 0,02 0,13
bútor és berendezés 0,06 0,03
könyvek, folyóiratok 0,06 0,10
dohány és alkohol 0,06 0,04
személyi gondozás 0,03
szabadidős berendezések 0,10
egyéb javak 0,00
Szolgáltatások 0,29 0,01 0,30
kormány (+hadsereg) 0,06
oktatás 0,08
egészségügy 0,08
szociális szolgáltatások 0,00
idegenforgalom 0,01
szórakozás 0,01
bank/biztosítás 0,00
egyéb szolgáltatások 0,05
Összes 2,34 0,20 0,02 0,66 0,46 0,59 4,27
mértékegységű leképeződésében.
n
z ji
BENj = ∑
i =1 n
A Humán Fejlettségi Index (HDI)
A Humán Fejlettségi Indexet (HDI) az ENSZ immár több mint két és fél évtizede publikálja. A
komplex mutató számításának alapkoncepciója a kezdetek óta változatlan (lényege, hogy mérésekor a
bevett GDP-n túlmenően a humán potenciál mutatóit is figyelembe veszik), de a konkrét számítási
módban többször történt változás. Alábbi leírás a Human Development Report 2000-ben közölt
metodikáját követi. (A világ egészére, a nagyobb országcsoportokra és az egyes országokra készített
elemzések sora található meg a http://hdr.undp.org/ címen.)
A HDI minden összetevőjére önálló indexek számíthatók normalizált átalakítással (→ → 5.4.1). Ez alól
csak egy kivétel van. A HDI vizsgálatokban a GDP alkalmazására vonatkozó képlet arra az állításra
épül, hogy egy megfelelő, elfogadható fejlettségi szint eléréséhez nincs szükség végtelenül nagy
jövedelemre. Ennek érzékeltetésére, a nagyságrendekben meglévő különbségeket megtartó
logaritmikus transzformációt használják az alábbi képlet szerint (az egy főre jutó GDP értékeket y-nal
jelölve):
log y − log y min
W( y ) =
log y max − log y min
54
A mutató eredeti forrása: Bennett, M. K. 1954 The World`s Food, Harper and Row., N. Y.
A normalizálást használva:
Valamint a
A indexek kiszámítása után a HDI-t a megfelelő összetevők átlagolásával kaphatjuk meg minden
területegységre:
a+d +e
HDI =
3
A HDI eredmények a (0;1) intervallumon oszlanak meg, ahol az 1 közeli értékek a fejlettebb, a 0
közeliek pedig a fejletlenebb területegységekre utalnak. Magyarország mutatói (5.6. táblázat) hosszú
távon tendenciájukban javuló pozícióra utalnak, az ország 2001-ben a világrangsorban a 35. helyen állt
(Csehország és Argentína állt előttünk, Szlovákia és Lengyelország mögöttünk). A világrangsort
2001-ben Norvégia vezette 0,944-es értékkel, a hozzánk hasonló méretű EU-tag Portugália a 23.
helyre került (0,896), a világ legnépesebb és látványosan növekvő országa, Kína még ma is csak 104.
a rangsorban, igaz, hogy HDI érték itt is látványosan nőtt, az 1975-ös 0,523-ról 2001-ben 0,721-ra. A
számbavett országok közül 2001-ben Sierra Leone az utolsó 0, 271-es indexszel.
Év HDI
1975 0,777
1980 0,793
1985 0,805
1990 0,804
1995 0,809
2000 0,835
2001 0,837
Az ENSZ folyamatosan fejleszti, bővíti a HDI metodikát, a fejlődő világra sajátos indexet alakítottak
ki (lásd az Internetről letölthető éves jelentések technikai mellékleteit: http://hdr.undp.org/).
A metódus lehetőséget ad arra is, hogy a HDI-t ne csupán országos szinten, hanem területegységekre, régiókra
is kiszámítsuk, ha a szükséges alapadatok rendelkezésre állnak. (További részletek: Nemes Nagy J. és Jakobi
Á. becslése a Fóti K. által szerkesztett 1999-es magyar Human Development Reportban, bizonyos helyettesítő
adatok felhasználásával kistérségi szintű HDI-becslést publikált Obádovics Cs. – Kulcsár L. 2003. A terület
részletezettségű számítások – az iskolázottsági és halandósági jellemzőknek a jövedelmekhez viszonyított
viszonylagos kiegyenlítettsége következtében – jól követik a más metódusú elemzésekből kirajzolódó területi
fejlettségi képet.)
A nemzetközi szakirodalom tele van a HDI-vel rokon logikájú, a fejlettség, a jólét, a globalizáltság s
egyéb összetett fogalmak mérésére használt komplex mutatókkal. Ezek komponensei között – a szinte örök
elemként megmaradó GDP fajlagosok mellett – gyakran bukkannak fel a környezeti állapot, a gazdasági-
politikai biztonság és a belső társadalmi egyenlőtlenségek mérőszámai, különböző súlyokkal és összevonási
eljárásokkal. Indulásként ajánljuk például: Osberg – Sharpe 2002 vagy Straussfogel, D. 1997 tanulmányait – jó
kutatást!
Deprivációs Index
Míg a HDI eredeti tartalmával elsősorban a nemzetközi, országok közötti és makroregionális
összehasonlításoknál jön szóba, az alacsonyabb térségi szintek, települések összehasonlításakor is felvetődik a
komplex mutatószámokkal való összevetés igénye (például a településekhez, önkormányzatokhoz kötődő állami
támogatások elosztási szempontjaként). A mutatók előállítási módszertana nem különösen sajátos itt sem,
ellenben lényegében különbözik a meghatározandó társadalmi jelenség, jellemző, ami az egyes egyénekhez,
kisebb-nagyobb társadalmi csoportokhoz jóval közelebbi tartalmú.
Ilyen, jellemzően kis egységekben számba veendő és értékelendő jelenség a szegénység vagy a szociológia
összevont társadalmi krízisfogalmai: depriváció, depriváltság, társadalmi deviancia.
A depriváció jellegzetes többdimenziós és többmutatós fogalom. Tartalmazza az egyéni szintű jóléti, egészségi,
mentális hátrányokat, a társadalmi kapcsolatok teljes vagy részleges hiányát, a kiszorultságot. Mérésekor,
meghatározásakor jellegzetes út az egyéni szintű számbavétel és az érintettség kisegységi, területi arányának
meghatározása.
Minden terület önmagában is értékelődik, több, a témakörben releváns, számszerűen meghatározható jelzőszám
alapján. Mivel az egyes területekhez rendelhető számszerű adatok jellegüket tekintve különbözők, az
összevonási eljárások is különbözhetnek dimenziók szerint. A jövedelmi, foglalkoztatottsági vagy képzési
területen például az érintett népesség aránymutatói jöhetnek szóba (pl. alacsony jövedelműk, szociális
segélyezettek, tartós munkanélküliek, iskolázatlanok stb.), más dimenziókban azonban ettől eltérő jellemzők
szerepelnek a mérésben (bűnözési gyakoriság, lakásminőség, szolgáltatások elérhetősége stb.), a végeredmény
azonban mindenütt egy-egy rangsor.
Ezt követően a dimenziórangsorok súlyozott átlagai alapján áll elő az IMD (a súlyok természetesen – és jobb
híján – ebben az esetben is önkényesek: a jövedelmi és foglalkoztatottsági dimenzióié 25-25%, az egészségi és
képzettségi területé 15-15%, az elérhetőségi dimenzióé (amely az alapvető szociális szolgáltatások földrajzi
közelségét értékeli) 10%, míg a záró két dimenzióé 5-5%.
A mutatószám sokszálú információs hátteret feltételez, a hivatalos átfogó nemzeti adatbázisok (népszámlálások)
mellett speciális ágazati (egészségügyi, szociális, kriminalitási) információkat, csak konkrét helyi adatfelvétellel
előállítható adatokat. Az adatbázis összeállítása sok szereplő (az ágazati minisztériumok, helyi önkormányzatok,
statisztikai szervek) kooperációjával jöhet létre, a tudományos kutatásnak épp a mutatók kiválasztásában és
komplex értékelésében lehet szerepe (az említett észak-ír metódusban például az egyes dimenziók deprivációs
rangszámát a súlyozott összevonás előtt exponenciális transzformációval a 0, 1 intervallumra vetítik). Az
eredményül kapott mutatószám természetesen térképezhető, elemezhető, térszerkezete vizsgálható. A
legrészletesebb módszertani kifejtésű észak-ír elemzés55 a depriváció erőteljes koncentrációját mutatta ki a
nagyvárosokban (Belfast, Londonderry).
5.5 A faktoranalízis
Nem kis részben épp a fejlettség (s más hasonló összetett fogalmak) sokdimenziós és sokmutatós
jellege kényszerítette ki s egyben alapozta meg a területi kutatásokban is azt, hogy a hatvanas-hetvenes
évekre napi elemzési eszközzé váltak az összetett és rejtett, többdimenziós és többmutatós fogalmak
mérését célzó, többváltozós matematikai-statisztikai eljárások, mindenek előtt a faktoranalízis. Mivel
nagy és viszonylag bonyolult számításigényű módszerről van szó, elterjedéséhez igazi lökést a
korszerű számítógépek megjelenése adta. Ez a módszer értő alkalmazás és meghatározott matematikai
feltételek mellett alkalmas arra, hogy viszonylag egyszerűen mérhetővé tegye az összetett fogalmakat.
A faktoranalízis eredményeként olyan új, komplex („látens”) változók számíthatók, amelyek
kapcsolatban vannak a kiinduló adatokkal, azokkal mérhető a korrelációjuk, s így azonosítható a
tartalmuk is.
Tegyük fel, hogy egy összetett jelenséget (például a térségi fejlettséget) két adatsorral (x1 és x2 lehet
például az egy lakosra jutó jövedelem, illetve a személygépkocsi-sűrűség adatsora) mérünk egy adott
területi megfigyelési rendszerben. Mivel mindkét adatsor ugyanazon jelenséghez kapcsolódik,
feltehetően korrelálnak egymással. Ha koordinátarendszerben ábrázoljuk a területegységeinket,
nemcsak a korreláció határozható meg közöttük (ez az ábra esetében 0,87), hanem kiszámítható és
felrajzolható a regressziós egyenes is. Ez átmegy az x1 és x2 adatsorok átlagának megfelelő O ponton.
Ez az egyenes lesz az új dimenzió-tengely, amely mentén minden eredeti területegység (az ábrán A és
B erre példa) helyzete is mérhető lesz, úgy, hogy a pontoknak az új tengelyre való előjeles vetületének
hossza adja meg az új értékeket. A ponthoz (amely helyzete alapján egy viszonylag alacsony
jövedelmű és kis autósűrűségű területegységet reprezentál) a faktor-tengelyen az O ponttól balra eső,
negatív vetületi hossz (az ábrán nyíllal jelölve) tartozik, míg a kedvezőbb jellemzőjű B
területegységhez pozitív tengelyvetület (ez az ún. faktorérték) tartozik. Ezekkel az adatokkal
jellemezhetjük A és B helyzetét. Mivel x1 és x2 változók között nem függvényszerű a kapcsolat (R
kisebb 1-nél), természetesen relatív helyzetük egy adattal kevésbé pontosan érzékelődik,
információveszteség lép fel, ami az ábrán a két pontnak a faktortengelyektől való távolságát jelző
szakaszokkal érzékelhető. Ez az információvesztés az „ára” az egyszerűbb, két adat helyett egy adattal
történő mérésnek. Az is jól látszik az ábrán, hogy az új tengely mentén mért helyzetnek megfelelő
számértékek is határozottan korrelálnak mind x1, mind x2 értékeivel (ha x1 vagy x2 nő, nő a hozzájuk
tartozó faktorérték is). Ez az összefüggés igazolja azt, hogy az új adatsor (a faktor) összefüggésben
van a fejlettséggel, hisz annak kiindulásként választott két jelzőszámával korrelál.
55
Letölthető: a www.nisra.gov.uk honlapról.
13
12
B
11
10
9 F1
8 faktor-
tengely
x2
7
O
+
6 -
5
A
4
3
R(x1,x2)=0,87
2
1
2 3 4 5 6 7 8 9 10 11
x1
Eljárás:
A változók számának csökkentése, új változók, faktorok előállítása
A számítás a változók közötti korrelációk mátrixából R
(Vi;Vj) indul
V1 V2 V3 V4 V5 Vi Vj Vm-2 Vm-1 Vm
A közismert statisztikai programcsomag SPSS 8.0 verziójában alkalmazott lépések a következők (csak
a legfontosabb beállítási teendőket ismertetjük):
Számítási lépések
Az eredménytáblák értékelése
A beállítások részletességétől függően számos táblázat, illetve azon belüli részeredmény jeleníthető
meg, amelyek közül a legfontosabbakat ismertetjük:
1. Correlation Matrix – a vizsgálatba bevont változóink korrelációs mátrixa. A szignifikancia, illetve a
korrelációs együtthatók értékei alapján kiszűrhetők a vizsgálatba nem illeszkedő vagy objektív
feltételeink alapján nem alkalmazható változóink.
2. Communalities – a komunalitások táblája. A komunalitás-értékek megmutatják, hogy az egyes
változóink standardizált formában hány egységnyi szórással lépnek be az elemzésbe (Initial), illetve a
létrehozott faktorok vagy főkomponensek a mért változók szóródásának hány százalékát magyarázzák
(Extraction). A tábla felhívja a figyelmet azokra a változókra, amelyek nagyon kicsiny magyarázott
információtartalommal szerepelnek (0,25 alatt), s melyeket ezért ki kell vennünk a vizsgálatból.
Hasonlóképpen át kell gondolnunk a változókészletünket akkor, ha azt a hibaüzenetet kapjuk, hogy
egy vagy több változó esetében a becsült komunalitás-értékeink az iterációs lépések során
meghaladták az 1,0 értéket. (Részletesebben lásd: Székelyi M. – Barna I. 2002.)
3. Total Variance Explained – a magyarázott szórásnégyzet táblái. A kiindulási (Initial), a kiszámított
(Extraction) és a rotálást követő (Rotated) eredménytáblák oszlopaiban a faktorhoz tartozó sajátérték
(Total), magyarázott szórásnégyzet (% of Variance) és az összesített magyarázott szórásnégyzet
(Cumulative %) értékei figyelhetők meg. A táblázatokból leolvasható az eredményül kapott faktorok
száma, magyarázó ereje és a teljes analízis magyarázó ereje.
4. Factor Matrix illetve Rotated Factor Matrix – faktormátrix illetve rotált faktormátrix
(főkomponens-elemzés esetében komponens mátrix). A mátrixból az egyes változók és az eredményül
kapott faktorok közötti korreláció deríthető ki, mely értéket faktorsúlynak nevezünk. A faktorok
elnevezését ugyancsak ezen tábla értékei alapján végezhetjük el. Figyelem: ha egynél több faktort
kaptunk eredményül, miközben rotációt is alkalmaztunk, akkor a rotált faktormátrix tábláját kell
értékelnünk!
5. Goodness-of-fit Test – A vizsgálatba bevont változóink korrelációs mátrixának és a faktorokból
becsült változók korrelációs mátrixának különbözőségére utaló teszt számunkra akkor megfelelő, ha
nem tapasztalható szignifikáns különbség e két mátrix között. Ezt a khí-négyzet próba 0,000-ról
56
A főkomponens-elemzés a faktoranalízis egyik – leggyakrabban használt – módszere, amikor a területi
elemzésekben faktoranalízis használatáról van szó, általában főkomponens-elemzést végeznek (a különböző
faktor-módszerek sajátosságai iránt élénken érdeklődőket a módszer átfogó matematikai-statisztikai leírásaihoz
utaljuk, pl. az első magyar nyelvű összefoglalóhoz: Jahn, W. – Vahle, H. 1974 vagy a legújabb munkák
egyikéhez: Hajdú O. 2003).
elmozduló szignifikancia értéke jelzi. Ellenkező esetben még nem jutottunk el a megfelelő
faktorstruktúrához.
Mire ügyeljünk a faktoranalízis használatakor?
A faktoranalízishez összeállítandó adatrendszerek egyetlen vizsgált kérdéskör esetében sem határozhatók meg
pontosan előre.
Ha formális, számszerű azonosság nem is követelmény a vizsgálni kívánt jelenségek egyes fő dimenzióinak
reprezentálására, a túlzott aránytalanság kerülendő (ilyen például az, ha a fejlettség-vizsgálatokban 10
demográfiai, de csak két-két jövedelmi vagy képzettségi adat szerepel).
Érdemes arra is ügyelni (ahogy már arról korábban általánosságban is említést tettünk), hogy a vizsgálatba vont
indikátorok között ne keverjük az abszolút (a volument mutató) és a fajlagos jellemzőket. Megfontolandó az is,
hogy a statikus (egy időpontra vonatkozó) adatokat dinamikamutatókkal (a növekedést leíró jelzőszámokkal)
vegyítsük. Mindettől eltérhetünk, de csak alapos, tartalmi indokkal. Utóbbi esetben ilyen lehet az, ha
vizsgálatunk a fejlettségi szint és a fejlődési irány, dinamika együttes meghatározását célozza. Az ekkor már
„szerencse” kérdése, hogy a faktoranalízis elvégzése után a faktorok között szétválnak-e a statikus illetve
dinamikus mutatók – növekvő egyenlőtlenségi időszakokban például vélhetően nem, hisz a differenciálódás épp
annak eredménye, hogy a fejlett térségekben a fejlődés (növekedés) is gyorsabb.
Fontos szabály az adatrendszer összeállításakor, hogy abban nem szerepelhetnek egymással lineáris
kapcsolatban lévő, egymásból kiszámítható mutatószámok. Ha például már szerepel az adataink között a városi
népesség aránya, nem számolhatunk a falusiak arányával (falusi arány = 100 mínusz városi). Ugyancsak
óvakodni kell attól, hogy egymástól alig különböző, nagyon szorosan korreláló adatokat szerepeltessünk
(például az egy lakosra és az egy foglalkoztatottra jutó jövedelmet vagy épp az egy lakosra jutó jövedelmet és az
egy lakos által fizetett személyi jövedelemadót). Ekkor döntenünk kell egyik vagy másik adatsor mellett.
Ellenben! Sokszor előfordul, hogy a vizsgálatba vont adatsorok nem ugyanarra az időpontra vonatkoznak.
Általában ez nem okoz gondot, hisz a területi jellemzők viszonylag lassan változnak (1-3 éves intervallumon
belül megengedhető az adathasználat). Természetesen nem igaz mindez a konjunkturálisan erősen ingadozó
jelenségekre vagy a nagy társadalmi-területi változások időszakára. (Hazánkban például teljesen más kép
jellemezte a munkanélküliséget 1989-ben és 1992-ben, a mutató e két adata nem felcserélhető. Bár
elmozdulások vannak, de a 1995 után már erősen stabilizálódott a térszerkezet, alapjellemzői bármely év adatait
használva lényegében azonosak.)
Értékein túlmenően, a módszer korlátait között említhető, hogy különböző időpontokra elvégezve a
számításokat, még ugyanazon alapadatok esetében is lényegesen változhat a faktorszerkezet- és összetétel, ami
arra hívja fel a figyelmet, hogy a módszer jóval inkább a statikus struktúrák leírásának eszköze, a dinamika, a
változás egyszerűbb eszközökkel (kiemelt mutatók elemzésével) látszik inkább célszerűnek. Igaz ugyanakkor,
hogy épp a változó faktorstruktúra igazolhatja a térszerkezeti változásokat.
Ha a komplex jelenségek mérésére használható két fő logikai irányt (kiemelt illetve komplex mutatók) világosan
megkülönböztetjük, a maga saját korlátain belül mindegyiket helyénvalónak fogadjuk el, logikai bukfencet jelent
az olyan közelítés, amely bár elvileg a komplex közelítés vonalán halad, mégis visszakanyarodik az egymutatós
logikához olymódon, hogy addig csökkenti, szelektálja a vizsgálatba vont jelzőszámokat, amíg azokból egyetlen
új („fejlettségi”) változó konstruálódik.
A faktoranalízis számítási lépéseit „megtanulandó”, az egyetemi gyakorlati órákon elfogadható lehet – egyszerű
mintapéldaként – a kevés induló változóval végzett elemzés. Ha azonban valaki igazán komolyan gondolja a
módszer használatát, nem törekedhet sem az alapadatok redukciójára (épp az ellenkező kiindulás a helyes: a
legteljesebb, de természetesen redundanciamentes lefedése megfelelő alapváltozókkal a jelenségnek) sem az
„egyfaktoros” végeredményre, ettől ugyanis a valóságban az adott jelenség nem lesz sem egyszerű sem
egydimenziós.
Minden olyan faktoranalízis kicsit „gyanús”, ami egyetlen faktort eredményez, ilyenkor vagy nincs értelme ezt a
bonyolult eljárást alkalmazni vagy pedig olyannyira szelektáltak a vizsgálatba volt mutatószámok, hogy
semmiképp nem tekinthetők a komplex jelenséget valóban sokoldalúan leíró adatrendszernek.
Ugyancsak súlyos, megengedhetetlen hiba a faktorok értékeinek összeadása, hisz azok lényege épp egymással
való korrelálatlanságuk!
Nem könnyű feladat a faktorok elnevezése sem, hisz nem egyszer nagyon különböző változók kerülnek
ugyanabba a faktorba. A „névadást” ezzel együtt érdemes megkísérelni, ahelyett, hogy a faktorokat pusztán a
csökkenő sajátértéket követő sorszámukkal (első, második, harmadik faktor) azonosítanánk. Az elnevezést a
területi elemzésben segítheti a faktorok térképezése is.
A faktoranalízist használó területi elemző magyar nyelvű szakirodalom is rendkívül bő, példát (jobbat-
rosszabbat) kis búvárkodással mindenki találhat57!
A területi társadalmi jelenségek és folyamatok leírásakor az elemző gyakran törekszik azok elemeinek,
tényezőinek feltárására, s az összetevők súlyának, fontosságának meghatározására is. Mire vezethető
vissza egyes térségek magas, mások alacsony fejlettsége? – szól például az a regionális kutatások
egyik leggyakoribb kérdése. A lényeges komponenseket megragadó válaszokban általában a
természeti vagy történeti faktorokra, adottságokra, a társadalmi szerkezet, a kultúra, a hagyományok
vagy épp a geopolitikai determinációk szerepére bukkanunk. Ezek mind sajátos tartalmú, sajátos
eszközökkel vizsgálható komponensek, amelyek csak erős korlátok között vizsgálhatók mennyiségi
alapokon.
A regionális kutatások azonban mára megalkottak jó néhány olyan sajátos elemzési módszert, ami a
területi tagoltság komponenseinek számszerűsítését segíti. Ezek a módszerek jól kiegészítik az
előzőekben tárgyalt eljárásokat, amelyek épp a jelen kérdéskör ellentettjére keresik a választ, arra,
hogy egyes tényezők, komponensek, hogyan hoznak létre összetett, komplex jellemzőket.
A módszer a területi kutatás egyik alapkérdésének megválaszolásához nyújt segítséget. Ez a kérdés az,
miszerint egy-egy térség dinamikájában illetve fejlettségében vajon elsősorban a helyi sajátos, kedvező
adottságoknak (például a különösen előnyös természeti feltételeknek, vagy épp az innovativitásnak)
vagy netán inkább az ettől többé-kevésbé független szerkezeti tényezőknek (például a gazdaság
előnyös ágazati szerkezetének vagy a történetileg formálódott, előnyös település-szerkezetnek) van
szerepe?
A módszer első alkalmazója D. B. Cramer volt 1942-ben, ezután a módszer egy időre feledésbe merült – írja
Beluszky P.- Sikos T. (1980, 181. p.), akik egyébként a shift-share analízist e munkájukban hatásarány-
analízisre fordították (a fejezetcímben mi ezt tovább „magyarítottuk”), de a módszer kapcsán a magyar nyelvű
szakirodalomban mindmáig megmaradt az eredeti angol, shift-share analízis elnevezés. Első nagyhatású,
átfogó alkalmazását Perloff, H. S.- Dunn, E. et al. (1960) munkájában találhatjuk, amelyben az Egyesült
Államok gazdaságának hosszú távú regionális fejlődésének elemzésében kapott kitüntetett szerepet az eljárás.
Magyarul először Nemes Nagy József alkalmazta a regionális gazdasági növekedés vizsgálatára (Nemes Nagy
57
A kvantitatív eszközökhöz leginkább vonzódó vezető hazai regionalisták – például Csatári Bálint, Faluvégi
Albert, Rechnitzer János – vagy a közgazdász Fazekas Károly térszerkezeti vizsgálataiban, más elemzési
eszközök mellett, e módszer is újra és újra felbukkan. Tanulmányaik és azok Irodalomjegyzékeinek elolvasása jó
kiindulás az előzmények, a szakirodalom feltárásához is.
J. 1977, 1979). A módszer bekerült a regionális elemzési módszertani kézikönyvekbe (Sikos T. T. szerk. 1984
– egyebek között e munkában olvasható a módszernek az összefüggések bizonyítását is tartalmazó részletes
levezetése), s alkalmazását néhány elemzés napjainkig hozza el (L. Rédei M. 1985, Gulácsi G. – Nemes Nagy
J. 1989, Kiss J. 1998, Nemes Nagy J. – Jakobi Á. – Németh N. 2001, Tóth G. 2003). A modellel kapcsolatos
újabb matematikai-statisztikai kutatásokat tekinti át Knudsen, D. C. 2000.
A módszerhez legalább két dimenzió szerinti – jellemzően területi illetve ágazati – bontású adatokra
van szükség.
Az ágazat megjelölés tulajdonképp tetszőleges diszjunkt (egymást át nem fedő) megoszlást takarhat:
gazdasági ágazatokat, korcsoportokat, településnagyság-csoportokat. A területi dimenzió is többféle lehet:
például települések, régiók, sajátos térbeli aggregátumok (zónák). A felbontásban mindkét dimenziónak
(ágazat, struktúra illetve terület) teljesnek kell lennie. Ez azt jelenti, hogy a területi csoportoknak az elemezni
kívánt térség (pl. az ország) egészét le kell fedniük, s a szerkezeti elemeknek is ki kell adniuk a teljes
dimenziót (teljes korcsoporti rendszer, összes ágazat, etnikai-vallási csoportok). Az eljárással tetszőleges
területegység – például az ország egésze, egy megye vagy más kisebb területegység, sajátos zónákra osztott
terek – társadalmi-gazdasági tagolódása vizsgálható fajlagos adatok (egy lakosra jutó jövedelem) tükrében.
Ugyancsak elemezhetők egyes jelenségek (például a jövedelem) növekedésének összetevői egy időszakban.
A módszerrel leggyakrabban vizsgált tagoltság a gazdasági fejlettségé (egy lakosra jutó jövedelem), de az
infrastrukturális ellátottság vagy épp az iskolázottsági szint is szóba jön. Dinamikus közelítésben a gazdasági
növekedés, vagy a népesedés térségi differenciáltsága tényezőinek feltárására használják a módszert. Általában
minden olyan társadalmi jelenség elemezhető a módszerrel, amelyre a megfelelő területi szintű adatok
rendelkezésre állnak.
Az eljárás lényegét tekintve kettős standardizálás, amit a következő lépésekben lehet végrehajtani:
A számítások kiindulópontja két mátrix: K (a kezdő év) és V (a vizsgált időszak vége) kij illetve vij
elemei az i-edik területegység j-edik településnagyság-csoportjának jövedelemvolumenét
(összjövedelemét) jelölik a kezdeti és a végső időpontban (hozzátesszük: mivel a módszerben a
mátrixok sorai és oszlopai “egyenrangúak”, ezért felcserélhetők, de akkor ennek megfelelően módosul
a további összefüggések tartalma).
k11 k 21 . k1 j k1 m
k 21 k 22 . k 2 j k2m
K= . . . . .
(5/1)
k i1 ki 2 . k ij k im
k k in . k nj k nm
in
és
v11 v21 . v1 j v1m
v21 v22 . v2 j v2 m
V= . . . . .
(5/2)
vi 1 vi 2 . vij vim
v vin . vnj vnm
in
∑ k ij
m
ki0 =
j =1
illetve vi0 = ∑v
j =1
ij (5/3)
n n
k0j = ∑ kij
i =1
illetve v0j = ∑v
i =1
ij (5/4)
a j-edik településnagyság-csoport összjövedelme a két időpontban,
k00 = ∑∑ k i j
ij illetve v00 = ∑∑ v
i j
ij
(5/5)
A számítás első érdemi lépése a jövedelemnövekedési indexek M(mij) mátrixának kiszámítása, ami V
mátrix elemeinek K mátrix megfelelő elemeivel való osztását jelenti:
Si = Sr + Sa (5/8)
Sa = ∑ k (m - m )
ij 0j 00
településszerkezeti (strukturális) tényező (5/11)
j
Az egyetlen kiemelt vagy komplex mutatószámmal történő értékelés kétségtelen hátránya, hogy az
adott jelenség belső szerkezetét, komponenseit, netán egyensúlytalanságát elfedi. Ha mindezek
lényeges szempontok a vizsgálatban, akkor többdimenziós (vektoriális típusú) értékeléshez érdemes
fordulni.
Az INEXSK-módszer
A következőkben a Robin Mansell és Uta Wehn szerzőpáros által INEXSK-nek nevezett eljárást ismertetjük,
amely az információs társadalmi fejlettség összehasonlítására tett kísérlet (Mansell, R. – Wehn, U. 1998). A
nemzetközi szinten elterjedt módszer elnevezése tulajdonképpen egy betűszó (INfrastructure, EXperience, Skills,
Knowledge), amely az eljárás összetettségére utal. Az infrastruktúra, a tapasztalat, a készségek és a tudás
együttes hatásának mérésére használják az információs társadalom összehasonlító vizsgálataiban. Az eljárás a
korábban ismertetettekkel ellentétben nem egy egydimenziós mérőszámot, egy valamiféle indexet ad
eredményül, hanem egy szerkezeti képet, amely minden területegységre azonos nagyságrendben megalkotható.
A módszer célja, hogy rávilágítson, miként járul hozzá az infrastruktúra, a tapasztalatok és a készségek
színvonala a tudásalapú gazdasági növekedéshez és fejlődéshez. Az eljárás a kérdést a szóba jövő tényezők
speciális grafikus ábrázolásával szándékozik megválaszolni, s az így kapott diagramok lesznek az INEXSK-
módszer kimeneti eredményei.
