CESKE VYSOKE UCENI TECHNICKE V PRAZEFAKULTA STAVEBNI
PROGRAM GEODEZIE A KARTOGRAFIE
OBOR GEOINFORMATIKA
DIPLOMOVA PRACE
ANALYZA VZTAHU HDP A DALSICH CHARAKTERISTIK
MEST V CESKE REPUBLICE
ANALYSIS OF RELATION OF GDP AND OTHER CHARACTERISTICS OF CITIESIN THE CZECH REPUBLIC
Vedoucı prace: Doc. Ing. Lena Halounova, CSc.Katedra mapovanı a kartografie
PRAHA 2014 Bc. Anna SUBRTOVA
ABSTRAKT
Tato diplomova prace vzikla na zaklade projektu”Modelovanı mestskych oblastı s cılem
snızit negativnı vliv lidske cinnosti“ (OC 10011) za podpory Ministerstva skolstvı,
mladeze a telovychovy. Cılem prace je urcit moznou zavislost mezi hodnotami HDP
a dalsımi charakteristikami prevazne z oblasti dopravy a uzemnıho planovanı. Prace je
zamerena na obdobı od roku 2001 do roku 2011. Data jsou zpracovana pro 36 obcı po
cele Ceske republice. K hodnocenı vztahu je pouzito korelacnıch a regresnıch analyz,
ktere jsou provedeny v programu Microsoft Excel. Vysledky jsou prehledne zpracovany
a vhodne interpretovany vcetne rozdelenı obcı do skupin podle podobnosti ve vysledcıch
analyz.
KLICOVA SLOVA
zavislost, HDP, UHDP, land use, intenzita dopravy, dojezdova vzdalenost, statistika,
korelacnı koeficient, regresnı analyza, multilinearnı regrese, MS Excel
ABSTRACT
This master thesis is based on project”Modelling of urban areas in order to reduce
the negative impacts of human activities“ (OC 10011) with support of the Ministry of
Education, Youth and Sports. The aim is to determine the possible relation between the
value of GDP and other characteristics, mainly in the field of transport and land use
planning. This thesis is focused on the 2001 to 2011 period. Data were processed for 36
cities across the Czech Republic. Correlation and regression analysis are used to express
the relations. Analyses are processed in Microsoft Excel. The results are clearly presented
and interpreted appropriately, including rouping the cities according to the results of the
analyses.
KEYWORDS
Correlation, GDP, land use, road traffic intensity, driving distance, statistics, correlation
coefficient, regression analysis, multilinear regression, MS Excel
PROHLASENI
Prohlasuji, ze diplomovou praci na tema”Analyza vztahu HDP a dalsıch charakteristik
mest v Ceske republice“ jsem vypracovala samostatne. Pouzitou literaturu a podkladove
materialy uvadım v seznamu zdroju.
V Praze dne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
(podpis autora)
PODEKOVANI
Chtela bych podekovat vedoucı diplomove prace Doc. Ing. Lene Halounove, CSc.
za podnet ke zpracovanı teto diplomove prace a cenne pripomınky v prubehu tvorby.
Podekovanı patrı i Prof. RNDr. Daniele Jaruskove, CSc. za konzultace ohledne statis-
tickych dat a Ing. Miloslavu Chladovi, Ph.D. za poskytnutou radu.
V neposlednı rade bych chtela podekovat me rodine za jejich podporu behem celeho
studia a gramaticke korekce.
Obsah
Uvod 10
Cıle diplomove prace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1 Ekonomicke zaklady 11
1.1 Hruby domacı produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Strucna charakteristika obdobı 15
2.1 Ekonomika Ceske republiky . . . . . . . . . . . . . . . . . . . . . . . 16
3 Popis dat 19
3.1 Soubor mest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Hruby domacı produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Vybrane charakteristiky . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.1 Obyvatelstvo . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.2 Uhrnne hodnoty druhu pozemku . . . . . . . . . . . . . . . . 26
3.3.3 Land use . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Dojezdova vzdalenost k dalnici nebo rychlostnı silnici . . . . . 30
3.3.5 Intenzita dopravy . . . . . . . . . . . . . . . . . . . . . . . . . 34
4 Prıprava dat 37
4.1 Zpracovanı prostorovych dat . . . . . . . . . . . . . . . . . . . . . . . 37
5 Analyza dat 40
5.1 Korelace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.1 Charakteristiky menıcı se v case . . . . . . . . . . . . . . . . . 42
5.1.2 Charakteristiky menıcı se v poloze . . . . . . . . . . . . . . . 48
5.2 Regrese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.1 Vstupnı model . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2.2 Hodnocenı regresnı analyzy . . . . . . . . . . . . . . . . . . . 55
5.2.3 Hodnocenı - obce . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.4 Hodnocenı - shrnutı . . . . . . . . . . . . . . . . . . . . . . . . 63
Zaver 70
Elektronicke prılohy 73
Seznam zkratek 74
Seznam pouzitych zdroju 75
Seznam tabulek
3.1 Seznam obcı . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Porovnanı HDP za osobu a za obec vcetne poradı (zdroj: vlastnı
vypocet) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Seznam charakteristik (zdroj: vlastnı tvorba) . . . . . . . . . . . . . . 25
3.4 UHDP (zdroj: CSU) . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5 Rozdelenı plochy do funkcnıch trıd (zdroj: atlas) . . . . . . . . . . . . 29
3.6 Rozdelenı silnicnı sıte . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.7 Vypocet prumerne rychlosti v Ceske republice mimo dalnice a rych-
lostnı silnice (zdroj: Planovanı a merenı trasy; Mapy.cz [16]) . . . . . 32
3.8 Rozdelenı casu dojezdove vzdalenosti k dalnici nebo rychlostnı silnici 32
5.1 Rozdelenı zavislosti podle hodnoty korelacnıho koeficientu . . . . . . 41
5.2 Hodnocenı vysledku korelace s charakteristikami menıcımi se v case
(pocet vyskytu obcı v korelacnıch kategoriıch behem sledovaneho ob-
dobı) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3 Podobnost korelacnıch koeficientu z 1. analyzy. Uvadı pocty nepo-
dobnych korelacnıch koeficientu. . . . . . . . . . . . . . . . . . . . . . 47
5.4 Vysledky korelace s charakteristikami menıcımi se v poloze . . . . . . 49
5.5 Zakladnı model regresnı analyzy pro vsechny obce (krome Hlavnıho
mesta Praha) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.6 Ukazka vystupu regresnı analyzy v programu Excel. . . . . . . . . . . 57
5.7 Vyskyty charakteristik v regresnıch modelech pro kazdou obec,
serazeno podle HDP obce . . . . . . . . . . . . . . . . . . . . . . . . 64
5.8 Vyskyty charakteristik v regresnıch modelech pro kazdou obec,
serazeno podle HDP na osobu . . . . . . . . . . . . . . . . . . . . . . 65
Seznam obrazku
2.1 Graf vyvoje HDP v Ceske republice v miliardach Kc beznych cen . . 17
2.2 Graf procentualnı zmeny HDP vuci predchozımu roku v Ceske republice 17
3.1 Ukazka mapy sledovanych obcı (zdroj: ArcCR, atlas, upraveno), ori-
ginal je soucastı elektronickych prıloh . . . . . . . . . . . . . . . . . . 19
3.2 Graf vyvoje celkoveho souctu HDP ve sledovanem souboru mest
(zdroj: vlastnı vypocet) . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Graf vyvoje celkoveho poctu obyvatel ve sledovanem souboru mest
(zdroj: CSU, upraveno) . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4 Graf vyvoje celkoveho poctu zamestnancu ve sledovanem souboru
mest (zdroj: Ministerstvo financı, upraveno) . . . . . . . . . . . . . . 26
3.5 Grafy vyvoje celkove rozlohy druhu pud v hektarech ve sledovanem
souboru mest (zdroj: CSU, upraveno) . . . . . . . . . . . . . . . . . . 28
3.6 Graf vyvoje celkove rozlohy land use v hektarech ve sledovanem sou-
boru mest (zdroj: atlas, upraveno) . . . . . . . . . . . . . . . . . . . . 30
3.7 Ukazka mapy silnicnı sıte v CR s vyznacenym vyvojem dalnicnı
a rychlostnı sıte a ukazkou dojezdovych zon Hradce Kralove (zdroj:
ArcCR 500, atlas, RSD, upraveno), original je soucastı elektronickych
prıloh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.8 Graf poctu obcı v jednotlivych kategoriıch dojezdovych vzdalenostı
(zdroj: vlastnı analyza) . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.9 Ukazka mapy scıtanı intenzity dopravy v Chrudimi . . . . . . . . . . 35
3.10 Graf vyvoje celkove intenzity dopravy v JV ve sledovanem souboru
mest. (zdroj: atlas a vlastnı analyza) . . . . . . . . . . . . . . . . . . 36
5.1 Graf vypoctenych hodnot X pro jednotlive charakteristiky . . . . . . 44
5.2 Graf prumernych korelacnıch koeficientu v analyze se zmenou v poloze 48
5.3 Ukazka nastavenı funkce Regrese z programu Excel . . . . . . . . . . 53
5.4 Ukazka mapy obcı se shodnymi charakteristikami v regresnıch mode-
lech (zdroj: ArcCR 500, atlas, upraveno), original je soucastı elektro-
nickych prıloh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
CVUT v Praze UVOD
Uvod
Tato diplomova prace navazuje na Atlas urbanistickeho vyvoje ceskych mest.
Vznik atlasu byl umoznen dıky COST (evropske spolupraci ve vedeckem a tech-
nickem vyzkumu), konkretne behem projektu”Modelovanı mestskych oblastı s cılem
snızit negativnı vliv lidske cinnosti“ (OC 10011). Atlas byl zpracovan za podpory
Ministerstva skolstvı, mladeze a telovychovy.
Atlas je zameren na urbanisticky vyvoj mest, s durazem na dopravnı sıt’. Zpra-
covana data pochazı z velkeho casoveho obdobı, a to od 60. let 20. stoletı temer
do soucasnosti. Velka cast obsahu vznikla v ramci studentskych bakalarskych a di-
plomovych pracı.
Tato diplomova prace se zamerı na analyzu vztahu hrubeho domacıho produktu
(HDP) vzhledem k dalsım charakteristikam jako jsou hodnoty o obyvatelstu, uhrnne
hodnoty druhu pozemku, hodnoty land use a informacım o doprave v 36 mestech
zpracovanych v Atlase. Protoze se HDP eviduje velmi kratkou dobu, je diplomova
prace zamerena na obdobı od roku 2001 do roku 2011.
Cıle diplomove prace
• Zpracovat teoreticky uvod do ekonomie a shrnout casove obdobı.
• Popsat zpusob zıskanı dat, jejich zdroj a nutne upravy pred pouzitım
v analyzach.
• Provest 3 stezejnı analyzy.
1. analyza bude zamerena na vypocet korelacnıho koeficientu mezi HDP
a ostatnımi charakteristikami menıcımi se v case.
2. korelacnı analyza bude zamerena na vztah HDP s charakteristikami
menıcımi se v poloze.
3. regresnı analyza bude hledat vhodny model pro predikci HDP v kazde
obci. Z vyslednych modelu budeme usuzovat mozne zavislosti.
• Vysledky prehledne zpracovat do tabulek a grafu a doplnit je slovnım popisem
vzhledem k souvislostem.
• Na zaklade vysledku rozdelit mesta do podobnych typovych skupin.
10
CVUT v Praze 1. EKONOMICKE ZAKLADY
1 Ekonomicke zaklady
Protoze zpracovavane tema uzce souvisı s ekonomickymi pojmy, zvlaste pak
s pojmem HDP (hruby domacı produkt), je na mıste zde uvest alespon zakladnı
uvod do teto problematiky.
Hruby domacı produkt je pojem z makroekonomie. Makroekonomie je teoreticky
obor, ktery zkouma presne vymezeny ekonomicky system jako celek. Sleduje vztahy
mezi agregatnımi velicinami, mezi ktere patrı jiz zmınene HDP, dale pak celkova
nabıdka zbozı a sluzeb, celkovy uhrn vydaju, inflace, nezamestnanost, urokova mıra
a menovy kurz. Snazı se pozorovat jevy, ktere tyto hodnoty ovlivnujı a dıky tomu
dosahovat ekonomicke rovnovahy. Makroekonomie popisuje data, ktera jsou velmi
dulezita pro rızenı ekonomickych systemu, jako je naprıklad stat. I proto se udaje
z makroekonomie radı mezi zakladnı narodohospodarske ukazatele [3].
1.1 Hruby domacı produkt
Hruby domacı produkt (v anglictine oznacovan jako Gross Domestic Product -
GDP) je celkova peneznı hodnota statku a sluzeb nove vytvorena za urcite obdobı na
urcitem uzemı. Casovym obdobım byva nejcasteji rok. Zjednodusene muzeme HDP
chapat jako velikost ekonomie. Z nekterych hledisek nenı dulezita hodnota HDP, ale
spıse vyvoj. Proto se casto udava pouze jako procentualnı narust prıpadne pokles
vuci predchozımu obdobı na stejnem uzemı.
Merenı HDP je zalozeno na systemu narodnıch uctu, ktere jsou obvykle zpra-
covavany jednotne podle metodiky OSN. To take umoznuje krome analyzy i me-
zinarodnı srovnavanı jednotlivych zemı. Zjednodusene se jedna o pet uctu: podni-
kovy, domacnostı, statu, styku s cizinou a kapitalovy ucet. V ramci kazdeho uctu se
srovnavajı vstupy a vystupy, resp. prıjmy a vydaje [4].
11
CVUT v Praze 1. EKONOMICKE ZAKLADY
Vypocet
Pro vypocet HDP se vyuzıva 3 metod. Kazda by vsak mela vest ke stejnemu
vysledku. Presny popis je uveden v metodice HDP na strankach Ceskeho statis-
tickeho uradu [2].
1. Produkcnı metoda
Nekdy je take oznacovana za vyrobkovou nebo zbozovou metodu. HDP se
pocıta jako soucet hrube pridane hodnoty jednotlivych institucionalnıch sek-
toru nebo odvetvı a cistych danı na produkty (ktere nejsou rozvrzeny do
sektoru a odvetvı). Je to take vyrovnavacı polozka uctu vyroby za narodnı
hospodarstvı celkem, kde se na strane zdroju zachycuje produkce a na strane
uzitı mezispotreba1. Hruba pridana hodnota je rozdılem mezi produkcı a me-
zispotrebou. Vzhledem k tomu, ze produkce se ocenuje v zakladnıch cenach
a uzitı v kupnıch cenach, je strana zdroju za narodnı hospodarstvı celkem
doplnena o dane snızene o dotace na vyrobky [2].
Pro laika bude srozumitelnejsı spıse nasledujıcı zapis:
HDP = Produkce mınus Mezispotreba plus Dane z produktu mınus Dotace
na produkty
Mezi vyhody teto metody patrı, ze eliminuje duplicity. Nevyhodami je, ze
udaje jsou tezko zjistitelne a spatne se urcuje, zda je produkt finalnı a nebo
se jedna o meziprodukt, ktery jde do dalsıho zpracovanı.
2. Vydajova metoda
HDP se pocıta jako soucet konecneho uzitı vyrobku a sluzeb rezidentskymi
jednotkami (skutecna konecna spotreba a tvorba hrubeho kapitalu) a salda
vyvozu a dovozu vyrobku a sluzeb. Skutecna konecna spotreba je odvo-
zena prostrednictvım naturalnıch socialnıch transferu od vydaju na konecnou
spotrebu domacnostı, vlady a neziskovych institucı slouzıcıch domacnostem.
Tvorba hrubeho kapitalu se clenı na tvorbu hrubeho fixnıho kapitalu, zmenu
zasob a na ciste porızenı cennostı.
1Mezispotreba predstavuje hodnotu vyrobku a sluzeb, spotrebovanych behem sledovaneho ob-
dobı jako vstupy vyrobnıho procesu.
12
CVUT v Praze 1. EKONOMICKE ZAKLADY
HDP = Vydaje na konecnou spotrebu plus Tvorba hrubeho kapitalu plus
Vyvoz vyrobku a sluzeb mınus Dovoz vyrobku a sluzeb
3. Duchodova metoda
HDP se pocıta jako soucet prvotnıch duchodu2 za narodnı hospodarstvı cel-
kem: nahrad zamestnancum, danı z vyroby a z dovozu snızenych o dotace
a hrubeho provoznıho prebytku a smıseneho duchodu (resp. cisteho provoznıho
prebytku a smıseneho duchodu a spotreby fixnıho kapitalu).
HDP = Nahrady zamestnancum plus Dane z vyroby a z dovozu mınus Dotace
plus Cisty provoznı prebytek plus Cisty smıseny duchod plus Spotreba fixnıho
kapitalu
Jednotky
HDP je udavano v mnoha jednotkach. Kazda jednotka ma sve opodstatnenı.
1. V beznych (normalnıch) cenach
HDP v beznych cenach (bc) je oznacovano jako nominalnı HDP. Hodnota je
uvedena ve mene daneho uzemı a v cenach platnych v danem (sledovanem)
obdobı, ve kterem dochazelo k realizaci statisticky sledovane produkce zbozı,
obchodu i sluzeb. Tento udaj se hure porovnava s predchozımi hodnotami
HDP.
2. Ve stalych (srovnatelnych) cenach
Nominalnı HDP je prepocteno vuci urcitemu roku. Realne HDP, jak je
oznacovano, je opraveno o inflaci a stale zustava uvedene v mene platıcı na
danem uzemı. Lepe se porovnava s predchozımi udaji a tım i lepe vystihuje
narust ci pokles.
3. Ve svetovych menach
Pro svetove srovnanı ekonomik je nutne prevest HDP do jinych men. Pro
prevody vyuzıvame smenove kurzy. Obvykle se vyuzıvajı meny jako je dolar
ci euro.
2Duchodem v ekonomice je obecne prıjem nebo prınos
13
CVUT v Praze 1. EKONOMICKE ZAKLADY
4. Parita kupnı sıly
Parita kupnı sıly kterekoliv meny vyjadruje, kolik jednotek dane meny je treba
k zakoupenı stejneho mnozstvı vyrobku a sluzeb na vnitrostatnım trhu. Tuto
velicinu je sice velmi tezke definovat, ale i tak prinası daleko presnejsı srovnanı
na mezinarodnı urovni.