5.4. ábra Az INEXSK felépítésének dinamikus vázlata (Mansell, R. – Wehn, U. 1998).
Az 5.4. ábrán látható, hogy a módszer a vizsgálati tényezőket egy egymásra épülő logikus rendszerben foglalja
össze. Az alapot az infrastrukturális ellátottság színvonala jelenti, azaz egy olyan összetevő, amely megmutatja,
hogy milyen széles vagy keskeny bázisra épülhet a készségek és tapasztalatok fejlődése. A termelési és a
fogyasztási tapasztalatok, amelyek a következő lépésben bevont indikátorokban testesülnek meg, a felhalmozott
tudás növelésének fázisát jelképezik (szakértők egybehangzó állításai szerint a gyártás és a termékfogyasztás
során gyülemlik fel a megszerzett tudás jelentős része). Harmadik lépésben a termelési és fogyasztási készségek
indikátorai jelennek meg, amelyek velejárói és erősítői (megszilárdítói) a tapasztalati összetevőknek. Az ábra
felső részén „ideális tudásindikátor”-ként jelzett utolsó lépés jelképes csupán, mely összességében a tudás
fokozásának fejlődését és a tudás alkalmazását jelöli a társadalmi és gazdasági előrehaladás érdekében.
Az ábra alján található indikátorok erősítik, és egyáltalában lehetővé teszik az ábra felsőbb részeiben található
tényezők hatásos működését. Kölcsönhatásukat jelzi, hogy az új technológiai eszközökkel megszerzett termelési
és fogyasztási tapasztalatok nyomó hatást gyakorolnak a megszerzett tudás növelésének irányába (lásd nyilak az
ábra alsó részén). Egymagában azonban sem a termelés, sem a fogyasztás nem eredményezheti az
infrastrukturális eszközök produktív használatát a tudás fokozására, minek következtében húzó hatás is
megjelenik a termelési és fogyasztási készségek oldaláról (lásd nyilak az ábra felső részén). A diagram ezen felül
relatíve nagyobb távolságot hagy a tapasztalati és a készségindikátorok között, mint az infrastruktúra és a
tapasztalati szint, vagy a készség és tudás között. Ez a térköz rávilágít arra, hogy milyen nehéz a tapasztalatok
nyomó és a készségek húzó hatását koordinálni egy hatékony végeredmény érdekében.
A tapasztalati összetevőt az elektronikai termékek gyártásának és keresletének mutatóival alkothatjuk meg. Ezek
jelképezik a különböző térségek (országok) ICT-termelő kapacitásait, valamint az elektronikai termékek belföldi
felhasználását továbbá exportját és importját. Bár az elektronikai termékek gyártása és fogyasztása csak részben
méri az infokommunikációs-technológiai eszközök (ICT) forradalmát58, mégis bepillantást nyújtanak a
társadalmi és gazdasági változások lendületébe, amelyek összekapcsolhatók a magasabb tudás irányába történő
elmozdulás folyamatával.
A készségek vizsgálatára olyan mérőszámot érdemes használni, amely a tudás növelésére használt információk
bővítésének képességét és hajlandóságát tudja jelezni. Az effajta hajlandóság egyik megfelelő indikátora lehet az
írni-olvasni tudás mértéke. Másrészt olyan mutatók bevonása is fontos lehet, amelyek az információs-
kommunikációs technológiák adaptálását tükrözik. Idevágó jelzőszám a műszaki, számítástudományi és
matematikai végzettségűek vagy hallgatók száma lehet.
Az indikátorok korábban bemutatott kombinációjával minden egyes területegységre megalkotható a térség saját
információs-kommunikációs technológiai, avagy információs- és tudástársadalmi fejlettségi „lábnyoma”. Az ún.
„ICT-footprint” legfőképp országok közötti összehasonlító vizsgálatokra alkalmas, de az egyes országokon
belüli aránytalanságok, hiányosságok és az ICT fejlesztési irányok meghatározására vagy legalábbis fő
hangsúlyainak kifejezésére is.
Mansell és Wehn nyolc mutatót javasol az ábra, azaz az ICT-lábnyom megrajzolásához (5.8. táblázat). Az
alkalmazott indexek népességarányos, illetőleg fajlagos formában kerülnek a vizsgálatba, s egy egységes skálán
grafikusan ábrázolva jelennek meg. Az egyes bevont mutatókat egy előre meghatározott ország értékéhez, mint
100%-hoz viszonyítják, és értelemszerűen ennek százalékában határozzák meg. A kiválasztott, viszonyítási
alapul szolgáló ország az adott mutatóban igen jó értékekkel szerepel, de nem feltétlenül a legjobbal. Ez célszerű
lehet, mivel egyes összetevőkben kiugró, extrém értékek is előfordulhatnak, amelyeket ha 100%-nak
tekintenénk, a vizsgálatunk csak rendkívül kis intervallumba eső és nehezen értelmezhető eredményeket adna. A
vizsgálatban alkalmazott indexek ezért nem egy kötött értéktartományban mozognak, bár összességében cél volt
a 0 és 100 közé eső számok létrehozása (előfordulhat tehát 100-nál magasabb érték is, ami a viszonyítási alapul
szolgáló országnál kedvezőbb mutatóértékeket feltételez). Egyetlen esetben, az írni-olvasni tudás indexénél nem
szerepel viszonyítási ország, a 100-as értéknek a teljes, 100%-os írni-olvasni tudás felel meg.
58
Ezt a szférát nevezi Erdősi Ferenc telematikának – Erdősi F. 1992. (Nekem így jobban tetszik, kicsit, bár nem
sokkal magyarosabb – a Szerkesztő megjegyzése.)
5.8. táblázat: Az összehasonlító ICT-szerkezeti vizsgálatokhoz alkalmazott mutatók (Mansell, R. – Wehn, U.
1998)
5.5. ábra Két ország ICT-lábnyom ábrája (Mansell, R. – Wehn, U. 1998 nyomán)
Az indexek értékeinek kiszámítása és a megfelelő tengelyeken való ábrázolása után a vizsgált területegységre
jellemző saját ICT-szerkezeti kép a megfelelő pontok összekötésével rajzolódik ki. Az 5.5. ábrán megfigyelhető
az a séma, amelyen a nyolc alkalmazott index értékeit kell feltüntetnünk. Az ábra középpontjában veszik fel az
indexek a 0 értéket, míg a körvonal mentén a 100-as értéket, továbbá látható egy kisebb kör is az origó körül,
mely összességében a nagyon kicsiny (5-nél kisebb) index-értékeket reprezentálja (az 5-nél kisebb értékeket
egységesen ez a kör képviseli, ezen belül a differenciák már nem értelmezhetők).
A kirajzolódó ábrák egyediek, jellemzők a térségre országra. Találó a „lábnyom” kifejezés is, hisz alig fordul elő
az, amikor két ábra tökéletesen egybevág. Az INEXSK-módszer éppen e hasonlóság-különbözőség dualitásra
épül. A közös skálára vetített, ugyanolyan alapadatokkal és számítási módszerrel készített ábrák egymásra
helyezhetők, s ezzel összehasonlíthatók is. Szemmel láthatóvá válnak tehát az országok vagy a megfigyelési
egységek közötti markáns különbségek ugyanúgy, mint az országon belüli szerkezeti hangsúlyeltolódások.
Ahogy arra már korábban utaltunk → 2.6, a gazdasági fejlettség jól ismert mérőszámát az egy lakosra
jutó jövedelmet (GDP-t) többféleképpen felbonthatjuk jól értelmezhető, világos komponensekre. Így
például egy háromtényezős (triadikus) felbontás az alábbi:
Az egyenlőség az egyenlet két oldala között könnyen belátható, a jobb oldal egyszerűsíthető.
Ez az összefüggés azt jelenti, hogy a fejlettség az élőmunka-termelékenység a foglalkoztatottság és egy
korszerkezeti arányszám szorzatára bontható.
Használjuk a továbbiakban a következő jelöléseket:
J = jövedelem (GDP)
P = népesség
F = foglalkoztatottak
K = aktív korúak
Az összefüggés „szépséghibája” az, hogy benne a komponensek szorzata szerepel, ami megnehezíti
azok egymáshoz viszonyított súlyának mérését. Ezt a gondot orvosolja az, ha az egyenlet mindkét
oldalának logaritmusát vesszük. A logaritmusfüggvény monotonitása következtében ezt megtehetjük,
mert a tényezők nagyság szerinti sorrendje így is fennmarad (a függvény értelmezési tartományán
belül nagyobb szám logaritmusa is nagyobb). Így aztán a fejlettség (logaritmusa) az egyes tényezők
összegére bomlik, s így akár az egyes tényezők százalékos súlya is kiszámítható:
59
Erre friss példa is van a regionális fejlődés nemzetközi összehasonlító vizsgálatára (OECD 2003). Itt az OECD
19 tagországának régióira végzett tényezőfelbontásos vizsgálatot publikáltak. Az eredmények a gazdasági
fejlettség meghatározó faktoraként az élőmunka-termelékenységet jelölték meg a régiók 68 százalékában. A
fejlettség-elemzésben való használat példája, az Éltető – Frigyes-féle duál-mutatóval → 3.2.1 kombinálva:
Nemes Nagy J. 1987.
egyenlőtlenségek. Nem triviális például az, hogy miközben növekednek a jövedelemszinttel mért
fejlettség regionális különbségei, ugyanez igaz a termelékenység, a foglalkoztatottság vagy a
demográfiai struktúra vizsgált jellemzőire is, könnyen előfordulhat ugyanis, hogy ezek egyike-másika
épp ellentétesen mozog, csökken a területi differenciáltsága.
1.3.Komplex versenyelőny
1.2.Többtényezős versenyelőny
1.1.Egytényezős versenyelőny
0.1.Egytényezős versenyhátrány
0.2.Többtényezős versenyhátrány
0.3.Komplex versenyhátrány
Ahogy az előző fejezet záró témája (a területi versenyképesség tényezői) már jelezte, számos területi
kutatás vezet összevont területi csoportok, típusok kijelöléséhez. Sok esetben eleve ez a vizsgálati cél.
A regionális elemzés egyik nagy témaköre a térség- és településtípusok kutatása, amit folytonosan
táplál az a gyakorlati igény is, hogy a területfejlesztési politikák támogatási rendszerei általában
térségtípusokhoz kapcsolódnak60. Ezek feltárásakor az alapkérdés után – egyáltalán típusokra, részekre
bontható-e a vizsgált tér – két további alapkérdés vetődik fel:
Ezek egyikére sincs szigorú matematikai kritériumokkal megjelölhető válasz vagy módszer, az
alapelvek nem formálisak, hanem tartalmiak: a vizsgált jelenség belső összefüggései határozzák meg a
típusok számát és elkülönülésük jellegét. Egy n elemű rendszer esetében a típusok (alcsoportok,
részhalmazok) száma elméletileg 2 és n közé esik. Túlságosan sok csoport, típus kijelölése azonban
nem szerencsés, hisz akkor áttekinthetetlenné válik az osztályozás, sok lesz az egyedi elem (egyelemű
részhalmaz), a kevés típus ellenben a típusokon belül viszonylag nagy egyedi heterogenitáshoz
vezethet.
60
Ezekben megosztódik a tér a támogatott – nem támogatott térségek között, a különböző támogatott
térségtípusokban eltérők lehetnek a támogatott fejlesztési célok és a támogatás (pénzügyi) mértéke, formája.
Jellegzetesen többdimenziós – a természeti-környezeti, demográfia-társadalmi, a gazdasági és
településhálózati jellemzőket ötvöző – tipizálás eredményei a regionális politika térségtípusai. Ezek
mindegyikéhez hozzárendelhető azonban egy-egy kiemelt jegy, ágazati, fekvési vagy környezeti vonás. A
területfejlesztés célterületeit jelentő, nehézségekkel küzdő (problematikus) térségeknek négy jellegzetes típusa
érdemel kiemelést:
• az elmaradott (jellemzően agrárkarakterű) térségek
• a depressziós (korábban prosperáló, de visszaesett, ma jellemzően ipari jellegű) területek
• a periférikus, gyengén benépesült (a gazdasági magterületektől távoli) zónák
• a túlfejlett (nagy környezeti terhelésű) szuperkoncentrációk
Ezeket a kiemelten kezelt térségtípusokat egészíti ki az átmeneti zónák viszonylag széles (de az átlagos
fejlettségi szinthez közeli) intervallumon eloszló, többesélyes, instabil csoportja. (Hazánkban az ország déli-
középső része tartozik ide.)
Régiótípus
Jellemzők Szuper- Elmaradott “Modern” Kihasználatlan
koncentráció depressziós
Népsűrűség Magas Változó Magas Alacsony
Migráció Változó Negatív Negatív Cserélődés
Városiasodottság Magas Alacsony Magas Változó
Erőforrások:
Szellemi Magas Alacsony Változó Alacsony
Anyagi Magas Alacsony Leértékelt Magas
Természeti Fekvés Leértékelt Leértékelt Nagy
Domináns ágazat Ipar – Tercier Agrár Ipar Bányászat
Jövedelemszint Magas Alacsony Csökkenő Magas
A térfelosztás (regionalizáció) és a klasszifikáció (osztályozás, tipizálás) egyaránt egy nagyobb
sokaságot oszt részsokaságokra. Egyikük sem írja le és magyarázza a jelenségeket, hanem a leírást és
magyarázatot segítik elő, bizonyos helyzetekben azok előfeltételét képezik61.
61
A témakör részletesebb kifejtését lásd: Dusek T. 2004. 3. fejezet
időben, személyről személyre és kontextusról kontextusra. Ennek egyik szép példája az, hogy Közép-
Európa fogalmához végtelen sokféle határvonal és területi kiterjedés kötődik. Harvey – Sinnhuber
nyomán – 16 féle Közép-Európa lehatárolást és értelmezést ismertet (Harvey, 1969, 272. o.)
Az egyértelműség azt jelenti, hogy egy elem csak egy osztályba tartozhat, illetve két osztálynak nem
lehet közös eleme. A gyakorlatban ezek az alapelvek nem mindig tarthatóak be. Az állattani és
növénytani osztályozás során a jelen élőlények és az őskövületek alapján rekonstruált élőlények
osztályba sorolása során mindig találkozhatunk vitatott, határhelyzetben lévő elemekkel. A nyelvek
genetikus és szerkezeti jellemzőkön alapuló osztályozása is állandó vita tárgyát képezi a történeti
nyelvészek körében, bár itt maguknak a nyelveknek, mint egységeknek a meghatározása is kérdéses. A
fuzzy-osztályozás koncepciójának bevezetésével → 5.14.2 a második kritérium hatályon kívül
helyeződik. Ekkor egy elem részese lehet több osztálynak is, bár eltérő mértékben.
Ezeket az extrém helyzeteket leszámítva az első két logikai követelmény teljesítése többnyire
nem okoz gondot, illetve ha a térlefedés teljességének a hiányáról beszélhetünk, akkor az
nyilvánvalósága miatt nem lesz veszélyes. Azonban bizonyos esetekben, így főleg a
területegységre számított fajlagos mutatók használatakor különös óvatosság ajánlatos. Ilyenkor
figyelemmel kell lenni arra, hogy a követelmények betarthatók voltak-e.
A valóságos szerveződés követése kapcsán két eltérő elvről beszélhetünk, a funkcionális összetartozás
és a belső homogenitás elvéről.
A térfelosztás módosítása azonban két ok miatt is indokolt lehet. Először is, változhat a tudásunk,
gyarapodhatnak ismereteink. Másodszor, és ez a lényegesebb kérdés, magára a térre, így a térfelosztás
tárgyára is állandó változás jellemző. Ez olyan gyors változásoknál, mint Amerika vagy Ausztrália
európaiak általi benépesülése, a semmiből néhány év alatt felépülő városoknál nyilvánvaló. Új
települések, habár korlátozottabb számban, stabil településhálózattal rendelkező országokban is
állandóan születnek. A települések elhalása is természetes, bár többnyire lassú és egyik évről a
másikra nem látható folyamat. Nemcsak a településhálózat, hanem az egyéb térszerkezeti elemek is
állandó változás állapotában vannak. Egy településre vagy nagyobb térrészre jellemző termelési
szerkezet sem örök életű. Mindez a térfelosztás folyamatos átdolgozását, vagy legalábbis
felülvizsgálatát tenné indokolttá, ha eltekinthetnénk a stabilitás elvétől. Attól azonban nem
tekinthetünk el, mert akkor kaotikussá válnának az adatrendszereink. A sok kicsi, folyamatos
változtatás helyett ezért a kevés nagyobb változtatás a célszerűbb.
Gyakori az, hogy egyetlen jellemző, jelzőszám alapján képezünk csoportokat. (Ezzel lényegében
azonos probléma a tematikus térképek készítése egy mutatószám alapján.) Itt több jellegzetes
megoldás lehetséges:
62
A térfelosztás mennyiségi módszertana egy tág és általános tudományterülethez, az alakfelismeréshez (pattern
recognition) vezet.
Megyék Népesség GDP GDP/fő Kategorizálási alternatívák
Megoszlása (%) Ezer Ft Országos Vidéki Ft-értékek Kvintilisek Ugrópontok Országos átlaghoz Vidéki átlaghoz
2000-ben átlag=100 átlag=100 alapján (10% felett) viszonyítás viszonyítás
Budapest 2 561 195,2 246,4 1999 felett 1. ötöd Kiugró Kiugró Kiugró
17,9 35,0
Győr-Moson-Sopron 1 754 133,7 168,8 1500-1999 1. ötöd Magas Magas Kiugró
4,2 5,7
Fejér 1 664 126.8 160,1 1500-1999 1. ötöd Magas Magas Kiugró
4,2 5,4
Vas 1 499 114,2 144,2 1250-1499 1. ötöd Átlag felett Átlag felett Magas
2,7 3,0
Zala 1 113 84,9 107,2 1000-1250 2. ötöd Átlag alatt Átlag alatt Átlag felett
2,9 2,5
Veszprém 1 112 84,8 107,0 1000-1250 2. ötöd Átlag alatt Átlag alatt Átlag felett
3,7 3,1
Komárom-Esztergom 1 093 83,3 105,2 1000-1250 2. ötöd Átlag alatt Átlag alatt Átlag felett
3,1 2,6
Csongrád 1 088 82,9 104,7 1000-1250 2. ötöd Átlag alatt Átlag alatt Átlag körül
4,2 3,4
Tolna 1 084 82,6 104,3 1000-1250 3. ötöd Átlag alatt Átlag alatt Átlag körül
2,4 2,0
Pest 1 025 78,1 98,6 1000-1250 3. ötöd Átlag alatt Átlag alatt Átlag körül
10,4 8,1
Baranya 993 75,7 95,6 750-999 3. ötöd Átlag alatt Átlag alatt Átlag körül
4,0 3,0
Hajdú-Bihar 929 70,8 89,4 750-999 3. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
5,4 3,8
Heves 925 70,5 89,1 750-999 4. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
3,2 2,3
Somogy 892 68,0 85,9 750-999 4. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
3,3 2,2
Bács-Kiskun 887 67,6 85,4 750-999 4. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
5,3 3,6
Jász-Nagykun-Szolnok 874 66,6 84,1 750-999 4. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
4,1 2,7
Békés 864 65,9 83,2 750-999 5. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
3,9 2,6
Borsod-Abaúj-Zemplén 852 65,0 82,0 750-999 5. ötöd Átlag alatt Mélyen á. alatt Átlag alatt
7,3 4,7
Nógrád 714 54,5 68,8 750 alatt 5. ötöd Mélyen á. alatt Mélyen á. alatt Mélyen á. alatt
2,2 1,2
Szabolcs-Szatmár-Bereg 710 54,1 68,4 750 alatt 5. ötöd Mélyen á. alatt Mélyen á. alatt Mélyen á. alatt
5,7 3,1
Együtt 100,0 100,0 1312 100,0 126,3
A tipizálás szemléletes, jól interpretálható eredményekre vezető útja az, amikor két jellegadó
szempont együttesében, kereszttáblákban osztályozzuk a vizsgált egységeket. Igen gyakran
használt dimenziópárok a fejlettség (fejlettségi szint) – fejlődés (fejlődési ütem) aminek a
kapcsolatát teszteli a β-konvergencia → 3.3.2, valamint a nagyság (kiterjedés, tömeg,
népesség) – fejlettség. Természetesen bármilyen egyéb osztályozási szempont is szóba jöhet:
a népességnövekedési típusok vizsgálata esetében a természetes szaporodás illetve a
vándorlás értékeiből összeállított kereszttábla. a városi népességnövekedés vizsgálatában a
városmag és az azt körülvevő perem népességfejlődési jellemzőinek kombinációi alapján
jellegzetes urbanizációs szakaszok különíthetők el. A shift-share analízis → 5.7, az ágazati
illetve a területi dinamika kombinációja alapján jelöl ki típusokat.
5.14 Klaszter-elemzés
5.14.1 A modell
Más logikát követ az ugyancsak használt úm. k-means klaszterezés. Ez azzal indul, hogy a
vizsgált ponthalmazban kijelölünk k db induló klasztert. Ezt követően ezek mindegyikének
kiszámítjuk a középpontját (centroid). Ezek után kiszámítható az, hogy az alappontok mely
centroidhoz vannak legközelebb. Ha minden alappont a „megfelelő” klaszterbe sorolódott az
induló lépésben, akkor a számításnak vége, az induló csoportosítás lesz a végeredmény (ez a
ritka eset egészen kiváló intuícióra és térlátásra utal). Ha ellenben valamelyik alappont egy
másik induló klaszter középpontjához van legközelebb, akkor azt oda átsoroljuk, majd újra
számítjuk a középpontokat. Mindezt addig folytatjuk, míg minden alappont a megfelelő
középponthoz lesz legközelebb.
63
A klaszter-analízis átfogó szakirodalma és teljes módszertani áttekintése megtalálható: Jain, A. K. –
Murty, M. N. – Flynn, P. J. 1999 Data Clustering: A Review, „ACM Computing Surveys” Vol 31. No. 3.,
pp. 264-323. cikkében. Tematikus honlap: http://www.clustan.com/. A legnagyobb hatású korai hazai
alkalmazás: Beluszky – Sikos 1982.
Az egyes klasztereket (csoportokat, típusokat) a bennük lévő alapegységek jellemzőinek
átlagértékével (a centroid dimenzióival) szokás jellemezni, s ha ezek jól azonosítható,
jellegadó értékek, akkor szövegesen is leírni.
b) Klaszterek
(k=3 és k=5)
c) Kritikus
pontok
Extrém
elem
Határpontok
d) Klaszterek
(k=7)
Esetenként tévútra visz a számításban használt távolságmérték is. A 6.2. ábra egy olyan esetet mutat
be, amikor az euklideszi távolság használata nem vezet ésszerű osztályozási eredményre. Az ábrán két
jól elkülönülő síkban rendeződő pontokat látunk, az euklideszi távolságot használó klaszterezés
azonban az alsó síkon kérdőjellel reprezentált (?) pontot a felső sík pontjaihoz rendeli, mivel azokhoz
van közelebb. Az így kapott eredmény vélhetően ellentmond a két ponthalmaz elhelyezkedését alakító
mechanizmusoknak.
Teljesen más vonalra térve, itt említjük azt, hogy újabban a regionális gazdaságtanban, a területi
gazdaságfejlesztésben is felbukkant a klaszter kifejezés → 6.8, ennek azonban az itt bemutatott
matematikai-statisztikai módszerhez nincs köze. A modern gazdaság olyan térszerveződési formáját
jelenti, amelyben egy-egy gazdasági ágazat szereplői között intenzív kooperáció, hálózati
együttműködés van egy-egy kisebb-nagyobb régióban.
5.14.2 Fuzzy-klaszterezés64
A hagyományos klaszter-analízis során minden elemről egyértelműen eldönthető, hogy
melyik osztályba tartozik. Vagyis, az osztályba tartozást kifejező logikai változó értéke
minden elem esetében az egyik osztályra nézve 1, a többi osztályra nézve pedig 0. Olyan
esetben, ahol az osztályok átmérője (egy osztály két legtávolabbi eleme közötti távolság a
paramétertérben), az osztályok közötti távolságnál (két osztály egymáshoz legközelebbi
elemének távolsága a paramétertérben) kisebb, lehetőség van egyértelmű elkülönítésre, ám
ahol az osztályok átmérője nagyobb, mint az osztályok közötti távolság, az egyértelmű
szétválasztás nem lehetséges, mert kialakulhatnak átfedések az osztályok között.
Az áttörést az a gondolat hozta, hogy nem feltétlenül kell egy elemnek vagy az egyik vagy a
másik osztályba tartozni, hanem egyszerre több osztályba is tartozhat más-más mértékben.
Ezt nevezik fuzzy (lágy, laza) osztályozásnak. Ez a diszjunkt osztályozást tulajdonképp
folytonos besorolással helyettesíti. A 6.3.ábrán a szaggatott vonallal elválasztott klaszterek
jelzik ezt, bár kétségtelen, hogy ez az ábrázolás kissé önellentmondásos, hisz a fuzzy-
klasztereket is szétválasztja. Az osztályba tartozást kifejező logikai változó értéke, mint
súlyérték ebben az esetben 0 és 1 között bármilyen értéket felvehet, ám egy elemre
vonatkozóan a különböző osztályokban vett súlyok összege egyenlő 1-el. A lágysági,
fuzzifikációs paramétert és az osztályok számát előre meg kell adni és egy iterációs eljárás
során állapítjuk meg a valóságosan elkülönülő osztályok számát, amely folyamat során az
egyes osztályok középső, centrális értéke meghatározható.
64
A leírás Illés G. et al. 2003 tanulmányán nyugszik
Ez a módszer jól alkalmazható olyan jelenségek osztályozására, ahol az elkülönítendő elemek
közötti átmenetek fokozatosak, illetve ahol a megfigyelt objektumok közötti különbségek
nem kiemelkedően markánsak.
H1 H2 H3
F3
F2
F1 1
H1
Hierarchikus klaszteranalízis
1. Vizsgálati adatbázis összeállítása, illetve megfelelő formátumú behívása
2. Statistics / Classify / Hierarchical Cluster – belépés a hierarchikus klaszter-analízis
almenübe
3. Variables – a vizsgálatba bevonandó változók kiválasztása (a felkínált változólistából a
„variables” ablakba áthelyezzük a vizsgálatba bevonni kívánt változókat). Ügyeljünk a
változókiválasztás szabályaira, amelyek hasonlóak a faktoranalízis kapcsán említettekhez →
5.5.2!
4. Statistics – a klaszterelemzést kiegészítő statisztikai eredmények kiíratására. Itt érhető el
például a klaszteregyesítések lépéseit dokumentáló összevonási napló (Agglomeration
schedule) opciója.
5. Plots – az eredmények grafikus megjelenítése. Az elvégzett klaszterképző-folyamat
lépésről lépésre nyomon követhető az ún. faág-diagramokon (Dendrogram) vagy egyéb
formákban (Icicle).
6. Method – a vizsgálati eljárás kiválasztása. A klaszterezési módszer (Cluster Method)
mellett beállítható a vizsgálati egységek közötti távolságmérés módszere (Measure), továbbá
megadható, hogy a változók milyen standardizált formában szerepeljenek a vizsgálatban
(Standardize).
7. Save – az egyes megfigyelési egységek klaszter-tagsága új változóként is elmenthető a
kívánt számú klaszterre osztott adatbázisban.
Az eredménytáblák értékelése
Az eredménytáblák értékelése
5.14.4 Regionalizálás
A csoportosítások esetében azt a – formálisan nem feltétlenül szükséges – feltételt is megtesszük, hogy
a két, összehasonlított csoportosításban a csoportok (régiók, klaszterek) száma azonos (k).
65
Halkidi – Batistakis – Vazirgiannis 2001 alapján.
• AK eset, amikor i és j az R csoportosításban (régiók) azonos, míg a T csoportosításban
(típusok) különböző csoportba kerül, legyen az ilyen esetek száma b,
• KA eset, amikor i és j az R csoportosításban különböző, a T csoportosításban azonos csoportba
kerül, legyen az ilyen esetek száma c,
• KK eset, amikor a két területegység sem az R, sem a T csoportosításban nem kerül azonos
csoportba, legyen az ilyen esetek száma d
Ezek értéke 0 és 1 között változhat, minél nagyobb az érték annál hasonlóbb a kétfajta csoportosítás
(azaz esetünkben az adott társadalmi jellemző szempontjából annál homogénebbek a régiók). Hasonló
tulajdonságú a kissé bonyolultabb következő mutató is:
a a
Folkes-Mallows index FM = a / m1 m2 =
a+b a+c
n −1 n
n −1 n
) (1 / M ) = ∑ ∑ ( R(i, j ) − µ r )(T (i, j ) − µ t )
Γ=
i =1 j = i +1
a normált Γ index
σσ
r t
ahol R(i, j) és T(i, j) két összehasonlított bináris R és T mátrix elemei. Ezek olyan mátrixok, amelyek
celláiban 0 áll, ha a két területegység azonos és 1, ha különböző csoportba (régióba, típusba) tartozik,
µr és µt a megfelelő mátrix elemeinek átlaga, σr és σt pedig a szórása. A Hubert féle Γ nagy értékei a
kétfajta csoportosítás erős hasonlóságát jelzik, míg a normalizált index –1 és 1 közé eshet. Itt a
minimum teljesen különböző, a maximum teljesen azonos kétfajta csoportosítást jelez.
Feladat: A fenti indexeket és az 5.1. táblázatban található megyei GDP adatokat felhasználva vizsgálja
meg, miként változott a megyék gazdasági fejlettség szerinti csoportjainak és a 7 tervezési-statisztikai
régióhoz való tartozásának a viszonya!.
A sokfajta viszonylag összetett módszert említő fejezet végén talán nem indokolatlan
ismételten figyelmeztetni arra, hogy ezeknek a módszereknek a használatakor elsőrendű
szerepe van az alapadatbázis jól átgondolt, a vizsgálandó kérdéskörhöz valóságosan
illeszkedő összeállításának → 1.1. A módszerek (a legnyilvánvalóbb matematikai korlátokon
túlmenően) ugyanis „vakok”, végeredményeik szintetikusak, a helytelen kiindulás éppúgy
„számokat”, faktorokat, klasztereket ad, mint a biztos alapon álló, csak ekkor az
eredményeknek alig van közük a valóságos térszerveződéshez66.