5. Na osobu
Pro dalsı zpresnenı je HDP udavano ve kterekoliv z vyse uvedenych jednotek
a prepocteno na 1 obyvatele daneho uzemı (zeme). To ma siroke uplatnenı,
dochazı totiz k vyrovnanı rozdılu ve velikostech uzemı (statu) co do poctu
obyvatel. Napr. Evropska unie na zaklade techto hodnot rozhoduje o rozdelenı
dotacı.
14
CVUT v Praze 2. STRUCNA CHARAKTERISTIKA OBDOBI
2 Strucna charakteristika obdobı
Diplomova prace je zamerena na obdobı od roku 2001 do roku 2011.
Z hlediska ekonomie je pro toto obdobı dulezity vstup Ceske republiky do Orga-
nizace pro hospodarskou spolupraci a rozvoj (EOCD). Organizace, ve ktere je dnes
34 ekonomicky nejrozvinutejsıch statu na svete, ktere prijaly principy demokracie
a trznı ekonomiky. EOCD koordinuje ekonomickou a socialne-politickou spolupraci
clenskych zemı, zprostredkovava nove investice, prosazuje liberalizaci mezinarodnıho
obchodu. Cılem EOCD je napomahat k dalsımu ekonomickemu rozvoji, potlacenı
nezamestnanosti, stabilizaci a rozvoji mezinarodnıch financnıch trhu.
Tesne pred tımto obdobım (12. brezna 1999) vstoupila Ceska republika do Se-
veroatlanticke aliance (NATO). Byla to prvnı vlna rozsirovanı aliance o postkomu-
nisticke zeme. I proto nebyl vstup do NATO zcela jednoznacny. Dnes se vstup do
aliance hodnotı jako velmi prınosny krok pro Ceskou republiku, zvlaste pak v oblasti
armady.
Dalsım vyznamnym bodem teto nedavne historie Ceske republiky bylo vstou-
penı CR do Evropske unie (EU). Stalo se tak k 1. kvetnu 2004, i kdyz jednanı
o vstupu sahajı mnohem vıce do historie. V roce 1996 vlada oficialne podala
zadost o vstup do Evropske unie. V teto zadosti deklarovala, ze”si uvedomuje
prospesnost a nezvratnost procesu evropske integrace“ a ocenila jej jako dılo,”ktere
zarucilo obcanum clenskych statu na dlouha desetiletı mır, politickou stabilitu, ko-
rektnost mezinarodnıch vztahu, nebyvale svobody a hospodarskou prosperitu“. Tez
prohlasila, ze akceptuje i mimoekonomicke aspekty evropske integrace, a byt’”ne-
bylo rovnez lehke po nedavnem opetnem nabytı plne statnı svrchovanosti prijmout
predstavu, ze bude v budoucnosti treba se teto suverenity v urcitych oblastech
vzdat“, nezvratne dospela k zaveru,”ze v modernım evropskem vyvoji je vymena
castı vlastnı statnı svrchovanosti za sdıleny podıl na suverenite nadstatnı a na
spoluzodpovednosti nevyhnutelna jak pro prospech vlastnı zeme, tak i pro celou
Evropu“ [5]. V letech 1998 - 2002 probıhala prıstupova jednanı. Na jednanı byly
15
CVUT v Praze 2. STRUCNA CHARAKTERISTIKA OBDOBI
uzavreny jednotlive kapitoly a stanovena prechodna obdobı pro prijetı evropske le-
gislativy. V roce 2003 byla prijata smlouva o pristoupenı, ktera byla v Ceske re-
publice schvalena referendem, kdy pro schvalenı smlouvy se vyjadrilo tri ctvrtiny
obyvatelstva (volebnı ucast byla jen mırne nadpolovicnı). Vstup CR do EU prineslo
mimo jine volny pohyb sluzeb, zbozı a kapitalu, volny pohyb osob, lepsı vymaha-
telnost prava, prerozdelovanı penez, do budoucna moznost spolecne meny. Nektere
zeme odmıtly otevrenı pracovnıho trhu, otevıranı probıhalo prubezne az do roku
2008.
Vstupem do EU pristoupila CR k Schengenskym dohodam, na jejichz zaklade
dne 21. prosince 2007 vstoupila CR do tzv. Schengenskeho prostoru, coz prineslo
otevrenı hranic. Zavrsila tak nekolikalete obdobı intenzivnıch prıprav smerujıcıch
k prevzetı vsech standardu vyzadovanych pro zajistenı bezpecnosti a verejneho
poradku na uzemı statu Schengenu. Nejviditelnejsı vyhodou vstupu do Schengenu
je rusenı hranicnıch kontrol v evropske silnicnı, zeleznicnı, vodnı a letecke dopravnı
sıti. Schengen vsak zasahuje i do prace policejnıch a justicnıch organu a do vızove
politiky CR.
2.1 Ekonomika Ceske republiky
Ceska republika je povazovana za vyspelou zemi, s jednou z nejrozvinutejsıch
ekonomik na svete. I proto muze byt Ceska republika clenem jiz zmınene organi-
zace EOCD. Zakladem ceske ekonomiky je prumysl a sluzby, zatımco zemedelstvı
a prvovyroba1 jsou zastoupeny jen slabe. Nezamestnanost je v Ceske republice na
pomerne nızke hodnote. Presto v roce 2000 dosahovala spıse vyssıch hodnot a do
roku 2008 spıse klesala. Rust ekonomiky na pocatku 3. tisıciletı byl zpusoben hlavne
vyvozem do zemı Evropske unie, prılivem zahranicnıch investic a ozivujıcı domacı
poptavkou. Behem tohoto obdobı bohuzel rostlo zadluzenı zeme. Prestoze zadluzenı
CR nenı oproti ostatnım statum EU vysoke, neprimerena je rychlost rustu. Postupne
se republice podarilo dosahnout aktivnıho salda, tedy vyssımu exportu nez importu.
1zıskavanı zakladnıch surovin z prırodnıch zdroju pro prumyslove zpracovanı: zemedelska, lesnı,
nerostna, dulnı
16
CVUT v Praze 2. STRUCNA CHARAKTERISTIKA OBDOBI
Aktivnımu saldu napomohl prevazne automobilovy prumysl. Vyznam prumyslu vsak
vseobecne klesa, i presto je v Cechach v prumyslu zamestnano priblizne 35% ekono-
micky aktivnıho obyvatelstva, coz je nejvıce mezi staty Evropske unie. Zemedelska
vyroba temer uspokojuje domacı poptavku, po vstupu do EU musela byt v nekterych
odvetvıch castecne utlumena. V energetice jsou hlavnım zdrojem uhelne a jaderne
elektrarny, podıl obnovitelnych zdroju je dnes kolem 12%. financnı krize v roce 2008
postihla i Ceskou republiku. Se zhorsenım ekonomickeho stavu se potyka republika
dodnes.
2000 mld. Kč
2500 mld. Kč
3000 mld. Kč
3500 mld. Kč
4000 mld. Kč
HD
P Č
R
HDP v České republice [miliardy Kč]
Obr. 2.1: Graf vyvoje HDP v Ceske republice v miliardach Kc beznych cen
-4 %
-2 %
0 %
2 %
4 %
6 %
8 %
10 %
změ
na
HD
P
Změna HDP v České republice vůči předchozímu roku [%]
Obr. 2.2: Graf procentualnı zmeny HDP vuci predchozımu roku v Ceske republice
Jak je videt na grafech 2.1 a 2.2, v roce 2009 nastal vyrazny pokles, a ani v roce
2011 se HDP nedostalo na hodnotu z roku 2008. Doslo ke zvysenı statnıho deficitu,
17
CVUT v Praze 2. STRUCNA CHARAKTERISTIKA OBDOBI
zvysenı nezamestnanosti a mezirocnı rust HDP byl zaporny. V roce 2008 byly sluzby
neprıjemne ovlivneny silnou korunou, dıky tomu se Ceska republika stala mene
zajımavou destinacı v pomeru cena/vykon. To neprıznive ovlivnilo cestovnı ruch,
ktery je jednım z nejdulezitejsıch v oblasti sluzeb.
18
CVUT v Praze 3. POPIS DAT
3 Popis dat
V teto casti by autorka rada priblızila soubor dat, ktery je v ramci prace zpra-
covavan. Veskera podkladova data jsou soucastı elektronicke prılohy.
3.1 Soubor mest
Prace navazuje na Atlas urbanistickeho vyvoje ceskych mest (od 60. let 20. sto-
letı), ktery vznikl v roce 2013. Jak uz nazev napovıda, v atlase je zpracovan urba-
nisticky vyvoj 36 mest Ceske republiky, viz tabulka 3.1.
Jak je videt na prehledove mape CR (obrazek 3.1), mesta jsou priblizne rov-
nomerne rozlozena po cele Ceske republice, taktez jsou zastoupeny ruzne velikosti
mest vzhledem k poctu obyvatel a rozloze a mesta ruznych regionalnıch vyznamu.
0 50 10025 km
PHA
LIB
MOS
Sledované obce
1 : 2 000 000
Vyprac ovala: Anna ŠubrtováZdroj: Arc ČR 500, atlas , upraveno
KLAKOL
KUH
MELMLB
PRI
CEB
PISSTR
KLT
CHE
DECCHO
LITCLI JAB
HRKNAC
CTR
PAR
HBR
JIH
TRE
ZDA
BREZNO
OLO
PRE
VAM
CTEF-M
OPA
OST
PHA Zkratka obc e
Jádrové území obc eKrajČes ká republika
Obr. 3.1: Ukazka mapy sledovanych obcı (zdroj: ArcCR, atlas, upraveno), original
je soucastı elektronickych prıloh
19
CVUT v Praze 3. POPIS DAT
Tab. 3.1: Seznam obcı
Kraj Obec Zkratka
Praha Hlavnı mesto Praha PHA
Stredocesky
Kladno KLA
Kolın KOL
Kutna Hora KUH
Melnık MEL
Mlada Boleslav MLB
Prıbram PRI
Jihocesky
Ceske Budejovice CEB
Pısek PIS
Strakonice STR
Plzensky Klatovy KLT
Karlovarsky Cheb CHE
Ustecky
Decın DEC
Chomutov CHO
Litvınov LIT
Most MOS
Liberecky
Ceska lıpa CLI
Jablonec nad Nisou JAB
Liberec LIB
KralovehradeckyHradec Kralove HRK
Nachod NAC
PradubickyCeska Trebova CTR
Pardubice PAR
Vysocina
Havlıckuv Brod HBR
Jihlava JIH
Trebıc TRE
Zd’ar nad Sazavou ZDA
JihomoravskyBreclav BRE
Znojmo ZNO
OlomouckyOlomouc OLO
Prerov PRE
Zlınsky Valasske Mezirıcı VAM
Moravskoslezsky
Cesky Tesın CTE
Frydek-Mıstek F-M
Opava OPA
Ostrava OST
20
CVUT v Praze 3. POPIS DAT
Prostorova data techto mest byla zıskana od katedry geomatiky1 spolecne
s dalsımi daty zpracovanymi pro atlas. Tato data byla geometrickeho typu poly-
gon.
Pro analyzy popsane v kapitole 3.3.4 Dojezdova vzdalenost k dalnici nebo rych-
lostnı silnici na strane 30 bylo vhodnejsı pouzıt data geometrickeho typu bod, ktera
byla zıskana z digitalnı vektorove geograficke databaze Ceske republiky ArcCR
500, ktera je volne dostupna na strankach firmy ArcData, s. r. o.”Jejım obsa-
hem jsou prehledne geograficke informace o Ceske republice. Data vznikla ve spo-
lupraci ARCDATA PRAHA, s.r.o., Zememerickeho uradu a Ceskeho statistickeho
uradu a jsou distribuovana zdarma.“ [7] Byla vyuzita datova vrstva obce, ve ktere
se nachazı i definicnı bod obcı. V popisu vrstvy je pak uvedena platnost k 1. 7. 2012
a jako zdroj je uvedeno”odvozenı ze ZSJ, body a cıselnıky z UIR-ZSJ, statisticke
charakteristiky z databazı CSU“. Pro analyzu byla vrstva upravena tak, aby obsa-
hovala pouze definicnı body sledovanych obcı.
3.2 Hruby domacı produkt
Obecne informace o HDP uz byly uvedeny v kapitole 1 Ekonomicke zaklady na
strane 11. Tato kapitola uz bude zamerena na vlastnı zıskanı a vypocet dat.
Hodnoty HDP vyse zmınenych mest byly pro zpracovanı teto diplomove prace
klıcove. Cesky statisticky urad pri sledovanı vyvoje HDP nezaznamenava hodnoty
na urovni obcı, ale na zaklade tzv. nomenklatur uzemnıch statistickych jednotek
(NUTS) 2. a 3. urovne, tedy na urovni regionu a kraju. Tyto jednotky jsou stanovene
statistickym uradem pro Evropskou unii (Eurostat). Uzemı NUTS 3 odpovıda svym
uzemım krajum v Ceske republice. Tyto hodnoty bylo nutne prepocıtat na jednotlive
obce. K tomu byl zapotrebı dalsı statisticky udaj, a to pocet pracujıcıch v dane obci.
Tento udaj je sledovan Ministerstvem financı v ramci vyhlasky”o podılu jednot-
livych obcı na stanovenych procentnıch castech celostatnıho hrubeho vynosu dane
z pridane hodnoty a danı z prıjmu“. Vyhlasky vcetne jejich prıloh jsou dostupne na
1drıve katedra mapovanı a kartografie
21
CVUT v Praze 3. POPIS DAT
webovych strankach Ministerstva financı Ceske republiky v sekci Legislativa a pod-
sekci Legislativnı dokumenty [8]. Nasledne bylo nutne stanovit pomer pracujıcıch
v obci vuci kraji a tımto pomerem vynasobit hodnotu HDP v kraji. Tento vypocet
je zaznamenan ve vzorci 3.1, kde Z znacı pocet zamestnancu a v indexu promenne
je vzdy uvedena uzemnı jednotka.
HDPobec =Zobec
Zkraj
·HDPkraj (3.1)
Na webovych strankach Ministerstva financı se nevyskytuje vyhlaska z roku 2005,
a proto nebylo mozne dopocıtat HDP v roce 2004. Po nekolika testech byla pro
dopocet hodnoty v roce 2004 zvolena jako nejvhodnejsı spline interpolace.
Pro ukazku je zde uveden graf (obrazek 3.2) vyvoje celkoveho souctu HDP ve
sledovanem souboru mest.
zdroj: charakteristiky (hdp)
0 mld.
500 mld.
1000 mld.
1500 mld.
2000 mld.
HD
P
Celkový součet HDP ve sledovaných obcích [miliardy Kč běžných cen]
Obr. 3.2: Graf vyvoje celkoveho souctu HDP ve sledovanem souboru mest (zdroj:
vlastnı vypocet)
Pokud nebude receno jinak, bude HDP uvadeno za celou obec. Uzitecne je po-
rovnanı HDP za obec a HDP prepoctene na osobu, coz uvadı nasledujıcı tabulka
3.2
22
CVUT v Praze 3. POPIS DAT
Tab. 3.2: Porovnanı HDP za osobu a za obec vcetne poradı (zdroj: vlastnı vypocet)
Pořadí
HDP za obecHDP za obec
milionyZkratka HDP na osobu
tisíce
Pořadí
HDP na osobu
1 801697 PHA 669 2
2 117329 OST 379 19
3 46464 CEB 488 5
4 42364 HRK 447 6
5 42073 OLO 418 8
6 35542 PCE 398 16
7 34019 LIB 342 22
8 32683 MLB 742 1
9 24978 JIH 493 4
10 24497 KLA 351 21
11 22300 OPA 375 20
12 20952 MOS 310 27
13 15534 PRE 331 24
14 15472 KOL 510 3
15 14942 CHO 298 29
16 14769 F-M 248 35
17 14320 DEC 275 32
18 14017 PRI 402 15
19 12832 JAB 285 30
20 12253 CLI 318 26
21 11257 ZNO 322 25
22 10601 TRE 275 33
23 10552 VAM 386 18
24 10454 BRE 415 10
25 10198 HBR 419 7
26 9888 PIS 331 23
27 9820 ZDA 416 9
28 9653 STR 414 12
29 9213 KLT 403 14
30 8593 KUH 404 13
31 8513 CHE 252 34
32 8331 NAC 396 17
33 8171 LIT 301 28
34 7939 MEL 414 11
35 5635 CTE 218 36
36 4653 CTR 282 31
23
CVUT v Praze 3. POPIS DAT
3.3 Vybrane charakteristiky
Vyvoj hodnoty HDP je jiste ovlivnovan mnoha faktory. Tato diplomova prace je
zamerena hlavne na faktory tykajıcı se uzemnıho planovanı, vyuzıtı pudy a doravy.
Vybrane charakteristiky jsou prehledne shrnuty v tabulce 3.3 na nasledujıcı strance.
V nasledujıcıch kapitolach budou tyto charakteristiky podrobneji probrany.
3.3.1 Obyvatelstvo
Tato charakteristika se sice netyka prımo uzemnıho planovanı, vyuzitı pudy ci
dopravy, ale jiste s temito faktory uzce souvisı, proto se autorka domnıva, ze je
vhodne tato data do analyzy zahrnout.
Pocet obyvatel
Data o poctu obyvatel ve vybranych obcıch byla stazena ze stranek Verejna
databaze ceskeho statistickeho uradu (CSU). Data jsou volne k dispozici v casti
Souborne informace a podcasti Informace o regionech, mestech a obcıch, kde se
nachazı kapitola pocet obyvatel od roku 2000 (MOS B04) [10].
Data byla dostupna pro kazdou zpracovavanou obec po cele sledovane obdobı.
Pro ukazku je zde uveden graf (obrazek 3.3) vyvoje celkoveho poctu obyvatel ve
sledovanem souboru mest.
zdroj: charakteristiky (počet obyvatel)
3,00 mil.
3,02 mil.
3,04 mil.
3,06 mil.
3,08 mil.
3,10 mil.
3,12 mil.
Po
čet
ob
yvat
el
Celkový počet obyvatel
Obr. 3.3: Graf vyvoje celkoveho poctu obyvatel ve sledovanem souboru mest (zdroj:
CSU, upraveno)
24
CVUT v Praze 3. POPIS DAT
Tab. 3.3: Seznam charakteristik (zdroj: vlastnı tvorba)
Oznacenı Charakteristika Skupina
A HDP Ekonomika
B Pocet obyvatelObyvatelstvo
C Pocet zamestnancu
D Celkova vymera
UHDP
E Zemedelska puda
F Orna puda (soucast zemedelske pudy)
G Lesnı puda
H Vodnı plochy
I Zastavene plochy
J Ostatnı plochy
K Dopravnı plochy
Land use
L Obytne plochy
M Ostatnı plochy
N Rekreacnı plochy
O Vyrobnı plochy
P Dojezdova vzdalenost Dostupnost
Q Soucet dopravy - intravilan (JV)
Intenzita dopravy
R Prumerna doprava - intravilan (JV)
S Prumerny pocet tezkych vozidel - intravilan
T Prumerny pocet osobnıch vozidel - intravilan
U Soucet dopravy - prıjezd (JV)
V Prumerna doprava - prıjezd (JV)
W Prumerny pocet tezkych vozidel - prıjezd
X Prumerny pocet osobnıch vozidel - prıjezd
25
CVUT v Praze 3. POPIS DAT
Pocet zamestnancu
Jedna se o pocet zamestnanych osob v dane obci. Autorka se domnıva, ze tyto
udaje uzce souvisı s ekonomickym vyvojem obce. Data byla zıskana z vyhlasky
Ministerstva financı”o podılu jednotlivych obcı na stanovenych procentnıch castech
celostatnıho hrubeho vynosu dane z pridane hodnoty a danı z prıjmu“ [8].
Data byla dostupna pro kazdou sledovanou obec po cele sledovane obdobı
s vyjimkou roku 2004. Hodnota v roce 2004 byla dopoctena linearnı interpolacı.
Pro ukazku je zde uveden graf (obrazek 3.4) vyvoje celkoveho poctu zamestnancu
ve sledovanem souboru mest.
1,5 mil.
1,6 mil.
1,7 mil.
1,8 mil.
1,9 mil.
2,0 mil.
Po
čet
zam
ěstn
anců
Celkový počet zaměstnanců
Obr. 3.4: Graf vyvoje celkoveho poctu zamestnancu ve sledovanem souboru mest
(zdroj: Ministerstvo financı, upraveno)
3.3.2 Uhrnne hodnoty druhu pozemku
Jak uvadı Terminologicky slovnık zememerictvı a katastru nemovitostı uhrnne
hodnoty druhu pozemku (UHDP) je”sumarizacnı vykaz, ve kterem jsou uvedene
vymery jednotlivych druhu pozemku, vymera zemedelske pudy a celkova vymera
vsech pozemku v ramci uzemnıho celku ...“ [11]. Puda je tedy delena do nekolika
skupin, jak je videt v nasledujıcı tabulce 3.4.
Pro tuto praci nebudeme uvazovat o podrobnem rozdelenı zemedelske pudy,
spokojıme se pouze z udajem orne pudy. Tyto hodnoty jsou opet verejne dostupne ze
stranek Verejna databaze spravovanych CSU. Konkretne v casti souborne informace
a podcasti informace o regionech, mestech a obcıch, kde se nachazı kapitola uzemnı
26
CVUT v Praze 3. POPIS DAT
Tab. 3.4: UHDP (zdroj: CSU)
celkova vymera
z toho zemedelska puda
z toho orna puda
zahrady
sady
chmelnice
vinice
louky
lesnı puda
vodnı plochy
zastavene plochy
ostatnı plochy
charakteristika obce v letech 2001 az 2010 (MOS B01) [10]. V tabulce se soucasne
nachazı i hodnota z roku 2011.
Data byla dostupna pro kazdou zpracovavanou obec po cele sledovane obdobı.
Pro ukazku jsou zde uvedeny grafy (obrazek 3.5 na samostatne strance), ktere
zachycujı vyvoj rozloh vybranych druhu pud v hektarech ve sledovanem souboru
mest.
27
CVUT v Praze 3. POPIS DAT
Celková rozloha druhů půd [hektary]
122 tis.
124 tis.
126 tis.
128 tis.
Zem
ěděl
ská
pů
da
55,0 tis.
55,5 tis.
56,0 tis.
56,5 tis.
Lesn
í pů
da
17,4 tis.
17,6 tis.
17,8 tis.
18,0 tis.
Zast
avěn
é p
loch
y
65 tis.66 tis.67 tis.68 tis.69 tis.70 tis.
Ost
atn
í plo
chy
82 tis.
84 tis.
86 tis.
88 tis.
90 tis.
Orn
á p
ůd
a
8,10 tis.
8,15 tis.
8,20 tis.
8,25 tis.
Vo
dn
í plo
chy
Obr. 3.5: Grafy vyvoje celkove rozlohy druhu pud v hektarech ve sledovanem sou-
boru mest (zdroj: CSU, upraveno)
28
CVUT v Praze 3. POPIS DAT
3.3.3 Land use
Data land use, nebo-li cesky vyuzitı uzemı, byla poskytnuta katedrou geomatiky.
Land use bylo pro potreby atlasu rozdeleno do 5 tzv. funkcnıch trıd. Rozdelenı
plochy do funkcnıch trıd popisuje nasledujıcı tabulka 3.5. Data land use, oproti
datum UHDP, mnohem lepe vystihujı vyuzitı pudy v zastavbe.
Tab. 3.5: Rozdelenı plochy do funkcnıch trıd (zdroj: atlas)
Dle techto kriteriı byla sbırana a trıdena data pro jiz zmıneny Atlas urbanis-
tickeho vyvoje ceskych mest. Vıce o vstupnıch datech a postupech zpracovanı je
uvedeno v atlase [6] a bakalarskych a magisterskych pracıch. Atlas je zameren na
obdobı od 60. let 20. stoletı. V takovem casovem rozsahu by bylo prakticky nemozne
a hlavne neefektivnı sbırat data pro kazdy rok. Data byla sbırana nepravidelne podle
dostupnych podkladovych dat nejdrıve po 5 letech, casto vsak v intervalech 10 let,
29
CVUT v Praze 3. POPIS DAT
v nekterych prıpadech i vıce. Pro potreby teto analyzy tedy bylo nutne data inter-
polovat a extrapolovat. Dıky tomu byla zıskana data pro kazdy rok v pozadovanem
obdobı, tedy od roku 2001 do roku 2011. V datech dochazelo jen k velmi malym
vykyvum, coz nenı prıznive pro korelacnı a regresnı analyzu.
Data jsou vztazena k tzv. jadrovym uzemım. Jedna se o rozlohu mest pred
pripojenım sousednıch obcı v 70. a 80. letech. Vıce o stanovenı jadroveho uzemı
je uvedeno v atlase [6] a bakalarskych a magisterskych pracıch.
Po zvazenı moznostı interpolace vuci datum, byla vybrana linealnı interpolace
a to z duvodu, ze zadna interpolace by nedokazala vystihnout skokove zmeny, ktere
se nejcasteji dejı ve zmenach vyuzitı pudy. Autorka se tedy domnıva, ze linearnı
interpolacı budou data nejmene ovlivnena vzhledem ke zkoumanı zavislosti vuci
HDP.
Pro ukazku je zde uveden graf (obrazek 3.6) vyvoje celkove rozlohy land use
v hektarech ve sledovanem souboru mest.
0 tis.
10 tis.
20 tis.
30 tis.
40 tis.
50 tis.
60 tis.
70 tis.
80 tis.
90 tis.
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Ro
zlo
ha
Celková rozloha [hektary]
Dopravní plochy Obytné plochy Ostatní plochy Rekreační plochy Výrobní plochy
Obr. 3.6: Graf vyvoje celkove rozlohy land use v hektarech ve sledovanem souboru
mest (zdroj: atlas, upraveno)
3.3.4 Dojezdova vzdalenost k dalnici nebo rychlostnı silnici
Dalsı charakteristikou byla vybrana dojezdova vzdalenost (cas) k dalnici
prıpadne rychlostnı silnici. Pro vypocet teto charakteristiky bylo nutne zıskat
aktualnı geograficka data silnicnı sıte Ceske republiky pro kazdy rok zpracovavaneho
30
CVUT v Praze 3. POPIS DAT
obdobı. Takova data vsak neeviduje ani statnı sektor (napr. Reditelstvı silnic
a dalnic) ani soukromy sektor (firmy poskytujıcı mapy do navigacı). V geografickych
datech silnicnı sıte Ceske republiky neexistujı atributy uvedenı useku do provozu
a ukoncenı provozu.
Pro prostorove analyzy byla vyuzita data silnicnı sıte Ceske republiky z digitalnı
vektorove geograficke databaze, ktera je zdarma k dispozici na strankach firmy
ArcData, s. r. o. Vıce o tomto souboru dat je napsano v kapitole 3.1 Soubor mest na
strane 19. Silnicnı sıt’ je zde rozdelena na dalnice, rychlostnı silnice, silnice I. trıdy,
silnice II. trıdy, silnice III. trıdy a neevidovane silnice. Stazeny stav byl platny
k 1. 1. 2013 a jako zdroj dat silnicnı sıte je uvedeno Data2000.
Pro ucely teto diplomove prace byla silnicnı sıt’ rozdelena do 2 skupin, jak uvadı
nasledujıcı tabulka 3.6.
Tab. 3.6: Rozdelenı silnicnı sıte
pro ucely DP trıda silnice
dalnice, rychlostnı silnicedalnice
rychlostnı silnice
ostatnı silnice
silnice I. trıdy
silnice II. trıdy
silnice III. trıdy
neevidovane silnice
Podle udaju uvadenych na internetovvych strankach Reditelstvı silnic a dalnic
(RSD) [12], v elektronicke knize 70 let dalnic ve fotografii [13] a webovych stranek
ceskedalnice.cz [14] byla data pro kazdy rok editovana tak, aby jejich stav odpovıdal
aktualnı silnicnı sıti. To bohuzel nenı mozne provest s celou silnicnı sıtı, a tak byla
editovana pouze dalnicnı a rychlostnı sıt’, ktera je pro analyzu stezejnı. Protoze
neexistuje jednotna norma, jak evidovat nove useky, bylo nekdy velmi narocne ide-
tifikovat popsany usek v prostorovych datech. Z tohoto duvodu byla snaha pouzıt
vzdy co nejvıce zdroju.
31
CVUT v Praze 3. POPIS DAT
Takto upravena data byla pouzita pro sıt’ove analyzy dojezdu v programu
ArcMap 10.2 firmy ESRI. K tomu byla vyuzita extenze Network Analyst. Pro vy-
tvorenı sıt’oveho datasetu, ktery je nezbytny pro sıt’ove analyzy, bylo nutne stanovit
rychlost pohybu. Pro stanovenı prumerne rychlosti mimo dalnice a rychlostnı silnice
v Ceske republice bylo zvoleno nekolik cest naprıc Ceskou republikou. Vysledky shr-
nuje nasledujıcı tabulka 3.7. Prumerna rychlost byla stanovena na 66 km/h, coz
odpovıda 102 m/min.
Tab. 3.7: Vypocet prumerne rychlosti v Ceske republice mimo dalnice a rychlostnı
silnice (zdroj: Planovanı a merenı trasy; Mapy.cz [16])
Odkud Kam Vzdalenost Doba jızdy Prumerna rychlost[km] [h:mm] [km/h]
Karlovy Vary Frydek-Mıstek 476 7:15 66
Litvınov Vsetın 437 6:43 65
Domazlice Uhersky Brod 415 6:12 67
Kaplice Novy Bor 268 3:53 69
Tachov Sumperk 394 6:03 65
Ostrava Pısek 368 5:52 63
Breclav Varnsdorf 375 5:29 68
Celkova prumerna rychlost 66
Doba dojezdove vzdalenosti byla rozdelena do skupin po 15 minutach, jak je
uvedeno v tabulce 3.8.
Tab. 3.8: Rozdelenı casu dojezdove vzdalenosti k dalnici nebo rychlostnı silnici
dojezd
do 15 minut
15 - 30 minut
30 - 45 minut
45 - 60 minut
Na nasledujıcı mape (obrazek 3.7) je zobrazena upravena silnicnı sıt’ a ukazka
dojezdovych zon pro obec Hradec Kralove.
32
CVUT v Praze 3. POPIS DAT
PHA
LIB
MOS
KLA
KOLKUH
MELMLB
PRI
CEB
PISST R
KLT
CHE
DECCHO
LITCLI JAB
HRKNAC
CT R
PAR
HBR
JIH
T RE
ZDA
BRE
ZNO
OLO
PREVAM
CT EF-M
OPA OST
Silniční síť ČR a dojezdové zóny Hradce KrálovéVypracovala: Anna ŠubrtováZdroj: ArcČ R 500, atlas, Ř SD, upraveno
0 50 10025 km
1 : 2 000 000
Dálnice, rychlostní silnice
Stav 2001Otevřeno 2002Otevřeno 2003Otevřeno 2004Otevřeno 2005Otevřeno 2006Otevřeno 2007Otevřeno 2008Otevřeno 2009Otevřeno 2010Otevřeno 2011
Dojezdové zónyHRK
0 - 15 m in15 - 30 m in30 - 45 m in45 - 60 m in
PHA Zkratka obce
Obec
Ostatní silniceČ eská republika
Obr. 3.7: Ukazka mapy silnicnı sıte v CR s vyznacenym vyvojem dalnicnı a rych-
lostnı sıte a ukazkou dojezdovych zon Hradce Kralove (zdroj: ArcCR 500, atlas,
RSD, upraveno), original je soucastı elektronickych prıloh
Vsechny zkoumane obce krome Nachoda se vesly do meznıho limitu 60 minut.
Lide z Nachoda meli dojezd k nejblizsı dalnici v letech 2001 - 2005 dokonce mezi 75
az 90 minutami. Od roku 2006 je z Nachoda dalnice nebo rychlostnı silnice v dosahu
30 - 45 minut.
V teto analyze nenı zohledneno, jak velky souvisly usek dalnice ci rychlostnı
silnice je z dane obce v dosahu. Dochazı tedy k situacım, kdy v blızkosti obce dojde
ke zprovoznenı pouze nekolikakilometroveho useku dalnice ci rychlostnı silnice, avsak
chybı napojenı na vetsı dalnicnı a rychlostnı sıt’. Tento stav napovıda, ze silnicnı sıt’
se bude v okolı obce dale rozsirovat, avsak vhledem k majetkopravnım vztahum,
financnı situaci a dalsım aspektum muze tento stav trvat dlouhou dobu, coz nenı
pro obec prılis prıznive.
Pro ukazku je zde uveden graf (obrazek 3.8) s pocty obcı v jednotlivych dojez-
dovych kategoriıch pro kazdy rok analyzy.
33
CVUT v Praze 3. POPIS DAT
0
5
10
15
20
25
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Počet obcí
Počet obcí v dojezdových kategoiích
do 15 minut do 30 minut do 45 minut do 60 minut nad 60 minut
Obr. 3.8: Graf poctu obcı v jednotlivych kategoriıch dojezdovych vzdalenostı (zdroj:
vlastnı analyza)
Podrobny popis zpracovanı je uveden v kapitole 4.1 Zpracovanı prostorovych dat
na strane 37.
3.3.5 Intenzita dopravy
Intenzita dopravy vyjadruje pocet vsech vozidel, ktera sledovanym usekem pro-
jedou behem 24 hodin. Vozidla jsou delena na tezka vozidla, osobnı automobily
a motocykly. Dale se uvadı i celkova intenzita dopravy vyjadrena v tzv. jednot-
kovych vozidlech. Jedna se o sumu poctu vozidel podle vzorce 3.2
JV = 2 ∗ TV +OA+ 0, 5 ∗M (3.2)
Kde JV je intenzita dopravy vyjadrena v jednotkovych vozidlech, TV je pocet
tezkych vozidel, OA je pocet osobnıch automobilu a M je pocet motocyklu. Dıky
tomu, ze se nejedna o prostou sumu poctu vozidel je zohlednen ruzny vliv vozidel
na dopravnı zatızenı, zivotnı prostredı a podobne.
Celostatnı scıtanı dopravy na vsech dalnicıch, silnicıch I. a II. trıdy a na vy-
branych usecıch silnic III. trıdy probıha v Ceske republice jiz od roku 1959 a od
roku 1980 v pravidelnych petiletych intervalech. Pro kazde mesto a jednotlive merene
roky je na strankach Reditelstvı silnic a dalnic [15] dostupna prehledova mapa se
zakladnımi vysledky. Ukazka mapy mesta Chrudim je na obrazku 3.9.
34
CVUT v Praze 3. POPIS DAT
Obr. 3.9: Ukazka mapy scıtanı intenzity dopravy v Chrudimi
Data ohledne intenzity dopravy v letech 2000 a 2005 byla poskytnuta z dat
zpracovavanych pro Atlas urbanistickeho rozvoje ceskych mest [6]. Zde byly vybrane
komunikace rozdeleny do 2 skupin, a to na komunikace prijezdovych do daneho mesta
a komunikace uvnitr mesta. Intenzita dopravy nebyla zpracovana pro Hlavnı mesto
Praha.
Dale byl zıskan strucny popis, jak zpracovat data z merenı intenzity dopravy
v roce 2010, ktera jsou uvedena na strankach Celostatnı scıtanı dopravy 2010 spra-
vovanych RSD [15]. Dıky tomuto postupu bylo mozne dopocıst hodnoty v roce
2010. Pri zpracovanı nebylo zkoumano, zda nepribyly nove merene useky, at’ uz na
prıjezdovych komunikacıch nebo komunikacıch uvnitr mesta. Pouze byly vyhledany
nove hodnoty na drıve merenych usecıch. Data pro Hlavnı mesto Praha nebyla zpra-
covana.
Linearnı interpolacı byly zıskany hodnoty v mezilehlych letech. Linearnı extra-
polacı byl dopocten rok 2011.
35
CVUT v Praze 3. POPIS DAT
Pro ukazku je zde uveden graf (obrazek 3.10) vyvoje celkove intenzity dopravy
v JV ve sledovanem souboru mest.
0
2 500
5 000
7 500
10 000
12 500
15 000
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Inte
nzi
ta d
op
ravy
Celková intenzita dopravy [JV]
intravilán příjezd
Obr. 3.10: Graf vyvoje celkove intenzity dopravy v JV ve sledovanem souboru mest.