A területi stratégiák alkotása esetében is hasonló logikával járunk el, ebben az esetben azonban a
területfejlesztés partnerség, nyilvánosság elveit is érvényre kell juttatni. A jelenleg elfogadott EU-
komform területi stratégiaalkotás során az adott terület vezetési típusától függetlenül a stratégiaépítés
az egész térség ügye. Más megfogalmazásban egy helyzetértékelés, egy SWOT analízis nem
egyszerűen a tervező terméke, hanem az adott térségé, az adott térség sajátja. A területi tervezésnek ez
a lépése követeli meg a lehető legszélesebb körű partnerbevonást, sőt a nyilvánosság érvényesítését is.
Az adott térség megítélésekor szóbajöhető tényezőket először érdemes egyszerűen csak a megfelelő
kategóriák szerint felsorolni. Az adatok minősítése nem mindig egyértelmű feladat. Általában nem a
külső és belső tényezők elhatárolása, hanem meglepő módon inkább annak eldöntése okoz gondot,
hogy a tényező negatív vagy pozitív elemként értékelhető-e (főleg a külső tényezők esetében). A relatív
kategóriák esetében a megfelelő viszonyítási alap kiválasztása segíthet egy-egy jellemző besorolásában
(pl. a falvak adatait a falvak átlagához is indokolt viszonyítani, nem pusztán az országos átlaghoz). A
kvantitatív összehasonlítás gyakran nem hoz vagy nem hozhat eredményt, ekkor ismét a kvalitatív
eszközök segíthetnek. Egy brain storming adatgyűjtést követő interjúzás a meghatározó szereplőknél
66
Azon Kollégákat, akik a fejezetben bemutatott eljárásokhoz fűzött sokfajta figyelmeztetés
elbizonytalanította, a már „kész” osztályozások, térfelosztások – emlékezzünk például a KSH
településkódjaira → 2.4 – felhasználása mentesítheti a „kutatói stressztől”. Átmenetileg.
segíthet eldönteni, hogy például egy országos jelentőségű út tervezett nyomvonala vajon többségében
pozitívan vagy negatívan hat a térség szereplőinek fejlődésére. Az egyes tényezők esetében
fókuszcsoportos elemzés (tematikusan kiválasztott kis létszámú csoportok véleményének felmérése)
még hatékonyabb lehet, de használata költségesebb, körülményesebb. Sok tervezői energiát lekötő
vizsgálatokat azonban csak a hipotetikusan már kulcsszerepűnek minősített tényezők esetében érdemes
lefolytatni.
A felsorolást és a helyes besorolást követő munkafázisok már elsősorban a tervező által megoldható
feladatnak tekinthetők. A csoportosítás során ki kell szűrni a tényezők közötti átfedéseket, szintén
elkülönítve a jelentőseket a kevésbé fontosaktól. A szelektálás folyamán esetleg pontosabb
megfogalmazásokkal tisztázni lehet az átfedéseket. A jelentéktelenebb tényezők elhagyhatók, és törölni
lehet a stratégiaalkotás meghatározottságainak (ld. korábban az inputoknál) nem megfelelő tényezőket
(pl. kiesnek a stratégia tárgyköréből, időtávjuk attól eltérő).
67
A módszer alkalmazását a térségmarketingben lásd Kozma G. 2003.
6 TÉRKAPCSOLATOK
6.1 Rendezettség, alakzat és folyamat
68
A pontalakzatok konfigurációs osztályozásának legismertebb módszere az ún legközelebbi szomszéd
analízis (leírását lásd: Nemes Nagy J. 1998, 9.1.1 fejezet). Ugyanezen munka részeleteiben tárgyalja a
térbeli terjedés modelljeit, ezért azokra itt nem térünk ki (Nemes Nagy J. i.m. 11.2. fejezet).
• Vonallal, hálózattal illetve ezek rendszerével modellezik a vonalas térbeli rendszereket
(közlekedési, kommunikációs vonalak és rendszerek) és a térbeli áramlásokat.
Az egyedi pontnak megfeleltethető tehát egy település, a vonalnak egy útvonal, egy térrésznek egy
közigazgatási terület. A településhálózat pontok rendszereként, az úthálózat vonalrendszerként, a
területi közigazgatási, politikai térfelosztás térrészek rendszereként modellezhető.
A három geometriai térelem kombinációival már bonyolult folyamatok és rendszerek írhatók le. Olyan
gyakran vizsgált jelenségek, mint a térbeli terjedés, a diffúzió esetében a pont megjelenik mint
innovációs központ, a vonal a terjedési útvonalakat, irányokat jelezheti, az elterjedési területet egy
adott térrész képviseli. A térbeli egymásrahatások, vonzások vizsgálatakor egyaránt felbukkannak pont,
vonal és alakzat jellegű fogalmak: a vonzásközpont, a vonzásirány, a vonzáskörzet. A határ fogalma
kapcsán is beszélhetünk határpontról, határvonalról, határzónáról. A térségi hierarchiák pontok,
vonalak, térrészek bonyolult együttesei.
69
A legtöbbet idézett „ősforrás”: Christaller, W. 1933 Die zentrale Orte in Süddeutschland. Eine
ökonomische-geographische Untersuchung über die Gesetzmäßigkeit der Verbreitung und
Entwicklung der Siedlungen mit Städtischen Funktionen. Jena.
térkategóriái az enklávék és exklávék ugyancsak topológiailag meghatározottak, egy olyan
sajátos kettőség példájaként, amikor a „belső” térbeli (politikai) összetartozás, „külső” térbeli
elkülönüléssel párosul. Igaz ugyanakkor az, hogy a földrajzi tér vizsgálatában ezek a relációk
önmagukban csak ritkán kapnak szerepet, ellenben más térkategóriákkal (pl. távolság) és a
térelemek mennyiségi és minőségi jellemzőivel (nagyság, kapacitás, fejlettség,) együtt sok
vizsgálat hátterében felbukkannak. A topológiai relációk sajátos megjelenései a hálózatok és
az azok modellezésében kitüntetett szerepű gráfok → 6.5.
terület-terület város-városrész
6.3 A távolság
70
A fogalmat tárgyaló átfogó monográfia: de Smith, M. J. 2003 Distance and Path, PhD dissertation,
University of London, University College, Department of Geography, (www.desmith.com)
71
A nemzetek, országok közötti ún kulturális távolság fogalmának sokat idézett munkája G. Hofstede
1983, ebben a szerző tágan értelmezve a kultúra fogalmát tulajdonképp a társadalmi, hatalmi
egyenlőtlenségi viszonyok elfogadottságának vagy elutasítottságának mértékeit tekinti kulturális
dimenzióknak, s véleménykutatási eszközöket javasol mérésükre.
Erre az összefüggésre számos elterjedt elemzési eszköz, tipizálási, regionalizálási modell
épül, (például a klaszter-analízis → 5.14), amelyekben a csoportképzés alapja a hasonlóság
(közelség). Szinte az összes összetettebb regionális modellre igaz az, hogy bennük a
térbeliség valamilyen távolságfüggvényként jelenik meg. Ha két társadalmi objektum közel
van egymáshoz, kapcsolataik, egymásra hatásaik vélhetően erősek, sőt jellemzőik is a
hasonulás irányába alakulnak (ezt teszteli a területi autokorreláció →4.3).
x = Rλ
y = R ln[tg (π / 4 + φ / 2)]
x = Rλ
y = R sin φ
Transzformációkat több GIS-szoftver is tartalmaz. Kisebb területek esetében (Magyarország vagy egy
város például ilyennek számít) semmit nem ront a társadalomföldrajzi, regionális modellek magyarázó
erején, ha a területet alappontjaival síknak feltételezzük, s a pontok helyzetét a térképről ennek
megfelelően olvassuk le („pausz-módszer”). Magyarország összes településére rendelkezésre áll egy,
azokat középpontjaikkal azonosító sík-koordináta rendszer. Ezt a kötet szerzői minden érdeklődőnek
felajánlják, megfelelő szellemi értéket képviselő cseretermék – például rövid köszönet – ellenében.
6.3.2 Távolságfüggés
A távolságfüggés azt fejezi ki, hogy egy kitüntetett ponthoz mért távolság függvényében egy
adott jelenség monoton (legtöbbször csökkenő) eloszlású. Gyakran felfedezhető például a
gyűrűszerű, koncentrikus zónákba rendezettség a gazdaság települési, illetve térségi
szerkezetében. Ez az egyértelmű távolságfüggés jele. Az ilyen struktúrákat az a sajátosság
hozza létre, hogy a különböző gazdasági tevékenységek (ágazatok, tevékenységi formák)
között vannak olyanok, amelyeknek a centrum közelében kiugróan magas a hozadéka az
ingatlan(föld)tulajdonos számára, majd attól távolodva meredeken csökken, más
tevékenységek esetében alacsonyabb szintről indul, s lassabban csökken a hozadék-görbe.
Egy-egy zónát dominánsan az a tevékenység foglalja el, amelyből – szabad ingatlanforgalom,
korlátozásmentes tevékenységválasztás esetén – a többi tevékenységhez képest relatíve ott
legmagasabb a bevétel. Ez a sajátosság elméleti esetben tiszta koncentrikus gazdasági
térszerveződést eredményez.
Dt = D0 e ax
ln Dt = ln D0 + ax
(Jölések: Dt = a t. területegység népsűrűsége, D0= a központ népsűrűsége, x = a központtól
való távolság, a,e konstansok).
72
Kis távolságokon belül meredeken változó, majd ellaposodó alakú függvény.
73
Clark, C. 1951. Urban Population Densities, „Journal of Royal Statistics Society”, Vol. 114, pp. 490-
494.
korábban már utaltunk, a kétfajta térségi szint valóságos szerveződési mechanizmusai nem
keverendők össze!)
900
800
Egy lakosra jutó adóköteles jövedelem, 2001 (ezer Ft)
700
600
500
400
300
200
100
0
-300 -200 -100 0 100 200 300
Budapesttől való távolság (km)
A két, egymással szoros kapcsolatban lévő fogalom közül az első, a fekvés egyike a földrajz
legfontosabb fogalmainak. A világpolitikai mozgások arra utalnak, hogy például a tengerparti
fekvés, mint direkt földrajzi jellemző fontos hatalmi tényező. Mind a klasszikus geográfiai
szemlélet (ami még a társadalomföldrajzi közelítésekben is általában a természetföldrajzi
adottságok közé sorolja ezt a nagyon általános fogalmat), mind a térfolyamatokat magyarázó
modern elméletek (amelyekben a fekvést már jellemzően a gazdasági-társadalmi centrumok,
magterületek, pólusok és a perifériák viszonylatában értelmezik) kiemelt szerepet
tulajdonítanak a fekvésnek. Míg az első szemlélet esetében természetesnek tűnik, a
másodikban már inkább megkérdőjelezhető ugyan, de a fekvés jellemzően stabil, nagyon
nehezen változó és változtatható adottságként értelmeződik. Ezzel szemben az elérhetőség
fogalmában (amely jellegzetesen különböző hálózatokhoz kötődik → 6.5) már erőteljesebb a
dinamikus, gyorsabban változó és változtatható jelleg (ebben természetesen a hálózati
térlegyőzési technológiák viharos fejlődése is visszatükröződik). A fekvés inkább a helyhez, az
elérhetőség ellenben a térhez kötődik74..
Mindkét fogalom jellegzetesen viszonyított, relatív jellegű, a tér- és időbeli keretek, szintek,
területegységek, intervallumok változásával együtt maguk is változnak. Ennek természetes
következménye, hogy kutatásuk alapvető módszertani kérdései erősen kapcsolódnak a
→4) is.
térfelosztás általános metodikai kérdéseihez (→
74
A „Journal of Transportation and Statistics” c. folyóiratnak az elérhetőség kutatásának metodológiai
kérdéseivel foglalkozó tematikus száma: Volume 4, Numbers 2/3, 2001 Szeptember/December
amelyeken általában egy-egy kiválasztott, fontos központ körül az azonos utazási időt75 vagy
épp költséget jelző izovonalakat (előbbiek az izokronok) ábrázolják. Ezek kiterjesztése az,
amikor egy nagyobb térség, az ország minden településének kiszámítjuk az egymás közötti
időtávolságát, majd ezeket az értékeket minden településre átlagolva térképezzük az
értékeket. Ebben a szemléletben Magyarországon az ország középső zónája van a relatíve
legjobb helyzetben, s a perifériák felé romlik a helyzet. Mindez a hazai út- és vasúthálózat
sugaras, Budapest-központú alapszerkezetét tükrözi. Ez a fekvési, elérhetőségi szemlélet
kiváló lehetőséget teremt a hálózatfejlesztési elképzelések – új utak, vasútvonalak –
hatásainak modellezésére is76.
Egy adott földrajzi pont helyzetét, elérhetőségét érzékeltethetjük azzal is, hogy egy-egy
távolsági zónán belül mekkora „társadalmi tömegek” érhetők el belőle. Ha ezeket az
értékeket különböző pontokra kiszámítjuk és összehasonlítjuk, akkor az azonos távolságon
belüli potenciális kapcsolatokról kaphatunk képet. Ha csekély az elérhető társadalmi tömeg,
az elérhetőségi (fekvési) pozíció is kedvezőtlen, ha nagy, akkor kedvező. Az elérhető tömeg
az alábbi egyszerű összefüggés szerint számítható:
Wik = ∑ w j ( k )
j =1
A számítás során a pontok „saját tömegét” is indokolt figyelembe venni. A fentiekben csak
általában „társadalmi tömegként” megnevezett mértékek különbözőek lehetnek, s
használatukkal különböző tartalmat kaphat az elérhetőség.
75
Az időtávolságok kiszámításához szükség van a különböző közlekedési eszközökhöz, illetve a
különböző minőségű, áteresztő képességű utakhoz rendelhető átlagsebességadatok meghatározására.
Ennek menete erősen heurisztikus. Copus, A. K. 1999, az európai közlekedési tér vizsgálata során
például 25 különböző átlagsebességet rendelt a kontinens útszakaszaihoz, elkülönítve a kontinens keleti
és nyugati régióit, a városi és vidéki területeket valamint a hegyvidéki utakat is. A munka ezen
információn túlmutatóan jó tára a különböző közlekedési modell-közelítések áttekintésének.
76
Egy keresztirányú (régóta tervezett), a fővárost délről elkerülő autópálya vagy új vasútvonal például
mindenek előtt az ország periférikus régióinak közlekedési helyzetét javítaná (részleteiben lásd Szalkai
G. 2001).
hálózatvizsgálatában Kovács Cs. 1971), vagy a hasonló logikával (a feladók illetve címzettek
szerint) számba vett postai vagy távközlési forgalom is Az ilyen elemzéseket nagyon
megnehezíti, hogy a szükséges adatokhoz általában csak nagyon nehezen lehet hozzájutni, s
elemzésbe vételük nagy munkaigényű előkészítést igényel (ez a helyzet érvel a szimplább, de
megvalósítható, például az említett népességszámot használó közelítések mellett).
Nemzetközi méretekben az előbbiekkel analóg tömegmérték az export illetve az import értéke
vagy volumene is. Az elérhetőségnek ez a koncepciója metodikai szempontból rokonságot
mutat, összekapcsolható a területi mozgóátlag módszerével → 2.7 is.
Egy térbeli pont vagy területegység elérhetősége azonban tulajdonképp két tényező együttes
függvényeként építhető fel, amelyből az első a térbeli aktivitások vagy lehetőségek (ezeknek
felelnek meg a tömegek), a második pedig az ezek eléréséhez szükséges idővel, költséggel,
távolsággal számszerűsíthető erőfeszítéseket írja le. Az elérhetőségi vizsgálatok e két
tényezőcsoport függvényeinek szorzataként (mintegy egymás súlyaként) értelmezik az
elérhetőséget.
Ei = ∑ g (W j ) f ( d ij )
j
A Balaton régió összességében egy „átlagos” gazdasági fejlettségű térsége az országnak77. A
megtermelt GDP egy lakosra jutó becsült értéke épp az országos átlagon áll, míg a vidéki átlagot jóval
felülmúlja. Ám ezek az értékek jelentős különbségeket fedhetnek el, mint azt egy főre jutó GDP becsült
értékeiről készített térkép is sejteti (6.6. ábra).
Aki ismeri a Balaton környékét, tudja jól, hogy a part közeli települések sokkal kedvezőbb helyzetben
vannak. Ezt a tapasztalati tényt megerősíti az ábrán a Balatonpart mentén kirajzolódó sötétebb sáv, ahol
az egy főre jutó becsült GDP magasabb értékeket vesz fel. Mindezt tükrözik a számítások is: az összes
part menti település egy főre jutó GDP-je és átlagjövedelme is jóval a régiós átlag fölött van (6.1.
táblázat). Már nem is meglepő, hogy a part menti települések egy főre eső GDP-je a háttértelepülések
átlagának több mint kétszerese.
A településeket tovább kategorizálhatjuk annak alapján is, hogy a Balatontól milyen irányba
helyezkednek el. Az egyszerűség kedvéért a Balatontól északnyugatra fekvő Veszprém és Zala megye
településeit tekinthetjük északi fekvésűnek, a tó délkeleti oldalán fekvő somogyi települések pedig a
„déli” kategóriába kerültek. Csupán az a tény hogy egy település az északi vagy déli parton
helyezkedik el, még nem jelent markáns különbséget (6.2. táblázat). Ha viszont az észak-déli fekvést
és a parttól való távolságot együttesen vizsgáljuk, további szabályszerűséget vehetünk észre: a déli
parton sokkal kedvezőtlenebb helyzetben vannak a háttértelepülések, mint az északi parton.
12898 (1)
1 800 - 5 000 (23)
1 300 - 1 800 (19)
900 - 1 300 (20)
600 - 900 (31)
400 - 600 (49)
100 - 400 (21)
6.6. ábra A Balaton régió egy lakosra jutó becsült települési GDP-je (ezer Ft, 2000)
77
Az itt közölt rövid szemelvény Nemes Nagy J. – Lőcsei H. 2003 A Balatoni Régió gazdasági súlya és
belső térszerkezete, „Regionális Tudományi Tanulmányok” 8. sz., pp. 129-144. c. tanulmányból való, a
számításokat Lőcsei Hajnalka végezte.
ezer Ft/fő régiós átlag = 100 ezer Ft/fő régiós átlag = 100
Part menti 1714,1 131,3 330,7 110,6
Háttértelepülések 755,8 57,9 256,4 85,7
Összes 1305,9 100,0 299,1 100,0
6.2. táblázat Az egy főre eső becsült GDP területi különbségei az észak-déli, illetve parti és nem parti
pozíció szerint (a régiós átlaghoz viszonyítva)
6.5 Hálózatok
6.5.1 A hálózat
78
A közlekedésföldrajzi témák iránt közismert vonzalmat tápláló sok geográfus-hallgató figyelmét itt
érdemes felhívnunk Erdősi Ferenc munkásságára. Könyveinek, tanulmányainak áttekintése bármely
közlekedésföldrajzi dolgozat szakirodalom-feltáró fázisának kötelező része. (Hálózat-centrikus
szemléletű például Erdősi F. 2002.)
6.7. ábra Gráfok típusai
Összekapcsolt az a gráf, amelyben minden csúcs legalább egy másik csúccsal össze van
kötve. A gráfok speciális esetei az ún. irányított gráfok, ahol az élek irányított szakaszok.
Minden gráfhoz hozzárendelhető egy négyzetes mátrix, amely 0 és 1 elemeket tartalmaz (az
összekötött csúcsoknak megfelelő cellákban és a főátlóban 1, másutt 0.) E mátrix soraiban
(vagy oszlopaiban) található számok összege az egyes csúcsokba futó élek számával egyenlő
(ez a csúcsok fok-száma, önmagával minden csúcsot definitive összekötöttnek tekintve79).
79
A mátrix-analógia természetszerű következménye, hogy a „gráfokkal” is végezhetők műveletek
(helyesebben, speciális mátrixokkal végzett műveletek gráfokkal interpretálhatók – Tiner T. 1981).
információkhoz juthatunk. A legismertebb ilyen mutató a földrajzban is gyakorta használt
hálózatsűrűség (az „útvonalaknak” a vizsgált területegységre vetített fajlagos értéke).
Centralitás, centralizáltság
Azokat a hálózatokat tekintik erősen centralizáltnak, ahol egy vagy néhány pont centralitási
indexe kiugróan magas. A nem centralizált („decentralizált”) hálózatok esetén a centralitási
fok kiegyenlített. Ilyen eset látható a 6.9 ábra jobb oldalán, ahol minden pont centralitása
azonos (2/5). Az erősen centralizált hálózatokban tényleges vagy átvitt értelmű hiererchikus
viszonyok feltételezhetők.
80
A fejezet a szerző átfogó közlekedési hálózat-modellezési kutatásainak egy momentuma. További
részleteket lásd. Szalkai G. 2001, 2003a, 2003b.
Hkj = Dkj/ Dgj ; Hvj = Dvj/ Dgj
ahol
A mérőszám használatának előzményei között mindenképp említendő Kovács Cs. (1973) munkája. A
szerző a hazai vasúti hálózatot elemezve, a földrajzi (légvonal), hálózati és költségtávolságokat
vizsgálva használja az ún. hálózati hányados mutatót (a települések egymáshoz viszonyított légvonal
illetve vasúti átlagtávolságának hányadosát), amely a településeket a vasúthálózat "terében" minősíti. A
legkedvezőbbnek a főváros, a legkedvezőtlenebbnek Mohács hálózati helyzete minősült (1,30 illetve
1,91 a két település hálózati hányadosa). Tanulmányában Kovács kizárólag a vasúthálózattal
foglalkozott, a vasúti hálózati fekvés vizsgálata mellett azonban széleskörű számításokat végzett a
vasúti teherforgalommal kapcsolatban. Részletes területi bontásban vizsgálta az értékesítési és
beszerzési átlagtávolságok, a forgalmi potenciálok, és a szállítási intenzitás gazdaságföldrajzi
jelentőségét.
A távolságadatok kiszámítása
∑ dk ij ∑ dv ij
Dk j = d =1
; Dv j = d =1
n −1 n −1
A két hálózat által megrajzolt térszerkezeti kép ismertetése előtt célszerű először a geometriai
átlagtávolságok térképét bemutatni, mivel ennek tükrében nyernek megfelelő értékelést a
hálózati távolság eredményei.
Szalkai G. 2001
B)
Szalkai G. 2001
C)
Szalkai G. 2001
6.10. ábra A geometriai (A) , a közúti (B) és a vasúti (C) átlagtávolságok Magyarországon
Az előnyös helyzetű települések másik köre a nagy hálózati távolsággal jellemezhető, jobbára
határmenti települések térsége. Két ilyen nagyobb, összefüggő terület található az országban, az
egyik a Rédics-Murakeresztúr vonaltól a Balaton déli partjához vezető, a 7-es és a 75-ös utak által
közrefogott terület, a másik pedig a Nyírség és a Hajdúság román határ mentén érintkező területe.
Lokális megjelenéssel Körmend sorolható még ebbe a csoportba. Ezekben az esetekben elsősorban
nem arról van szó, hogy e területek kifejezetten kitüntetett hálózati helyeken feküdnének, hanem itt a
nagy hálózati távolsághoz kötődve azért alacsony a hálózati hányados értéke, mert e területek
elérhetőségét zavarja legkisebb mértékben a folyami átkelők nem megfelelő száma. Érdekes
ugyanakkor, hogy a Balaton déli partja alá benyúlik a kedvező értékekkel jellemzett terület, azon
előzetes „elvárás“ ellenére, melyet Balatonfüred szemléltet, hogy a Balaton is a nagyobb folyókhoz
hasonló barriert alkot a közúthálózat számára. Ennek magyarázata a 7-es és a 76-os út
kereszteződéséhez közeli fekvés mellett az lehet, hogy közvetlenül a Balaton északnyugati partján
nincsenek e települések hálózati hányadosát „rontó“ települések, egyéb irányú összeköttetéseiket
pedig nem akadályozzák más természeti tényezők. További, az átlagosnál kedvezőbb értékek
jellemzik az ÉNy-Dunántúl nagy részét, az M3-as autópálya tengelyét, illetve a román határ ÉK-i
része, és az ukrán határ melletti területeket.
A legkedvezőtlenebb hálózati hányadosú térségek a szlovák határ középső, keleti szakasza menti
területektől eltekintve inkább lokális megjelenésűek, de az esetek többsége egy közös okra, a folyami
átkelők hiányára vezethető vissza. Ilyen térségeket találunk a Duna mentén Réckeve és Dunaújváros,
Paks-Dunapataj és Mohács, a Tisza mentén pedig Martfű, Tiszaföldvár és Mindszent körzetében.
A legkedvezőbb helyzetű területek ezúttal is két részre oszthatók. A legkisebb hányadossal az ország
vasúti gócpontjához kötődő, az Érdtől Budapesten át Hatvanig terjedő területsáv, valamint egyes
külső perifériák rendelkeznek. Ide tartozik a Kisalföld legnagyobb része, a Horvátország felé vezető
két vasúti fővonal határhoz közeli területei, valamint a legnagyobb hálózati átlagtávolságú kelet-
magyarországi területek, Debrecentől Mátészalkán át Zajtáig. Kisebb megszakításokkal ugyan, de
kirajzolódik a Budapest-Szolnok-Nyíregyháza és a Budapest-Miskolc-Nyíregyháza vonal
elhelyezkedése, valamint a székesfehérvári, a váci és a Győrön át Szombathelyre vezető fővonal is.
Sajátos, bár kisebb mértékben a közúthálózatnál is megfigyelhető vonás, hogy a kedvező hálózati
helyzetű vonalak szinte minden esetben az ország északi részén helyezkednek el, azaz a kedvező
vasúthálózati helyzet előfeltétele az, hogy a kelet-nyugati irányú forgalomban Budapest legyen a
dunai átkelőpont.
A kedvezőtlen hálózati fekvéssel rendelkező települések (illetve vonalak) elhelyezkedése nincsen
szoros kapcsolatban egyik térparaméterrel sem. Azaz, míg a kedvezőbb értékkel jellemezhető
területek egy bizonyos szélességtől északra vannak csak jelen, addig a kedvezőtlen helyzetű területek
előfordulása nem területi meghatározottságú: a hátrányos hálózati fekvés oka a mellékvonali
vonalvezetés, de legfőbbképpen a zsákvonali helyzet. Ilyen:
- a két északkeleti terület, Ipolytarnóc és Ózd térsége, ahol amellett, hogy az orográfiai
adottságok nem tették lehetővé a rövidebb pályavezetést, a trianoni határmegvonás mindkét
viszonylatot zsákvonallá tette;
- a fővonalakkal közrefogott Közép-Tisza-vidéke és a Felső-Tisza-vidék déli része, ahol a Tisza
miatt eleve zsákvonalnak épült viszonylatok (Mezőcsát, Tiszapalkonya, Dombrád), a balsai Tisza-híd
felrobbantása miatt folytatás nélkül maradt csonk, a Tiszát bár keresztező, de elágazások nélküli
Kisújszállás – Kál-Kápolna valamint a Tiszával párhuzamos Tiszafüred-Görögszállás vonal képez
hátrányos megközelíthetőségű területeket. Ezt a hátrányosabb elérhetőséget látványosan törik át a
folyóra merőlegesen épült vonalak, Szolnok, Tiszafüred és Tokaj hídjainál;
- az ÉNy-Dunántúl déli része, ahol a domborzati viszonyok befolyásolták hátrányosan a
pályavezetést. Ez egyaránt igaz a terület keleti felére, ahol a hátrányos helyzet a fővonali hálózat
hiányából adódik, de igaz az észak-zalai, dél-vasi térségre is, amely bár részben elérhető fővonalakon
is, de a hálózat futása a folyóvölgyeknek megfelelően messze eltér az ideális iránytól. A szlovén-
irányú fejlesztés ellenére is sokkal rövidebb, és gyorsabb marad a Horvátországon át való
közlekedés, hiszen a végig fővonali hálózat északi ága az ország harmadik legkedvezőbb hálózati
fekvésű településénél, Murakeresztúrnál lép Magyarországra;
- a Dél-Dunántúl és a Dél-Alföld hatalmas, összefüggő területe, mely az ország
legkedvezőtlenebb vasúthálózati helyzetű térsége. Alapvetően három tényező emelhető ki, melyek
közül az egyik, az 1858-ban átadott (egykori) Budapest-Szeged-Temesvár vasútvonal 1944-ben
felrobbantott szegedi vasúti hídjának hiánya jelenleg csak lokális problémaforrásnak látszik, azonban
kárpát-medencei, vagy eurorégiós (Szeged-Temesvár-Nagykikinda) keretek között gondolkodva már
nagyobb jelentőséggel bír;
- jelenleg is legalább regionális szintű problémaként kell kezelni a baranyai térség hálózati
feltáratlanságát. A megye vasúthálózatának egy részét eleve nem a személyközlekedés miatt, hanem
feltáró vonalakként, az akkori ipari szükségletek kielégítésére építették meg. Az 1897-ben elkészült,
19 km hosszú komlói szárnyvonal, és az 1857-es Pécs-Mohács vasút egyaránt a feketekőszén
elszállítását célozta. Ez utóbbi ipari jelentősége akkora volt, hogy a Duna Gőzhajózási Társaság úgy
építtette meg a vonalat, hogy az országos hálózathoz csak 1868-ban csatlakozott a Pécs-Barcs
vasútvonal révén. Mindkét település tehát eleve zsákvonal végén fekszik, de hálózati helyzetüket
(vagyis az egész terület helyzetét is) tovább rontotta, hogy 1997-ben Palotabozsok és Pécsvárad közt
megszüntették a vasúti forgalmat. A térség vasúthálózati ellátatlanságát kissé túlzóan szemléltetheti,
hogy Mohács, mint a legrosszabb vasúti hálózati hányadosú település vasúton 184 km-re fekszik
Bátaszéktől, közúton pedig csak 28 km-re. Pécs az ország regionális központjai közül egyedüliként, a
vasúthálózati szempontból leggyengébben ellátott települések 7%-ába tartozik, és közismert, hogy
Szeged felé jelenleg is Budapesten át vezet a leggyorsabb vasúti összeköttetése, a dél-magyarországi
térség legnagyobb horderejű, országos jelentőségű vasúthálózati problémája mindenképpen az, hogy
Baja és Budapest között nincsen vasúti átkelési lehetőség a Dunán.;
Szalkai G. 2001
Szalkai G. 2001
Szalkai G. 2001
81
Ennek sajátos formája a más vonatkozásban → 1.3.5 már említett ingázás (aktuális hazai jellemzőről
lásd Fóti – Lakatos 2005).