(zdroj: atlas a vlastnı analyza)
36
CVUT v Praze 4. PRIPRAVA DAT
4 Prıprava dat
Nejprve bylo nutne zıskana data prevest do jednotneho formatu. Pro korelacnı
a regresnı analyzy byl vybran software Microsoft Office Excel (dale jen”Excel“).
Proto bylo nutne veskera podkladova data prevest do tohoto tabulkoveho procesoru.
Podkladova data s pocty zamestnancu, rozlohami pud UHDP a dalsı se nachazela
v mnoha formatech jako je PDF, ruzne textove formaty, internetove tabulky a po-
dobne. Bohuzel format a struktura ulozenych dat se casto menily. Data ve formatu
PDF bylo nutne nejprve prevest na nektery z editovatelnych formatu. K tomu bylo
vyzito hned nekolika programu a online sluzeb, protoze kvalita prevodu se lisila
vzledem k rozdılnosti vstupnıch dat.
Hodnoty HDP bylo nutne vypocıtat podle jednoducheho vzorce popsaneho v ka-
pitole 3.2 na strane 21.
Take bylo nutne dopocıtat hodnoty intenzity dopravy v roce 2010 podle pokynu,
ktere byly pouzity pro zpracovanı predchozıch let pro atlas.
V prıpade, ze hodnoty nepokryvaly cele sledovane obdobı, byla pouzita linealnı
interpolace, v nekterych prıpadech i extrapolace. To bylo zvlaste dulezite u cha-
rakteristik ze skupiny land use, ktere byly zpracovavany pro atlas a tudız v jinem
casovem obdobı. Casto se ve sledovanem obdobı nachazela pouze jedna znama hod-
nota. V takovem prıpade by nebylo mozne data pouzıt pro dalsı analyzy, protoze je
nutne mıt k dispozici alespon 2 hodnoty. Pristoupit v takovem prıpade k interpolaci
(respektive extrapolaci) bylo jedine mozne resenı, jak data do analyzy zahrnout.
4.1 Zpracovanı prostorovych dat
Prostorova data, at’ uz od katedry geomatiky ci data ArcCR 500, byla dodana
v geodatabazi. Nebyl proto problem pristoupit rovnou ke zpracovanı dat v programu
ArcGIS 10.2 firmy Esri, konkretne v aplikaci ArcMap.
Nejprve bylo nutne upravit data silnicnı sıte. Doslo k vytvorenı noveho shapefilu
silnice ostatni.shp obsahujıcı pouze ostatnı silnice, jak je uvedeno v tabulce 3.6
na strane 31. V teto vrstve byly vytvoreny 3 nove atributy. Atribut Meters, kde
37
CVUT v Praze 4. PRIPRAVA DAT
byla pomocı funkce Calculate Geometry... dopoctena delka geometrickeho segmentu
useku silnice v metrech. Dale atributy s nazvy TF Minutes a FT Minutes, kde
byl dopocten cas (v minutach) potrebny k pruchodu segmentu. Bylo stanoveno, ze
pruchod je v obou smerech stejny. Tım doslo k zanedbanı prıpadnych jednosmernych
silnic, coz v nasem prıpade nevadı. Doba pruchodu byla dopoctena pomocı funkce
Field Calculator..., kde byl dosazen vzorec 4.1.
TF (TF ) Minutes = Meters/vp (4.1)
Kde vp znacı prumernou rychlost v m/min. Prumerna rychlost v Ceske repub-
lice mimo dalnice a rychlostnı silnice byla vypoctena na 66 km/h, coz odpovıda
102 m/min. Vıce o tomto vypoctu je uvedeno v kapitole 3.3.4 Dojezdova vzdalenost
k dalnici nebo rychlostnı silnici na strane 30. Pojmenovanı nove vzniklych atributu
nenı nahodne, takto pojmenovane atributy se budou v nasledujıcıch operacıch au-
tomaticky nacıtat. Dojde tak k ulehcenı prace.
Z takto pripravene vrstvy byl vytvoren sıt’ovy dataset silnice ostatni ND. Funkce
(New Network Dataset...) se nachazı v menu pod pravym tlacıtkem nad vstupnı
vstvou v ArcCatalog. Vysledkem je krome sıt’oveho datasetu silnice ostatni ND.nd
jeste bodova vrstva uzlu silnice ostatni ND Junctions.shp.
Pred provedenım sıt’ove analyzy bylo nutne pripravit bodovy shapefile
obce body.shp se sledovanymi mesty. Ten byl vytvoren funkcı Clip, ktera orızla bo-
dovou vrstvu ObceBody z ArcCR 500 podle polygonovych vrstev jadrovych uzemı
obcı.
Pro vytvorenı sıt’ove analyzy je nutne mıt dostupnou extenzi Network Ana-
lyst. Pokud je extenze zapnuta a zaroven se v ArcMap nachazı nacteny sıt’ovy
dataset, jsou dostupne sıt’ove analyzy Network Analyst. Pro ucely teto diplomove
prace byla provedena analyza New Service Area. Dalsım vstupem byly body z drıve
pripraveneho shapefilu obce body.shp.
Sıt’ove analyzy nabızı velke mnozstvı nastavenı. Cılem teto prace nenı popisovanı
postupu zpracovanı v programu ArcMap, a proto zde budou uvedeny pouze zdroje,
ktere pomohly se zpracovanım. Dobre zpracovany je oficialnı help pro ArcGIS, sıt’ove
analyzy se nachazı v casti Extensions � Network Analyst � Network analysis [17].
38
CVUT v Praze 4. PRIPRAVA DAT
Sıt’ovymi analyzami se zabyvala take bakalarska a diplomova zaverecna prace Terezy
Pantuckove [18] [19].
Vystupem sıt’ove analyzy jsou priblizne kruhove polygony pro kazdou obec
rozdelene podle casove dostupnosti v rozmezı po 15 minutach, jak uvadı tabulka 3.8
na strane 32. Vystup byl opet ulozen do formatu shapefile s nazvem ’obec’ zony.shp,
kde za ’obec’ je vzdy dosazen nazev obce bez diakritiky a v prıpade dvouslovnych
nazvu jsou slova oddelena podtrzıtkem napr.: ceske budejovice zony.shp.
Pro zhodnocenı casove narocnosti dojezdu z obce na dalnici nebo rychlostnı
silnici bylo zapotrebı vytvorit shapefile s aktualnım stavem dalnicnı a rychlostnı
sıte pro kazdy rok ze zpracovavaneho obdobı. Postupnou editacı podle zdroju uve-
denych v kapitole 3.3.4 na strane 30 bylo vytvoreno 11 shapefilu s nazvem ’rok’.shp
napr.: 2001.shp. Editace probıhala od soucasnosti do minulosti. Vzdy byl vytvoren
duplicitnı shapefile aktualnıho stavu a z neho byly postupne odebrany prave tento
rok zprovoznene useky, tım se zıskal aktualnı stav pro predchozı rok.
Nasledne bylo kazde mesto jednotlive hodnoceno, zda dalnice ci rychlostnı silnice
zasahuje do nektere z vytvorenych dojezdovych zon. Zona s nejkratsı dojezdovou
vzdalenostı, ktera splnovala tuto podmınku, byla zapsana do tabulky v Excelu.
Vznikla tak unikatnı tabulka vyvoje dojezdove vzdalenosti sledovanych obcı v letech
2001 - 2011. Tabulka je soucastı elektronicke prılohy.
Ukazka zpracovanych dat je jiz uvedena na obrazku 3.7 v kapitole Dojezdova
vzdalenost k dalnici nebo rychlostnı silnici na strane 33.
39
CVUT v Praze 5. ANALYZA DAT
5 Analyza dat
Pro analyzu dat byl vytvoren soubor v programu Excel, ve kterem byla pro
kazdou skupinu charakteristik pripravena zalozka s daty. Tento soubor obsahuje
veskera zdrojova data pro analyzy, ktere budou postupne probrany v nasledujıcıch
kapitolach. Soubor je soucastı elektronicke prılohy teto prace. Seznam charakteristik
je uveden v tabulce 3.3 v kapitole Seznam charakteristik (zdroj: vlastnı tvorba) na
strane 25.
U kazde provedene analyzy bude uvedeno take zhodnocenı vysledku. Statisticke
vypocty jsou velmi mocnym nastrojem. Mohlo by se zdat, ze cısla mluvı jasne.
Presto je velice dulezite neopomıjet logicke zamyslenı se nad daty, vzıt v uvahu
zdroj informacı a zapojit vysledky do souvislostı. Casto jsou vysledky statistickych
analyz pouze podklady pro dalsı uvahy a prıpadne analyzy.
Ve vysledcıch se take pokusıme najıt nejake podobnosti mezi obcemi a rozdelit
je do podobnostnıch skupin.
5.1 Korelace
Slovo korelace pochazı z latiny a vypovıda o vzajemnem vztahu 2 velicin. Ko-
relacnı koeficient nabyva hodnot od -1 do 1, coz urcuje mıru linearnı korelace. Cım
vyssı hodnoty v absolutnı hodnote nabyva korelacnı koeficient, tım vetsı je zavislost
jedne veliciny na druhe. Znamenko pak urcuje, zda je zavislost prıma ci neprıma.
Kladne hodnoty vyjadrujı prımou zavislost. To znamena, ze obe veliciny navzajem
klesajı nebo stoupajı stejnou merou. Zaporne hodnoty vyjadrujı neprımou zavislost,
tedy pokud jedna z velicin stoupa, druha klesa stejnou merou a naopak. Hodnoty
korelacnıho koeficientu blızıcıho se k nule vypovıdajı o neexistenci linearnı zavislosti.
Nelze vsak tvrdit, ze veliciny na sobe nejsou zavisle. Je take dulezite rıci, ze korelacnı
koeficient urcuje mıru linealnı zavislosti, nelze z toho vyvozovat, ze jedna z velicin
je prıcinou a druha dusledkem. [20]
Posouzenı zavislosti v teto diplomove praci je popsano v nasledujıcı tabulce 5.1.
40
CVUT v Praze 5. ANALYZA DAT
Tab. 5.1: Rozdelenı zavislosti podle hodnoty korelacnıho koeficientu
Typ korelace Hodnota
prımasilna 0,6 – 1
slaba 0,2 – 0,5999
neprokazana −0, 1999 – 0,1999
neprımaslaba −0, 5999 – −0, 2
silna −1 – −0, 6
Pro urcenı korelacnıho koeficientu je zapotrebı alespon 2 hodnot vysvetlujıcı
promenne. Pokud jsou k dispozici prave 2 hodnoty, korelacnı koeficient neurcuje
mıru zavislosti, ale pouze jejı orientaci, zda se jedna o prımou nebo neprımou
zavislost. K takove situaci v nasem prıpade nedochazı z duvodu pouzitı interpolace,
respektive extrapolace dat, avsak u nekterych charakteristik se hodnota velmi blızı
±1. To muze byt zpusobeno prave nedostatkem merenych hodnot. K teto situaci
bude dochazet zvlaste u charakteristik ze skupiny land use.
V prıpade, ze se hodnota vysvetlujıcı promenne nemenı, nenı mozne urcit hod-
notu korelacnıho koeficientu. Tato situace se v praci vyskytla nekolikrat, zvlaste pak
v datech o dojezdu k dalnici ci rychlostnı silnici.
Program Excel obsahuje mnoho funkcı pro statisticke vypocty. Pro vypocet ko-
relacnıho koeficientu bylo pouzito funkce Correl, ktera je standardne soucastı pro-
gramu Excel. Vstupem do teto funkce jsou 2 matice, ktere musı mıt stejny pocet
cıselnych prvku. V matici se nesmı opakovat pouze jedna hodnota. Pomocı teto
funkce bylo provedeno nekolik analyz, kdy jedna z matic vzdy charakterizovala HDP.
Analyzy budou popsany v nasledujıcıch kapitolach.
V nasledujıcıch kapitolach budou popsany 2 korelacnı analyzy se stejnymi daty.
Rozdıl bude pouze v prıstupu k datum. V prvnım prıpade budou pouzity charak-
teristiky menıcı se v case. V tomto prıpade budeme povazovat jako fixnı polohu
udaje a zavislost budeme pozorovat vzhledem k vyvoji v case. V druhem prıpade
zafixujeme cas a budeme sledovat vyvoj udaje se zmenou v poloze.
41
CVUT v Praze 5. ANALYZA DAT
5.1.1 Charakteristiky menıcı se v case
V teto analyze byl vypocten korelacnı koeficient vyvoje HDP postupne s kazdou
charakteristikou menıcı se v case. Vystupem je tabulka korelacnıch koeficientu pro
kazde mesto a kazdou charakteristiku. Vyjimku tvorı pouze Hlavnı mesto Praha,
protoze pro tuto obec nebyly zpracovany hodnoty o intenzite dopravy. Vysledna
tabulka je soucastı elektronicke prılohy.
Protoze vysledne koeficienty vykazovaly v ramci jedne charakteristiky velke
rozdılnosti, a tudız nebylo na prvnı pohled zrejme, zda je zde prokazatelna korelace
s nekterou z charakteristik, pristoupila autorka k vlastnı analyze vypoctenych dat.
Pro kazdou charakteristiku bylo spocteno, kolika mestum spada korelacnı koeficient
do urciteho typu korelace viz tabulka 5.1. Nynı uz bylo mozne lepe posoudit vysledne
korelace. Pro jeste vetsı zjednodusenı hodnocenı vysledku doslo k prevodu na jedno
cıslo pro kazdou charakteristiku. To bylo provedeno podle vzorce 5.1, kde hledana
hodnota je oznacena jako X.
X =nphc ∗ 10 + nplc ∗ 5 + nuc ∗ 1 + nnlc ∗ −5 + nnhc ∗ −10
n(5.1)
Hodnoty n znamenajı pocet vyskytu, v indexu se pak nachazı oznacenı skupiny,
podle korelacnıho koeficientu. Index phc (positive high correlation) znacı silnou
prımou korelaci, plc (pisitive low correlation) znacı slabou prımou korelaci, uc (un-
proven correlation) znacı neprokazanou korelaci, nlc (negative low correlation) znacı
slabou neprımou korelaci a nhc (negative high correlation) znacı silnou neprımou
korelaci.
Hodnocenı vysledku
Vysledne korelace jsou uvedeny v souboru, ktery je soucastı elektronicke prılohy.
Zde bude uvedena pouze tabulka 5.2 s hodnocenım vysledku, ktera byla popsana
vyse.
Trochu prekvapujıcım vysledkem je zaporna korelace HDP s vyvojem poctu
obyvatel. Jak je videt, HDP je prımo zavisle na poctu zamestnancu. Na teto uvaze
byl zalozen i vypocet HDP v jednotlivych obcıch, jak je uvedeno v kapitole 3.2.
Pro doplnenı informace, byla provedena korelace mezi poctem obyvatel a poctem
42
CVUT v Praze 5. ANALYZA DAT
Tab. 5.2: Hodnocenı vysledku korelace s charakteristikami menıcımi se v case (pocet
vyskytu obcı v korelacnıch kategoriıch behem sledovaneho obdobı)
charak. silná slabá slabá silná chyba X
K 24 1 0 0 0 11 9,80
L 34 0 0 0 1 1 9,43
J 30 2 0 2 2 0 7,78
O 25 2 0 0 7 2 5,59
C 18 6 7 4 1 0 5,00
X 16 8 3 5 3 1 4,14
G 19 6 2 1 8 0 3,75
N 20 1 0 0 14 1 1,86
I 15 1 7 4 9 0 1,25
T 16 0 3 8 8 1 1,14
V 6 5 11 6 7 1 -0,43
U 7 3 10 6 9 1 -1,00
D 10 4 5 1 16 0 -1,25
H 9 6 3 3 15 0 -1,25
R 4 4 5 10 12 1 -3,14
B 3 4 4 3 22 0 -5,14
Q 0 4 4 12 15 1 -5,43
W 0 1 5 15 14 1 -6,00
S 2 0 3 13 17 1 -6,14
E 3 1 0 0 32 0 -7,92
F 2 1 0 0 33 0 -8,47
P 0 0 0 3 8 25 -8,64
M 1 0 0 0 34 1 -9,43
nep
řím
á zá
visl
ost
korelace
přímá nepřímáneprok.
pří
má
závi
slo
stn
epro
káza
ná
závi
slo
st
zamestnancu. Hodnota X vypoctena podle vzorce 5.1 vysla -2,8. Jako meznı hranice
pro urcenı korelace byla zvolena hodnota ±3. To znamena, ze podle hodnocenı,
ktere bylo stanoveno, se jedna o neprokazanou korelaci, avsak je zde naznak neprıme
korelace.
Vyrazna je take neprıma korelace v analyze s rozlohou zemedelske pudy. Tento
vysledek se da oduvodnit tım, ze ubytek zemedelske pudy znamena prevod na jiny
typ pudy. Naprıklad UHDP ostatnı plochy (J) naopak vykazuje silnou prımou kore-
laci.
43
CVUT v Praze 5. ANALYZA DAT
-10
-8
-6
-4
-2
0
2
4
6
8
10
B C D E F G H I J K L M N O P Q R S T U V W X
Ko
efic
ien
t X
Graf výsledkých koeficientů X
Obr. 5.1: Graf vypoctenych hodnot X pro jednotlive charakteristiky
Dale je nutne se zastavit u vysledku korelacı ze skupiny land use. Jak bylo
uvedeno v kapitole 3.3.3, tyto hodnoty byly sbırany pro Atlas urbanistickeho vyvoje
ceskych mest od 60. let 20. stoletı. Tedy po velmi dlouhou dobu oproti dobe, na
kterou je zamerena tato diplomova prace. Proto bylo pro sledovane obdobı velmi
malo merenych hodnot. Data jsou zatızena vlivem interpolace a extrapolace, coz
se blızı situaci, kdy jsou k dispozici pouze 2 merene hodnoty. Znamena to tedy, ze
mıra korelace je u techto dat zkreslena a spıse je vhodne uvazovat o mozne prıme
ci neprıme zavislosti. Vysledna hodnota X proto dosahuje extremnıch hodnot, ktere
nevystihujı skutecnost. U dopravnıch ploch (K) a obytnych ploch (L) je zrejma prıma
zavislost. U ostatnıch ploch (M) naopak neprıma. U ostatnıch typu ploch muzeme
pozorovat neobvyklou nevyvazenost, ktera se nejvıce projevuje u rekreacnıch ploch
(N). Take zde nastala situace, ze nektere koeficienty nebylo mozne urcit z duvodu
nulove diverzity dat.