82
A legújabb időszak hazai jellemzőiről lásd llés S. 2000.
A térkapcsolati, áramlási viszonyrendszereknek kiemelt jelentősége van egy-egy rendszer,
területegység szereplői, elemei számára. Ezt a problémát a globalizálódási folyamatok kettős
értelemben is előtérbe tolják. A betelepülő cég, a bevándorló migráns jövőbeni „életesélyeit”
alapjaiban befolyásolja, hogy képes-e integrálódni, beágyazódni az új terepen83. E
folyamatokban azonban nemcsak az új szereplők (pl. a betelepülő multik) kerülnek szembe új
viszonyokkal, hanem sok helyben maradó számára is új kapcsolatok formálódnak . A
beágyazottságot több tényező is segíti, így:
83
A legújabb területi kutatások, ezen belül a területi versenyképesség szakirodalma angolul az
embeddedness kifejezést használja erre.
helyzet pont fordított, célra irányuló (teleologikus) magyarázat helyett mechanisztikus oksági
magyarázatot adhatunk.
A rendszeres és tömeges területi áramlások modellezése a 19. század közepéig nyúlik vissza.
Carey (1858), majd Ravenstein (1885) megfigyelése szerint84 az emberek városok közötti
mozgása és az egyetemes tö megvonzás törvénye között párhuzam mutatható ki, amennyiben
egyéb tényezők változatlansága mellett nagyobb városok között nagyobb áramlás figyelhető
meg, mint a kisebb városok között. A gravitációs törvény szerint két test közötti vonzóerő
nagysága a két test tömegével (m1 és m2) egyenesen, a közöttük levő távolság (d) négyzetével
fordítottan arányos:
F=Gm1m2 /d2
Vij=g(PiPj/dij2)
ahol Vij i és j közötti „népességi erő”, Pi és Pj a népesség száma, dij az i és j közötti távolság, g
tapasztalati állandó. Az 6.13. ábrán szemléletesen is látható a modell alapgondolata.
"A" város
"B" város
100 km
50 km 50 000
lakos
"C" város
Vij=g(wiPiαwjPjβ)/dijγ
84
A gyökerek: Carey, H.C. 1858 Principles of Social Science. J. Lippincott, Philadelphia,
Ravenstein, E.G. 1885 The laws of migration. „Journal of the Royal Statistical Society” 48, pp. 167-
227.
ahol Nij a modell alapján várt áramlás i-ből j-be adott időegység alatt, wi és wj súlyok (értékük
alapesetben 1), α, β és γ paraméterek. A modell szempontjából ezek külső változók, de ezek
részbeni meghatározása is történhet más modellek segítségével. A modellnek számos további
alakját és formáját is kidolgozták és használják, a szakirodalomban ezért gyakran gravitációs
modellekről vagy modellcsaládról beszélnek.
A tömeg meghatározása
A modellben a tömeg meghatározása a vizsgálat tárgya, ideje és helye alapján történik, valamint a
vonzó és vonzott objektum függvényében is változhat. A tömeg szó helyett sokszor célszerűbb
vonzerőt, attraktivitást egyfelől, és kibocsátási erőt, képességet vagy potenciált írni másfelől a
félreértések elkerülése érdekében.
A távolság meghatározása
A modellel kapcsolatos viták legnagyobb része a távolságfüggés kérdése körül zajlik. Abban
egyetértés uralkodik, hogy a távolság növekedésével a kölcsönhatás erőssége gyengül, ennek
mértékével, megállapítási módjával kapcsolatban azonban számos különböző elvi és
tapasztalati adatokon is nyugvó nézettel találkozunk. A alapmodellben általában a
távolsághoz tartozó kitevő jelzi (a dijα formula) a területközi kapcsolatok intenzitásának
változását a távolság függvényében. A kitevő növekedésével a területközi kapcsolatok
intenzitása távolságérzékenyebb lesz, ezzel párhuzamosan a tömegek jelentősége fokozatosan
csökken. Végtelen nagy kitevő esetén csak a távolság határozná meg a vonzáskörzetek
nagyságát, a tömegnek nem lenne szerepe.
A rendkívül sokszínű gyakorlati alkalmazási területét két nagyobb csoportra lehet osztani:
• különféle térbeli áramlások intenzitásának becslése
• vonzáskörzetek elméleti lehatárolása
A modell használatának a célja szerint szintén két nagy csoportot lehet megállapítani:
• leíró jellegűek, amelyek a jelenségek és/vagy a térszerkezet meghatározására,
felismerésére irányulnak
• előrejelző, projektív jellegűek, amelyek a megismert jelenségek, tendenciák ismeretében
ezek jövőbeni állapotának megismerésére irányulnak
Ezen célok közül a második a jövő előre jelezhetőségével kapcsolatos elvi kérdéseket vet fel,
melyek tárgyalása ugyanakkor nem feladatunk. A leíró jellegű modelleket tovább lehet
osztani az áramlásra vonatkozó tapasztalati adatokon nyugvókra és a vonzáskörzetek elvi
határait és az áramlások elvi nagyságát megállapítókra. Első esetben a modell segítségével
tömör jellemzést kapunk a térkapcsolatok állapotáról, amit összehasonlíthatunk időben és
térben eltérő más eredményekkel. Mivel a tapasztalati adatgyűjtés gyakran költséges és
nehézkes, olykor nem is kivitelezhető, ezért ebben az esetben a modell paraméterei (tömeg,
távolság) által meghatározott elvi értékeket kapunk. A paraméterek meghatározásánál a
korábbi kutatásokat és a vizsgált jelenség természetére vonatkozó megfontolásokat
figyelembe kell venni. Az ilyen modelleket inspirációul, gondolkodási segédletül
használhatjuk fel a gyakorlati elemzés segítésére, eredményeit semmiképpen nem szabad
ideálisként vagy elérendő célként kezelni.
Gravitációs modell térfelosztási alkalmazása85
Elvi vonzáskörzet-határ megállapítása (Reilly-képlet)86
85
A példát Tagai Gergely dolgozta ki.
86
Reilly W. J. (1931) The Law of Retail Gravitation, W. Reilly ed, New York, NY.
d AB
d AX =
MB
1+
MA
6.14. ábra Zala megye két központjához a gravitációs modell alapján vonzódó települések
A gravitációs modellt használva, Zala megye településeit vizsgáltuk (6.14. ábra) abból a szempontból,
hogy a személyi jövedelmek tekintetében melyik nagy megyei központhoz (Zalaegerszeg vagy
MiMv
Nagykanizsa) vonzódnak. A Viv = 2
képletbe behelyettesítve a megfelelő (légvonal) távolságot
d iv
és tömegértékeket (itt az éves összes adóköteles jövedelemeket) kiszámítható az összes településre a
köztük és a két város közötti vonzáserősség (a képletben szereplő indexekben i jelöli a falvakat v a két
várost). A számítás alapján elkülöníthetők a települések, aszerint, hogy Viv értéke melyik városra
vonatkoztatva nagyobb, azaz egy község Zalaegerszeg, vagy Nagykanizsa felé mutat nagyobb elméleti
(jövedelmi, gazdasági) vonzódást.
6.7.2 A potenciál-modell
A Newton-féle gravitációs törvény két test közötti vonzerő nagyságát határozza meg. Több test
mindegyikének az összes többi testre kölcsönösen gyakorolt vonzó hatása gravitációs mezőt hoz
létre. Ennek tulajdonságai egy több testből álló rendszer bármely pontjában – rendkívül bonyolult
differenciálegyenletek segítségével – mérhetőek lesznek, és meghatározzák azokat az erővonalakat,
amelyeken a szabadon mozgó tömegek haladnak.
P(Ai)= ∑Mj/dijk
ahol P(Ai) az Ai pont potenciálja, Mj a tér többi, figyelembe vett pontjának a tömege, dij Ai és
Aj pontok közötti távolság, n a pontok száma, k az erőhatás távolság függvényében történő
csökkenésének a mértékét meghatározó konstans. Ha k=1, akkor a távolság növekedésével
egyenes arányban csökken az erőhatás mértéke. Ezzel és a távolság négyzetével arányos
csökkenést eredményező, k=2 értékkel szoktak leggyakrabban számolni. Ha i egyenlő j-vel,
akkor a pont saját magára gyakorolt hatását mérjük, amely nagyságot sajátpotenciálnak
nevezzük. A testek, tömegek és távolságok megállapítása a gravitációs modellhez hasonló
megfontolások alapján történik.
Mivel egy pont saját magától mért távolsága nulla, ezért a sajátpotenciál kiszámítása speciális
módon történik. A gyakorlatban ennek számos fajtáját dolgozták ki. Ezek közös jellemzője,
hogy minden egyes ponthoz hozzárendelnek egy területegységet (például a településekhez a
települések méretét), majd ennek nagysága alapján számítják ki a sajáttávolságot. Ezek közül
a legegyszerűbb az a módszer, amely a terület méretének megfelelő nagyságú kör sugarának
hosszában állapítja meg a pont saját magától mért távolságát. Ennél bonyolultabb számítás,
amikor a területegység középpontjának a határvonalig mért átlagos távolságát veszik
sajáttávolságként. Mivel ezek a módszerek a településeken és területegységeken belüli
egyenletes népességeloszlást feltételeznek, ezért egyes kutatók a központtól a határvonalig
haladva különböző mértékben csökkenő népsűrűség feltételezésével számolták ki a
sajáttávolságot. Ez a számítás az előző módszereknél kisebb távolságokat, így nagyobb saját
potenciált eredményez.
A potenciálmodell alkalmazásai
87
Ennek „virágkora” Európában a hatvanas-hetvenes évek, napjaink szuburbanizációs tendenciái, a
gazdaság diszperg eloszlása, a minden tevékenységet átfogó globalizálódás, az információs hálók egyre
folytonosabbá válása nehezen tagolhatóvá teszik a fejlett országok tereit, tovább nehezítve a
körzetlehatárolások egyébként sem egyszerű feladatát (A témát Bujdosó Z. 2003 tekintette át.)
• a gazdasági anyagáramlások (ezekről áll a legkevesebb információ rendelkezésre,
beszerzésük átfogó egyedi adatgyűjtéssel történhet, erre azonban kevés a
példa88)
• utóbbiak sajátos alrendszereként külön szokás vizsgálni a lakosság kereskedelmi,
vásárlási kötődéseit (ez ugyancsak egyedi adatfelvételt igényel).
Ezen intézmények (valamint a gazdasági szereplők közül leginkább a nagy kereskedelmi egységek)
esetében az ágazatokon, tevékenységi formákon belül is fontos vizsgálati téma a tényleges
vonzáskörzetek feltárása – ami rávilágíthat például a „lefedetlen” területekre is –, illetve a
telephelyválasztási fázisban a potenciális vonzásterület feltérképezése. Az előbbi esetben a tényleges
használók (pl. az egyetemekre bekerültek) származási helyét kell vizsgálni, utóbbiban pedig a
potenciális célcsoportokét (ezt a kört leggyakrabban demográfiai, jövedelmi jegyek alapján
határozzák meg).
Az „új gazdaság” egyik ma divatos fogalma, a klaszter is (hasonlóan távoli őséhez, az ipari
körzethez) felvet lehatárolási kérdéseket (Gecse G. és Nikodémus A. 2003). Az említett szerzők –
nemzetközi mintákra hivatkozva – az ún lokációs hányados kiszámítását hívják módszertani
segitségül. Ez a mutató ágazati foglalkoztatottsági adatok alapján ott valószínűsít ágazati klasztert,
ahol egy-egy ágazatnak a helyi súlya markánsan nagyobb az adott ágazat országos arányánál. Ez a
meglehetősen durva statisztikai közelítés elég távolinak látszik a klaszter egyébként rendkívül
szofisztikált (magyarul: zavaros) általános definícióitól.
88
Az információhiány talán a legfontosabb oka annak, hogy a regionális tudomány korai időszakának
egyik legismertebb térgazdaságtani modellje az ún. területi-ágazati kapcsolatok (input-output)
mérlegének elemzési karrierje megtört, s ma leginkább csak tudománytörténeti jelentőségű klasszikus
modellként ismert (lásd Lengyel – Rechnitzer 2004, 11.3. fejezet)
89
Hasonló kettősség jelenik itt meg, mint a hagyományos és a fuzzy-klaszterezés esetében → 5.14.
1978, Beluszky P. 1984, Kiss J. P. – Bajmócy P. 2001). Ugyanezen módszer mentén régi
korok térkapcsolati viszonyai is valószínűsíthetők (Győri R. 2005).
Már nem lehatárolási, hanem konkrét társadalmi működési probléma a hatalom térbeli
megosztása, a devolúció. Ez a kifejezetten hatalmi-politikai („belső térbeli”) kérdéskör akkor
kapcsolódik a hagyományosabb regionális elemzésekhez, ha a területi tagoltság hagyományos
elemeivel, a fejlettségi egyenlőtlenségek alakulásával vetjük egybe (Rodríguez-Pose, A. –
Gill, N. 2003)
A városrégió a városokat (gyakran városi agglomerációkat) és a hozzájuk tartozó tágabb, olykor rurális
karakterű térségekre is kiterjedő munkaerő-vonzásterületet is magában foglalja, amelynek teljes
területére ily módon már nem feltétlenül jellemző folytonos beépítettség. A városrégió elnevezés nem
áll messze a foglalkoztatási vonzáskörzet („travel-to-work area” „bassin d’emploi”) fogalmától.
Néhány országban hivatalosan is bevezették, hogy a periférikus fekvésű, ugyanakkor a
városközpontoktól erősen függő helyzetű vonzáskörzeteket is a városhoz sorolhassák. A városrégiókat
Belgiumban és Luxemburgban „région urbaine”, Franciaországban „Zone de Peuplement Industriel et
Urbain, ZPIU”, Hollandiában pedig „stedelijke agglomeratie” elnevezéssel illették. A városrégiók
hivatalos kijelöléséhez szükséges népességszám-küszöb országonként változó: Luxemburgban és
Hollandiában minimum 100 ezer, Belgiumban 50 ezer.
90
A hazai vidéki agglomerációk fejlődési pályáját, belső tagoltságát elemzi Lőcsei H. 2004.
BEFEJEZÉS
Egymásra épülő módszerek
Az eredmények közzététele
Az egyik leggyakoribb „iskolás” kérdést sem kerüljük meg. Milyen hosszú legyen a dolgozat?
Erre a válasz: attól függ. Egy több éves kutatás akár vaskos köteteket is megtölthet, de egy
néhány oldalas cikk is tartalmazhat komoly tudományos újdonságot. Még egy konkrét formát
említve megjegyezhető, hogy az ELTE Regionális Földrajzi Tanszékén az elvárt „méretű”
diplomamunka kb. 100 oldalas, másfeles sortávolsággal, 12-es betűnagysággal, normál
margóval. Az értékelés azonban nem a terjedelem alapján történik, a minőség „kiválthatja” a
terjedelmet, a terjedelem azonban nem pótolja a minőséget.
A munka leghosszabb, kifejtő része általában a kutatási eredményeket tárgyaló fejezet. Itt
gyakran felmerül az a kérdés, hogy miként és milyen mélységben tagoljuk, osszuk fő- és
alfejezetekre ezt. A megoldás jó arányérzéket kíván: a tagolatlan, összefolyó leírás nem
szerencsés, de kétsoros bekezdéseknek ritkán indokolt önálló alfejezetcímet adni. A
fejezeteket legtöbbször többszintű számozással is ellátják, a munka terjedelmétől függhet a
tagolás mélysége, a hosszabb dolgozatok több szintre tagolhatók (jelen kötetben 3 szintű a
tagolás). A dolgozatban közölt táblázatok, ábrák, térképek mindegyikének legyen külön címe
és száma. A térképekhez nem haszontalan jelmagyarázatot is csatolni!
Hosszabb időszakot átfogó komplex elemzések kapcsán merül fel néha – ugyancsak inkább
szerkesztési problémaként – hogy időszakokba rendezve vagy társadalmi részterületek,
problémák mentén vizsgálódjunk, s ezeken belül jelenítsük meg az időbeliséget. Általános
„receptet” ugyan nehéz adni, de talán a két közelítés együttes alkalmazása a célszerű. Keverni
a két szempontot azonban nem szerencsés. Az egyes időszakok, szakaszok jellemzése vagy
indítsa (ha az egyes periódusok sajátos karakterének érzékeltetése a cél) vagy zárja,
összegezze a munkát (ha az egyes részterületek vizsgálatából levonható következtetések
alapján kívánjuk jellemezni az egyes időszakokat).
Sok téma esetében nagyban növeli az eredmények értékét, ha azokat összegző táblázatokba,
modellekbe rendezzük (a rendszerezés, a modellalkotás általában is, a kutatási folyamat
minden fázisában fontos eszköz az áttekintésre, az összefüggések fellelésére és
átgondolására). Nagyon sok olyan híres munkát és szerzőt ismerünk, akiknek műveiből épp
ezek az összegző modellek váltak maradandóvá, s terjedtek el.
A magyar népszámlálások előkészítése és publikációi 1869–1990. KSH, Budapest. I. kötet 1990, II.
kötet 1992.
Aaberge, R. (2000) Ranking intersecting Lorenz curves, Research Department Statistic Norway and
ICER
Abonyiné Palotás J. (1999) Általános statisztika alkalmazása a társadalmi-gazdasági földrajzban,
JATEPress, Szeged
Acsády I. (1896) Magyarország népessége a Pragmatica Sanctio korában 1720–21. „Magyar
Statisztikai Közlemények”, Új folyam XII. KSH, Bp.
Anselin, L. (1999) The future of spatial analysis in the Social Sciences „Geographic Information
Sciences” No. 2., pp. 67-76.
Aten, B. – Heston, A. (2003) Regional Output Differences in International Perspective, WIDER
Discussion Papers, 55.
Atkinson, A. B. (1970) On the Measurement of Inequality, „Journal of Economic
Theory” 2., pp. 244-263.
Auerbach, F. (1913) Das gesetz der Bevölkerungskoncentration, „Petermanns Geographische
Mitteilungen” 59., pp. 74-76.
Babbie, E. (2003) A társadalomtudományi kutatás gyakorlata, Balassi Kiadó, Bp, (hatodik kiadás).
Bajmócy P. – Balogh A. (2002) Aprófalvas településállományunk differenciálódási folyamata,
„Földrajzi Értesítő” 1-4., pp. 385-405.
Bajmócy P. – Csíkos Cs. (1997) Európai országok népszerűsége egyetemi hallgatókkörében,
„Iskolakultúra” 6-7. sz., pp. 71-77.
Barber D. (2002) Learning from Data 1, Nearest Neighbour Classifcation, http://anc.ed.ac.uk/
Barta Gy. – Lőcsei H. (2003) Vállalatok Budapest barnaövezetében, „Területi Statisztika” 2. sz., pp.
107-120.
Barta Gy. (1977) A területi gazdasági különbségek változása 1960-1975 között, „Területi Satisztika”
2.sz.
Barta Gy. (2002) A magyar ipar területi folyamatai 1945-2000, Dialóg Campus, Budapest-Pécs
Barta Gy. (szerk. 2004) A budapesti barnaövezet megújulási esélyei, Magyarország az ezredfordulón,
MTA Társadalomkutató Központ, Bp.
Bartke I. (1971) Az iparilag elmaradott területek iparifejlesztésének főbb közgazdasági kérdései,
Akadémiai K., Bp.
Batty, M. – Longley, P. (1994) Fractal cities. Academic Press, London
Behrens, A. (2003) How rich are Europe’s regions? „Statistics in focus” Theme 1/05, Eurostat
Békés L. (2004) A politika földrajza, AULA, Bp.
Beluszky P (2000) Egy félsiker hét stációja (avagy a modernizáció regionális különbségei a századelő
Magyarországán). In: Dövényi Zoltán szerk. Alföld és nagyvilág. Tanulmányok Tóth Józsefnek. MTA
FKI, Bp., pp. 299–326.
Beluszky P. – Sikos T. T. (1980) Hatásarány-analízis a területi kutatásokban (Az encsi járás
demográfiai vizsgálata), „Szigma” 3. sz., pp. 181-201.
Beluszky P – Sikos T. T. (1982) Magyarország falutípusai. MTA FKI, Bp.
Beluszky P. (1999) Magyarország településhálózata, Dialóg-Campus, Budapest-Pécs
Bene L. – Tekse K. (1966) Vizsgálatok a népesség területi eloszlásának alakulásáról Magyarországon
1900-1960. „KSH Népességtudományi Kutató Csoport Közleményei” 9., Bp.
Benedek J. (2000) A társadalom térbelisége és térszervezése. Risoprint, Kolozsvár
Bivand, R. (1998) A review of spatial statistical techniques for location studies, CEPR symposium, Lund,
Blanche, M. T. – Durrheim, K. (ed. 1999) Research in Practice. Applied Methoids for the Social
Science, UCT Press, Cape Town
Bramhall, D. F. (1960) Gravity, Potential, and Spatial Interaction Models. In: Isard, W: Methods of
Regional Analysis: an Introduction to Regional Science. The Massachusetts Institute of Technology,
New York
Bruckner J.-né – Gether I.-né (2003) A területi GDP-számítás helyzet és feladatai, „Területi
Statisztika” 4. sz., pp. 323-332.
Bujdosó Z. (2003) Vonzáskörzet vizsgálatok elmélete a hazai és a nemzetközi szakirodalomban. In:
Süli-Zakar I. szerk. Társadalomföldrajz – Területfejlesztés I., Kossuth Egyetemi Kiadó, Debrecen, pp.
147-170.
Bukodi E. (2001) Társadalmi jelzőszámok. Elméletek és megközelítések, „Szociológiai Szemle” 2. sz.,
pp. 35-57.
Canova, F. (2001) Testing for Convergence Clubs in Income per-capita: A Predictive Density
Approach, „HWWA Discussion Paper” 139, Hamburg
Caselli, F. – Coleman, W. J. (2001) The U.S. Structural Transformation and Regional Convergence:
A Reinterpretation, „Journal of Political Economy”, no. 3.
Chorley, R. J. – Haggett, P. (1965) Models in geography. Barnes & Noble, London
Cliff, A. D. – Ord, J. K. (1973) Spatial Autocorrelation. London, Pion
Cliff, A. D. – Ord, J. K. (1981) Spatial and temporal analysis: autocorrelation in space and time. (In:
Wrigley, N.- Bennett, R.J. ed. 1981, Quantitative geography: a British view. Routledge & Paul,
London, pp. 104-110.)
Copus, A. K. (1999) A New Peripherality Index for the NUTS III Regions, of the European Union,
„ERDF/FEDER Study” 98/00/27/130, www.tamuk.edu
Coulter, P. B. (1989) Measuring Inequality: A Methodological Handbook, Westview Press, London
Cowell, F. A. – Flachaire, E. (2002) Sensitivity of Inequality Measures to Extreme Values,
„Discussion Paper Distributional Analysis Research Programme” No. 60, London School of
Economics
Csanádi G. – Csizmady A. (2002) Szuburbanizáció és társadalom, „Tér és Társadalom” 3. sz., pp.
27-55.
Csanádi G. – Ladányi J. (1992) Budapest - a városszerkezet történetének és a különböző társadalmi
csoportok városszerkezeti elhelyezkedésének vizsgálata. Akadémiai K, Bp.
Csapó T. (2004) A hazai városok funkcionális morfológiája – szerkezete. In: Csapó T. et al. szerk. A
településföldrajz helye és főbb kutatási irányai az ezredforduló után, konferenciakötet, BDF
Társadalomföldrajzi Tanszék, Szombathely, pp. 30-45.
Csatári B. (2000) A magyarországi kistérségek vidékiség-kritériumai. In: Horváth Gy. – Rechnitzer J.
szerk. Magyarország területi szerkezete és folyamatai az ezredfordulón, MTA RKK, Pécs, pp. 193-217.
Csatári B. – Kovács A. D. (szerk. 2003) A nemzeti parkok helye és szerepe a területfejlesztésben,
MTA RKK ATI, Kecskemét
Csatári B. (1996) A magyarországi kistérségek néhány jellegzetessége. MTA RKK ATI. Kecskemét.
Cséfalvay Z. (1990) Térképek a fejünkben. Akadémiai, Bp.
Cséfalvay Z. (1994) A modern társadalomföldrajz kézikönyve. IKVA, Bp.
Dalton, H. (1920) The Measurement of Inequality of Income, „Economic Journal” 30., pp. 348-361.
Dányi D. – Dávid Z. (szerk. 1960) Az első magyarországi népszámlálás. KSH, Bp.
Dányi D. (1984) Bevezető. Magyarország községeinek és városainak népessége az 1850., 1857. és
1870. években. KSH, Bp.
Dávid Z. (1957) Az 1715–20. évi összeírás. In: Kovacsics József (szerk.) 1957: A történeti statisztika
forrásai. Közgazdasági és Jogi Könyvkiadó, Bp. pp. 145–199.
Davis, S. – Hallet, M. (2002) Interaction between National and Regional Development, „HWWA
Discussion Papers”, No. 207., Hamburg
Detrekői Á. – Szabó Gy. (2002) Térinformatika, Nemzeti Tankönyvkiadó, Budapest
Diewert, E. (2002) Similarity and Dissimilarity Indexes: An Axiomatic Approach, „Discussion
Paper” No. 02-10, Department of Economics, University of British Columbia, Vancouver, B. C.
Duncan, O. D. – Duncan, B. (1955) A methodological analysis of segregation indexes. „American
Sociological Review” 20., pp. 210-217.
Dusek T. (2001) A területi mozgóátlag. „Területi Statisztika” 3. sz., pp. 215-229.
Dusek T. (2004) A területi elemzések alapjai, „Regionális Tudományi Tanulmányok” 10. sz., ELTE,
Bp.
Eberts, P. (1995) Community Social Structure and Quality of Life – Nodal Concepts and Casual
Analysis. Department of Rural Sociology. Cornell University. Ithaca, NY.
Éltető Ö. – Frigyes E. (1968) Új jövedelemegyenlőtlenségi mutatók tulajdonságai és hasznosítási
lehetőségei, “Szigma” 1. sz.
Enyedi Gy. (szerk. 1993) Társadalmi-területi egyenlőtlenségek Magyarországon, KJK, Bp.
European Regional Statistics–Reference Guide, Eurostat (Luxembourg) Cestal Statistical Bulletin
(1999)
Erdősi F. (1992) Telematika, Távközlési Kiadó, Bp.
Erdősi F. (2002) Magyarország helyközi/távolsági autóbusz-közlekedésének területi jellemzői,
„Területi Satisztika” 4. sz., pp. 359-387.
F. Kovács E. (1991) Városok sokváltozós térben, VITA Kiadó, Bp.
Fábián Z. – Róbert P. – Szívós P. (1998) Az anyagi-jóléti státuszcsoportok társadalmi miliói. In:
Kolosi T. – Tóth I. Gy. – Vukovich Gy. szerk. Társadalmi Riport 1998, TÁRKI, Bp.
Faluvégi A. (2002) A területi statisztikai adatbázisok kialakulása, helyzete, fejlesztési lehetőségei,
„Területi Statisztika”, 4. sz., pp.321-341.
Faluvégi A. (2004) Kistérségeink helyzete az EU küszöbén, „Területi Statisztika”, 5. sz. pp. 434-
458.
Faragó L. (2000) A (terület)fejlesztés irányítási algoritmusa a programozás. (In: Horváth Gy. –
Rechnitzer J. szerk. Magyarország területi szerkezete és folyamatai az ezredfordulón, pp. 527-541.,
MTA-RKK, Pécs.)
Farkas J. – Kovács Z. – Székely G.-né (2004) A magyar lakáspiac területi jellemzői az ezredfordulón,
KSH – MTA FKI, Bp.
Farkasházi L.-né – Hüttl A. (1996) Regionális számlák Magyarországon. „Statisztikai Szemle” 8.-9.
sz., pp. 680-693.
Fayolle, J. – Lecuyer, A. (2000) Regional growth, national membership and Europoean structural
funds: an empirical appraisal, „Documents de Travai”l, OFCE, 2000-02, http://www.ofce.sciences-
po.fr/
Fazekas K. (1997) Válság és prosperitás a munkaerõpiacon,”Tér és Társadalom” 4. sz., pp.9-24.
Fedorov, L. (2002) Regional inequality and regional polarization in Russia, 1990-99. „World
Development” 3., pp. 443-456.
Figini, P. (2000) Measuring Inequality: On the Correlation Between Indices, „Luxembourg Income
Study, Working Paper” No. 229, Differdange
Fleischer T. (2001) Régiók, határok és hálózatok. „Tér és Társadalom” 3-4. sz., pp. 55-67.
Florida, R. (2002) The Economic Geogrpahy of Talent, „Annals of the Association of American
Geographers” 4., pp. 743-755.
Fotheringham, A. S. – Brunsdon, C. – Charlton, M.( 2000) Quantitatíve geography, SAGE
Publications, London.
Fóti J. – Lakatos M. (2005) Területi mobilitás a munka világában, „Foglalkoztatottság és
munkanélküliség” 4., OFA, Bp.
Förster, M. F. (1998) Az alacsony jövedelem és a szegénység mérése nemzetközi megközelítésben In:
Semjén A. szerk. A jóléti állam közgazdasági megközelítésben, Hilscher Rezső Szociálpolitikai
Egyesület, Bp., pp. 13-84.
Füstös L. – Meszéna Gy. – Simonné Mosolygó N. (1986) A sokváltozós adatelemzés statisztikai
módszerei. Akadémiai, Bp.
Gallup, J. L. – Sachs, J. D. – Mellinger, A. (1999) Geography and Economic Development, „CID
Working Paper” No. 1., Harvard Un.
Gatrell, A. (1983) Distance and space (A geographical perspective). Clanderon Press, Oxford
Gebhardt, F. (1999) Cluster tests for geographical areas with binary data „Computational Statistics &
Data Analysis” 31, pp. 39-58.
Gecse G. – Nikodémus A. (2003) A hazai klaszterek lehatárolásának problémái – lokációs hányados,
„Területi Statisztika” 6.sz., pp. 507-522.
Gini, C. (1921) Measurement of Inequality of Incomes, „Economic Journal”, XXXI, pp. 124-126.
Gini, C. (1936) On the Measure of Concentration with Especial Reference to Income and Wealth,
Cowles Comission.
Grosz A. – Rechnitzer J. szerk. 2005 Régiók és nagyvárosok innovációs potenciálja
Magyarországon, MTA RKK, Pécs-győr
Gulácsi G. – Nemes Nagy J. (1989) Regionalitás és településszerkezet (egy shift-analízis eredményei).
„Tér és Társadalom” 2. sz., pp. 21-34.
Gyáni G. – Kövér Gy. (1998) Magyarország társadalomtörténete a reformkortól a második
világháborúig. Osiris Kiadó, Bp.
Győri F. (2004) A régióközpontok szerepe a tehetségeloszlásban Magyarországon. In: Csapó T. et al.
szerk. A településföldrajz helye és főbb kutatási irányai az ezredforduló után, konferenciakötet, BDF
Társadalomföldrajzi Tanszék, Szombathely, pp. 182-193.
Győri R. (2000) A Kisalföld kereskedelmi vonzáskörzet-rendszere 1925-ben. „Tér és Társadalom” 2-
3. sz., pp. 303-309.
Győri R. (2005) A térszerkezet átalakulásának elemei a Kisalföld déli részén, PhD értekezés, ELTE
(kézirat)
Haggett, P. 1987 Locational analysis in human geography, E. Arnold, London (első kiadás: 1965)
Hajdú Z. (1981) A Dél-Dunántúl 1925. évi vonzáskörzet-rendszere. In: Tóth T. szerk. Az igazgatás és
a gazdaság területi rendszere. MTA DTI Közlemények 28. Pécs, pp. 183–213.
Hajdú O. (2003) Többváltozós statisztikai számítások, KSH, Bp.
Hajdú-Moharos J. (1988) Történeti-gazdasági egységek Európa országaiban. Tankönyvkiadó, Bp.
Halkidi, M. – Batistakis, Y. – Vazirgiannis, M. (2001) On Clustering Validation Techniques,
„Journal of Intelligent Information Systems” 2/3., pp. 107–145.
Harvey, D. (1969) Explanation in geography. E.Arnold, London
Herendi I. – Lengyel I. et al. (1996) Társadalomföldrajzi elemzések számítógépen. JATEPress,
Szeged
Hirschman, A. O. (1958) The strategy of economic development. Yale University Press, New Haven
Hobijn, B. – Franses, P. H. (2003) Are Living Standards Converging?, „NYU Econometric Institute
Report” 9534/A, http://pages.nyu.edu/.
Hofer, H. – Wörgötter, A. (1997) Regional Per Capita Income Convergence in Austria „Regional
Studies” 1., pp.1-12.
Hofstede, G. (1983) National cultures in four dimensions: a research-based theory of cultural
differences among nations. „International Studies of Management and Organization”, 1-2., pp. 46-74.
Hoover, E. M. (1941) Interstate Redistribution of Population, 1850-1940, „Journal of Economic
History” No. 1., pp. 199-205.
Human Development Report 2000, UN, N. Y. 2000
Hunyadi L. – Vita L. (2002) Statisztika közgazdászoknak. Statisztikai módszerek a társadalmi és
gazdasági elemzésekben. Központi Statisztikai Hivatal. Bp..
Hunyadi L. (2000) A determinációs együtthatóról. „Statisztikai Szemle” 9. sz., pp. 753-765.
Hunyadi L. (2002) Grafikus ábrázolás a statisztikában, „Statisztikai Szemle” 1. sz., pp. 22-52.
Hutchens, R. (2001) Numerical measures of segregation: desirable properties and their implications,
„Mathematical Social Sciences” 42, pp. 13–29
Identifying of the regional performances, 6th Session of the Working Party on Territotial Indicators,
Lausanne, OECD 2003
Illés G. – Kovács G.,– Bidló A.,– Heil B. (2003) Az Észak-Hanság termőhelyi viszonyainak
modellezése .fuzzy.-klasszifikáció és GIS eszközök felhasználásával, „Acta Agraria Kaposváriensis”
No. 3, 45-68
Illés I. (1975) Regionális gazdaságtan, Tankönyvkiadó, Bp.
Illés S. (2000) Belföldi vándormozgalom a XX. század utolsó évtizedeiben, KSH NKI kutatási
jelentései 63., Bp.
Ioannides, Y. M. – Overman, H. G. (2003) Zipf’s law for cities: an empirical examination, „Regional
Science and Urban Economics” 33., pp. 127–137.
Isard, W. (1960) Methods of regional analysis: an introduction to Regional Science. The M. I. T.
Press, Cambridge, Mass.
J. Hantos É. (szerk. 2002) Területi statisztikai információk rendszere és elérhetősége. KSH, Bp.
Jahn, W. – Vahle, H. (1974) A faktoranalízis és alkalmazása, Közgazdasági és Jogi Könyvkiadó, Bp.
Jakobi Á. (2002) A területi egyenlőtlenségek új elemei az információs társadalomban, „Regionális
Tudományi Tanulmányok” 7. sz., pp. 55-84.
Jakobi Á. (2002b) A virtuális világ terei „Magyar Tudomány” 11. sz., pp. 1482-1491.
Jankó F. (2002) A hely szelleme, a településimázs és településmarketing, „Tér és Társadalom” 4. sz.,
pp. 39-62.
Jeney L. – Szabó P. (2001) A magyar ipar változása a koncentrációs és specializációs indexek tükrében
az 1990-es években. In: A Magyar Földrajzi Konferencia tudományos közleményei (CD), Szeged.
Kangasharju, A. (1999) Relative Economic Performance in Finland: Regional Convergence, 1934-
1993, „Regional Studies”,3., pp. 207-217.
Katona T. – Lengyel I. (szerk. 1999) Statisztikai ismerettár, JATE Press, Szeged
Kertész Á. (1972) Matematikai-statisztikai módszerek alkalmazási lehetőségei a geomorfológiában a
Tetves-árok és a Péli-völgy példáján, „Földrajzi Értesítő”. 4. sz., pp. 487-502.
Kertész Á. (1997) A térinformatika és alkalmazásai, Holnap Kiadó, Bp.
Kiss J. – Bajmócy P. (1996) Egyetemi hallgatók mentális térképei „Tér és Társadalom” 2-3. sz., pp.
55-68.
Kiss J. (1998) Az ágazati gazdaságszerkezet szerepe a regionális differenciálódásban Magyarországon.
“Tér és Társadalom” 1-2. sz.., pp. 138-162.
Kiss J. P. (2001) Dinamika az elmaradottságban? Szabolcs-Szatmár-Bereg megye és Nyíregyháza az
1990-es években, “Regionális Tudományi Tanulmányok” 5. sz., pp. 125-149.
Kiss J: P. (2003) A kistérségek 2000. évi GDP-jének becslése, „Regionális Tudományi Tanulmányok”
8. sz., pp. 39-54.
Kluge, G. (2003) Entropy and Inequality Measures, http//poorcity.richcity.org/
Knudsen, D. C. (2000) Shift-share analysis: further examination of models for the description of
economic change, „Socio-Economic Planning Scieneces” Vol. 34., pp.177-198.
Koppány Gy. – Makra L. – Unger J. – Bottyán Zs. (1995) Matematikai segádanyag földrajz szakos
egyetemi és főiskolai hallgatók részére, JATEPress, Szeged
Kovács Cs. (1973) Főbb településeink egymáshoz viszonyított vasúti átlagtávolságai. „Területi
Statisztika”, 3. sz., pp. 232-245.
Kovács T. (2003) A mezőgazdasági termelés tájkörzetei, „Területi Statisztika” 5. sz., pp. 407-412.
Kovács T. – Tóth G. (2003) Agglomerációk, településegyüttesek a magyar településrendszerben (A
területbeosztás 2003. évi felülvizsgálatának eredményei). „Területi Statisztika” 4. sz., pp. 387-391.
Kovács Z. (1987) Kereskedelmi centrumok és vonzáskörzetek Heves megyében. „Földrajzi Értesítő”
3-4., pp. 253–272.
Kovács Z. (2002) Népesség- és településföldrajz, ELTE Eötvös Kiadó, Bp.
Kovacsics J. (1957) Bevezetés a történeti statisztika forrásainak tanulmányozásába. In: Kovacsics
József (szerk.) A történeti statisztika forrásai. Közgazdasági és Jogi Könyvkiadó, Bp., pp. 5–50.
Kovacsics J. (1974) Statisztika. Tankönyvkiadó, Bp.
Kovacsics J. (szerk. 2002) Magyarország Történeti Statisztikai Helységnévtára. 19. Győr-Moson-
Sopron megye. KSH, Bp.
Kozma G. (2003) Terület- és településmarketing, Kossuth Egyetemi Kiadó, Debrecen
Köves P. – Párniczky G. (1981) Általános statisztika I-II. Közgazdasági és Jogi Könyvkiadó,
Budapest
Kulcsár V. (1969) A magyar mezőgazdaság területi kérdései, Kossuth K., Bp.
Kulcsár V. (szerk. 1976) A regionális elemzések módszerei. Akadémiai Kiadó, Budapest
Kuznets, S. (1955) Economic Growth and Income Inequality, „American Economic Review”, 3. sz.
pp. 1-28.
L. Rédei M. (1985) A shift-share analízis szakirodalmi áttekintése és alkalmazási lehetőségei a
demográfiában "KSH NKI Demográfiai Módszertani Füzetek" 2. sz.
L. Rédei M. (2000) Demográfia, ELTE Eötvös Kiadó, Bp.
Lackó L. (1978) Települési vonzásterületek meghatározása egymásrahatási modell segítségével.
„Földrajzi Értesítő” 1., pp. 31-43.
Le Gallo, Julie 2002 Disparites geogragraphiques et convergence des regions europeennes: une
approche par l ’econometrie spatiale, University de Bourgogne, PhD These
Lee, S-I. (2001) Developing a bivariate spatial association measure: An integration of Pearson´s r and
Moran’s I, „Journal of Geographical Systems” 3., pp. 369-385.
Lengyel I. – Rechnitzer J. (2004) Regionális gazdaságtan, Dialóg-Campus, Pécs-Bp
Lengyel I. (1999) Mérni a mérhetetlent? A megyei jogú városok vizsgálata többdimenziós skálázással,
„Tér és Társadalom” 1-2. sz., pp. 53-74.
Lengyel I. (2003) Verseny és fejlődés: térségek versenyképessége Magyarországon, JATEPress,
Szeged
Lerner J. (1992) Térképészeti alapismeretek. Tankönyvkiadó, Bp.
Levin, R. V. – Norenzayan, A. 1999 The pace of life in 31 Countries, „Journal of Cross-Cultural
Psychology” No. 2., pp. 178-205.
Lichtenberger, E. – Cséfalvay Z. – Paaal, M. (1994) Várospusztulás és felújítás Budapesten, Magyar
trendkutató Központ, Bp.
Litchfield, J. A. (1999) Inequality: Methods and Tools, http://www.worldbank.org/poverty/inequal/
Lorenz. M.O. (1905) Methods of Measuring the Concentration of Wealth „Publications of the
American Statistical Association” 9 (70), pp. 209-219 (utánközlés).
Lőcsei H. (2004) A vidéki városi agglomerációk fejlődési pályája, „Regionális Tudományi
Tanulmányok” 9., pp. 75-90.
Lundberg, J. (2002) The regional growth pattern in Sweden – a search for hot spots, CERUM, Umea
Maddison, A. (2001) The World Economy. A Millenial perspective, DCS OECD, Genf
Major K. – Nemes Nagy J. (1999) Területi jövedelemegyenlőtlenségek a kilencvenes években
“Statisztikai Szemle” 5. sz. pp. 397-421.
Major K. (2001) A nemzetközi jövedelemegyenlőtlenség dinamikája, PhD értekezés, BKE, Bp.
Mankiw, N. G. (2002) Makroökonómia, Osiris Kiadó, Bp.
Mansell, R – Wehn, U. (1998) Knowledge Societies: Information Technology for Sustainable
Development. Oxford University Press, Oxford.
Marosi S. – Somogyi S. (szerk. 1990) Magyarország kistájainak katasztere I-II. MTA FKI, Bp.
McKay, A. (2002) Defining and Measuring Inequality, „Inequality Briefing Paper” No. 1.
MEANS füzetek I. Az EU Strukturális Alapjai által finanszírozott programok értékelésének
módszertana. (magyar változat, VÁTI, 1999)
Medggyesi T. (2002) A külső tér, „Építés-Építészettudomány”, 1-2. sz., pp. 53-93.
Mészáros J. – Szakadát I. (1999) Magyarország Politikai Atlasza, Oziris, Bp.
Mészáros R. (1994) A település térbelisége, JATEPress, Szeged
Mészáros R. (szerk.2004) Szeged társadalomföldrajzi nézőpontból, SZTE Gazdaság- és
Társadalomföldrajzi Tanszék, Szeged
Moksony F. (1999) Gondolatok és adatok (társadalomtudományi elméletek empirikus ellenőrzése),
Osiris Kiadó Bp
Mudruczó Gy. (1981) Alkalmazott regressziószámítás, Akadémiai K., Bp.
Nagendra, H. (2002) Opposite trends in response for the Shannon and Simpson indices of landscape
diversity. „Applied Geography” 22., pp. 175-186.
Nagy G. (2002a) Területi különbségek az információs korszak küszöbén (Mit mérünk, és hogyan?).
„Területi Statisztika” 1., pp. 3-25.
Nagy G. (2002b) Oldódtak-e az öröklött területi különbségek a rendszerváltás éveiben? (In: A magyar
társadalomföldrajzi kutatás gondolatvilága, SZE GTT, Szeged, pp. 211-225.)
Nemes Nagy J. – Jakobi Á. – Németh N. (2001) A jövedelemegyenlőtlenségek térségi és
településszerkezeti összetevői. “Statisztikai Szemle” 10-11. sz., pp. 862-884.
Nemes Nagy J. – Ruttkay É. (1987) A műszaki innováció néhány földrajzi jellemzője
Magyarországon. „Tér és Társadalom” 2., pp. 19-29.
Nemes Nagy J. (1979) A shift-analízis alkalmazási lehetőségei a regionális gazdasági fejlődés
vizsgálatában "Földrajzi Értesítő" 3-4. sz., pp. 237-247.
Nemes Nagy J. (1982) Az iskolakörzetesítések hatása az aprófalvak népességfejlődésére, "Területi
Statisztika" 1-2. sz., pp. 104-109.
Nemes Nagy J. (1984) Az ipari nettó termelés területi arányai és összefüggései a területfejlesztéssel a
nyolcvanas évek elején, "Területi Statisztika" 1. sz., pp. 1-12.
Nemes Nagy J. (1985) A nettó termelés megyei megoszlásának becslése az anyagi ágakban,
"Közgazdasági Szemle" 11. sz., pp. 1345-1359.
Nemes Nagy J. (1987) A regionális gazdasági fejlődés összehasonlító vizsgálata. Akadémiai K., Bp.
Nemes Nagy J. (1987b) Regionális folyamatok a nyolcvanas évek első felében. „Tervgazdasági
Közlemények” 2. sz.
Nemes Nagy J. (1990) Területi kiegyenlítődés és differenciálódás Magyarországon, „Földrajzi
Értesítő” 1-4., pp. 133-149.
Nemes Nagy J. (1993) Adalékok a térbeliség társadalmi magyarázó erejéhez. (In: Enyedi Gy. szerk.
1993 Társadalmi-területi egyenlőtlenségek Magyarországon. KJK, Bp, pp. 23-37.)
Nemes Nagy J. (1995) A GDP regionális számbavétele. (In: Probáld F. szerk. 1995 Pro Geographia
Humana ELTE Eötvös Kiadó, Bp., pp. 99-118.)
Nemes Nagy J. (1997) A fekvés szerepe a regionális tagoltságban. Munkaerőpiac és Regionalitás,
MTA Konferencia, Szirák, 1997. (A konferenciakötetet kiadta MTA KK KI, Bp., pp. 147-165.)
Nemes Nagy J. (1998) A tér a társadalomkutatásban, Hilscher Rezső Szociálpolitikai Egyesület,
Ember-Település-Régió sorozat, Bp.
Nemes Nagy J. (2003) Gazdasági-társadalmi súlypontok és mozgásuk az ezredvégi Magyarországon,
„Területi Statisztika” 1. sz., pp. 3-14.
Nemes Nagy J. (2003b) Geography and spatial modelling: regional income inequalities in Hungary,
In: Frontiers in Geography, ELTE, Bp.
Nemes Nagy J. (2004) Új kistérségek, új városok. Új versenyzők? „Regionális Tudományi
Tanulmányok” 9. sz., pp. 5-42.
Nemes Nagy J. (szerk. 1977) Regionális gazdaságföldrajzi gyakorlatok. Tankönyvkiadó, Bp.
Obádovics Cs. – Kulcsár L. 2003 A vidéki népesség humánindexének alakulása Magyarországon,
„Területi Statisztika” 4. sz., pp. 303-322.
Obádovics Cs. 2004 A vidéki munkanélküliség térségi eloszlásának elemzése, PhD értekezés, Szent
István Egyetem, Gödöllő
OECD (2001) Territorial outlook (Terrítorial economy), Paris
OECD (2003) Identifying the determinants of the regional performance, 6th Session of the Working
Party on Territorial Indicators, Lausanne
Osberg, L. – Sharpe, A. (2002) An index of economic well-beeing for selected OECD countries,
„Review of Income and Wealth” Nu. 3., pp. 291-316.
Perloff, H. S. – Dunn, E. S. Jr. – Lampard, E. E. – Muth, R. F. (1960) Regions, resources, and
economic growth. The Johns Hopkins Press, Baltimore
Perry, J. N. et al (2002) Illustrations and guidelines for selecting statistical methods for quantifying
spatial pattern in ecological data, „Ecography” No. 25., pp. 578-600.
Persson, J. (1997) Convergence Across the Swedish Counties, 1911-1993, „European Economic
Review” Vol.41, pp. 1835-1852.
Pike, R. J. (2002) Literature about Digital Terrain Models, http://www.scilands.de/
Probáld F. (1974) A Study of Residental Segregation in Budapest, „Annales Univ.. Sc. P. Eötvös” IX.,
pp. 103-112.
Quah, D. (1993) Empirical cross-section dynamics in economic growth, „European Economic
Review”, Vol. 37, pp. 426-434.
Quah, D. (1996) Regional Convergence Clusters Across Europe „European Economic Review”
Vol.40, pp. 951-958.
Rechnitzer J. – Smahó M. (2005) A humán erőforrások regionális sajátosságai az átmenetben, MTA
KTI, Bp.
Rechnitzer J. (1988) Kisérlet a megyei szintű jövedelem termelésének és változásainak
számbavételére. (In: Ideológiai, politikai tanulmányok, MTA RKK, Pécs, pp. 59-69.)
Rechnitzer J. (1993) Szétszakadás vagy felzárkózás (A térszerkezetet alakító innovációk). MTA RKK,
Győr
Rechnitzer J. (1998) Területi stratégiák. Dialóg-Campus K. Bp.-Pécs
Rodríguez-Pose, A. – Gill, N. (2003) Is there a global link between regional disparities and
devolution? „Research Papers in Environmental and Spatial Analysis” No. 79, Department of
Geography & Environment, London School of Economics and Political Science.
Rosenberg, M. S. (2000) The Bearing Correlogram. A New Method of Analyzing Directional Spatial
Autocorrelatiuon, „Geographial Analysis” No. 3., pp. 267-278.
Rosenberg, M. S. (2001) PASSAGE Pattern Analysis, Spatial Statistics, and Geographic Exegesis,
http://www.passagesoftware.net/
Sárfalvi B. (1965) A társadalmi-foglalkozási átrétegződés történelmi és földrajzi típusai Európában,
„Földrajzi Közlemények” 1. sz., pp. 19-39.
Schürmann, C. – Talaat, A (2000) Towards a European Periphererality Index, „Berichte aus dem
Institut für Raumplanung” 53., Insititut für Raumplanung, Universitat Dortmund – Fakultat
Raumplanung
Schürmann, C. (1999) Quality of Life in European Regions: A Multi-Criteria Anlysis, „IRPUD
Working Arbeitspapier” 165., Dortmund
Sen, A. 1973 On Economic Inequality. Oxford University Press, Oxford:
Sethi, R. – Somanathan, R. (2001) Racial Income Disparities and the Measurement of Segregation.
http://econwpa.wustl.edu:80/
Shankar, R. – Shah, A. (2001) Bridging the economic divide within nations: a scorecard on the
performance of regional development policies in reducing regional income disparities, „Working
Papers”, No. 2117, World Bank, Washigton
Shorrocks, A. – Wan, G. (2003) Spatial Decomposition of Inequality, World Institute for
Development Economics Research, United Nations University (UNU/WIDER) – kézirat.
Sikos T. T. – Hoffmann I.-né (szerk. 2004) A fogyasztás új katedrálisai, Magyarország az
ezredfordulón, MTA Társadalomkutató Központ, Bp.
Sikos T. T. (szerk. 1984) Matematikai és statisztikai módszerek alkalmazási lehetőségei a területi
kutatásokban, Földrajzi Tanulmányok 19., Akadémiai K., Bp.
Simon I. – Tánczos-Szabó. L. (1978) Az alföldi megyék közúthálózatának topológiai vizsgálata,
„Alföldi Tanulmányok 1978”, pp. 183-195.
Siriopoulos, C. – Asteriou, D. (1998) Testing for Convergence Across the Greek
Regions, „Regional Studies” 6, pp. 537-546.
Smith, S. K. –Morrison, P. A. (2003) Business Demography. In: Encyclopedia of Population,
Farmington Hills, MI.
Song, S. (1991) The Distribution of Population in a Contemporary Metropolitan Area: The Case of
Orange County, „UCTC Working Paper” No. 44., The University of California Transportation Center
Steiner F. (1990) A geostatisztika alapjai. Tankönyvkiadó, Bp.
Stewart, J. Q. – Warntz, W. (1958) Physiscs of Population Distribution, „Journal of Regional
Science”, No. 1., pp. 99-123.
Straussfogel, D. (1997) Redefining Development as Humane and Sustainable, „Annals of the
Association of American Geographers”, 2., pp. 280-305.
Stroombergen, A. – Rose, D. – Nana, G. (2002) Review of the Statistical Measurement of Human
Capital, Statistics New Zealand
Szabó P. (2003) Regional Development disparities in the European Union, In: Frontiers in Geography,
ELTE, Bp–Heidelberg, pp. 109-119.
Szalkai G. (2001) Elérhetőségi vizsgálatok Magyarországon, „Falu-Város-Régió” 10. sz., pp. 5-13.
Szalkai G. (2003a) A közúti térszerkezet és hálózatfejlesztés vizsgálata Romániában „Falu-Város-
Régió” 8. sz., pp. 19-24.
Szalkai G. (2003b) Erreichbarkeitsuntersuchungen am beispiel Ungarn. (In: Frontiers of Geography,
ELTE-RKU, Budapest-Heidelberg, pp. 133-146.)
Székelyi M. – Barna I. (2002) Túlélőkészlet az SPSS-hez, Többváltozós elemzési technikákról
társadalomkutatók számára. TYPOTEX Kiadó, Bp.
Szigeti E. (2002) Község, város, jogállás, MKI, Bp.
Szívós I. – Tóth I. Gy. (1998) A jóléti támogatások és a szegénység Magyarországon
1992-1997, „TÁRKI Társadalompolitikai Tanulmányok” 5.
Sz. Kukorelli I. (1996) Gráfelméleti módszerek az elérhetőség mérésére, (In: Herendi I. et al.
Társadalomföldrajzi elemzések számítógépen, JATEPress, Szeged, pp. 161-182.)
Tagai G. (2004) Kelet-Közép-Európa gazdasági és népességi potenciáltere „KTI Műhelytanulmányok”
26. sz., Bp.
Terrasi, M. (1999) Convergence and divergence across Italian regions. „The Annals of Regional
Science” 33., pp. 491-510.
Theil, H. (1970) Közgazdaságtan és információelmélet. Közgazdasági és Jogi Könyvkiadó, Bp.
Tiner T. (1981) Az észak-magyarországi körzet főútvonalhálózatának mátrixalgebrai elemzése,
„Földrajzi Értesítő”4., pp. 445-463.
Tiner T. (2003) Feszültségek a társadalmi térben, „Földrajzi Értesítő” 3-4. füzet, pp. 271-290.
Tobler, W. R. (1970). A Computer Model Simulating Urban Growth in the Detroit Region. „Economic
Geography” 46., pp. 234-240.
Tóth G. (2003) Autópályáink területfejlesztő hatásának vizsgálata a shift-share analízis módszerével
(In: Süli-Zakar I. szerk. Határok és hetármentiség az átalakuló Közép-Európában, Konferenciakötet,
Kossuth Egyetemi Kiadó, Debrecen. pp. 70-78.)
Tóth J. (1990) A tudományos minősítéssel rendelkezőkszületési-, lakó- és munkahelyeinek területi
sajátosságai. In: Tér – idő – társadalom, MTA RKK, Pécs, pp. 225-270.
U.S. Census Bureau (2003) Racial and Ethnic Residential Segregation in the United States: 1980-
2000, http://www.census.gov
Varga A. (2002) Térökonometria, “Statisztikai Szemle” 4. sz., pp. 354-370.
Vuics T. (szerk. é.n.) A társadalomföldrajz számítási és ábrázolási módstzerei (Feladatgyűjtemény),
Nemzeti Tankönyvkiadó, Bp.
Wackernagel, M. – McIntosh, J. – Rees, W. E. – Woollard, R. (1993) How big is our ecological
footprint? – A handbook for estimating a community’s appropriated carrying capacity, Task force on
planning healthy and sustinable communities. University of British Columbia, Vancouver
Williamson, J. G. (1965) Regional inequality and the process of national development: a description
of the patterns. “Economic Development and Cultural Change” 4. sz., pp. 3-84.
Zipf, G. (1949) Human Behaviour and the Principle of Least Effort, Addison-Wesley, Reading, MA
APPENDIX
Mindez a kezdő, fiatal kutatókat is korlátozza, de talán bennük nagyobb a merészség ilyen
feladatba kezdeni. Hogy ezt tetté formáljam, arra gondoltam, hogy az ELTE TTK
Földtudományi Doktori Iskola Földrajz Programjában néhány éve futó „Társadalmi
térelmélet” c. kurzusomon feladatként adom meg egy kis fogalomtár összeállítását.
Egy tág szemeszter alatt készült el a közel 150 fogalmat tartalmazó összeállítás. A
fogalomtárból elhagytuk a kifejezetten módszertani tartalmú fogalmakat, illetve maguknak a
módszereknek a megjelölését, hisz azokat kötetünk főszövege kimerítően tárgyalja, s ad rájuk
ott rövid meghatározásokat is. Mondanunk sem kell, hogy ez az összeállítás nem helyettesíti a
még meg nem írt Nagy Enciklopédiát, de talán ahhoz is újabb lökést ad, netán annak jövőbeli
szerzői gárdáját is bővítheti. A kislexikon szövege az olvasókat bizonyára kiegészítésekre,
javításra, vitákra sarkallja. Tudjuk, hogy sok fontos és érdekes fogalom is kimaradt – ezekkel
mai felkészültségünk mellett, legalábbis a műfaj megkövetelte rövid definíció formájában,
bevallottan nem tudtunk megbirkózni. (Az említett kurzus jövő évi mentére új titkos tervem
van: a regionális tudomány neves személyiségeiről sincs magyar nyelvű összeállítás, ezt is el
lehetne készíteni!)
Az egyes fogalmak végén megjelölt monogramok a kötet elején megjelölt szerzőket rejtik, a
felhasznált munkák a Forrásjegyzékben találhatók (ez jelzi azt is, hogy vannak felhasználható
hazai és külföldi alapok, habár ez esetben a tanítványok kissé talán túlságosan is kötődtek
tanáruk szövegeihez). Néhány esetben a szerzőgárda nem tudott „dűlőre jutni” a fogalom
meghatározásakor, ezért néhol az „igazságtétel” helyett az alternatív meghatározások
mindegyikének közlése mellett döntöttünk.
Ágazati körzet
Egy-egy relatíve homogén társadalmi részterület, szféra sajátos térszerveződési egysége. A
legtöbb gazdasági tevékenység kapcsán szokásos ilyen →térfelosztásról beszélni, s az egyes
ágazatok regionális elemzésének, gazdaságföldrajzának gyakori eszközei az adott ágazatban,
jól kimunkált tudományos módszertani eszköztárral kijelölhető, relatíve →homogén egységek
(ipari körzetek, mezőgazdasági termelési körzetek). Ezek szinte mindegyikére jellemző az,
hogy regionális szinten osztják fel a tereket, mivel a modern gazdaság szinte minden
ágazatának immanens sajátossága, hogy nem elszigetelt településekben, hanem
→térségekben szerveződik (munkaerő-ellátás, kooperációs és piaci kapcsolatok okán). Míg
az ipar és a mezőgazdaság esetében inkább a termelési specializáció formálja ezeket az ~ket,
a nagy infrastrukturális ellátórendszerekben már szervezési, irányítási, funkcionális egységek
is (posta, közlekedés). Mivel bizonyos tekintetben ,,infrastrukturális’’ szerepűek, a
kereskedelem és a pénzügyi rendszer, a bankszféra is jellemzően használja szervezeti és
irányítási rendszereiben a nagytérségi, regionális kereteket. (BE)
Agglomeráció
A termelőerők koncentrációs és centralizációs folyamatainak eredményeként létrejövő olyan
település-együttes, amelyben – alapesetben – a környezetéből kiemelkedően fejlett várost és a
körülötte fekvő településeket a gazdasági és társadalmi élet szerteágazó területein intenzív
kapcsolat köti össze, és ahol a központi város körül népességtömörülés megy végbe.