Podobna situace nastala i u dostupnosti (P), kde byl take problem s diver-
zitou dat, proto korelacnı koeficienty u nekterych mest nemohly byt dopocteny.
Koeficienty byly vypocteny pouze pro 11 mest, kde v prubehu sledovaneho obdobı
doslo ke zmene casu dojezdove vzdalenosti do jine kategorie. Vıce teorie o zpracovanı
dat je popsano v kapitole 3.3.4. Prestoze pouzitelnych vysledku je podstatne mene
44
CVUT v Praze 5. ANALYZA DAT
nez v predchozıch prıpadech, vysledna hodnota X, ktera je rovna -8,6, jasne vy-
povıda neprıme zavislosti. Tento vysledek se na prvnı pohled muze zdat prekvapivy.
Ale je dulezite si uvedomit, ze hodnoty dojezdu byly vlozeny v minutach dojezdu
k dalnici nebo rychlostnı silnici. Ocekava se tedy, ze cım nizsı bude hodnota dojezdu,
tım bude vetsı hodnota HDP.
Poslednı cast, kterou je nutne zhodnotit jsou data intenzity dopravy. Data z in-
travilanu vetsinou vykazujı neprımou zavislost. Pouze prumerna intenzita dopravy
osobnıch vozidel je velmi nevyrovnana a zavislost je neprokazatelna. Tyto vysledky si
muzeme oduvodnit naprıklad tım, ze cım se mesto vıce rozvıjı, tım je vetsı snaha bu-
dovat obchvaty mest a odvest dopravu mimo intravilan. Vysledne hodnoty intenzity
dopravy na prıjezdovych komunikacıch uz nenı tak jednoduche analyzovat. Zatımco
vysledky celkove a prumerne intenzity dopravy jsou neprokazatelne, u prumerne in-
tenzity nakladnıch automobilu na prıjezdovych komunikacıch je zavislost neprıma
a u osobnıch automobilu je zavislost prıma. Prıma zavislost u osobnıch automobilu
se doplnuje s prımou zavislostı u poctu zamestnancu a neprımou zavislostı u poctu
obyvatel, coz potvrzuje teorii, ze do obce musı lide za pracı dojızdet.
Cılem prace bylo take rozdelit obce do skupin podle vztahu jednotlivych charak-
teristik k HDP. Vysledky analyz vsak nenaznacily zadny takovy vztah nebo usku-
penı. Proto byla vytvorena doplnkova tabulka 5.3, ktera udava pocet charakteristik,
u kterych se lisı vysledek korelacnıho koeficientu. Byla vytvorena tak, ze nejprve
byly spocteny rozdıly korelacnıch koeficientu a kde byl tento rozdıl v absolutnı hod-
note vyssı nez 25%, tedy 0,25, bylo rozhodnuto, ze charakteristiky nemajı stejny
korelacnı koeficient. V tabulce nejsou zohledneny charakteristiky, u kterych nebyly
dopocteny korelacnı koeficienty. Take byla z tabulky vyloucena Praha, protoze se
jedna o hlavnı mesto, kde se ocekava individualnı vyvoj HDP, a take proto, ze pro
Prahu nebyly zpracovany hodnoty ohledne intenzity dopravy.
Ani tabulka 5.3 neukazala zadne rozsahlejsı podobnosti mezi vysledky ko-
relacnıch koeficientu. Pokud je mezi obcemi cca 6 nestejnych korelacnıch koeficientu,
jsou si vysledky techto mest podobne zhruba z 75% (kolısa pocet charakteristik zahr-
nutych v analyze). V tabulce je mozne najıt nekolik takovych dvojic, avsak v drtive
vetsine nebyla nalezena souvislost, ktera by mesta propojovala. Rozhodne z techto
45
CVUT v Praze 5. ANALYZA DAT
dat nenı mozne vyvodit vseobecne platne zavery. Tabulka 5.3 ma jine poradı obcı,
nez bylo drıve pouzito v teto praci. Obce jsou serazeny podle velikosti HDP v roce
2001, a to hlavne z toho duvodu, ze se ocekavalo, ze podobny vyvoj by mohl nastat
u obcı s podobnou hodnotou HDP. Tato uvaha se nepotvrdila.
46
CV
UT
vP
raze5.
AN
AL
YZ
AD
AT
Tab. 5.3: Podobnost korelacnıch koeficientu z 1. analyzy. Uvadı pocty nepodobnych korelacnıch koeficientu.
OST CEB HRK OLO MLB LIB PCE JIH KLA MOS OPA PRE KOL DEC PŘI JAB F-M CLI ZNO CHO TRE BRE VAM KLT ZDA HBR PIS STR LIT NAC KUH CHE MEL CTE CTR
OST 9 10 9 15 6 12 10 7 14 9 11 13 9 14 9 9 14 10 10 11 12 4 11 9 9 9 8 16 14 11 12 16 10 10
CEB 9 6 8 13 9 13 7 9 11 11 14 11 12 9 12 7 12 13 14 8 11 7 9 9 11 12 11 16 11 11 10 15 9 10
HRK 10 6 7 8 11 13 8 8 12 9 12 8 12 7 15 9 10 9 16 9 10 7 6 10 10 12 12 14 9 10 9 16 6 7
OLO 9 8 7 11 11 13 12 9 12 9 11 9 9 9 11 9 14 10 11 13 9 8 8 9 11 8 13 13 11 9 12 14 7 10
MLB 15 13 8 11 15 16 12 11 18 8 14 9 11 13 15 14 15 11 16 8 9 12 6 13 14 10 14 16 16 11 13 16 9 8
LIB 6 9 11 11 15 14 9 11 14 11 14 11 13 10 9 10 15 12 14 12 14 9 12 11 10 12 12 17 14 11 11 16 12 11
PCE 12 13 13 13 16 14 12 14 17 16 12 13 12 14 14 15 7 11 15 17 15 13 16 12 12 12 15 12 17 13 12 10 11 13
JIH 10 7 8 12 12 9 12 10 13 12 13 11 14 12 13 9 14 14 17 7 14 9 9 10 8 11 10 18 14 11 6 14 11 10
KLA 7 9 8 9 11 11 14 10 12 5 11 11 8 13 10 8 11 7 11 9 10 7 10 8 11 9 9 15 12 12 12 18 6 10
MOS 14 11 12 12 18 14 17 13 12 17 14 14 15 11 15 10 11 15 17 16 11 15 14 15 13 16 15 17 14 14 14 16 13 13
OPA 9 11 9 9 8 11 16 12 5 17 10 12 9 11 12 10 14 11 9 9 9 8 8 9 10 10 9 15 14 12 13 15 8 9
PRE 11 14 12 11 14 14 12 13 11 14 10 11 10 11 14 6 13 11 14 13 8 9 11 11 8 12 16 13 13 12 11 10 11 8
KOL 13 11 8 9 9 11 13 11 11 14 12 11 11 10 14 10 15 12 16 11 10 9 10 10 11 13 12 15 12 11 10 11 9 9
DEC 9 12 12 9 11 13 12 14 8 15 9 10 11 12 9 13 9 9 15 10 5 11 14 13 12 9 13 9 14 11 11 9 7 13
PŘI 14 9 7 9 13 10 14 12 13 11 11 11 10 12 12 12 14 12 15 13 12 9 10 10 12 14 15 12 11 11 12 12 11 8
JAB 9 12 15 11 15 9 14 13 10 15 12 14 14 9 12 11 16 10 9 10 13 12 11 13 13 10 13 13 15 11 15 10 12 14
F-M 9 7 9 9 14 10 15 9 8 10 10 6 10 13 12 11 14 13 14 8 11 8 10 11 7 9 13 16 12 11 11 10 11 10
CLI 14 12 10 14 15 15 7 14 11 11 14 13 15 9 14 16 14 11 16 14 13 14 14 13 14 10 11 11 12 14 9 12 9 14
ZNO 10 13 9 10 11 12 11 14 7 15 11 11 12 9 12 10 13 11 14 12 11 10 10 12 13 12 11 12 14 14 16 13 6 10
CHO 10 14 16 11 16 14 15 17 11 17 9 14 16 15 15 9 14 16 14 12 14 12 13 10 15 11 11 17 17 13 14 14 15 13
TRE 11 8 9 13 8 12 17 7 9 16 9 13 11 10 13 10 8 14 12 12 9 10 9 12 11 11 10 16 14 13 13 14 10 9
BRE 12 11 10 9 9 14 15 14 10 11 9 8 10 5 12 13 11 13 11 14 9 11 10 14 14 12 12 11 12 14 10 10 10 12
VAM 4 7 7 8 12 9 13 9 7 15 8 9 9 11 9 12 8 14 10 12 10 11 10 6 7 11 13 16 11 10 11 16 8 6
KLT 11 9 6 8 6 12 16 9 10 14 8 11 10 14 10 11 10 14 10 13 9 10 10 10 10 10 12 14 11 8 10 15 8 6
ZDA 9 9 10 9 13 11 12 10 8 15 9 11 10 13 10 13 11 13 12 10 12 14 6 10 10 12 10 16 11 12 10 14 12 10
HBR 9 11 10 11 14 10 12 8 11 13 10 8 11 12 12 13 7 14 13 15 11 14 7 10 10 13 11 16 11 10 11 14 12 9
PIS 9 12 12 8 10 12 12 11 9 16 10 12 13 9 14 10 9 10 12 11 11 12 11 10 12 13 12 11 13 12 9 15 9 13
STR 8 11 12 13 14 12 15 10 9 15 9 16 12 13 15 13 13 11 11 11 10 12 13 12 10 11 12 13 16 14 12 16 13 11
LIT 16 16 14 13 16 17 12 18 15 17 15 13 15 9 12 13 16 11 12 17 16 11 16 14 16 16 11 13 11 14 13 13 10 15
NAC 14 11 9 11 16 14 17 14 12 14 14 13 12 14 11 15 12 12 14 17 14 12 11 11 11 11 13 16 11 12 12 15 10 10
KUH 11 11 10 9 11 11 13 11 12 14 12 12 11 11 11 11 11 14 14 13 13 14 10 8 12 10 12 14 14 12 12 11 11 10
CHE 12 10 9 12 13 11 12 6 12 14 13 11 10 11 12 15 11 9 16 14 13 10 11 10 10 11 9 12 13 12 12 10 10 13
MEL 16 15 16 14 16 16 10 14 18 16 15 10 11 9 12 10 10 12 13 14 14 10 16 15 14 14 15 16 13 15 11 10 11 12
CTE 10 9 6 7 9 12 11 11 6 13 8 11 9 7 11 12 11 9 6 15 10 10 8 8 12 12 9 13 10 10 11 10 11 8CTR 10 10 7 10 8 11 13 10 10 13 9 8 9 13 8 14 10 14 10 13 9 12 6 6 10 9 13 11 15 10 10 13 12 8
47
CVUT v Praze 5. ANALYZA DAT
5.1.2 Charakteristiky menıcı se v poloze
V teto analyze byl vypocten korelacnı koeficient vyvoje HDP postupne s kazdou
charakteristikou menıcı se v poloze. Vystupem je tabulka korelacnıch koeficientu pro
kazdou charakteristiku v kazdem roce. Vetsina koeficientu byla vypoctena v ramci 36
sledovanych mest. Vyjimku tvorı pouze charakteristiky ze skupiny intenzita dopravy,
ktere nebyly zpracovany pro Hlavnı mesto Praha, vypocet byl tedy proveden pouze
pro 35 mest.
Oproti predchozı analyze, zde v ramci jednotlivych charakteristik vysledky ne-
vykazovaly velke rozdıly, naopak vykazovaly jen velmi male rozdıly v radech setin.
V takovem prıpade lze data jednoduse shrnout prostym prumerem koeficientu pro
kazdou charakteristiku.
Vysledna tabulka je soucastı elektronicke prılohy, zde bude uvedeno pouze shr-
nutı v tabulce 5.4.
Hodnocenı vysledku
Z vyslednych prumeru v tabulce 5.4 je videt, ze HDP je prımo zavisle na vetsine
charakteristik. Protoze se jednalo o analyzu zmeny HDP vuci ostatnım charakteris-
tikam v poloze, nedochazı zde k vyse popsanemu jevu, ze hodnoty blızıcı se k ±1
jsou zpusobeny nedostatkem podkladovych dat. Charakteristiky, ktere je mozne
povazovat za prımo umerne velikosti HDP jsou oznaceny v tabulce 5.4.
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
B C D E F G H I J K L M N O P Q R S T U V W X
Ko
rela
ční k
oef
icie
nt
Průměrný korelační koeficient
Obr. 5.2: Graf prumernych korelacnıch koeficientu v analyze se zmenou v poloze
48
CVUT v Praze 5. ANALYZA DAT
Tab. 5.4: Vysledky korelace s charakteristikami menıcımi se v poloze
Charakteristika ZkratkaPrůměrný
korel. koef.
Počet zaměstnanců C 1,00
Počet obyvatel B 0,99
Dopravní plochy K 0,99
Obytné plochy L 0,98
Zastavěné plochy I 0,97
Ostatní plochy M 0,94
Celková výměra D 0,93
Ostatní plochy J 0,93
Zemědělská půda E 0,89
Orná půda (součást zemědělské půdy) F 0,86
Součet dopravy - intravilán (JV) Q 0,82
Rekreační plochy N 0,73
Průměrný počet osobních vozidel - intravilán T 0,56
Výrobní plochy O 0,56
Vodní plochy H 0,55
Průměrná doprava - intravilán (JV) R 0,53
Součet dopravy - příjezd (JV) U 0,47
Lesní půda G 0,42
Průměrný počet těžkých vozidel - intravilán S 0,29
Průměrný počet osobních vozidel - příjezd X 0,22
Průměrná doprava - příjezd (JV) V 0,22
Průměrný počet těžkých vozidel - příjezd W 0,17
Dojezdová vzdálenost P -0,17
Siln
á p
řím
á zá
visl
ost
Slab
á p
řím
á zá
visl
ost
Nep
r.
Zbyle hodnoty vykazujı slabou prımou zavislost, az neprokazatelnou.
Ve vysledcıch se nevyskytujı zadne prekvapive hodnoty. Jak bychom
predpokladali, vyssı HDP je ve mestech, ktere majı vyssı pocet obyvatel
a zamestnancu. Coz prımo souvisı i s vetsı rozlohu mesta, a tım padem i vetsı
rozlohou pro ruzne druhy pud.
Z druhu pud podle UHDP se jako silne prımo zavisla s HDP ukazala zemedelska
puda a take orna puda (je soucastı zemedelske pudy). Dale pak zastavene plochy
a ostatnı plochy.
Z hodnot land use majı prımou zavislost s HDP vsechny charakteristiky. Analyza
tak pouze potvrdila, ze s vyssım HDP se ve meste nachazı vetsı mnozstvı dopravnıch,
49
CVUT v Praze 5. ANALYZA DAT
obytnych, ostatnıch a rekreacnıch ploch. Jedina charakteristika, ktera vykazuje slabsı
prıme zavislosti je vymera vyrobnıch ploch. Pokud se opet zamyslıme nad zdro-
jovymi daty, da se tento fakt jednoduse oduvodnit. Hodnoty land use jsou zpracovane
pro tzv. jadrove uzemı. Jedna se o rozlohu mest pred pripojenım sousednıch obcı
v 70. a 80. letech. Je vseobecne znamo, ze velka cast vyrobnıch ploch je soustredena
do okrajovych castı mest, ktere v tomto prıpade nejsou do analyzy zahrnuty. Sa-
mozrejmostı jsou zastavene plochy, protoze vetsı mnozstvı obyvatel musı mıt kde
bydlet, pracovat a podobne. Obyvatelstvo musı i vıce cestovat a mıt kde travit
volny cas, coz potvrzuje i prıma umera u dopravnıch a rekreacnıch ploch.
Jedinou zapornou hodnotu, kterou je mozne najıt v tabulce 5.4, je hodnota
u charakteristiky dostupnost. Opet je vhodne pripomenout, ze hodnoty dojezdu
byly vlozeny v minutach dojezdu k dalnici nebo rychlostnı silnici. Ocekava se tedy,
ze cım nizsı bude hodnota dojezdu, tım bude vetsı hodnota HDP. Tudız pouze u teto
charakteristiky byla zaporna hodnota ocekavana.
Z charakteristik ohledne intenzity dopravy se jedina silna prıma zavislost vy-
skytla u hodnoty celkoveho souctu dopravy v intravilanu. Ostatnı hodnoty majı sla-
bou prımou zavislost, az neprokazanou. Nelze tedy rıci, ze s vyssım HDP se ve meste
nachazı i zvysena intenzita dopravy. To muze byt zduvodneno vyuzıvanım mestske
hromadne dopravy, ktera casto zasahuje i do blızkeho okolı mesta a ovlivnuje nejen
hodnoty v intravilanu, ale i na prıjezdovych komunikacıch.
5.2 Regrese
Regresnı analyza je jedna ze statistickych metod. Primarne slouzı k odhadum
nahodne veliciny, ktere rıkame zavisla promenna, nebo take vysvetlovana promenna,
na zaklade znamych hodnot jinych velicin, ktere jsou oznacovane jako nezavisle
promenne, nebo take vysvetlujıcı promenne. V nasem prıpade se pokusıme techto
metod vyuzıt pro urcenı, ktera ze sledovanych charakteristik (vysvetlujıcı promenne)
nejvıce souvisı s HDP (vysvetlovana promenna).
V teto praci se budeme zaobırat mnohonasobnou linearnı regresı. V takove
analyze hledame hodnoty vysvetlovane (zavisle) promenne z linearnı kombinace
50
CVUT v Praze 5. ANALYZA DAT
dvou a vıce hodnot vysvetlujıcı (nezavisle) promenne. Regresnı cara bude prımka.
Vysvetlujıcı promennou vyjadrıme pomocı vztahu 5.2.