Jellemzői: felgyorsul a nem termelő jellegű ágazatok fejlődése; az infrastruktúra fejlettsége az
adott településszerkezeten belül viszonylag magas; a nagyvárosban igazgatási, felsőoktatási,
tudományos és művelődési funkciók is koncentrálódnak; a létesítmények összpontosulása
következtében az ~ jelentős vonzásközponttá fejlődik, ahová intenzív áruszállítás és
munkaerő-ingázás irányul. A fejlődés több, egymáshoz közeli település együttes növekedése
formájában megy végbe, a településhatárok elmosódnak, új értelmet nyer az eddig használt
város fogalom. Fejlettségétől és méreteitől függően az új város-konglomerátumot
városhalmaznak, konurbációnak, megalopolisznak, esetleg urbán régiónak nevezzük. Ezekre
a formációkra már gyakran jellemző a többközpontúság. (BE)
Agglomerálódás
A →terjedés és a →kiterjedés mellett önálló mozgástípusként is értelmezhető, jelentése
összetömörülés, sűrűsödés. A fogalom szorosan összekapcsolódott a városfejlődéssel, mivel
lényege a gazdaság és a népesség térbeli tömörülése egy vagy több →központi mag körül.
Mozgásfolyamatok szempontjából a diffúziónak ellentétpárja, mert a jelenséget a
→centrumba befelé irányuló vonzóerők vezérlik. E folyamat felerősíti a gazdasági szereplők
egymás mellé településének előnyeit (agglomeratív hatás). (KA)
Aktivitási tér
A szociálgeográfiai vizsgálatok egyik alapkategóriája, általában azt a →területet jelöli,
amelyet az egyének, a szociálgeográfiai csoportok használnak, az a →tér, ahol a
szociálgeográfiai alapfunkciók (közösségben élni, lakni, munka, ellátás, képzés, szabadidő)
kielégítést nyernek. Az egyének ~e általában zonális →térszerkezetű, →csomópontja,
sűrűsödési pontja elsősorban a lakó- és munkahely lehet. Az ~ időben dinamikusan változik,
függ a társadalmi tagozódásban elfoglalt helytől, státustól, életkortól. Megkülönböztethető az
egyéneken túl egyes közösségek, csoportok, népcsoportok ~e is, tehát az ~ kultúrafüggő is
lehet. (JF)
Alak
Az →alakzat határvonala, tehát az adott alakzat határai által megszabott konkrét térbeli
formát értjük. (LT)
Alakzat
Olyan térbeli rendszer, amely a →tér pontjaiból áll és amelyet →határ vesz körül. ~ként
értelmezhető egy halmaz is, ha nemcsak az adott halmaz elemeinek összességét értjük alatta,
hanem azok térbeli (geometriai) elrendeződését, konfigurációját is figyelembe vesszük. Az ~
fogalma szoros összefüggésben van a →térszerkezet, fogalmával is, abban azonban az adott
térbeli rendszer elemeinek viszonyrendszere is hangsúlyt kap. (LT)
Áramlás
A mozgás egyik formája. Az ~hoz kapcsolódóan mindig megjelenik a kibocsátó és a
befogadó pont, valamint az ~i tengely vagy folyosó. Jellemző lehet még az ~ra a mozgás
iránya, térbeli hatósugara, volumene, gyakorisága, céljai és azok változékonysága,
periodikussága, intenzitása és az ~i egyenleg. Negatív ellentétpárja nincs, legfeljebb az
~hiány. A társadalomban zajló ~ok egy része →hálózatot alkot. A mozgást végző anyag
jellege szerint tipizálhatjuk az ~t: pl. népesség~, információ~, anyagár~, tőke~. A regionális
kutatások elsősorban az ~ok térbeli differenciáltságára koncentrálnak. (KA)
Asszimiláció
Általánosságban entitások (objektumok, nem-materiális tényezők, információk) beleolvadása
jellemzően egy nagyobb létezőbe, amely folyamat során a beleolvadó entitás tulajdonságai
hasonulnak a befogadóéhoz, s megkülönböztethetetlenné válnak. Konkrétan rendszerint egy-
egy kisebbségben lévő társadalmi csoport, etnikum beolvadása a többségi népcsoportba,
közösségbe. A folyamatot gyakran megelőzi valamilyen →migráció, amelynek során vagy a
kisebbségi vagy a többségi csoport vándorol, illetve vándorlásra kényszerül. Az ~ több
lépésben megy végbe, időtartama rendkívül eltérő lehet. A két csoport kulturális terének
kölcsönhatása során a kisebbségi, vagy az identitásában, kultúrájában gyengébb népcsoport
hasonul, beolvad a befogadóba. Először társadalom-szerkezetileg azonosul (iskolázottság,
foglalkozás), majd fokozatosan a magatartási, és identitásbeli-kulturális ~ megy végbe. A
magatartási azonosulás során rendszerint a →térhasználati, társas érintkezésbeli szokások is
hasonulnak, az identitásbeli azonosulás rendszerint a →hellyel kezdődik, végül a kultúra
minden tényezőjére kiterjed. A többségi csoport, nemzet gyakran erőszakos politikával
gyorsítja az ~t. Ennek eszközei a névváltoztatás ösztönzése, a kisebbségi nyelvhasználat és
intézmények működésének korlátozása. (JF)
Belső homogenitás
Erős térségi társadalmi, gazdasági fejlettségi, szerkezeti azonosság, egyveretűség. Gyakori
szempont a →horizontális térfelosztások során. A térségi homogenitás elve az esetek
többségében csak kisebb térségek esetében érvényesül, bár az elemi területi egységek, a
települések sem homogének önmagukban sem. Nagyobb terekben néha csak erőszakkal
érvényesíthető (l. etnikai alapú térfelosztások). (BZ)
Belső tér
A különböző társadalmi szereplők, entitások egymáshoz viszonyított kapcsolatrendszerei,
földi lokalizáltságuktól függetlenül önmagukban is tereket generálnak, mégpedig
sokdimenziós tereket. Leggyakrabban elemzett esetei a politikai és a gazdasági tér. A ~
önmagában is vizsgálható, az egyes →térelemek viszonya: függése, →hierarchiája, egymásra
hatása önálló kutatások tárgya lehet. A ~ →térelemeinek viszonya egyszerű esetben ún.
értékduálok mentén vizsgálható. A →regionális tudomány érdeklődést mutat a ~ és a
földrajzilag lokalizált elemekből felépülő →külső tér közötti kapcsolatok feltárása iránt
is.(JF)
Centralizáció
Központosítás. Államigazgatási és gazdaságirányítási értelemben a döntések központosítása.
Földrajzi értelemben a társadalmi–gazdasági folyamatoknak egy központi terület felé történő
áramlása, a központi területen történő tömörülése. (RSZ)
Centrum
→Külső és belső térben is értelmezhető →középpont, központi helyzetű →térelem vagy
→térrész, jelentése a geometriai helyzet mellett pozitív minőséget is magában hordoz. Egy
tetszőleges méretű térbeli rendszerben a többi térelemhez viszonyított, mennyiségi és
minőségi jellemzők alapján kijelölhető relatív központi helyzetre utal, ellentétpárja a
→periféria. A föntiekből adódóan helyzete →térben és időben, értelmezési területtől, a
területi rendszer méretétől és az aggregációs szinttől függően változhat. Kiterjedését tekintve
lehet pontszerű (egyén, közlekedési csomópont, település, intézmény, vállalat), de bármely
nagyobb →térség (→régió, ország, országcsoport) is megjelenhet ebben a szerepben. (LH)
Centrum-periféria modell
A rendszer- és fejlődéselméletekben gyökerező →modell, mára társadalomtudományokban
elterjedt paradigma. Legismertebb, világméretű elterjesztője Immanuel Wallerstein. Egy
tetszőleges méretű térbeli rendszer egyenlőtlenségét fejezi ki, két szélső kategóriája a
→centrum és a →periféria, amelyek a →térelemek egymáshoz viszonyított, relatív központi,
illetve peremi helyzetét tükrözik. A centrum és periféria között aszimmetrikus függőségi
kapcsolat van. Értelmezhető mind →külső, mind →belső térben, így többféle értelmezési
terület jöhet szóba (hatalmi, fekvési, függési, kulturális, stb.) Az egymástól elkülönülő
jelentéstartalmak önmagukban is megjelennek a regionális kutatásokban, de a legérdekesebb
vizsgálatokat az egymáshoz való viszonyuk – egybeesésük ill. eltérésük – jelenti. (A helyzeti
és fejlettségi jelentés alapján lehatárolható régiótípusok: →központi mag, dinamikus perem,
belső periféria, külső periféria. A gazdasági, katonai és politikai hatalom egyetlen centrumhoz
kötődését a hegemónia-elmélet írja le.) A modell duális jellege nem egyértelmű: a
→félperifériával kiegészülő hármas osztat már elméleti szinten is létezik, az empirikus
kutatásokban viszont még több kategória jelenhet meg. (LH)
Csomópont
Egyrészt a kapcsolatok mellett a →hálózatok egyik →elemi egysége. Másrészt a →mental
map egyik alapvető →téreleme, összetartó utak, útvonalak találkozási pontja. A ~ is egyfajta
tájékozódási pont a mental mapen belül, ugyanakkor nem csupán egy vizuális jel, hanem egy
forgalmas aktív →központ. (OL)
Decentralizáció
A →centralizáció ellentéte, azaz a társadalmi-gazdasági tevékenység, illetve produktum
térbeli szétterjedése, illetve szétosztása, mely ellentétben a →dekoncentrációval az irányítási
funkciók megosztásával is együtt jár. Gazdasági értelemben olyan irányzat, amelynek keretei
között növekszik a vállalatokon belüli egységeknél, másfelől a helyi szerveznél hozott
gazdasági jellegű döntések aránya és jelentősége. Olyan változás, amikor emelkedik a kisebb,
önálló döntési jogosítványú gazdálkodó egységek aránya, a termelés földrajzi centralizációja
csökken.(LH-RSZ)
Dekoncentráció
A →koncentráció ellentéte, azaz a társadalmi-gazdasági tevékenység, illetve produktum
térbeli szétterjedése, illetve széttagolása elsősorban mennyiségi értelemben, mely ellentétben
a →decentralizációval az irányítási funkciók megosztásával nem jár együtt. (LH)
Devolúció
A politikai hatalom térbeli megosztása; a döntéshozói és közigazgatási kompetenciák, a
közhatalmi funkciók erős →decentralizációja. Célja a területi autonómia. (LH)
Diffúzió →terjedés
Dimenzió
Több értelemben használt fogalom. (1) Egyrészt a ~ a térbeli →kiterjedés mérőszáma. A
hétköznapokban leggyakrabban használt ~k: a pont 0, a vonal 1-es, a sík 2-es, a →tér 3-as
~számú. Hétköznapi értelemben jellemzően ezekkel a kiterjedésekkel dolgozunk, beszélnek
téridőről, amely a 4. ~, valamint még ennél nagyobb egész számú ~król is. A törtszámú ~k
→alakzataival a fraktálgeometria (→fraktál) foglalkozik. (2) Másrészt a ~ egy jelenség
leírására használt független jellemzők száma. (3) Harmadrészt a ~ az egyes jelzőszámok
mértékegysége. Utóbbi két értelmezéshez kötődő probléma a különböző ~jú adatsorok
összehasonlítása. (OL)
Diverzifikáció
A specializációval ellentétben egyoldalú struktúrák helyett komplex struktúrák kialakítását
jelenti. Leginkább a vállalat- és regionális gazdaságtanban használatos fogalom, a növekedési
stratégiák egyik fajtája. Jelentheti a tevékenységi kör, a termékszerkezet sokoldalúbbá tételét,
térbeli terjeszkedést, mely kockázatcsökkentést eredményez. (LH)
Egyenlőtlenség
Hétköznapi értelemben különbözőséget, differenciáltságot, a helyi sajátosságok létét jelenti;
vele rokon fogalom a nem-azonosság, különbözőség, változás, ellentéte az egyenlőség,
azonosság. A →tértől elválaszthatatlan fogalom, nem-azonosság értelemben a térbeliség
egyik alapvető komponense. Az ~ az empirikus társadalomkutatások központi vizsgálati
területe, az elemzések az ~ mibenlétére, mértékére, változására keresik a választ. A regionális
kutatások fókuszában túlnyomórészt a →területi egyenlőtlenségek vizsgálata áll. (KA)
Elemi egység
A vizsgálatok kiinduló kategóriája, amely a vizsgálat során tovább már nem bontható
összetevőkre. Megválasztása gyakran tudományterületek közötti választást is jelent. Területi
elemzések szempontjából, ~ lehet például az egyén, a település, a →táj, a gazdasági körzet, a
város vagy a község. (OL)
Észlelt tér
A →szubjektív tér egy fajtája. Környezetét minden személy érzékeli, arról érzékszervein
keresztül különböző információkat gyűjt be, majd ezeket az érzékszervi benyomásokat az
észlelés folyamán jelentéssé szervezi, tehát az ~ a →tér azon része, melyet minden személy a
környezetből felvehető információk rendszerezése, kategorizálása, szűrése alapján alakít ki.
Az észlelést egy bizonyos fajta szűrőnek is tekinthetjük, az →objektív tér bizonyos részei
fennakadnak rajta, az ember azokat nem fogja fel, más részeket tudatosan, további részeket
nem tudatosan megragad és elraktároz. A receptorok szerepét az érzékszervek töltik be,
melyek lehetővé teszik a tér megismerését, érzékelését. A ~ a tér tudati tükröződése, mely
társadalmi, kulturális stb. vonatkozásokkal telített. (RSZ)
Fekvés →helyzet
Félperiféria
Elsősorban társadalmi-gazdasági térben értelmezett, a →centrum és a →periféria között
elhelyezkedő átmeneti →térségek, amelyek vagy a centrumoktól szakadnak le, vagy a
perifériák köréből emelkednek fel. Fejlődési irányuk is kétesélyes. (LH)
Folytonosság
A matematikában folytonosnak tekinthető a sík vagy a →tér azon része, amelynek bármely
két pontja közötti átmenet biztosítható anélkül, hogy a kijelölt rész belsejéből ki kellene lépni.
→Regionális tudományi szempontból a tér ~a tekintetében kétféle irányzat él egymás mellett:
az abszolutista irányzat a mindent (azaz egyes →térelemeket) magában foglaló, önmagában
folytonos térre helyezi a hangsúlyt, míg a relativista irányzat esetében az osztott (folytonos)
térelemek együttese hozza létre a tér ~át. Folytonosnak tekinthető az idő is, mivel egy időköz
pontjainak összessége teljesíti a fenti állítást. A ~ minden esetben együtt jár az osztottság
fogalmával, azaz a ~ értelmezhető a megszakítottság ellentéteként is: a tér bármely eleme
elválik környezetétől, de ugyanakkor szoros kapcsolatban vannak egymással, és hatnak
egymásra. A →társadalmi térre igaz, hogy a mesterséges, emberek által generált felosztás
nélkül is osztottnak tekinthető: a teljes társadalmi teret megosztja a természeti környezet, a
szűkebb társadalmi teret a civilizációk, még tovább szűkítve megosztó tényezők a települések,
illetve épületek. (LT)
Fraktál
Törtdimenziós, egyetlen pontban sem differenciálható, →önhasonló alakzatok. Hosszúságuk
és az általuk lefedett →terület, vagy kitöltött →tér nem adható meg pontosan, mert ezek a
választott mérési alapegységtől függnek. A ~ok matematikai vizsgálatával a fraktál-geometria
foglalkozik. Az irányzat →regionális tudományi alkalmazása a térbeli jelenségek geometriai
modellezésének új távlatait nyitotta meg a →geometriai településhálózati modellek hatásának
lecsengése után. A ~kat például a városnövekedés és a →hálózatok fejlődésének
modellezésére használják. (OL)
Funkcionális körzet
A ~ben, az →ágazati körzetekhez hasonlóan, egy-egy társadalmi tevékenység szerveződik. A
~ →heterogén részekből áll, a kereteik között zajló folyamatok, belső kapcsolatok és
kölcsönhatások összetartó erejéből fakad egységük. pl. →központ köré szerveződő
vonzáskörzet. (BE)
Funkcionális összetartozás
Az általános célú →térfelosztási, aggregációs rendszerek kialakításának gyakori és fontos
elméleti alapja és gyakorlati mozgatója a ~, s ezen belül a központ-vonzásterület
kapcsolatrendszer. Ebben az esetben nem kerülhető azonban meg az "ahány funkció, annyi
vonzásterület" probléma. A városi vonzáskörzetek rendszere például alapjául szolgálhat egy
középszintű statisztikai célú térfelosztásnak, vagy akár egy irányítási középszint tagolásának,
de nem lehet pontosan azonos azzal, mivel más alapvető fontosságú szerveződési jellemzőket
sérthet. (BZ)
Gazdasági tér
A gazdaság szereplőinek, résztvevőinek egymáshoz való viszonya, továbbá a gazdasági
folyamatok, →áramlások által generált →belső tér. (JF)
Globalizáció
A Föld egészére kiterjedő társadalmi, gazdasági és politikai jelenségeket összefoglaló
fogalom, amelyeket a rendkívül gyors technológiai, főként kommunikációs technológiai
fejlődés, a transznacionális vállalatok egyre növekvő világgazdasági szerepköre, valamint a
pénz szerepének és forgalmának korábban sohasem tapasztalt felfutása idéz elő. Az emberi
társadalom egészére alkalmazva az emberiség időben egyre jobban egységesedő
fejlődéstörténetét jelenti, amely a →térben különböző →helyeken és különböző természeti,
gazdasági, társadalmi és politikai feltételek között élő embercsoportok egymásra hatásának,
összefonódásának, egységesedésének több évezredes folyamata. A ~ jelenti ennek a
történelmi folyamatnak a kiteljesedését, amely az 1970-es években kezdődött, és a
transznacionális társaságok tevékenységével fonódott össze. A folyamat egyrészt a korábbi ~s
tendencia térbeli betetőzése, amely lényegében az egész Földet egységes gazdasági
rendszerbe foglalja. Másrészt, a ~ elmélyülése, amennyiben a transznacionális társaságok már
világméretekben, országhatárokon és kontienseken át szervezik, optimalizálják
tevékenységüket. (BE)
Hálózat
→Csomópontok és köztük lévő kapcsolatok (élek) rendszere. A csomópontok és kapcsolatok
tartalma a ~okkal foglalkozó tudományáganként, vizsgálatonként változik. A ~ legfontosabb
jellemzői a struktúra és az irányultság, mértékei általában vektorként fejezhetők ki. Egyes
társadalomtudományokban a ~ kifejezést a →hierarchia ellentétpárjaként értelmezték, a
hierarchikus és függőségi rendszereket nem tekintették ~oknak, csak a kooperatív
rendszereket. Napjainkban ez a megközelítés már kevéssé jellemző, főleg a
közgazdaságtudományban él tovább, ahol a ~i kutatásokra a nagy hierarchikus
mamutvállalatok lebomlása és a funkciók egyre szélesebb körű kiszervezése irányította rá a
figyelmet. Az újabb ~i kutatások abból indulnak ki, hogy az összekapcsolt rendszerekben
léteznek olyan általános összefüggések, amelyek függetlenek a csomópontok minőségétől és a
kapcsolatok értéktartalmától, és ezeket igyekeznek feltárni. A regionális elemzések
jellemzően infrastrukturális és intézményi ~okban gondolkodnak. Ugyanakkor egyre
gyakrabban kerül elő a regionális ~ és →klaszter kifejezés is, amely a társadalmi ~ok
értelmezésének egy komplexebb megközelítését kívánja meg. (OL)
Határ
→Térfelosztási eszköz, →térelem. Mindennapi jelentése leginkább az elválasztó vonal,
végpont, valaminek a széle. Matematikai definíciója szerint valamely →térrész (halmaz)
→határa azon pontok halmaza, amelyek tetszőleges kicsiny környezetében van a térrészhez
tartozó és ahhoz nem tartozó pont is (a ~ maga nem feltétlenül tartozik a térrészhez).
Földrajzilag megkülönböztethető intézményi, társadalmi-területi, geopolitikai,
szociokulturális értelmezése. A határmentiséggel foglalkozó vizsgálatok szerint a ~ legalább
négy alapvető funkciót hordoz: az elválasztást, az összekapcsolást, az ütközést, a szűrést,
amely szerepek tulajdonképpen minden határ esetében megjelennek. Az elválasztás funkció
jelenik meg az antropológiai megközelítésekben is, eszerint a ~ a külső erők elleni védelem és
belső kohézió megteremtésének az eszköze. (BZ)
Hegemónia→centrum-periféria modell
Hely
Legáltalánosabban a →tér egy pontja, amit valaki vagy valami elfoglal, amely koordinátákkal
leírható, meghatározható. A legtöbb társadalomtudomány megegyezik abban – s ezzel bővíti,
s egyben tagadja az előző meghatározást –, hogy a ~ egyedi, sajátos tulajdonságokkal
rendelkező →térkategória, amely legtágabban értelmezve nemcsak objektíve egyedi, hanem
szubjektív, fenomenológiai értelemben is. Értelmezése során több jelentéssík különböztethető
meg. Egyes szerzők megkülönböztetik a helyszínt (locale), a →helyzetet (location), és a hely
tudatát, értelmét (sense of place). A ~nek emocionális, kulturális, történelmi stb.
jelentéstartalma lehet, s mérete tág skálán mozoghat. Egyes vélemények szerint a ~ önálló,
tulajdonsággal rendelkező entitás, mások szerint struktúrája van. A posztmodern társadalmak
jelenségei, a →globalizációs folyamatok új megfogalmazásokat szültek a ~ fogalmával
kapcsolatban is. Hagyományos felfogás szerint elhatárolható, körülírható, modern
értelmezések szerint viszont diffúzzá, felhígulttá vált, s valamilyen térbeli, társadalmi
kapcsolatok kapcsolódási-, illetve →csomópontja. Megjelent a „helytelenség” (placelessness)
és a hely nélküliség (non-place) fogalma, amelyek az uniformizálódás veszélyeire hívják fel a
figyelmet. Leginkább az építészetelmélethez köthető az a megfogalmazás, hogy a helyek
egymásra rakódása alkotja a(z építészeti) tereket. A ~ és a tér közötti kapcsolat modellezése
azonban nem egyszerű, ezért is nehéz a regionális elemzési módszerek alkalmazásában
megjeleníteni a ~ szempontrendszerét. (JF)
Helyzet
Az egyes →térelemek egymáshoz való viszonya, vonatkoztatási ponttól függően mindig
relatív. Leírása a →távolság és az →irány paramétek megadásával lehetséges elsősorban.
Kitüntetett ~ek a centrális és a periferiális. A →külső térbeli helyzet a fekvés, amely a
klasszikus emberföldrajz, ill. településföldrajz egyik fogalmához, a ~i energiához
kapcsolódik. Ez utóbbi nem más, mint az adott →hely fekvéséből eredő energia, fejlődési
tartalék-többlet. (JF)
Heterogén
Nem egységes, vegyes, nem →homogén, szerkezetileg tagolt →területek, jelenségek
jellemzője. ~ egy terület, ha benne a jelenségek nem egyenletesen oszlanak el, illetve más-
más tulajdonságokkal rendelkeznek. (KA)
Hierarchia
Jellemzően a szervezetekhez, az irányításhoz kötődő belső térfelosztási fogalom. Ezen
rendszerek legfőbb sajátossága a függés. A felosztás során létrejövő →szintek között alá-
fölérendeltségi viszony alakul ki; minden alsóbb szint függésben van a fölötte állótól. Egy-
egy rendszer többféle hierarchikus tagoltság mellett is működőképes, ill. egy-egy szint nem
teszi lehetetlenné (legfeljebb akadályozza) a rendszer hatékony működését. (BE)
Homogén
Egységes, egyveretű, nem tagolt. Egyenletesen terített elemek, jelenségek ~né tesznek egy
területet. Minden tekintetben ~ terület nincs a →térben, már csak az elemek eltérő →helyzete
miatt sem. A homogenitás a tagoltság ellentétpárjaként az →egyenlőtlenségek szerkezeti
dimenziójában jelenik meg. ~ lehet egy →térség társadalmi, gazdasági fejlettségi, szerkezeti
stb. szempontból. A társadalmi térségi szinteken a nagyobbaktól a kisebbek felé haladva
általában nő a →belső homogenitás. Az egységesség, a homogenitás sok szempontból pozitív
jellemző, hiszen általában nagyobb kohéziót jelent, ezért a belső homogenitás érvényesítése
→térfelosztási szempont is. (KA)
Horizontális térfelosztás
A földrajzi →tér határvonalakkal való tagoltságának jellegadó formája. Közismert példái
ennek a politikai, közigazgatási →térfelosztások, illetve az ezeket ábrázoló térképek. Két
jellegzetes iránya van: a nagyobb egységek részekre bontása (területi dezaggregáció) és a
kisebb területegységek összevonása (területi aggregáció). Három fő szempontja a valóságos
térbeli szerveződésnek való megfelelés, az összehasonlíthatóság és a kezelhetőség. (BZ)
Időföldrajz
A társadalomföldrajz azon ága, amely a →tér és az idő együttes vizsgálatára törekszik,
nemcsak egyszerűen az idő →dimenziójának a vizsgálatokba emelése révén, hanem az egyéni
és közösségi (szupraindividuális) életpályák (térpályák), az időben és térben változó
társadalmi →térhasználat vizsgálatával. (JF)
Innováció
A gazdaságföldrajz általában csak azokat az anyagi vagy nem anyagi újdonságokat, újításokat
(új termék, módszer, ismeret, intézmény) nevezi ~nak, amelyek révén a munka hatékonyabbá
válik, a gazdaság megújul, de tágabb értelemben az ~ minden fajta újonnan született
(technikai, társadalmi stb.) jelenség összefoglaló neve. Az ~ kiinduló pontja az invenció
(felfedezés vagy ötlet), amely erősen szubjektumfüggő, ezért felbukkanása →térben elvileg
véletlenszerű. Ahhoz, hogy az invencióból ~ váljék, bizonyos társadalmi feltételek
szükségesek, azok megléte térben sokkal kötöttebb. Az ~ létrejöttének megfelelő terepet
biztosító helyek az ~s centrumok. Ezekből a →központokból →diffúzióval terjednek tovább
az újdonságok, ahogyan →adaptáció által egyre többen veszik át és ismerik meg őket. Az ~
fogalma szorosan összefonódott a diffúzióéval, egyedi terjedését az →innovációs lánccal is le
lehet írni. Az innováció-kutatások két fő célterülete egyrészt az ~k eredete, másrészt azok
elterjedése (diffúziókutatás). Az innovációsűrűség mutatójával az újdonságok előfordulásának
gyakoriságát mérik adott terülten. Az ~k meghatározó szerepét a gazdaságpolitika is
felismerte, aminek tanújele többek között az innováció-orientált területfejlesztési politika léte.