Y = β0 + β1X1 + β2X2 + ...+ βiXi + ε (5.2)
Kde Y je vysvetlovana promenna, v nasem prıpade HDP, Xi je vysvetlujıcı
promenna, v nasem prıpade jsou to jednotlive charakteristiky, βi jsou parametry
modelu, tzv. regresnı koeficienty a ε je nahodna slozka zahrnujıcı vsechny nepopsane
chyby.
O bodech reprezentujıcıch merena data se predpoklada, ze jejich x-ove souradnice
jsou presne, zatımco y-ove souradnice mohou byt zatızeny nahodnou chybou,
pricemz predpokladame, ze zavislost y na x lze graficky vyjadrit prımkou. Pokud
merene body prolozıme prımkou, tak pri odecıtanı z grafu bude mezi y-ovou hodno-
tou mereneho bodu a y-ovou hodnotou lezıcı na prımce odchylka. Podstatou linearnı
regrese je nalezenı takove prımky, aby soucet druhych mocnin techto odchylek byl
co nejmensı, tedy pouzitı metody nejmensıch ctvercu (MNC). [21]
Cıle mnohonasobne linearnı regrese [22]:
• Pomocı statistiky R2 vysvetlit rozptyl v zavisle promenne y.
• Odhadnout (vypocıtat) vliv kazde z nezavisle promennych x na zavislou
promennou y. Sılu toho vlivu sdelujı nestandardizovane regresnı koeficienty.
Vliv kazde nezavisle promenne je odhadovan tak, ze je kontrolovano
pusobenı ostatnıch nezavislych, ktere vstupujı do modelu. Mnohonasobna re-
grese prostrednictvım standardizovanych regresnıch koeficientu take pomaha
urcit relativnı sılu vlivu jednotlivych promennych na promennou zavislou.
Umoznuje zjistit, ktere promenne majı na rozptyl zavisle promenne nejvetsı
vliv, a ktere majı naopak vliv nejmensı.
• S pomocı sestavene regresnı rovnice predikovat pro jednotlive prıpady hodnoty
zavisle promenne.
Existuje nekolik predpokladu, ktere je potreba splnit pred pouzitım regresnı
analyzy. Hlavnı podmınkou pro vhodnost regresnıch modelu je, ze nesmı existovat
silna korelace mezi vysvetlujıcımi promennymi, v nasem prıpade charakteristikami.
51
CVUT v Praze 5. ANALYZA DAT
Pokud tento stav nastane, jde o tzv. multikolinearitu. Zavislost mezi vysvetlujıcımi
promennymi je temer vzdy prıtomna, problem nastava u tzv. perfektnı multikoli-
nearity, kdy nenı mozne odhadnout regresnı parametry metodou nejmensıch ctvercu.
Dusledky multikolinearity:
• nadhodnocenı souctu ctvercu regresnıch koeficientu, coz muze vest
k prikladanı vetsı dulezitosti nektere vysvetlujıcı promenne
• intervaly spolehlivosti pro regresnı koeficienty jsou moc siroke (casto
obsahujı 0)
• t-testy nevedou k zamıtnutı hypotezy o nevyznamnosti koeficientu
• v extremnım prıpade nelze parametry modelu pomocı metody nejmensıch
ctvercu vubec odhadnout
Castou prıcinou multikolinearity je nadmerny pocet vysvetlujıcıch promennych.
Proto je dulezite pred pouzitım regresnı analyzy provest uvahu o souvislostech a vy-
tvorit model, ktery ma nejake teoreticke opodstatnenı. Je dobre zvazit prınosnost
promennych do modelu.
Casto se i po takove uvaze vyskytuje multikolinearita mezi vysvetlujıcımi
promennymi. V takovem prıpade je vhodne identifikovat, ktere promenne jsou v mo-
delu nadbytecne a vypustit je. Existuje nekolik metod, jak v takovem prıpade postu-
povat. Tyto metody jsou popsany naprıklad v praci Mnohonasobna linearnı regrese.
[22]
Pro testovanı byl opet zvolen program Excel. Funkce Regrese nenı standardne
soucastı tabulkoveho procesoru Excel, a proto bylo nutne doinstalovat doplnek Ana-
lyticke nastroje. Po zavedenı doplnku je na karte Data dostupny prıkaz Analyza dat,
jehoz soucastı je i funkce Regrese.
Vstupnımi daty do regresnı analyzy je vzdy matice vysvetlovane promenne
a matice vysvetlujıcıch promennych. Excel umoznuje na vstupu maximalne 16
vysvetlujıcıch promennych. Dale je mozne ve funkci nastavit zpusob vystupu dat.
Zde je na vyber mezi vystupem na samostatnou stranku nebo volbou vlastnıho
umıstenı vystupu. Dale jsou zde dalsı moznosti nastavenı. Za zmınku stojı moznost
52
CVUT v Praze 5. ANALYZA DAT
Popisky, coz umoznı nacıst v matici i popisova data promennych v prvnım radku
matice. Take je zde moznost zvolit si vlastnı hladinu spolehlivosti. Pro ucely teto
diplomove prace se spokojıme s defaultnım nastavenım hladiny spolehlivosti 95%.
Volitelne mohou byt soucastı vystupu i rezidua a to formou tabulky nebo grafu.
Obr. 5.3: Ukazka nastavenı funkce Regrese z programu Excel
Jak se pozdeji zjistilo, funkce Regrese je pomerne striktnı na format vstupnıch
dat. Proto bylo nutne pro tuto analyzu preformatovat data tak, aby se ve sloupcıch
nachazely jednotlive charakteristiky a v radcıch sledovane roky. Dalsı podstatnou
podmınkou, ktera znacne zneprıjemnila praci, je nutnost mıt vysvetlujıcı promenne
v jednom ucelenem bloku dat. To znamena, ze v prıpade nevyhovujıcı prvotnı
analyzy bylo nutne nejprve nove usporadat zdrojova data, a az pote bylo mozne
provest analyzu.
5.2.1 Vstupnı model
Nejprve bylo nutne zvolit si vhodny model. Take muselo dojıt k redukci
promennych, protoze Excel je omezen na 16 vysvetlujıcıch promennych, zatımco
v predchozıch analyzach bylo vyuzito vsech 23 charakteristik. Po logicke uvaze doslo
k vyrazenı nasledujıcıch charakteristik:
53
CVUT v Praze 5. ANALYZA DAT
• Pocet zamestnancu
Tento udaj byl vyuzit pro vypocet hodnoty HDP v obci, tudız vıme, ze zde
zavislost jiste existuje a nenı nutne jı zkouset dale dokazovat.
• Celkova vymera UHDP
Celkova vymera UHDP je do jiste mıry korelovana s ostatnımi hodnotami
druhu pud. Bylo rozhodnuto zamerit se spıse na jednotlive druhy pud nez
pouze na celkovou rozlohu.
• Orna puda
Orna puda je soucastı zemedelske pudy, ktera je v analyze ponechana. Mezi
temito charakteristikami existuje silna korelace.
• Dostupnost
Tato charakteristika bohuzel neposkytovala dostatecnou diverzitu, aby mohla
byt do analyzy zahrnuta.
• Intenzita dopravy
Vzhledem k tomu, ze hodnoty intenzity dopravy jsou spolu silne provazane,
bylo nutne vybrat pouze nektere hodnoty. V tomto prıpade bylo rozhodnuto
ponechat celkovou intenzitu dopravy v intravilanu a celkovou intenzitu do-
pravy na prıjezdovych komunikacıch. Tyto udaje jsou v tvz. jednotkovych
vozidlech (JV) viz kapitola 3.3.5 Intenzita dopravy a zahrnujı merenı tezkych
a osobnı vozidel i motocyklu.
Byly vypusteny nasledujıcı charakteristiky:
– Prumerna doprava - intravilan (JV)
– Prumerny pocet tezkych vozidel - intravilan
– Prumerny pocet osobnıch vozidel - intravilan
– Prumerna doprava - prıjezd (JV)
– Prumerny pocet tezkych vozidel - prıjezd
– Prumerny pocet osobnıch vozidel - prıjezd
• Land use
Protoze data land use jsou dulezita pro tuto praci, byla snaha je z analyzy
nevyrazovat. U nekterych mest vsak nevykazovala dostatecnou diverzitu, a tak
54
CVUT v Praze 5. ANALYZA DAT
musela byt z analyz vyrazena. To se tykalo obcı, kde existovala charakteris-
tika z teto skupiny, u ktere nedoslo v prubehu sledovaneho obdobı k vyvoji
(hodnota se v prubehu nezmenila). U ostatnıch mest byla data ponechana.
Pro 21 mest byla provedena regresnı analyza vcetne dat land use. Bohuzel
analyza neprobehla dobre ani v jednom prıpade. Data land use v tomto roz-
sahu jsou zcela nevyhovujıcı pro regresnı analyzu, pravdepodobne z duvodu
nızkeho poctu merenych dat, coz vede k nızke diverzite a k vzajemne korelaci.
Zakladnı model, ktery byl pocatecnı u vsech mest s vyjimkou Hlavnıho mesta
Prahy, pro ktere nebyla zpracovana data o doprave, je vypsan v tabulce 5.5.
Tab. 5.5: Zakladnı model regresnı analyzy pro vsechny obce (krome Hlavnıho mesta
Praha)
Oznacenı Charakteristika
B Pocet obyvatel
E Zemedelska puda
G Lesnı puda
H Vodnı plochy
I Zastavene plochy
J Ostatnı plochy
K Dopravnı plochy
L Obytne plochy
M Ostatnı plochy
N Rekreacnı plochy
O Vyrobnı plochy
Q Soucet dopravy - intravilan (JV)
U Soucet dopravy - prıjezd (JV)
5.2.2 Hodnocenı regresnı analyzy
Vystupem regresnı analyzy v programu Excel je tabulka hodnot. Zde budou
popsany hlavne vystupy, ktere jsou pro nase ucely dulezite.
55
CVUT v Praze 5. ANALYZA DAT
Prvnı cast tabulky je nazvana VYSLEDEK. Zde se nachazı zakladnı regresnı
statistika. Nasobne R vyjadruje korelacnı koeficient. Dulezite jsou hodnoty Hodnota
spolehlivosti R a Nastavena hodnota spolehlivosti R. Tyto nazvy nejsou zcela vhodne,
casteji jsou oznacovany jako determinacnı index a upraveny determinacnı index.
Po vynasobenı stem obe hodnoty vyjadrujı procento z celkove variability hodnot
vysvetlovane promenne, ktera je objasnena tımto modelem. Prvnı z hodnot je znacne
ovlivnovana poctem vysvetlujıcıch promennych, velikostı vyberu a vztahem mezi
velicinami. Druha hodnota lepe odpovıda skutecne situaci. Chyba str. hodnoty udava
prumernou chybu v predpovedi HDP. Poslednı informacı je pocet vstupnıch hodnot.
[24]
Druha cast se nazyva ANOVA. Zde je podstatna hodnota Vyznamnost F. Jedna
se o p-hodnotu F-testu. Pokud je hodnota nizsı nez zvolena mez 5 %, tedy nizsı
nez 0,05, pak dochazı k zamıtnutı nulove hypotezy o nevhodnosti modelu. Ostatnı
vysledky by bylo mozne pouzıt naprıklad pro hodnocenı, zda doslo ke zlepsenı
modelu oproti predchozımu a podobne. Tımto se dale nebudeme zaobırat.
Ve tretı casti se nachazı jednotlive koeficienty, ze kterych bychom mohli sesta-
vit rovnici modelu pro predikci. Nejdulezitejsım vysledkem je p-hodnota. Za po-
moci p-hodnoty se vyhodnocujı vysledky t Stat studentova rozdelenı. Pokud jsou
p-hodnoty nizsı nez zvolena mez, charakteristika je v modelu pouzita spravne.
V prıpade vyssı hodnoty je nutne charakteristiku z modelu vypustit. Protoze v nasem
prıpade casto vychazely p-hodnoty velmi vysoke, byla zvolena meznı hodnota 0,1.
Ze dana charakteristika nema na model vliv, nam mohou ukazat i vysoke hodnoty
Chyba str. hodnoty, kde musıme vzıt v uvahu i jednotky, dale pak intervaly spolehli-
vosti Dolnı 95% a Hornı 95%. Pokud je interval prılis veliky a obsahuje nulu, pak
dana charakteristika nema na model vliv.
Poslednı volitelna cast s nazvem REZIDUA obsahuje uz jen doplnujıcı informace,
ktere nenı nutne znat pro tvorbu modelu. Jak bylo recenu v uvodu teto kapitoly,
vysvetlujıcı promenne jsou povazovany za nemenne, zatımco vysvetlovana promenna
muze byt zatızena nahodnou chybou. Umoznuje zobrazit rozdıl mezi merenymi
hodnotami a hodnotami, ktere jsou dany modelem. Tato cast nebude vystupem
z analyz v teto diplomove praci.
56
CV
UT
vP
raze5.
AN
AL
YZ
AD
AT
Tab. 5.6: Ukazka vystupu regresnı analyzy v programu Excel.
VÝSLEDEK
Regresní statistika
0.998657737
0.997317276
0.991057585
158.8053391
Pozorování 11
ANOVA
Rozdíl SS MS F Významnost F
Regrese 7 28126049.52 4018007.075 159.323742 0.000751821
Rezidua 3 75657.40715 25219.13572
Celkem 10 28201706.93
Koeficienty Chyba stř. hodnoty t Stat Hodnota P Dolní 95% Horní 95% Dolní 95.0% Horní 95.0%
Hranice -234042738 67193584.38 -3.483111379 0.03996523 -447882712.7 -20202764 -447882712.7 -20202764
E - zemědělská půda 62935.9736 18141.07728 3.469252277 0.04036823 5202.969295 120668.978 5202.969295 120668.978
G - lesní půda 63539.6279 18092.2154 3.511987142 0.0391419 5962.12381 121117.1319 5962.12381 121117.1319
H - vodní plochy 63586.0377 18230.61686 3.48787088 0.03982802 5568.078399 121603.997 5568.078399 121603.997
I - zastavěné plochy 62984.075 18122.33901 3.475493697 0.04018611 5310.704172 120657.4459 5310.704172 120657.4459
J - ostatní plochy 63028.2781 18118.17358 3.478732436 0.04009201 5368.16355 120688.3927 5368.16355 120688.3927
Q - součet intravilán -0.4725537 0.216163279 -2.186096045 0.11668027 -1.16048172 0.21537434 -1.16048172 0.21537434
U - součet příjezd 1.01282903 0.577411133 1.754086422 0.17769158 -0.824750899 2.850408956 -0.824750899 2.850408956
Násobné R
Hodnota spolehlivosti R
Nastavená hodnota spolehlivosti R
Chyba stř. hodnoty
57
CVUT v Praze 5. ANALYZA DAT
5.2.3 Hodnocenı - obce
Kazda obec musela byt zpracovavana samostatne. V nasledujıcı casti bude pro
kazdou obec popsan postup, kterym byl nalezen optimalnı regresnı model.
• Hlavnı mesto Praha (PHA)
Hlavnı mesto Praha je jedina obec, pro kterou nebyla zpracovana data o inten-
zite dopravy. Jiz prvnı analyza byla provedena na mensım poctu sledovanych
charakteristik, nez je tomu u ostatnıch mest. Vysledky z prvnı analyzy nebyly
prıznive. Jedina z charakteristik, ktera se zdala byt podle p-hodnoty pouzitelna
v modelu, obsahovala v intervalu spolehlivosti nulu. Presto to byla jedina cha-
rakteristika, ktera po postupnem ubıranı nejvıce nevhodnych charakteristik
zustala v modelu.
• Kladno (KLA)
Jiz pouzitı prvnıho modelu dalo necekane dobre vysledky. Jedina p-hodnota,
ktera se zasadne odchylovala, byla u charakteristiky U - soucet dopravy prıjezd
(JV), a byla proto z modelu vypustena. Charakteristika B - pocet obyvatel take
nesplnovala meznı hodnotu provedene analyzy, tedy 0,05 a jejı nevhodnost na-
znacovala i nula v intervalu spolehlivosti. Ve tretım modelu byla vynechana
i tato charakteristika. Tento model jiz splnoval veskera kriteria. Zaroven upra-
veny determinacnı index udava 100 % vysvetlenych hodnot.
• Kolın (KOL)
Ve vyslednem modelu zustaly pouze tri charakteristiky. Charakteristika
I - zastavena plocha mela p-hodnotu 0,06 a v intervalu spolehlivosti obsaho-
vala nulu. Jejım ostranenım vsak doslo k znacnemu narustu p-hodnot. Proto
byla ve vyslednem modelu ponechana.
• Kutna Hora (KUH)
V prvnı analyze modelu nevyhovovala charakteristika soucet dopravy intra-
vilan (JV). Po jejım odstranenı se p-hodnoty znacne zlepsily, presto u 2 chrak-
teristik byla v intervalu spolehlivosti obsazena nula. Po odstranenı techto 2
charakteristik doslo k vyraznemu zhorsenı modelu, proto byl predchozı model
povazovan za dostacujıcı.
58
CVUT v Praze 5. ANALYZA DAT
• Melnık (MEL)
U tohoto mesta prvnı analyza zcela selhala. P-hodnoty dosahovaly u vetsiny
charakteristik velmi vysokych hodnot. Postupnym odstranovanım vzdy te nej-
horsı p-hodnoty se vysledky vyrazne zlepsovaly. Ve vyslednem modelu zustaly
charakteristiky B - pocet obyvatel, J - ostatnı plochy a obe hodnoty intenzity
dopravy (Q, U).
• Mlada Boleslav (MLB)
Data obce Mlada Boleslav se chovala zcela nestandardne. V prvnı analyze
sice p-hodnoty nebyly dobre, nejzvlastnejsı byl fakt, ze nejhorsı p-hodnota se
vyskytovala u Hranice coz je konstantnı clen, ktery je ve vzorci 5.2 na strane
51 oznacen β0. Postupnym ubıranım nevhodnych charakteristik jsme se dostali
k vysledku, ktery poukazal na fakt, ze hodnoty HDP a soucet dopravy prıjezd
(JV) jsou si velmi blızke, coz znehodnotilo celou analyzu. Cely proces byl
opakovan bez pouzitı charakteristiky soucet dopravy prıjezd (JV). Vhodny
model charakterizuje pouze lesnı puda.