(KA)
Innovációs lánc
Összetett →térfolyamat, az →innováció szakaszolt életpályájának jelölésére. Elemei: az
invenció (ötlet), a szűkebb értelemben vett →innováció (piacképes „termék” előállítása), a
→terjedés (vagy terjesztés) és az →adaptáció (rendeltetésszerű alkalmazás). Az egyes
elemek terjedésének eltérőek a térbeli és társadalmi feltételei, mégis a diffúzió folyamatában
bizonyos szabályszerűségeket lehet felfedezni. Az ~ szakaszainak jellemzői alapján
osztályozni lehet a társadalmi közeget, ez alapján beszélhetünk pl. innovatív népről, adaptív
társadalmi csoportról, illetve diffúziós gátakkal tagolt vagy fejlett →hálózatú →térségről. Az
~ot innovációs rendszernek vagy hálózatnak is nevezik, ebben az értelemben a
gazdaságföldrajz azokra a regionális szinten működő szervezetekre használja a fogalmat,
amelyek célja, illetve működésük következménye vállalkozási →innovációk támogatása és
előállítása. (KA)
Integráció
Több ország egyezményes együttműködése során létrejövő nagyobb, nemzetek feletti
szervezeti egység, amely a megfelelő fejlettségi szinten szupranacionális intézményrendszer
is működtet. Lépcsőfokai: bilaterális együttműködés, szabadkereskedelmi övezet, vámunió,
közös piac, gazdasági unió, monetáris unió, politikai unió. (BE)
Irány
Egy meghatározott viszonyítási rendszeren belül értelmezett →térparaméter, amely a
rendszer rendezett elemeinek az egymáshoz viszonyított helyzetét adja meg. Az ~nak két
jelentéstartalma létezik: statikus jelentésben két objektum egymáshoz viszonyított helyzetét
jellemzi. Egy objektum (pl. pont) rögzítésével, valamint a →távolság és az ~ segítségével egy
másik objektum (pl. másik pont) helye egyértelműen meghatározhatóvá válik. Ebben az
esetben az ~ helyzetparaméternek felel meg. Dinamikus értelmezés szerint az ~ elmozdulást,
→áramlást jellemző paraméter, tehát mozgásparaméternek nevezhető. (LT)
Irányfüggés
Objektumok és objektumcsoportok közötti reláció, ha az összevetett egységek egymáshoz
viszonyított térbeli elhelyezkedésében egy bizonyos →irány domináns. Ha két jelenség között
minden irányban azonos jellegű és erősségű a kapcsolat, akkor nincs közöttük ~ . (LT)
Kiegyenlítettség
A társadalmi jelenségek területi eloszlásának viszonylagos homogenitását jelzi, vagyis a
területi különbségek alacsony voltát vagy nem létét (nivelláltságot). A →kiegyenlítődés
statikus párja Fejlettségi mutatók esetében többnyire olyan területi fejlődés következménye,
amelynek során a rosszabb mutatókkal rendelkező területek elérték a fejlettebbek szintjét,
vagy utóbbiak visszaestek. (KA)
Kiegyenlítődés
A területi differenciáltság változásának lehetséges iránya, amely során a területi különbségek
csökkenek (közeledés, nivellálódás). A ~ változás, vagyis dinamikus folyamat, amely a
fejlődés tendenciája lehet, így hosszabb távon magasabb fejlettségi szintet eredményezhet. A
nivellálódás általában úgy valósul meg, hogy a különbségek az elmaradottabb területek
fejlődésével csökkennek, de létezik „lefelé nivellálódás” is, amikor ennek az ellenkezője
történik. A társadalom fejlődésében egyszerre van jelen a ~, és ellentéte, a differenciálódás;
különböző →térségi szinteken ellentétes tendenciák is létezhetnek egyidejűleg. (KA)
Kiterjedés →növekedés
Klaszter
Gazdasági értelemben: egy ágazatra specializálódott regionális →hálózat. Értelmezésének
különböző megközelítései leginkább abban térnek el egymástól, hogy a ~ek funkcionálásában
mely területi vagy ágazati előnyökre helyezik a hangsúlyt, amelyek az együttműködést
összetartják. Az EU Vállalkozási Főigazgatósága négyféle irányzatot különböztet meg a ~ek
definiálásában: az olasz iskola a kis és középvállalkozások térbeli koncentrációja révén
kialakuló iparági körzetekre helyezi a hangsúlyt, ahol fontos szerepet játszanak az externáliák,
a társadalmi és a bizalmi tőke. A kaliforniai iskola a termelési dezintegráció révén kialakult
hálózatokra koncentrál. A hálózat legfőbb céljának a költségminimalizálást tartják. Az északi
vagy skandináv iskola a kizárólag helyben hasznosítható nem kodifikált rejtett tudást,
valamint az ennek révén kialakult →innovációkat helyezi a középpontba, míg a negyedik, a
porteri megközelítés az előbbiekkel szemben nem a helyspecifikus elemeket, hanem a
vállalati versenyelőnyöket és azok forrásait tartja a legfontosabbnak. Hálózati értelemben:
olyan hálózati alcsoport, amely teljes gráfot alkot, és amelyben minden kapcsolat erősebb egy
meghatározott küszöbértéknél. Statisztikai értelemben: klaszteranalízis módszerével lehatárolt
csoport. (OL)
Kognitív geográfia
A földrajznak azon ága, mely az ember, mint információ-feldolgozó által észlelt →tér, avagy
a →szubjektív tér vizsgálatával foglalkozik. Az ember térbeli magatartásának, valamint az
abból eredő folyamatoknak és struktúráknak a magyarázatát mind az ember, mind a tér felől
megközelítve vizsgálja. (RSZ)
Kohézió
Egyenrangú partnerek szoros együvé tartozása. A regionális fejlődésben a viszonylagosan
kiegyenlített, sok szálon, egyenrangú kapcsolatokkal összefonódó →térségek sajátja. Az EU
egyik fő stratégiai célja a tagországok és a régiók ~jának erősítése. Ezt segítik a különböző
közösségi források, nevezetesen az ún. Kohéziós Alap is. (NNJ)
Koncentráció
Társadalmi-gazdasági tevékenység, illetve produktum elsősorban mennyiségi jellegű
összevonása, összegyűjtése, felhalmozása egy központi helyre. (LH)
Konfiguráció
A térbeli →egyenlőtlenséggel, és →rendezettséggel összefüggő fogalom, amely egy adott
→alakzat elemeinek elrendeződését írja le. A ~ jellemzően matematikai eszközökkel leírható,
ám egy adott ~ még nem jelent feltétlenül működőképes rendszert. Szűkebb értelemben a
számítástechnika világában terjedt el, egymásra épülő hardver-elemek rendszereinek
megnevezésére. (→térszerkezet) (JF)
Közelhatás →szomszédsághatás
Középpont
A fizikai (geometriai) →külső tér kitüntetett helyzetű →téreleme, az a pont, amihez a vizsgált
rendszer (halmaz) többi pontja összességében a legközelebb van. (LH)
Központ
→Belső térben kijelölhető, minőségi és/vagy mennyiségi jellemzők alapján kiemelkedő,
többlettartalommal rendelkező →középpont. (LH)
Központi mag
A →centrum-periféria viszonyrendszerben helyzeti és fejlettségi jelentésben is
→centrumként értelmezhető →térség. (LH)
Közösségi tér
Az építészeti térértelmezés szerint a →tér azon része, az a közeg, ahol a közösségi vagy
csoportidentitások kifejlődnek, s amely egyben a →személyes tereket elválasztja, elkülöníti
egymástól. A ~ megjelenésében kifejezője lehet egy népcsoport, egy társadalmi réteg sajátos
kultúrájának, →térhasználati szokásainak. (JF)
Külső tér
Az abszolutista térfelfogásból (→tér) levezethető, háromdimenziós tér, földrajzi, földi tér,
vagy környezet, amely tartályszerűen körülvesz, s minden anyagi létezőt magába foglal. Az
egyes entitások a lokalizálás útján kapcsolódnak a ~hez, az egyes →helyekhez. A ~ analóg
fogalmának tekinthető a fizikai tér. (JF)
Kvantitatív forradalom
A tudományos ismeretszerzés radikális átalakulása, amely a földrajztudományban ment végbe
az 1950-es és 60-as években. Gyorsan átjárta a tudományterület egészét, és széles körben
elfogadottá vált a tudományos közéletben (először az angolszász országokban, később a világ
más részein is). A ~ szorosan összekapcsolható a földrajztudományban végbement pozitivista
fordulattal, amelynek lényege a jelenségek tudományos módszerekkel történő magyarázata.
Ennek következményeképp a korábban uralkodó idiografikus (egyedi helyeket leíró és ezek
különbözőségét kiemelő) szemléletmódot felváltotta az általános törvényszerűségeket és a
térbeli viszonyokat magyarázó elveket kereső nomotetikus megközelítés. A kvantitatív
forradalom nyomán kerültek a földrajz, és a →regionális tudomány elemzési eszköztárába a
ma is alkalmazott statisztikai és matematikai módszerek. Ezen módszerek elterjedését
megalapozta a térbeli jelenségekhez köthető információanyag rohamos bővülése, valamint a
számítógépek és a számítógépes adatfeldolgozás elterjedése. (TG)
Lokalitás
A településből, mint kiindulási egységből kialakuló új entitás. Egy kiinduló egységből
(településből) akkor válik új entitás (lokalitás), ha a társadalomszerveződésben felerősödik a
települések szerepe, ha tudatosan felismert s legalább tradícióként hat a helyi szellemiség, és
ebből azonosságtudat és szervezett társadalmi aktivitás fakad, azaz lokalizálódási tendenciák
érzékelhetőek a reálfolyamatokban s a lokalizmus eszmerendszere megjelenik a ,,fejekben’’.
(BE)
Makrorégió →nagytérség
Mental map
A →kognitív geográfia alapvető kategóriája. Valamely személy belső képe, benyomásai az
általa ismert világról. A ~ kutatás szellemi elindítója Kevin Lynch öt →térelemet jelölt ki:
path (utak, útvonalak); edges (→határok, élek, szegélyek, peremek); districts (negyedek,
körzetek, kerületek); nods (→csomópontok); landmarks (iránypontok, tájékozódási pont). A ~
kutatása három jellemző kérdéscsoportból áll: megkérik a vizsgálat alanyát egyrészt, hogy
jellemezzen egy bizonyos →helyhez vezető útvonalat, másrészt, hogy rajzoljon térképet egy
adott →területről, harmadrészt, hogy egy meghatározott rövid idő alatt soroljon fel annyi
helységnevet, amennyit csak tud. Ez a térkép általában a →tér egy részének azon aspektusait
hangsúlyozza, mely személyes okokból fontos, ismerős, hasznos, vagy érdeklődésre számot
tartó az adott személy szempontjából. A ~ ritkán arányos, s kifejezetten eltér a hagyományos
topográfiailag pontos térképektől. (OL-RSZ)
Migráció
A →mobilitás földrajzi, →külső térben megjelenő formája (területi mobilitás), szinonim
fogalma a vándorlás. A ~ a természetes szaporodás mellett a népesség eloszlásának és
struktúrájának másik meghatározó tényezője. Mérése a vándorlási különbözettel (nettó
vándorlás) történik, amely adott területen a be- és a kivándorlások egyenlegét adja meg. A
bruttó vándorlás magában foglalja az összes →áramlást. A vándorlási távolság alapján
általában három kategóriát különítenek el a ~n belül: van országon belüli, országok közötti és
interkontinentális vándorlás. Egy adott →területre vonatkozó iránya szerint a ~ lehet
bevándorlás (immigráció), illetve kivándorlás (emigráció). Rendszerességüket tekintve a
migrációs mozgások típusai: 1.) a lakóhely tartós vagy végleges megváltoztatásával; 2.)
idényjellegű, szezonális vagy rövidebb ideig tartó lakóhely-változtatással járó vándorlások;
3.) az ingavándorlás, amelynek során pl. a munkahely felkeresése rendszeresen mozgással jár,
de a lakóhely nem változik. Egyes szerzők a térbeli mobilitásnak nem minden formáját
tekintik ~nak. Ennek értelmezésük szerint magában kell foglalnia a lakóhely tartós vagy
ideiglenes megváltozását, így ez alapján pl. az ingázók vagy a nyaralók mozgásait kizárják. A
→mobilitásnak ezt a formáját általában cirkulációnak nevezik, ami tehát rendszerint
rövidtávú, körkörösen ismétlődő mozgást jelent, a lakóhely hosszú távú megváltoztatása
nélkül. Más kritériumok szerint többek között tipizálni lehet a ~t a távolság (rövid/hosszú), az
elhatározás kialakulása (önkéntes/kényszerített), a vándorlók száma (egyéni/csoportos), az
okok (gazdasági/szociális) szerint. A ~t érintő kutatások vizsgálják a vándorlás gazdasági
okait és következményeit – a vándorlók jellemzői, a távolság és más faktorok bevonásával –,
azonban még mindig nem született egységes ~s elmélet a különböző megközelítések
integrálásával. (KA)
Mobilitás
Általános értelemben mozgathatóságot, mozgékonyságot jelent, a társadalomtudományokban
pedig egyének vagy csoportok képességét →helyük és →helyzetük társadalmon belüli
megváltoztatására, illetve tényleges mozgásjelenségeiket. A ~t két típusba lehet sorolni attól
függően, hogy a mozgás a →külső vagy a →belső térben zajlik-e, ennek megfelelően
beszélünk térbeli, földrajzi (→migráció vagy vándorlás), illetve társadalmi ~ról, amikor az
egyén társadalmon belüli helyzete változik meg. A kétféle mozgás egymástól függetlenül is
létrejöhet, de a kettő között viszonylag szoros az összefüggés: a tényleges helyváltoztatás
gyakran jár együtt a társadalmi helyzet megváltozásával. A népesség ~i képességét és
készségét befolyásolhatja többek között az etnikai hovatartozás, az életkor, a képzettségi, a
kulturális és a jövedelmi szint is, amelyek alapján kirajzolódnak mobilabb és kevésbé mobil
csoportok. (KA)
Modell
A ~ek a valóság egyszerűsített megjelenítési formái, amelyek általános állapotok leírására és
elemzésére szolgálnak, ezen kívül segítik a valóság jobb megértését. Egy jelenség
modellezésével kiemelhetők annak lényegi tulajdonságai és jellegzetességeit alakító
folyamatai. A modellépítés egy fajta szelektív megközelítés, ami az esetleges hatások
kiküszöbölésén keresztül megenged néhány alapvető, lényeges vagy érdekes valóság-
értelmezést általánosított formában. A hangsúly a generalizáción van. A modellezéssel együtt
járó absztrakció három szinten valósulhat meg: az első a képszerű ~ek szintje. Ezek a
leginkább valósághűek, tulajdonképpen a valóság leegyszerűsített formájának tekinthetők.
Ennél elvontabb az analóg ~, amelyben a valóságos jelenség egy másmilyen, de analóg
jelenség formájában van megjelenítve. Az analógiák széles köre teszi lehetővé, hogy
különböző társadalmi jelenségek matematikai, biológiai vagy fizikai összefüggéseken
keresztül váljanak értelmezhetővé (például a különböző ökológiai ~ek, a →diffúzió elmélete,
a gravitációs modell és az ebből levezetett potenciálmodell, vagy a velük rokon
entrópiamodell). A harmadik absztrakciós szint, ami a valóságtól legtávolabb áll, a
szimbolikus ~ek szintje, amelyen a valóságos jelenség matematikai kifejezéseken keresztül
van megjelenítve. A ~ek használhatósága alapvető kérdése a modellezési eljárásnak
→regionális tudományi vizsgálatokban, és sok tekintetben függ attól, hogy a modellépítés
milyen absztrakciós szinten lett megvalósítva. Az analógiák keresése sok esetben erőltetettnek
tűnhet, hiszen a különböző ökológiai, fizikai jelenségek nem feleltethetők meg teljes
egészében a társadalmi folyamatoknak és jellegzetességeknek. A szimbolikus ~ek pedig
túlzott általánosításukon keresztül elfedhetik egy-egy jelenség valós jellemzőit. (TG)
Nagytérség
A regionális szerveződés felső szintje. Esetenként országhatárokon átívelő, →fekvés,
természeti adottságait tekintve összetartozó, jellemzően többközpontú egység, csak ritkán
intézményesített irányítási funkciókkal, leginkább a nagytávlatú területi tervezésben kap
szerepet. Nagyobb országok esetében az országos szint alatti egység, az EU-ban ennek felel
meg a NUTS1. (NNJ)
Növekedés
A tulajdonképpen a térkitöltés folyamata. A társadalmi mozgások közé sorolható jelenség
leginkább abban különbözik a →terjedéstől, hogy ebben az esetben a →térelemek változnak,
mozdulnak el (nem pedig egy új jelenség előfordulásának területe növekszik). A ~ a
→térszerkezetre is ható mennyiségi gyarapodás, azért elsősorban a térméretek és az →alak
változásával írható le. Ellentétpárja az összezsugorodás. Különböző térbeli ~i típusokat lehet
megfigyelni: lineáris, radiális, egyirányú ~, pl. szatellit-települések létrehozása, párhuzamos
települések kialakulása. (KA)
Növekedési pólus-elmélet
A ~ szerint valamely →térség fejlesztése úgy indítható el, gyorsítható fel, ha a →régió
egészére hatást gyakorolni képes →központokat, növekedési →pólusokat alakítanak ki,
amelyek kisugárzó és vonzó hatásainak eredményeként az egész →térség fejlődése
felgyorsulhat. Az elmélet gyökere F. Perroux nevéhez fűződik, aki pólusként gazdasági
tevékenységeket jelöl meg. A földrajzi térbe J. Boudeville vitte át, akinél a pólusok
települések, térségek formájában jelennek meg. (BE)
Objektív tér
A →térelemek jellege (tartalma, minősége) szerint meghatározott →tér, amely független az
észlelő szubjektív megítélésétől. (JF)
Önhasonlóság
Egy →alakzat akkor önhasonló, ha kis részeit felnagyítva matematikailag azonos típusú
alakzathoz jutunk, mint amilyen maga az egész alakzat. Az önhasonlóság a → fraktál fontos
tulajdonsága. (OL)
Peremi helyzet
Jelenthet →külső térbeli, →határ menti helyzetet, de →belső térben is értelmezhető szélső,
esetenként elszigetelt →térelem →helyzeteként. (LH)
Periféria
Relatív →peremi helyzetű →térelem vagy →térrész, mely a geometriai →helyzet mellett
negatív minőséget is magában hordoz. Egy tetszőleges méretű, egyenlőtlen térbeli
rendszerben a többi térelemhez képest peremi elhelyezkedésre utal, ellentétpárja a →centrum.
Jellemzője a centrumtól való függés, de a kapcsolatok hiányát, az elszigeteltséget is jelentheti.
(LH)
Polarizáció
A térbeli differenciáció egy típusa. A szélső csoportok közötti →távolság, →egyenlőtlenség
növekedése. (RSZ)
Pólus
A társadalmi-gazdasági teret erőtérként modellező eljárásokban a →teret létrehozó, generáló,
környezetét alakító →hely, ahol az erővonalak összesűrűsödnek. A →regionális gazdaságtani
növekedéselméletek közül a →növekedési pólus-elméletben fejlesztési célpontként jelenik
meg. (LH)
Pontalakzat
Olyan →modell, amely elkülönülő, nem pontszerű elemekből álló természeti és társadalmi
rendszerek elemeit a →térben pontként ábrázolva jeleníti meg. A ~ok lehetővé teszik az
eredeti, elkülönült elemekből álló rendszerek mennyiségi elemzését a pontok ~on belüli
elrendeződésének matematikai vizsgálatával. (LT)
Proxemika
Az élőlények, de elsősorban az emberek távolság- és térérzékelésével, az egyének közötti
távolságtartással, nem-verbális kommunikációval, mindezek fiziológiai, pszichológiai,
szociológiai és kulturális hátterével és következményeivel foglalkozó tudomány. A
tudományos gondolkodásba való bevezetése E. T. Hall nevéhez fűződik. Az egyének közötti
mikrotereket az ún. rejtett →dimenziók tagolják, ezek a kulturális és civilizációs különbségek,
a társadalmi státus, az eltérő nyelvhasználat. (JF)
Régió
1) a hétköznapi fogalomhasználatban a →térség, vidék, övezet, →táj, körzet, államokon
belüli területegység szinonímája. 2) A → regionális tudományban a ~ lehatárolt, a
környezetétől elkülönülő területi egység a nemzeti és a települési szint között, amelyet a
társadalmi folyamatok széles körét átfogó, soktényezős társadalmi-gazdasági összekapcsoltság
(kohézió), lakosainak érzékelhető regionális összetartozása (identitás-tudata) valamint érdemi
irányítási hatáskörű és önállóságú regionális intézmények rendszere fog tartós egységbe. A ~ a
fejlett országok, illetve ezek integrációi → regionális politikájának egyik központi fogalma.
Különösen Európában erősödő politikai és szellemi irányzat a ~k szerepét, az országos
szinttel szemben növelni kívánó → regionalizmus.
Regionális fejlődéselmélet
A gazdaság és a társadalom →térben egyenlőtlen fejlődését leíró, magyarázó és ezek alapján
fejlesztési irányokat megfogalmazó, elsősorban közgazdasági tartalmú elméletek. A
regionális fejlődés kettős folyamat, amely magában foglalja a regionális növekedést és a
regionális kapcsolatok, szerkezetek átalakulását. A ~ek mindegyike arra világít rá, hogy a
gazdasági és társadalmi fejlődésben kiemelt szerepe van a differenciált területi adottságoknak.
A termelési tényezők (föld, munka, tőke, menedzsment, technológia), a →fekvés, a szállítási
költségek, általában a gazdaság és a társadalom térbelisége elágazó fejlődési pályákat
teremtenek az egyes térségek számára. A ~ek legkorábbi csoportjait az ún. klasszikus
telephelyelméletek alkotják, amelyek először egy-egy vállalkozás vagy ágazat
telephelyválasztását elemezve tárták fel a gazdasági →térszerkezet és munkamegosztás térbeli
rendjét. A 20. sz. közepére világméretekben és az egyes országokon belüli kialakult éles
területi fejlettségi különbségek hatására kialakuló új elméletek már hosszabb történeti távon
keresik e folyamatok okait. Ezek az elméletek rámutatnak arra, hogy a termelési tényezők
korlátozott térbeli mobilitása következtében a piacgazdaságok folyamatai gyakran a területi
fejlettségi különbségek erőteljes növekedését eredményezik, s ezért a kiegyenlítettebb
térszerkezet létrehozásában nélkülözhetetlen az elmaradó térségeket állami támogatása. A
→területi egyenlőtlenségek csökkentését célba vevő, gyakorlatiasabb elméletek közé tartozik
a francia F. Perroux →növekedési pólus elmélete. A 20. sz. hetvenes-nyolcvanas éveiben a
térszerkezetek statikus leírásával szemben előtérbe került a térfolyamatok dinamikus
magyarázata, amelynek középpontjában az →innovációk (a legtágabb értelemben vett
műszaki, gazdasági, társadalmi-szervezeti újdonságok) térbeli →terjedésének vizsgálata áll.
Napjaink ~eiben a →globalizáció térségi hatásainak vizsgálata áll a középpontban. A
gazdasági fejlődés illetve fejlettség fogalma helyett ezen elméletek a területi versenyképesség
növelését emelik ki. (NNJ)
Regionális földrajz
A földrajztudomány egyik ága, nem új keletű részdiszciplína, hagyományai már az ókori és
középkori földrajztudósok munkáiban is fellelhetőek. Születése óta értelmezése, megítélése,
módszerei sokat változtak, de lényegét tekintve minden megközelítés egyetért abban, hogy a
~ a földfelszín egyes →tájainak, →területeinek összetett – természet- és társadalomföldrajzi –
jellemzését hivatott leírni, a téralkotó tényezők és folyamatok hatásait bemutatni, magyarázni.
A hagyományos leíró földrajzzal szemben nemcsak az enciklopédikus ismeretek felsorolását
irányozza meg, hanem ok-okozati összefüggésekre is rávilágít. Feladata, hogy meghatározza
az egyes területegységek közti különbségeket, hasonlóságokat, felfedje azok sajátosságait, a
→hely egyediségét A 20. század második feléig szerepe felértékelődött, a tudomány-
rendszertani összegzések nagy részében szintetizáló szemléletmódja miatt előkelő helyre
került, mintegy a földrajz csúcsának tartották. A 20. század második felében a ~nak vegyes
megítélésben volt része. A komplex elemzési törekvések ellenére egyre inkább elválik a ~on
belül a regionális természet- és társadalom-, illetve gazdaságföldrajz. A ~ vizsgálatának
tárgya, illetve kerete lehet bármely területi egység: kontinensek, →nagytérségek, vagy kisebb
körzetek is. Leggyakoribb formája talán a ~i jellemzésnek az országok bemutatása. Újabban –
a →régió fogalmának hangsúlyossá válásával – az egy államon belüli, kisebb
területegységekre vonatkozó a regionális elemzések váltak gyakoribbá. (KA)
Regionális gazdaságtan
A közgazdaságtan azon ága, amely a gazdaság általános törvényszerűségeinek térbeli
jelenségeivel foglalkozik; azok térbeni →dimenzióit, térbeni megvalósulását vizsgálja. A
viszonylag rövid múlttal rendelkező, körülbelül 70-80 éves tudomány szemléletében
elsődleges az általános gazdasági szemlélet, a jelenségekre csak másodsorban tekint területi
kérdésként. A ~, mint a közgazdaságtan önálló tudományterülete inkább külső tényezők
hatására, mintsem a gazdaságtudomány önfejlődésének következményeképpen alakult ki. A
gazdaságirányításban már korábban elterjedt tervező szemlélet erősítette a közgazdaságtan
területi kérdésekkel foglalkozó részével szembeni követelményeket. Ennek
következményeként kidolgozásra kerültek a főbb közgazdasági elméletek területi adaptációi.
A ~, csakúgy mint a közgazdaságtudomány, két fő diszciplínára osztható fel: a területi
mikrogazdaságtanra, és a területi makrogazdaságtanra. A területi mikrogazdaságtan fő
vizsgálati tárgya (különböző →modellek felállításával) a vállalatok telephely-választási
döntései annak megértése céljából, hogy azok milyen kritériumok alapján optimalizálják
választásukat. A területi makrogazdaságtan a nemzetgazdaságot, mint pontszerű →régiók
összességét tételezi fel. A ~ tehát a területi egységeket nem tekinti valódi területi entitásnak,
hanem az egypontgazdaság törvényeit tartja rájuk érvényesnek, és nem különbözteti meg az
egyes területi egységeken, →régiókon belül tapasztalható eltérő jellegzetességeket. A ~
jelentős vívmánya viszont, hogy a makroszintű gazdasági vizsgálatokat kiegészíti a régiók
közötti kapcsolatok feltárásával. (TG)
Regionális hálózat
Különféle társadalmi-gazdasági szereplők (intézmények, vállalatok) együttműködésen alapuló
→hálózata, melynek létrejöttében és funkcionálásában meghatározó szerepet játszik e
szereplők földrajzilag egymáshoz közeli elhelyezkedése. A regionális kifejezés ez esetben a
térbeliség hangsúlyozására hivatott, nem pedig egy konkrét körülhatárolt →térrészt jelöl. A ~
fogalma nem azonos egy lehatárolt →régióban működő hálózatok összességével, a ~ok
lehatárolásának kérdése külön területi problémát jelent. (OL)
Regionális politika
A külpolitikában az egyes hatalmaknak, országoknak a világ →nagytérségeivel,
országcsoportjaival kapcsolatos politikája. Ma gyakoribb és elterjedtebb jelentésében
megfelel a területfejlesztési politika fogalmának, ami az országok kiegyensúlyozottabb
területi szerkezetének megteremtését célozza, jellemzően a fejlődésben elmaradott, leszakadó
→térségek (→ régiók) fejlődésének központi, állami támogatásával. Ez a részpolitika a fejlett
országokban a 20. század második felében került előtérbe. Beavatkozási területei elsőként a
túlzsúfolt nagyvárosi régiók voltak, ahol a fejlesztés korlátozásával, a környezetet károsító
közlekedés korszerűsítésével csökkentették a feszültségeket, s a vidéki nagyvárosok szerepét
növelve igyekeztek ellenpólusokat létrehozni (1950-es évek). Ezzel párhuzamosan az
infrastruktúra kiépítésének kiemelt állami támogatásával, az iskolázottság, képzettségi területi
kiegyensúlyozásával, s helyi támogatásokkal fékezték a periférikus helyzetű, elsősorban
agrártérségek leszakadását (1960-as évek). A ~ eszközeivel segítették a válságba került
nehézipari térségek gazdasági szerkezetének átalakítását (1970-es 1980-as évek). Mindezek
hatására ezekben az országokban, ha nem is tűntek el, de jelentősen csökkentek a területi
fejlettségi különbségek. A legújabb időszakban a ~ban egyre nagyobb hangsúlyt kap a helyi
tradíciókra, kezdeményezésre, megújulási képességre támaszkodó fejlesztési irány, a modern
információs →hálózatok, a tudásközpontú gazdaság elterjedésének serkentése. A helyi
szereplők, mindenek előtt az önkormányzatok növekvő aktivitása jelenik meg a térség- és
településmarketing szemléletében, amely a sajátos termékként értelmezett városok, régiók
vonzóvá tételét a marketingből átvett eszközökkel támogatja. (NNJ)
Regionális tudomány
a 20. sz. második felében kifejlődött, tudományrendszertani helyét tekintve
multidiszciplináris társadalomtudomány. A →térrel foglalkozó társadalomtudományok közös
alapfogalmait, elméleteit és módszereit foglalja egységes rendszerbe s a társadalmi és
gazdasági jelenségeket ezek felhasználásával vizsgálja. A ~ a társadalom térbeli jelenségeit
minden térségi szinten elemzi, az egyéni-közösségi mikroterekben, a települések, a →régiók
és országok, a nemzetek feletti integrációk szintjén és világméretekben is. Tudománytörténeti
gyökereit a társadalomföldrajz, a →regionális gazdaságtan, a településszociológia, az
urbanisztika és a politikatudomány adja. Maga az elnevezés Walter Isard amerikai
közgazdász nevéhez fűződik (regional science) (NNJ)
Regionalizáció
A →horizontális térfelosztás, térségelhatárolás egy típusa, a regionális – a települések és az
országok közötti – szinten. A régióképződés egyik feltétele.(BE)
Regionalizálódás
A mezoszintű téregységek, →régiók szintjén erősödő társadalmi és gazdasági szerveződés,
amely e →térségekben soktényezős társadalmi-gazdasági →kohéziót hoz létre. (BE)
Regionalizmus
Az országon belüli területegységek, →régiók szerepét, az állami szinttel szemben növelni
kívánó politikai, szellemi irányzat. A régiók kialakulásában nemcsak a →határok
kijelölésének és a belső gazdasági és társadalmi kapcsolatok erősödésének van szerepe,
hanem a népesség gondolkodásában, mentalitásában megfigyelhető összetartozásnak,
identitásnak is. Fontos régióképző feltétel a helyi intézmények, hatalmi-politika jogkörök
megjelenése is. A ~t épp e két tényezőcsoport táplálja, ezért kiemelt fontosságú eleme a
térségi kulturális, sok esetben etnikai-nyelvi és vallási alapú azonosságtudat valamint a
politikai intézményesültség erősítésére törekvés. A ~ az integrációs folyamat (EU)
kiteljesedésétől erős lökést kapott. Az Európai Unió különböző szerveiben évek óta
napirenden van a regionális intézményrendszerre vonatkozó megoldások vizsgálata és az
alkalmas jogi eszközrendszer kimunkálása. A nemzetek feletti integrációs politikai és
irányítási szint létrehozása viszonylagosan meggyengítette a nemzeti szintek hatáskörét,
amelyek bizonyos hatásköröket, elsősorban a kulturális, oktatási szférákban, a helyi
önkormányzatok irányításában átadtak a régióknak. Különösen a föderális, szövetségi
berendezkedésű államokban (Németo., Ausztria) erős a regionális elkülönültség és
azonosságtudat, ami itt állami-politikai intézményesültséggel is alátámasztott. Etnikai alapon
nyugvó, erős önigazgatási jogosítványokkal rendelkező régiókat találhatunk
Spanyolországban (Katalónia, Baszkföld), de a → regionális politika növekvő szerepe
mindenütt felerősíti a térségi szerveződés és önállóság gondolatát. Szélsőséges változata a
szeparatizmus, amely az adott állami keretekből való kiválást tűzi céljául. (NNJ)
Rendezettség
Általános értelemben a ~ az egyes elemek között fennálló olyan kapcsolatrendszer, amelynek
segítségével az egységeire bontott egész felépíthető. A kapcsolatrendszerek különböző
szempontok alapján jöhetnek létre, leggyakoribb szempont a →térben való elhelyezkedés. A
térben a ~et két →térparaméter, a →távolság és az →irány megadásával adott viszonyítási
rendszeren belül egyértelműen meghatározhatjuk. (LT)
Szegregáció
Adott →térszerkezetben az azt alkotó →térelemek közötti elkülönülés, a ~ folyamata során az
egyik térelem, vagy létező felülreprezentálttá vagy alulreprezentálttá válik a másik létezőhöz
képest az adott →térrészen belül. A ~ fogalma leginkább a településszociológiában
használatos és az egyes társadalmi vagy népcsoportok területi elkülönülését jelöli. (JF)
Személyes tér
A →proxemika egyik vizsgálati kategóriája. Az egyének körülötti „térburok” amely
megszabja az egyén másokkal szembeni távolságtartását, toleranciáját. Kiterjedésének
nagysága függhet az iránytól, az adott szituációtól, történéstől, attól, hogy kivel szemben kell
fenntartani a ~ sértetlenségét. Az a →távolság, amellyel kiterjedését jellemezni lehet
(bizalmas, személyes, társasági, és nyilvános) kultúrafüggő is egyben. (JF)
Szinergia
A ~ azt koncentrált elhelyezkedésből fakadó előnyt jelenti, ami által egy rendszer elemeinek
működése hatékonyabbá válik, mivel egyesített erejük nagyobb lesz, mint az egyes részek
egyszerű összege. A ~ fogalma matematikai nyelven kifejezve: 2+2>5. (TG)
Szint
Hétköznapi értelemben a →térelemeknek a földi gravitáció iránya által kijelölt vertikális
(függőleges) kiterjedéshez és ezen →irány menti inhomogenitáshoz, magassági tagoltsághoz
kapcsolódó fogalom. A tudományos elemzésben azonban sokkal inkább a szervezetek,
intézmények relációiban jelenik meg (→belső tér). Ezekben a kitüntetett irányt nem a földi
gravitáció határozza meg, hanem az adott szféra saját belső lényegi mechanizmusai pl.
irányítási rendszer, a függés. (BE)
Szociálfizika →társadalomfizika
Szomszédság
A →regionális tudományban többféleképpen értelmezhető. A leginkább a
településtudományban használt megfogalmazás szerint: egy kisebb lakókörzet a városi
→térben. Fontos eleme ennek a felfogásnak, hogy egy közösséget azonosít, egy olyan
környezetet, amelyen belül a mindennapi társadalmi érintkezések a szociális integráció magas
fokát valósítják meg, ezért az egyének szoros kapcsolatban állnak egymással. Ez a fajta ~
azonosítható egy szubkultúraként is, amelyhez a →terület lakosságának nagy része
alkalmazkodik. Egy ilyen környezeten belül a →határok bizonytalanok, viszont a külső
határok könnyebben azonosíthatók. A ~ általánosabb értelmezése szerint a fogalom azt a
térbeli viszonyrendszert jelöli, amelyben az egyes elemek egymással közvetlenül érintkeznek.