• Prıbram (PRI)
Analyzy se opet nevyvıjely prılis prıznive. Temer dostacujıcı byl model, ktery
vychazel z H - vodnı plochy a I - zastaveneho uzemı. Druha z charakteristik
vsak obsahovala v intervalu spolehlivosti nulu a po jejım vypustenı doslo ke
zlepsenı modelu.
• Ceske Budejovice (CEB)
Z prvotnı analyzy byly vyrazeny hned 2 znacne nevyhovujıcı charakteris-
tiky. Dal se pokracovalo opet odstranenım vzdy te nejmene vyhovujıcı. Ve
vyslednem modelu zustal B - pocet obyvatel, I - zastavene plochy a obe cha-
rakteristiky o intenzite dopravy (Q, U).
• Pısek (PIS)
Postupne odebıranı charakteristik vedlo k situaci, kdy poslednı nevhodnou
p-hodnotou byla Hranice, tedy konstantnı clen. Proto byla provedena regresnı
analyza, ve ktere bylo nastaveno, ze konstantnı clen ma byt nulovy. Tato
analyza dopadla nejlepe s charakteristikami B - pocet obyvatel, J - ostatnı
plochy a Q - soucet dopravy intravilan (JV).
59
CVUT v Praze 5. ANALYZA DAT
• Strakonice (STR)
Prvnı analyza v obci Strakonice mela velmi spatne vysledky. Postupnym
odstranovanım nevhodnych charakteristik zustaly poslednı 3, kdy pouze
Q - soucet dopravy intravilan mel vyssı p-hodnotu nez 0,5 a v intervalu spo-
lehlivosti se nachazela nula. Odstranenı vsak vedlo ke zhorsenı modelu a tak
byl predchozı model povazovan za dostacujıcı. Upraveny determinacnı index
udava nizsı procento vysvetlenych hodnot, nez je obvykle u ostatnıch obcı.
• Klatovy (KLT)
Regresnı analyza se dobre vyvıjela a ve vyslednem modelu zustalo hned 5
charakteristik s velmi nızkymi p-hodnotami. I upraveny determinacnı index je
vysoky. Udava 99 % vysvetlenych hodnot.
• Cheb (CHE)
U analyz nad daty obce Cheb bylo provedeno vetsı mnozstvı analyz. Ve
vysledcıch se casto nachazela pouze jedna charakteristika, ktera nesplnovala
podmınky modelu. Jejı odstranenı vsak vedlo ke zhorsenı jine charakteristiky.
Tento prıklad dobre ukazuje na fakt, ze zmenou modelu dochazı k velke zmene
v moznych zavislostech.
• Decın (DEC)
Regresnı analyza probıhala standardnım zpusobem. Vysledny model je zavisly
pouze na dvou charakteristikach a to E - zemedelska puda a G - lesnı puda.
• Chomutov (CHO)
U techto analyz nastala situace, kdy nejhorsı p-hodnota byla u Hranice. V mi-
nulosti se ukazalo, ze pokud hodnotu ponechame, dojde postupnym ubıranım
charakteristik k vyraznemu snızenı p-hodnoty, az splnuje podmınky modelu.
Protoze v prubehu techto analyz dosahovala skutecne extremnıch hodnot
(0,99), byly provedeny analyzy i pri nulovem konstantnım clenu. Vysledky
ukazaly, ze doslo-li k vynulovanı konstantnıho clenu, vysledny model obsaho-
val o jednu charakteristiku vıc.
• Litvınov (LIT)
U analyz obce Litvınov vychazely velmi podobne p-hodnoty. Z tohoto duvodu
bylo tezke rozhodovat, ktere charakteristiky z modelu vyradit. Ve vyslednem
60
CVUT v Praze 5. ANALYZA DAT
modelu zbyly 3 charakteristiky, prestoze interval spolehlivosti jedne z nich
obsahuje nulu. Jejım odstranenım vsak doslo ke zhorsenı modelu.
• Most (MOS)
Tyto analyzy probıhaly hladce. Ve vyslednem modelu zustaly 4 charakteristiky.
• Ceska Lıpa (CLI)
U dat z obce Ceska Lıpa analyzy opet vedly k situaci, kdy bylo vhodne vypustit
z modelu konstantnı clen. Ve vyslednem modelu zustaly pouze 2 charakteris-
tiky.
• Jablonec nad Nisou (JAB)
Po odebranı prvnı nevhodne charakteristiky doslo k velkemu zlepsenı
p-hodnot. Vysledny model je slozen hned z peti charakteristik.
• Liberec (LIB)
U obce Liberec se hodnoty dlouhou dobu drzely na velmi podobnych
a pomerne vysokych p-hodnotach. Vysledny model obsahuje 4 charakteristiky
a vysvetluje 98 % dat.
• Hradec Kralove (HRK)
Vysledny model obsahuje pouze 2 charakteristiky a dosahuje opravdu nızkych
p-hodnot. Coz vede k malym intervalum spolehlivosti a vysokemu procentu
vysvetlenych hodnot.
• Nachod (NAC)
Analyzy u dat z obce Nachod si nevedly prılis dobre. Vysledkem je model, ktery
je zavisly pouze na charakteristice B - pocet obyvatel. Na tomto prıkladu se
ukazuje fakt, ze model se snazı byt co nejuspornejsı a vyuzıt co mozna nejmene
vysvetlujıcıch promennych.
• Ceska Trebova (CTR)
Analyzy u obce Ceska Trebova se chovaly obdobnym zpusobem jako
u Nachoda. Take se ve vyslednem modelu nachazı pouze jedna charakteris-
tika a to E - zemedelska puda.
• Pardubice (PAR)
Model splnil podmınky za prıtomnosti 3 charakteristik. Analyzy probıhaly
zcela standardne.
61
CVUT v Praze 5. ANALYZA DAT
• Havlıckuv Brod (HBR)
Analyzy u obce Havlıckuv Brod probıhaly bez zadnych neocekavanych
vysledku. Kazdym odebranım nevhodne charakteristiky doslo ke zlepsenı
p-hodnot ostatnıch. Vysledneho modelu za prıtomnosti peti charakteristik bylo
brzy dosazeno. Upraveny determinacnı index udava 99 % vysvetlenych dat.
• Jihlava (JIH)
Vysledny model u obce Jihlava obsahuje 4 charakteristiky. V analyzach se
nevyskytly zadne neocekavane situace.
• Trebıc (TRE)
U obce Trebıc nebylo nutne provest velky pocet analyz. P-hodnoty jiz v prvnı
analyze vykazovaly dobre hodnoty. Vzdy se objevila pouze jedna charakte-
ristika, ktera do modelu hrube nezapadala. Vysledny model je tvoren z sesti
charakteristik.
• Zd’ar nad Sazavou (ZDA)
Analyzy u obce Zd’ar nad Sazavou probıhaly take velmi rychle. Uz 3. analyza
vytvorila model, ktery temer splnoval podmınky, pouze u charakteristiky
Q - soucet dopravy intravilan byla p-hodnota o trochu vyssı nez 0,5 a interval
spolehlivosti obsahoval nulu. Vypustenım teto charakteristiky vsak doslo ke
zhorsenı modelu temer konstantne u vsech charakteristik. Proto byl predchozı
model slozeny z 6 charakteristik povazovan za dostacujıcı.
• Breclav (BRE)
Analyzy nad daty z obce Breclav vedly k vyslednemu modelu obsahujıcımu 2
charakteristiky a to B - pocet obyvatel a E - zemedelska puda.
• Znojmo (ZNO)
Jako vysledek byl uznan model obsahujıcı pouze 2 charakteristiky. Jiz
u predchozıch analyz se vyskytovaly charakteristiky, ktere mely p-hodnoty
nizsı nez 0,1 avsak vyssı nez 0,5 a intervaly spolehlivosti obsahovaly nulu.
V prıpade vyrazenı techto charakteristik z modelu doslo ke zlepsenı, avsak
vysledny model vysvetluje mensı procento hodnot.
62
CVUT v Praze 5. ANALYZA DAT
• Olomouc (OLO)
Vysledny model regresnı analyzy pro obec Olomouc obsahuje 3 charakteristiky.
Analyzy probıhaly zcela standardne.
• Prerov (PRE)
Analyzy ukazaly, ze model obce Prerov je zavisly na jedine charakteristice
E - zemedelska puda. V prubehu analyz doslo k vyraznemu zhorsenı modelu
po odstranenı jedne z promenne. Proto bylo nutne delat vetsı pocet analyz.
• Valasske mezirıcı (VAM)
Tyto analyzy opet probıhaly zcela standardne a ve vyslednem modelu se
nachazı 3 charakteristiky.
• Cesky Tesın (CTE)
U Ceskeho Tesına nastala situace, kdy vsechny charakteristiky mely p-hodnotu
dostatecne nızkou a jedina nevyhovujıcı p-hodnota se nachazela u Hranice.
Doslo proto i zde k vynechanı konstantnıho clenu z modelu. Ve vyslednem
modelu se nachazı 3 charakteristiky.
• Frydek-Mıstek (F-M)
Vysledny model u obce Frydek-Mıstek je tvoren sesti charakteristikami.
Analyzy probıhaly standardne.
• Opava (OPA)
U obce Opava opet vychazela spatne p-hodnota u clenu Hranice. Nakonec vsak
byla v modelu ponechana a vysledny model je tvoren 3 charakteristikami.
• Ostrava (OST)
Vysledny model regresnı analyzy u obce Ostrava obsahuje pouze 2 charak-
teristiky. Postupnym ubıranım charakteristik se opet stala nejhorsı hodnota
u konstantnıho clenu. V modelu vsak byla ponechana.
5.2.4 Hodnocenı - shrnutı
Vysledne modely jsou shrnuty v tabulkach 5.7 a 5.8. Tabulky znazornujı stejna
data. V prvnım prıpade je tabulka setrıdena podle celkoveho HDP obce a v druhem
prıpade podle HDP na osobu.
63
CVUT v Praze 5. ANALYZA DAT
Tab. 5.7: Vyskyty charakteristik v regresnıch modelech pro kazdou obec, serazeno
podle HDP obce
po
čet
char
akte
rist
ik
v m
od
elu
po
čet
ob
yvat
el
zem
ěd
ělsk
á p
ůd
a
lesn
í pů
da
vo
dn
í plo
chy
zas
tavě
né
plo
chy
ost
atn
í plo
chy
do
pra
va in
trav
ilán
do
pra
va p
říje
zd
B E G H I J Q U
PHA 1 x
CTR 1 x
MLB 1 x
CLI 2 x x
KUH 7 x x x x x x x
VAM 3 x x x
JAB 5 x x x x x
PCE 3 x x x
HBR 5 x x x x x
OST 2 x x
CTE 3 x x x
F-M 6 x x x x x x
CHE 2 x x
CEB 4 x x x x
KOL 2 x x
MEL 4 x x x x
PRE 1 x
LIB 3 x x x
PRI 1 x
DEC 2 x x
KLT 5 x x x x x
PIS 3 x x x
NAC 1 x
STR 3 x x x
BRE 2 x x
JIH 4 x x x x
ZDA 6 x x x x x x
KLA 6 x x x x x x
OPA 3 x x x
HRK 2 x x
MOS 3 x x x x
ZNO 2 x x
CHO 4 x x x x
OLO 3 x x x
LIT 3 x x x
TRE 6 x x x x x x
součet 11 17 14 8 15 17 18 15
64
CVUT v Praze 5. ANALYZA DAT
Tab. 5.8: Vyskyty charakteristik v regresnıch modelech pro kazdou obec, serazeno
podle HDP na osobu
po
čet
char
akte
rist
ik
v m
od
elu
po
čet
ob
yvat
el
zem
ěd
ělsk
á p
ůd
a
lesn
í pů
da
vo
dn
í plo
chy
zas
tavě
né
plo
chy
ost
atn
í plo
chy
do
pra
va in
trav
ilán
do
pra
va p
říje
zd
B E G H I J Q U
MLB 1 x
PHA 1 x
KOL 2 x x
JIH 4 x x x x
CEB 4 x x x x
HRK 2 x x
HBR 5 x x x x x
OLO 3 x x x
ZDA 6 x x x x x x
BRE 2 x x
MEL 4 x x x x
STR 3 x x x
KUH 7 x x x x x x x
KLT 5 x x x x x
PRI 1 x
PCE 3 x x x
NAC 1 x
VAM 3 x x x
OST 2 x x
OPA 3 x x x
KLA 6 x x x x x x
LIB 3 x x x
PIS 3 x x x
PRE 1 x
ZNO 2 x x
CLI 2 x x
MOS 3 x x x x
LIT 3 x x x
CHO 4 x x x x
JAB 5 x x x x x
CTR 1 x
DEC 2 x x
TRE 6 x x x x x x
CHE 2 x x
F-M 6 x x x x x x
CTE 3 x x x
součet 11 17 14 8 15 17 18 15
65
CVUT v Praze 5. ANALYZA DAT
Z techto vysledku muzeme pozorovat, ze nektere charakteristiky byly casteji
zapojene do regresnıho modelu a jine mene. Nejvıce byla v modelech zastoupena
charakteristika Q - soucet intenzity dopravy v intravilanu. Nejmene se vyskytovala
charakteristika H - vodnı plochy.
Jak je videt z tabulkek 5.7 a 5.8, kazde mesto je zcela individualnı a analyzy
neukazaly zadne konstantnı vysledky, ze kterych by bylo mozne usuzovat, ktere
charakteristiky majı nejvetsı vliv na vyvoj HDP, a tedy by bylo mozne HDP z jejich
hodnot predikovat. Mezi obcemi se zadny z modelu nevyskytl vıce nez 2x. Nelze tedy
rıci, ze existuje model umoznujıcı predikci HDP z hodnot zamerenych na vyuzitı pud
a dopravu.
Nynı se pokusıme analyzovat, zda jsou si obce se stejnym regresnım modelem
podobne.
Shoda nastala u nasledujıcıch charakteristik a mest:
• schodne charakteristiky regresnıho modelu: E I J Q U
– Klatovy (KLT)
– Havlıckuv Brod (HBR)
Obe mesta majı podobnou hodnotu HDP, i kdyz rust u obce Havlıckuv Brod
byl o trochu rychlejsı. I pocet obyvatel i zamestnancu je temer stejny a u obou
mest doslo ve sledovanem obdobı ke shodnemu mırnemu snızenı. V celkove
rozloze je obec Klatovy o neco vetsı, zaroven zde doslo ke zvysenı rozlohy,
zatımco u Havlıckova Brodu doslo ke snızenı celkove rozlohy. Zemedelska puda
zabıra opet o neco vetsı rozlohu u obce Klatovy. Co se tyka orne pudy, tak zde
obce zabırajı priblizne stejnou rozlohu. V lesnı pude a vodnıch plochach jsou
vetsı rozdıly. Hodnoty land use se neshodujı temer vubec. Havlıckuv Brod ma
dojezdovou vzdalenost k dalnici ci rychlostnı silnici do 30 minut a Klatovy do
45 minut. Ani u jedne obce se cas dojezdu v prubehu pozorovanı nezmenil.
V intenzitach dopravy opet nemuzeme pozorovat podobnost.
U techto mest muzeme pozorovat podobnost hlavne v socioekonomickych
aspektech a rozloze orne pudy.
66
CVUT v Praze 5. ANALYZA DAT
• shodne charakteristiky regresnıho modelu: E G
– Decın (DEC)
– Znojmo (ZNO)
Obec Decın ma o cca 3000 vyssı HDP, rust je umerny velikosti HDP v obou
obcıch. I v poctu obyvatel a poctu zamestnancu je Decın o trochu vetsı mesto,
ale vyvoj majı podobny. V rozloze je rozdıl jeste o trochu vetsı. V obci Znojmo
je vyrazne vysoka hodnota zemedelske a orne pudy, coz vede k mensı rozloze
vsech ostatnıch druhu pud. Uz vubec nenalezneme podobnost mezi mesty ve
skupine charakteristik land use. Decın ma dojezdovou vzdalenost k dalnici ci
rychlostnı silnici do 30 minut a Znojmo do 45 minut. Ani u jedne obce se cas
dojezdu v prubehu pozorovanı nezmenil. Jistou podobnost muzeme pozorovat
v doprave, a to hlavne na prıjezdovych komunikacıch.
Tato mesta si jsou nejvıce podobna v intenzite dopravy na prıjezdovych ko-
munikacıch, jsou ze stejne skupiny mest co do socioekonomickych aspektu, ale
vetsı podobnost nebyla nalezena. Jedna se o mesta spıse odlisna. Z dalsıch
hledisek stojı za upozornenı, ze obe mesta se nachazı v tesne blızkosti statnı
hranice.
• schodne charakteristiky regresnıho modelu: Q U
– Cheb (CHE)
– Ostrava (OST)
Ostrava je jednoznacne vetsı mesto. To muzeme pozorovat jak na HDP, tak
jeste vıce na poctu obyvatel a zamestnancu. Stejne se to projevilo i na celkove
rozloze i na jednotlivych druzıch pudy, kde nejvetsı rozdıl byl v zastavenem
uzemı a ostatnıch plochach. I v hodnotach land use byla Ostrava jednoznacne
vetsı, pouze v ostatnıch plochach se hodnoty trochu priblızily. Stejna je snad
jen dojezdova vzdalenost 15 minut k dalnici ci rychlostnı silnici. U vetsiny
hodnot ze skupiny charakteristik tykajıcıch se intenzity dopravy se ukazuje,
ze Ostrava je vetsı mesto, pouze u osobnı a tezke dopravy na prıjezdovych
komunikacıch do obce se hodnoty trochu priblizujı.
67
CVUT v Praze 5. ANALYZA DAT
Obe mesta lze povazovat ve sledovanych hodnotach za zcela odlisna. Z dalsıch
hledisek stojı za upozornenı, ze obe mesta se nachazı v tesne blızkosti statnı
hranice.
• schodne charakteristiky regresnıho modelu: E
– Ceska Trebova (CTR)
– Prerov (PRE)
V porovnanı techto dvou mest muzeme rıci, ze Prerov je vetsı mesto. Opet se
to projevilo jak na hodnote HDP, tak na poctu obyvatel i poctu zamestnancu.