Az ezen megfogalmazás szerint inkább szomszédosságként felfogható ~ elválaszthatatlan
logikai kapcsolatban áll a →távolsággal és a közelséggel, minthogy a ~ ezen →dimenzió
mentén értelmezhető. A ~ nemcsak a földrajzi-fizikai térben kaphat értelemet, hanem a
→belső terekben is megjelenik. Ebben az esetben az egymáshoz hasonló jellegzetességekkel
bíró elemeket tekinthetjük szomszédosnak. (TG)
Szomszédsághatás
A →szomszédság, mint környék, környezet felfogás szerint a ~ az a helyi hatás, amelyen
keresztül az emberek helyi társadalmi környezetének jellege befolyásolhatja döntéseiket és
viselkedésüket. A szomszédok olyan magatartási →modelleket kínálnak az egyének
számára, amelyek alkalmazkodnak a sajátjukhoz, és ennek következtében megerősítik saját
identitásukat. Ennek jellemző példája a szavazás, amelynek során nagyobb területi
→koncentráció figyelhető meg valamely állásfoglalás esetében, mint az az egyes lakosok
véleményének ismeretében sejthető lenne. A ~ a társadalmi jelenségek területi mintázatában
is megjelenik. Ebben az esetben az egymással szomszédos területek hasonlósága és
együttmozgása figyelhető meg. Ennek kimutatására alkalmas elemzési eszköz a területi
autokorreláció, ami egy adatsor →térben szomszédos megfigyelési egységeire
vonatkoztatott értékei közti kapcsolatot méri. A szomszédság hatása abban is
megmutatkozik, hogy a járványszerű, vagy szomszédsági →terjedési típusok esetében a
terjedő jegyet az egymáshoz közeli elemek közvetlen érintkezéssel (szomszédjaikon
keresztül) adják át egymásnak. Például valamely →innováció esetében az új felhasználók
inkább a már létező felhasználók közelében vannak, és az innováció átvételének
valószínűsége csökken a növekvő →távolsággal. (TG)
Szubjektív tér
1) A ~ vagy észlelt, szemléleti →tér struktúrája, szerkezete az észlelés mozzanatán keresztül
képeződik le a megfigyelő számára. Objektíve meghatározott tér tehát más és más ~et
alkothat különböző egyének, csoportok számára. 2) Az egyén nem a valós →térszerkezet,
hanem annak benne élő, szubjektív képzete alapján cselekszik a térben. El kell tehát
különíteni a valós (objektív) térszerkezetet, másfelől pedig a valós térszerkezet egyénben
leképeződött szubjektív képét. A ~t alapvetően három tényező, az egyén norma-és
értékrendszere, pszichológiai beállítódása és a térről szerzett információ minősége és
mennyisége határozza meg. Mivel e tényezők eltérnek, ugyanarról a térbeli képződményről az
egyének más és más képzetet alkothatnak. Mivel e tényezők állandóan változnak, a ~ is
állandóan változik. (JF-RSZ)
Táj
Jellemzően természettudományok: a természetföldrajz, (táj)ökológia, erdészet stb., továbbá a
tájföldrajz, →regionális földrajz, néprajz által használatos térbeli alapkategória, amely a
→régió vagy a →hely fogalmával rokonítható, a ~ egyik legjellemzőbb tulajdonsága az
egyediség és a →határok átmenetisége. Az említett tudományágak összefoglalóan a
földfelszín azon darabját értik alatta, amely a tájalkotó (abiotikus, biotikus és társadalmi)
tényezők kölcsönhatásainak eredményeképp vizuálisan is elkülöníthető sajátos „arculattal”
rendelkezik. A néprajz, az emberföldrajz, majd később a szociálgeográfia és a regionális
földrajz az antropogén tevékenység által gyökeresen átformált ~akra bevezette, ill. használta a
mű~ és a kultúr~ fogalmát. (JF)
Társadalmi mobilitás
A →mobilitásnak a →társadalmi térben zajló formája, amelynek során az egyén társadalmi
státusa megváltozik (pl. iskolázottság, foglalkozás változása). Megkülönböztetünk
nemzedéken belüli (intragenerációs) és nemzedékek közötti (intergenerációs) mobilitást. Az
előbbi esetében az egyén státusa egy nemzedéken belül, saját korábbi helyzetéhez képest
változik meg, utóbbinál pedig az egyén abból a társadalmi csoportból mozdul el, ahová
szüleinek családja tartozott. A társadalmi osztályok hierarchikus rendszerezése alapján egyes
szerzők megkülönböztetnek vertikális mobilitást, amely az előbbiekben vázolt társadalmi
felemelkedéssel vagy lesüllyedéssel jellemezhető, illetve horizontális mobilitást azoknak az
elemeknek a mozgása esetében, amelyek hierarchikusan azonos szinten állnak. (KA)
Társadalmi tér
1) A ~ alapja a természeti →tér. A társadalom működése folyamán mozgásfolyamataival
visszahat a természeti térre és formálja azt, illetőleg kölcsönösen meghatározzák és alakítják
egymást. A ~ különböző →térségi szintekre osztható.2) A ~ a társadalmi jelenségek színtere,
más szóval a társadalom tagjai, csoportjai által észlelt és használt tér. A társadalom összes
jelensége, folyamatai, elemei és viszonylatai mind-mind térben zajlanak le, illetve a tér rajtuk
keresztül épül fel. Szűkebb értelmezése szerint a ~ tekinthető egy →homogén csoport által
elfoglalt →térrésznek, amelyet meghatároznak, és jelentéssel töltenek fel az adott csoport
jellegzetességei. Ha egy sokkal tágabb értelmezés szerint vizsgáljuk meg a fogalmat, az tűnik
ki, hogy, majdnem minden tér ~nek nevezhető, hiszen alig találhatunk olyan →tértípust vagy
térrészt (legyen szó →külső vagy →belső terekről), amelyben a társadalom valamilyen
módon ne lenne érintett. (RSZ-TG)
Társadalmi tértudomány
Helyesebb többes számban, tehát ~ok néven használni, mivel több olyan tudomány,
résztudomány összefoglaló neve, amelyeknek közös pontja a társadalom térbeliségének
vizsgálata. Közelítésükben, szemléletükben kitüntetett szerepű a →tér, a térbeliség, kiindulási
pontjuk pedig az adott társadalmi szféra. Ezek szerint a ~ok a →külső és a →belső teret
próbálják összekapcsolni. A ~ok közé tartozik pl. a településszociológia, a →regionális
gazdaságtan, a településtudomány, a regionális demográfia, a politikai földrajz. Ezek a
tudományágak differenciáltak, egyikük sem teljesíti egy átfogó ~ feltételeit. Az egységes ~ a
→regionális tudomány lehetne, amely a társadalom térbeliségét alapjaiban vizsgálja, a
~oknak tulajdonképpen a közös része, azok legalapvetőbb közös fogalmait, elméleteit,
módszereit fogja össze, szintetizálja a sajátos tértartalmakat. (KA)
Társadalomfizika
Eredeti jelentése a szociológiához köthető, minthogy a kifejezés megalkotója (A. Comte) a
társadalom vizsgálatának természettudományos megközelítését kívánta megfogalmazni
benne. Ennek jegyében alakultak ki azok az elképzelések, amelyek a társadalom térbeli
elrendeződését és kölcsönhatásait fizikai törvények és elméletek segítségével kívánták
magyarázni. Az első társadalomfizikai gondolkodók a gravitáció törvényét próbálták a
társadalomra kiterjesztve értelmezni. Ezek a kísérletek több fizikai analógián alapuló modell
megszületéséhez vezettek. Közülük legnagyobb jelentőségű a gravitációs modell és az ebből
levezetett potenciálmodell, de emellett a velük rokon entrópiamodell, valamint a
diffúziómodellek is kiemelhetőek. A ~i alkalmazások a →kvantitatív forradalom nyomán
terjedtek el a területi vizsgálatokban, és ma is gyakorta igénybe vett eszközei a regionális
elemzéseknek. A ~i szemlélet főleg a társadalom térbeli interakcióinak, különböző
jelenségeinek területi mintázatának modellezésében, mozgások, →áramlások leírásában és
előrejelzésében kerül előtérbe. Bár a társadalomfizikai vizsgálatok megállapításait általában
tapasztalati tények is igazolják, magyarázóerejük sok esetben megkérdőjelezett, és emiatt sok
kritika is éri ezeket. (TG)
Távolságfüggés
Valamely jelenség ~e azt fejezi ki, hogy a →tér egy kitüntetett pontjához képest az adott
jelenség hogyan szerveződik, az adott jelenséget meghatározó objektum elemei milyen
→távolságban rendeződnek. (LT)
Településhierarchia
Egy külső társadalmi térbeli elemhez, a településhez kapcsolódó szintrendszer. A ~ fogalmára
azonban nem jellemzőek a hierarchiaviszonyban megtalálható alapvető tulajdonságok. A
települések ugyanis, mint önálló társadalmi entitások között a földrajzi térben nincs a
→hierarchia lényegét jelentő alá-fölérendeltség, csupán a →társadalmi tér egy-egy belső
→dimenziójában. Az egyes településeken általában az azonos hierarchikus szintű
intézmények koncentrálódása figyelhető meg. Ebben az értelemben tehát beszélhetünk a
települések közötti hierarchikus tagolódásról. A települések hierarchikus fokozata,
központosultsága (centralitása) a funkciók mennyiségének és minőségi kombinációjának
függvénye. (BE)
Tér
A matematikai-fizikai értelmezés szerint a ~ n →dimenziós elvont vonatkoztatási rendszer,
amelyben a tárgyak és események helye, mozgása és átalakulása leírható. A ~ a filozófiának a
létezés, az anyag, a mozgás, az idő fogalmával összekapcsolódó alapkategóriája. A
leegyszerűsített filozófiai értelmezések alapján a ~ felfogása két úton lehetséges. Az
abszolutista irányzat szerint a ~ saját struktúrával rendelkező objektív létező, a különvalóság
és a →folytonosság egysége, amely mintegy „tartályként” magába foglalja, „hordozza” a
dolgokat. A relativista irányzat szerint a ~ az objektív létezők közötti viszony, az
együttlétezés rendje, tehát nem önmagában létezik, hanem a létezők viszonya,
→rendezettsége, struktúrája generálja a ~et. Számos tudomány – általában e két metódus
alapján – megalkotta a maga fogalmát a ~ről. A két értelmezés alapján válik el a →külső és a
→belső tér, s lényegében az →objektív és a →szubjektív tér fogalma is. (JF)
Téralakítás →térhasználat
Térelem
A →tér legkisebb megfigyelési és elemzési alapegysége. A geometriában a tér építőelemei a
pont, az egyenes és a sík, de a →regionális tudományban a geometriai ~ek és azok analógiái
(pl. →csomópont, →hálózat, →térrész) mellett mégis a →külső és belső térben is értelmezett
→helyet tekintjük a legáltalánosabb ~nek. (Külső térben általában területegységek, belső
térben pl. társadalmi csoportok, intézményeket, gazdasági egységek jelentik a „helyet”.)
Fogalmát a tér rendszerszemléletű értelmezéséhez kapcsolódóan levezethetjük a legkisebb és
tovább már nem bontható (vagy nem bontott) építőelemekből, ugyanakkor maga a regionális
elemzés is létrehozhat (mesterségesen) az adott vizsgálat szempontjából eleminek számító
alapegységeket (→elemi egység). A regionális tudományi kutatásokban azokat a lehető
legkisebb egységeket célszerű ~nek tekinteni, amelyeknél a vizsgált társadalmi-gazdasági
jellemző még értelmezhető, ugyanakkor további részletesebb →térfelosztás mellett már nem
lenne megfigyelhető, vagy nincs értelme a megfigyelésnek. (LH)
Térészlelés →szubjektív tér
Térfelosztás
Adott →tér kutatási célú felosztása jellemzően a →térelemek valamilyen mennyiségi vagy
minőségi jegyei, vagy azok összessége alapján. Két jellemző iránya a →vertikális térfelosztás
(→belső terek esetén), és a →horizontális térfelosztás (jellemzően →külső terek esetén). (JF)
Térfolyamat
1) A →mozgás, →áramlás, →terjedés stb. dinamikus fogalmának összefoglaló neve. 2) ~nak
alapvetően a konkrét →tereket összekapcsoló folyamatok, valamint az egyes terekben zajló
folyamatok nevezhetők. Ezen kívül a térbeli mozgásokat, illetve a térbeli változást,
arányeltolódást is szokás ~ként azonosítani. A mozgástól a folyamatot (jelen esetben a ~ot)
némileg megkülönbözteti az, hogy ez utóbbi nem egy egyszeri mozgás, hanem cselekvések és
hatások, valamint a környezet megváltozásának láncolattá összekapcsolódó egysége. Ebben a
láncolatban az elsődleges rendező elv nem az időrendiség, hanem az okozati viszony, ami
lehetővé teszi, hogy ezek a jelenségek egy egységes szerkezetbe legyenek foglalva. A ~ ilyen
irányú megkülönböztetésével lehetőség nyílik az olyan összetett és alapvetően nem statikus,
hanem dinamikus jelenségek logikájának megértését, mint például az →agglomerálódás,
vagy a →diffúzió. (JF-TG)
Térhasználat
Mindazon társadalmi folyamatok, amelyek megváltoztatják az adott →terek szerkezetét, a
→térelemek, a különböző →térkategóriák minőségi vagy mennyiségi jellemzőit. Míg a
téralakítás jellemzően →külső és →belső terek esetén egyaránt használatos fogalom, és a
tudatos területfejlesztési beavatkozásokra is utal, addig a ~ inkább csak a →külső tér
társadalmi igénybevételét jelöli, s jellemzően nem tudatos, nem célorientált cselekvés.
(→aktivitási tér) (JF)
Terjedés
A mozgások közé tartozik, új jelenség új helyen való megjelenése. Elsőként a
kultúrföldrajzban alkalmazták a diffúziókutatást, ahol a vizsgálat tárgyát a népcsoportok,
nyelvek, járványok ~e képviseli. Az 1960-as évektől kezdve fokozatosan a technikai és más
újítások, →innovációk kerültek a diffúziókutatás fókuszába. (A diffúziókutatásnak nagy
alakja volt a svéd Hägerstrand, aki először modellezte a diffúziós folyamatot, alapul véve,
hogy a befogadás információátadás és bizonyos fizikai és szocioökonómiai gátak legyőzése
után következik.) Mára a ~ fogalma a →regionális tudományban összefonódott az
innovációéval, tulajdonképpen az innovációk mozgását takarja.. A ~ alanya-tárgya mindig
egy lokálisan megszülető, és onnan (innovációs centrum) csatornákon, →hálózatokon (fizikai
hálózatok vagy mechanizmusok) szétterjedő innováció. A folyamat feltétele a befogadó,
→adaptációs képességgel rendelkező közeg. A ~ szorosan kapcsolódik az egyenlőtlenségi és
rendezettségi viszonyokhoz, összefügg a →társadalmi tér tagoltságával, amely befolyásolja a
~ sebességét és hatókörét, de a ~ folyamata is visszahat a tagoltságra. Az elterjedtség
indikátora lehet a fejlettségnek is, miszerint a stagnálás vagy lassú fejlődés lehet ~hiányos
állapot, vagy nem ~. Negatív ~ a visszaszorulás. A ~i folyamatokat térbeli szabályszerűségeik
alapján kategorizálni lehet. A diffúzió legjellegzetesebb típusa természeti jelenségeknél az
elkeveredés, amely során az egykomponensű, →homogén rendszerek többkomponensűvé
váltak. A diffúzió másik legfontosabb típusa a járványszerű vagy szomszédsági ~, amelynek
során a szomszédos, egymáshoz közeli elemek adják át közvetlen vagy közvetett módon az új
elemet. Közvetlen úton terjed pl. a járvány, közvetetten pl. egy technológiai újdonság, ami az
információn keresztül jut el a befogadó ponthoz. Ez a típus átmenet a természeti és társadalmi
rendszerek között. A hierarchikus ~ már egyértelműen a társadalmi mozgásokra jellemző.
Kiindulási pontja általában egy nagyváros, és onnan terjed tovább az innováció a kisebb
települések felé. A relokációs vagy áthelyeződéses ~t is legtöbbször a diffúziók körébe
sorolják, bár ez inkább egyfajta →migrációként értelmezhető. A vándorlók magukkal viszik
az adott innovációt. A ~i folyamatokra időben és →térben általában jellemző, hogy lassan
indulnak, majd felgyorsulnak, aztán a telítődés közelében megint lelassulnak. A ~i
folyamatokban általában többféle ~i típus keveredik. Eleinte a hierarchikus, aztán a tömeges
~nél a szomszédsági, a telítődéshez közel pedig véletlenszerűen alakul a ~. A visszaszorulás
és a ~ sokszor párhuzamosan egymás mellett létezik. Centralizált gazdaságokban a ~t sok
esetben a terjesztés helyettesíti. (KA)
Térkapcsolat
→Térségi szintek, területegységek, különböző konkrét →terek közötti kapcsolat. Tágabb
értelmezés szerint ~nak nevezhető a kapcsolatok térbelisége, például a gazdasági ágazatok
kapcsolatának területi viszonyai. Az egyes elemek (területegységek), rendszerek ~ainak
elemzése fontos lehet az adott elem vagy rendszer jellemzése esetén. A ~ok jellege felfogható
egyfajta fejlettségi indikátornak is, mivel megismerésük lényeges új információkkal egészíti
ki az adott rendszerről a mindössze a →térelemek egyszerű jellemzői alapján kialakult képet.
A ~ok nagysága, ami például a rendszerek zártságán keresztül mérhető, egy adott →terület
fejlettségi viszonyaira utalhat. A térbeli interakciókat jellemző →modellek (például a
gravitációs-, valamint a potenciálmodell) a ~ok intenzitásáról és irányultságáról, a kapcsolati
rendszeren belüli és a rendszerek közötti mozgásokról adnak képet. A ~i rendszerek
felfoghatók →hálózatként, és ennek megfelelően a társadalmi tevékenységek egyéb
sajátosságai, mint például a sűrűség, az összekapcsoltság vagy az orientáció is értelmezhetők
általuk. A ~ok feltárása elősegíti a térszervező mechanizmusok (adottságok, hatalmi
viszonyok) működésének megértését is. (TG)
Térkategória
Mindazon fogalmak, amelyekkel a →tér alapvető egyenlőtlenségi és rendezettségi viszonyai,
a térben végbemenő különböző →térfolyamatok, a konfigurációk leírhatók. Ezek az
→alakzat, →határ, →hálózat, →hely, →helyzet, →hierarchia, →mozgás, →távolság, a
→térészlelés, →térhasználat stb. (JF)
Térmozaik modell →szomszédság
Térpálya →időföldrajz
Térparaméter
Tágabb értelemben olyan adatok, mérőszámok, →dimenziók, amelyek az egyes →térelemek
közötti viszony leírására szolgálnak, legyen szó →külső vagy →belső térről. Szűkebb
értelemben a földrajzi, →külső tér elemei (területegységek) közötti viszonylatok leírására
szolgáló adatfajták, praktikusan földrajzi koordináták, vagy valamilyen kitüntetett ponttól
való →távolságot írnak le. (JF)
Térrész
Adott →tér valamely szempontok szerint történt lehatárolása nyomán létrejövő téralakzat. A
lokalizált, minőségi, szellemi, kulturális stb. tartalmakkal felruházott ~ a →hely. (JF)
Térség
A →külső tér jellemzően a településnél nagyobb →szintje, amelyet valamely társadalmi-
gazdasági ismérv, kapcsolat alapján lehet lehatárolni; jellemzően a különböző területi
egységek → (régió, megye, kistérség) összefoglaló elnevezése. Ezen →térségi szintek a
→külső tér →horizontális térfelosztásával hozhatók létre. A társadalmi térszerveződés,
→térhasználat egy négyszintű →modellben összegezhető. Mikroterek (egyén, család), lokális
terek (→szomszédság, lakókörzet, település), regionális terek (kistérség, mezokörzet,
→nagytérség), makroterek (ország, országcsoport, világ). (JF)
Térszerkezet
A térbeli objektumok (→modellekben: pontok) és a közöttük lévő kapcsolatok, viszonyok
(modellekben: élek, tengelyek) alkotta, működőképes konfigurációként, illetve nagyobb
téregységeknek lehatárolt →térrészekre bontásával, s általában egy-egy kiemelt jellemző
szerinti értékelésével, térképezésével feltáruló („regionális”) egyenlőtlenségi és rendezettségi
sajátosságok összességeként értelmezhető összetett térkategória. (NNJ)
Tértípus
A →térelemek jellege, a →tér észlelése, és a terek mérete alapján megkülönböztethetőek a
~ok, amelyek között az adott tudomány térfelfogásától, térszemléletétől függően máson lehet
a hangsúly, más lehet a fő vizsgálati típus. A →regionális tudomány két fő tértípusa a →külső
tér és a →belső tér valamennyi egyéb ~ integrálására törekszik. (JF)
Terület
Lehatárolt →térrész, a síkbeli kiterjedés →dimenziója. Szóösszetételekben gyakran a →térrel
azonos jelentésű. A térbeli és a területi jelenségek között ritkán tesznek különbséget, noha
csak utóbbiban esik hangsúly a lehatárolt területegységekhez rendelt sajátosságokra. (NNJ)
→horizontális térfelosztás
Területi aggregáció→
→horizontális térfelosztás
Területi dezaggregáció→
Területi egyenlőtlenség
A regionális kutatások egyik legfontosabb területe a ~ek vizsgálata, amely során társadalmi
jelenségek térbeli heterogenitását, területegységenként eltérő voltát elemzik
(szocioökonómiai, demográfiai mutatók stb. felhasználásával). A ~eket lehet statikusan (egy
időpontban) és dinamikusan (történetileg, folyamatában) vizsgálni, ennek megfelelően kérdés
lehet, hogy mekkora az egyenlőtlenség mértéke, illetve hogy miképpen változik. A változás
vagy a →kiegyenlítődés (nivellálódás) vagy a további differenciálódás felé mutathat; előbbi
esetében a ~ ellentéte, a →kiegyenlítettség vagy nivelláltság alakulhat ki. Az egyenlőtlenség
általában véve szinonim fogalom a differenciáltsággal, de a területei kutatásokban legtöbbször
az egyenlőtlenség fogalmát a társadalmi értéktartalmakra (fejlettség, esély), a
differenciáltságot pedig értéktartalom nélküli mutatókra használják. Mivel a ~ek állandó
változásban vannak, a jelenséggel a területi fejlődés fogalma kapcsolódik össze: a ~ek
változása nem más, mint a fejlődés. Ez a változás összefügg a társadalmi folyamatokkal; az
egyenlőtlenség mértéke általában köthető a társadalom fejlődésének egyes szakaszaihoz. A
területi különbségek vizsgálatára ~i mutatók sokasága ad lehetőséget, közülük sok az
egyenlőtlenség →dimenziói (elhelyezkedés, mennyiségek, minőségek, szerkezet, szerepkör,
kapcsolatok, viszonyok) közül többet is érint. ~ek minden →térségi szinten léteznek: egy
országon belüli regionális különbségeken kívül nemzetek közötti, és szupranacionális
egyenlőtlenségek is. Adott területen minél kisebb egységenként vizsgáljuk a különbségeket,
általában annál sokszínűbb képet kapunk, annál nagyobb ~gel találkozunk. (KA)
Területi hatás
A téralakító, térhasználó folyamatok, tevékenységek azon következménye, amelynek során
megváltozik az adott területegységek belső szerkezete, vagy egyes jellemzői, egymáshoz való
viszonya. A területfejlesztés szűkebb értelmében kifejezetten olyan mesterséges
beavatkozásokat jelent a területi folyamatokba, amelyek hatással vannak azokra, és így ~sal
rendelkeznek. Viszont más politikai döntéseknek is lehet területfejlesztő hatása, ~a. A ~oknak
a területegységek viszonyát tekintve két jellemző iránya van: a →kiegyenlítődés és az
egyenlőtlen fejlődés. Ebből ered a területfejlesztési politika dilemmája: a különböző
területegységek →kohézióját, vagy pedig a nagyobb terület növekedését,
hatékonyságnövelését segítse-e elő. (JF)
Területi versenyképesség
A területi verseny fogalma abból a tételből indul ki, hogy a különböző területegységek között
az erőforrásokért, a piacokért, a haszonért, a tudásért stb. verseny folyik. Ebben a
megközelítésben a ~ egy területegység azon kompetenciáját jelöli, hogy az mennyire
sikeresen vonzza a tőkebefektetéseket, mennyire szakképzett humán erőforrással rendelkezik,
milyen állapotban van infrastruktúrája, milyen K+F kapacitásokkal rendelkezik, mennyire
innovatív stb. Adott területi hierarchiaszinten található egységek egymással mérettetnek meg,
egymásnak versenytársai. A ~ a gazdaság térbeli tagozódásának megfelelően különböző –
globális, regionális, lokális stb. – szinteken jelentkezik. Korunkban elterjedt a ~et a
középpontba állító területfejlesztési elmélet, amely azonban nem ad kielégítően pozitív
választ az olyan problémákra, mint például a jóléti társadalmak elöregedése vagy a
környezetvédelem. (JF)
Vándorlás →migráció
Vertikális térfelosztás
A →tér (átvitt értelemben vagy ténylegesen) függőleges irányú felosztása, amely →szintek
kijelölésével jár együtt. A →külső térben történő, ténylegesen függőleges irányú ~ eredménye
a magassági tagozódás. A →belső térben történő →térfelosztás eredménye a →vertikumok és
a →hierarchiák. (BE)
Vertikum
Az egymásra épülés, a vertikalitás a társadalmi munkamegosztás alapsémája. A gazdaságban
ennek megjelenése az ágazati (termelési) ~, amely egy területen belül az egyes üzemek olyan
termelési kapcsolatát jelenti, amelynél az alapelv a termelési részfolyamatok egymásra
épülése a technológiai folyamatnak megfelelő sorrendben. (Teljes ~ a nyersanyagból kiinduló
és a késztermék előállításával befejeződő, összefüggő termelési folyamat.) A vertikális
rendszerek: csak teljességükben értelmezhetők, nincs mód az egyes →szintek átugrására, ill.
kihagyására (pl. oktatási rendszer); egy ,,magasabb’’ szint feltételezi az alacsonyabb szintek
létét. (BE)
Vonzás, taszítás
A →térkapcsolatokban, ezen belül is a térbeli egymásrahatások során a társadalmi vonzások
és taszítások nagymértékben befolyásolják magát a →tér jellegét, szerkezetét. Ezek a
térformáló tényezők több változótól függenek, és ugyanígy a vonzó- és taszítóerők hatása is
sokrétű. A vonzás főként adottságokhoz, valamint a társadalmi tömeghez kötődik, hatásait
tekintve pedig például az →agglomerálódási folyamatokat segíti elő. A taszítás leginkább a
különböző társadalmi funkciók elrendeződésében jelenik meg, a fellépő taszítóerők
elsősorban a tagolt térsémák kialakulása felé hatnak a térségi specializáción, →térfelosztáson
keresztül. (TG)
Zárt rendszer
Egy-egy területegység az elemeinek és ezek összességeként magának a térbeli egység
egészének a →térkapcsolati vizsgálata alapján nevezhető zártnak, illetve nyitottnak. Egy
területegység zártságát, és nyitottságát jelző mérőszám, a zártsági index, a területen
bennmaradó kapcsolatok és a területen kívülre jutó kapcsolatok alapján számítható ki. Egy
rendszer külső és belső kapcsolatainak aránya eltérő lehet. Abban az esetben, ha egy
rendszeren belül szélsőséges elzárkózást, tisztán önerőre támaszkodást tapasztalunk, akkor azt
autarknak, magát az elzárkózást autarchiának nevezzük. A társadalmi térségi szinteken
keresztül haladva a rendszerek zártsága méretükkel, és csökkenő belső homogenitásukkal
együtt nő. (TG)
FELHASZNÁLT MUNKÁK