To muzeme pozorovat i na hodnotach UHDP. Zde stojı za zmınenı, ze obec
Prerov disponuje velkou rozlohou orne pudy, to je vyvazeno velmi malou roz-
lohou lesnıch pud. Z dat land use ma Ceska Trebova necekane velkou obytnou
plochu, ktera se blızı hodnotam obce Prerov. Dale pak ma Ceska Trebova
vetsı rozlohu u typu ostatnı plochy a rekreacnı plochy. Prerov ma naopak
velke mnozstvı dopravnıch a vyrobnıch ploch. Ceska Trebova ma dojezdovou
vzdalenost k dalnici ci rychlostnı silnici do 45 minut a Prerov do 15 minut.
Ani u jedne obce se cas dojezdu v prubehu pozorovanı nezmenil. V intenzite
dopravy se ukazuje, ze pro obec Prerov je doprava skutecne dulezitym prvkem
a vsechny hodnoty ma znacne vyssı oproti Ceske Trebove.
Obe mesta lze povazovat ve sledovanych hodnotach za zcela odlisna. Z dalsich
hledisek stojı za upozornenı, ze obe mesta jsou vyznamnymi zeleznicnımi uzly.
Tato teoreticka uvaha neprokazala, ze by vysledne stejne regresnı modely mely
prıcinu v podobnosti mest. Shodu v modelech muzeme povazovat spıse za shodu
nahodnou.
Pro uplnost jsou shodne modely obcı znazorneny v mape (obrazek 5.4 na
nasledujıcı strance).
68
CVUT v Praze 5. ANALYZA DAT
0 50 10025 km
Shoda charakteristik v regresních modelech
1 : 2 000 000
Vyp ra co va la : Anna Šubrto váZdro j: ArcČR 500, a tla s, up ra veno
PHA Zkra tka o bce
Cha ra kteristiky: E, I, J, Q, UCha ra kteristiky: E, GCha ra kteristiky: Q, UCha ra kterisiky: EIndividuální mo delyČeská rep ublikaKra j
PHA
LIB
MOS
KLAKOL
KUH
MELMLB
PRI
CEB
PISSTR
KLT
CHE
DECCHO
LITCLI JAB
HRKNAC
CTR
PAR
HBR
JIH
TRE
ZDA
BREZNO
OLO
PRE
VAM
CTEF-M
OPA
OST
Obr. 5.4: Ukazka mapy obcı se shodnymi charakteristikami v regresnıch modelech
(zdroj: ArcCR 500, atlas, upraveno), original je soucastı elektronickych prıloh
69
CVUT v Praze ZAVER
Zaver
Prace je zamerena na obdobı 2001 - 2011 a sleduje vyvoj 24 charakteristik
ve 36 mestech Ceske republiky. Stezejnı jsou hodnoty HDP, zbyle charakteristiky
jsou rozdeleny do kategoriı: obyvatelstvo, UHDP, land use, dostupnost a intenzita
dopravy.
Shrnutı analyz
Prvnı korelacnı analyza, ktera hodnotila zavislosti charakteristik menıcıch se
v case na HDP ukazala, zda jsou charakteristiky prımo ci neprımo zavisle na HDP.
U nekterych charakteristik nebylo mozne tuto zavislost zhodnotit. Dulezite je take
vzıt v potaz zdroj dat. Z duvodu nedostatku merenych dat ve skupine charakteris-
tik land use je nutne brat vysledky analyzy pouze jako naznak prıme ci neprıme
zavislosti, prestoze vysledky se zdajı byt jasne zavisle. Pokud tedy vynechame tyto
hodnoty, byla nejvetsı prıma zavislost vypoctena u charakteristiky I - ostatnı plo-
chy ze skupiny UHDP. Nejvyssı neprıma umera byla vypoctena u charakteristiky
P - dojezdova vzdalenost k dalnici ci rychlostnı silnici, kde sice bylo merenych dat
dostatek, ale jedna se jen o velmi malo menıcı se charakteristiku, a proto nebylo
mozne pouzıt data pro kazde mesto, ale pouze pro ty, kde doslo ke zmene. Tudız to
take nenı vhodna charakteristika. Jako druha nejvıce neprıma umera byla vypoctena
u charakteristiky F - orna puda take ze skupiny UHDP. Celkove vysledky jsou shr-
nuty v tabulce 5.2 a vykresleny v grafu 5.1. Bylo na snaze ve vysledcıch nalezt
podobnosti a rozdelit tak mesta do skupin. Ve vysledcıch nebyly nalezeny zadne
podobnosti.
Druha korelacnı analyza zavislosti HDP na charakteristikach menıcıch se v po-
loze potvrdila ocekavany stav, ze vyssı HDP bude obecne ve vetsıch mestech.
Prakticky u vsech charakteristik byla prokazana prıma zavislost, tedy cım vetsı
HDP, tım vetsı hodnoty jednotlivych charakteristik. Pouze u charakteristik ohledne
intenzity dopravy byla prokazana pouze slaba prıma zavislost. Zaporna a navıc
temer neprokazana zavislost byla vypoctena pouze u charakteristiky P - dojezdova
vzdalenost, kde, jak uz bylo receno, je neprıma zavislost ocekavana, protoze jsou
hodnoty uvedeny v minutach dojezdu.
70
CVUT v Praze ZAVER
Jako tretı a poslednı byla provedena regresnı analyza pro kazdou obec. Musel
byt sestaven zakladnı vstupnı model. Ten je popsan v tabulce 5.5. Jiz v zakladnım
modelu muselo dojıt k vypustenı nekterych charakteristik, a to z duvodu, ze regresnı
analyza je velmi citliva na korelaci mezi vysvetlujıcımi promennymi, tzv. multiko-
linearitu. Pote musel byt model upravovan pro kazdou obec jednotlive. Analyza
v 36 mestech neprokazala vyskyt jednotneho modelu, ktery by mohl byt pouzit pro
predikci HDP. Z vysledku muzeme pouze vycıst, ze nektere charakteristiky majı
na HDP vetsı vliv. Zde muzeme uvest naprıklad charakteristiku Q - suma inten-
zity dopravy v intravilanu, ktera se v modelu vyskytla celkem 18 x. Jako prıklad
charakteristiky, ktera nema temer zadny vliv na HDP muzeme uvest charakteris-
tiku H - vodnı plochy, ktera se v modelu vyskytla pouze 8 x. Vysledky jsou shrnuty
v tabulkach 5.7 a 5.8.
Dulezite je pripomenout, ze”statistika je veda a postup, jak rozvıjet lidske
znalosti pouzitım empirickych dat.“ ...”Cılem statistiky je najıt
”nejlepsı“ informace
z dostupnych dat.“ [25] Z toho plyne, ze vysledky jsou silne zavisle na kvalite
podkladovych dat, ze kterych analyzy vychazı. Vysledky je dobre brat jako naznaky
moznych vztahu mezi HDP a ostatnımi charakteristikami. Nesmejı byt vytrzeny
z kontextu a vzdy musı byt doplneny logickou uvahou. Ve statistice take cıha mnoho
nebezpecı, ktere mohou znacne ovlivnit vysledky analyz, aniz by byla odhalena
jejich prıtomnost. Takovych situacı muze nastat velmi mnoho. Aby bylo zrejme, ze
tyto hrozby nenı dobre brat na lehkou vahu, zde bude uveden prıklad. Zkoumali
bychom zavislost mezi cenou ovoce a masa, obe hodnoty by rostly a bude odhalena
prıma zavislost. Ve skutecnosti ale mohlo dojıt ke zdrazenı ropy a tudız stoupla
cena dopravy a obe potraviny tak sly s cenou nahoru. V takovem prıpadne vubec
nemusı existovat spojitost mezi masem a ovocem, i presto, ze statisticke analyzy by
prokazaly prımou zavislost.
Take je dobre rıci, ze v ramci teto prace byly provedeny hlavne zakladnı analyzy.
Ze statistickeho hlediska by bylo mozne tato data zkoumat daleko hloubeji. V ta-
kovem prıpade by uz nepostacily nastroje programu Excel a bylo by nutne vyuzıt
nekterych ze statistickych programu.
71
CVUT v Praze ZAVER
V ramci prace bylo zpracovano:
1. Teoreticky uvod do problematiky ekonomie a strucny popis sledovaneho obdobı
2. Podrobny popis zdroju dat, zıskanı dat a uprava dat pred zpracovanım
3. Analyzy vztahu HDP k charakteristikam
Pro vypocty byl pouzit program Microsoft Office Excel.
• Korelacnı analyza HDP vuci kazde charakteristice se zmenou v case
Vysledky byly pomerne nevyvazene. U nekterych charakteristik se
prokazala prıma ci neprıma zavislost. Vysledky jsou snadno logicky
oduvodnitelne.
• Korelacnı analyza HDP vuci kazde charakteristice se zmenou v poloze
Podle ocekavanı se u vetsiny charakteristik prokazala silna prıma
zavislost.
• Multikriterialnı regresnı analyza
Vysledky regresnı analyzy byly velmi individualnı pro kazde mesto. Nebyl
nalezen model, ktery by mohl obecne predikovat HDP. Z vyslednych
modelu je videt, ze nektere charakteristiky majı na vyvoj HDP vetsı
vliv a jine naopak vliv zanedbatelny.
4. Rodelenı mest do skupin podle vysledku analyz
Vysledky byly natolik individualnı, ze se nepodarilo rozdelit mesta do podob-
nostnıch skupin, ani na zaklade korelacnıch analyz, ani regresnı analyzy.
Vysledky neodhalily zadne vyznamne vazby mezi HDP a ostatnımi charakteris-
tikami. Presto je lze vzıt v uvahu naprıklad pri uzemnım planovanı obce. Vysledky
jsou ovlivneny i kratkym casovym rozpetım, ale vzhledem k evidenci HDP nebylo
mozne casove obdobı rozsırit.
Nad daty zpracovanymi pro Atlas urbanistickeho vyvoje ceskych mest, ze kterych
prace vychazı, je mozne provest dalsı analyzy. Spolecne budou podavat uceleny
pohled na urbanisticky vyvoj mest v Ceske republice.
72
CVUT v Praze ELEKTRONICKE PRILOHY
Elektronicke prılohy
Prilozene CD obsahuje veskera data tykajıcı se teto diplomove prace. Jsou zde
uvedeny prehledove tabulky, podkladova data, vysledky jednotlivych analyz, vcetne
mezivysledku a prostorovych dat. Take jsou zde prilozeny zdrojove kody textu
diplomove prace.
Obsah CD
\subrtova elektronicke prilohy DP 2014 . . . . . . . . . . . . . souhrne informace, DP v pdf
\mapy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . originaly map uvedenych v praci
\prostorova data . . . . . . . . . . . . . . . . . . . . . . . . . . . . prostorova data ve formatu shp
\administrativni cleneni . . . . . . . . . . . . . . . . . . . . . . . . . hranice statu a kraju
\obce . . . . . . . . . . hranice jadrovych uzemı a body sledovanych obcı
\dojezdove zony . . . . . . . . . . . . . vysledky vlastnı analyzy dojezdovych zon
\silnicni sit . . . . . . . . . . . . . . . . . . . . . . . .upravena silnicnı sıt’, sıt’ovy dataset
\text DP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . zdrojovy kod textu DP
\obrazky. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .obrazky pouzite v DP
\text . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . texty jednotlivych kapitol
\vypocty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . podkladova data, vysledky analyz
73
CVUT v Praze SEZNAM ZKRATEK
Seznam zkratek
COST Evropska spoluprace ve vedeckem a technickem vyzkumu;
The European Co-operation in Scientific and Technical Research
HDP Hruby domacı produkt; Gross domestic product
NATO Severoatlanticka aliance; North Atlantic Treaty Organization
CR Ceska republika
EU Evropska unie; European Union
EOCD Organizace pro hospodarskou spolupraci a rozvoj; Organisation for
Economic Co-operation and Development
MSMT Ministerstvo skolstvı, mladeze a telovychovy; Ministry of Education,
Youth and Sports
MF Ministerstvo financı; Ministry of Finance
NUTS Nomenklatura uzemnıch statistickych jednotek; Nomenclature of Units
for Territorial Statistics
CSU Cesky statisticky urad; Czech Statistical Office
ZSJ Zakladnı sıdelnı jednotka
UIR-ZSJ Uzemne identifikacnı registr zakladnıch sıdelnıch jednotek
UHDP uhrnne hodnoty druhu pozemku; total values of nature of land use
RSD Reditelstvı silnic a dalnic
MNC Metoda nejmensıch ctvercu
74
CVUT v Praze SEZNAM POUZITYCH ZDROJU
Seznam pouzitych zdroju
[1] CZECH STATISTICAL OFFICE Quarterly National Accounts Inventories.
Czech Republic, 2008. [online] 2013 [citovano 2013-10-15] Dostupne z: http:
//www.czso.cz/csu/redakce.nsf/i/hruby_domaci_produkt_(hdp)
[2] Hruby domacı produkt (HDP) - Metodika. CESKY STATISTICKY URAD.
Cesky statisticky urad [online]. 2013. vyd. 2013 [cit. 2013-10-18]. Dostupne z:
www.czso.cz/csu/redakce.nsf/i/hruby_domaci_produkt_(hdp)
[3] Prispevatele Wikipedie, Makroekonomie [online], Wikipedie: Otevrena en-
cyklopedie, c2013, Datum poslednı revize 8. 03. 2013, 13:55 UTC, [ci-
tovano 2013-10-15] Dostupne z: http://cs.wikipedia.org/w/index.php?
title=Makroekonomie&oldid=9841731
[4] FINANCE MEDIA A.S. Finance.cz [online]. 2013 [cit. 2013-10-17]. Dostupne
z: http://www.finance.cz/
[5] Wikipedie: Otevrena encyklopedie: Vstup Ceske republiky do Ev-
ropske unie [online]. c2013 [citovano 2013-11-2]. Dostupne z: http:
//cs.wikipedia.org/w/index.php?title=Vstup_%C4%8Cesk%C3%A9_
republiky_do_Evropsk%C3%A9_unie&oldid=10456221
[6] HALOUNOVA, Lena, Karel VEPREK, Martin REHAK, Vladimır HOLUBEC
a Miroslav TEHLE. KATEDRA MAPOVANI A KARTOGRAFIE, Fakulta
stavebnı CVUT v Praze. Atlas urbanistickeho vyvoje ceskych mest: od 60. let
20. stoletı. Praha, 2013. ISBN 978-80-01-05177-1.
[7] ArcCR 500. ARCDATA PRAHA, s.r.o. ARCDATA PRAHA: Geograficke in-
formacnı systemy [online]. 2013 [cit. 2014-01-26]. Dostupne z: http://www.
arcdata.cz/produkty-a-sluzby/geograficka-data/arccr-500/
[8] MINISTERSTVO FINANCI CR. Ministerstvo financı Ceske Republiky [online].
2013 [cit. 2014-01-08]. Dostupne z: http://www.mfcr.cz/
75
CVUT v Praze SEZNAM POUZITYCH ZDROJU
[9] Verejna databaze CESKY STATISTICKY URAD. Cesky statisticky urad [on-
line]. 2013. vyd. 2013 [cit. 2013-10-18]. Dostupne z: http://vdb.czso.cz/
[10] Verejna databaze. Cesky statisticky urad [online]. 2014 [cit. 2014-01-12]. Do-
stupne z: http://vdb.czso.cz/vdbvo/uvod.jsp
[11] Terminologicky slovnı zememericstvı a katastru nemovitostı. VYZKUMNY
USTAV GEODETICKY, topograficky a kartograficky, v.v.i. VUGTK [online].
[cit. 2014-01-15]. Dostupne z: http://www.vugtk.cz/slovnik/index.php
[12] Reditelstvı silnic a dalnic CR [online]. c© 2012 [cit. 2014-01-26]. Dostupne z:
http://www.rsd.cz/
[13] HORENI, Jan, Tomas JANDA a Vaclav LIDL. REDITELSTVI SILNIC A
DALNIC CR. 70 let dalnic ve fotografii [online]. 2009 [cit. 2014-01-26]. Do-
stupne z: http://www.rsd.cz/doc/Silnicni-a-dalnicni-sit/Historie/
kniha-70-let-dalnic-ve-fotografii
[14] CESKEDALNICE.CZ. Ceskedalnice.cz [online]. c© 2002 – 2014 [cit. 2014-01-
26]. Dostupne z: http://www.ceskedalnice.cz/
[15] CELOSTATNI SCITANI DOPRAVY 2010. REDITELSTVI SILNIC A
DALNIC CR. Reditelstvı silnic a dalnic CR [online]. 2011 [cit. 2014-01-31]. Do-
stupne z: http://scitani2010.rsd.cz/pages/informations/default.aspx
[16] Mapy.cz. SEZNAM.CZ, a. s. [online]. 2014 [cit. 2014-01-12]. Dostupne z: http:
//mapy.cz
[17] Help. ESRI. ArcGIS [online]. 2013 [cit. 2014-01-22]. Dostupne z: http://
resources.arcgis.com/en/help/
[18] PANDUCKOVA, Tereza. Sıt’ova analyza v GIS. Praha, 2011.
Dostupne z: http://gama.fsv.cvut.cz/~cepek/proj/bp/2011/
tereza-pantuckova-bp-2011.pdf. Bakalarska prace. CVUT. Vedoucı
prace Ing. Jirı CAJTHAML, Ph.D.
76
CVUT v Praze SEZNAM POUZITYCH ZDROJU
[19] PANDUCKOVA, Tereza. Sıt’ove analyzy v GIS. Praha, 2012. Dostupne
z: http://maps.fsv.cvut.cz/diplomky/2013_DP_Pantuckova_Sitove_
analyzy_v_GIS.pdf. Diplomova prace. CVUT. Vedoucı prace Ing. Jirı
CAJTHAML, Ph.D.
[20] Wikipedie: Otevrena encyklopedie: Korelace [online]. c2013 [citovano 2014-
01-18]. Dostupne z: http://cs.wikipedia.org/w/index.php?title=
Korelace&oldid=10867420
[21] Wikipedie: Otevrena encyklopedie: Linearnı regrese [online]. c2014 [citovano
2014-01-14]. Dostupne z: http://cs.wikipedia.org/w/index.php?title=
Line%C3%A1rn%C3%AD_regrese&oldid=11224116
[22] RABUSIC, Ladislav. MASARYKOVA UNIVERZITA. Mnohonasobna linearnı
regrese. Brno, 2004. [online]. c2014 [citovano 2014-01-18]. Dostupne z: http:
//is.muni.cz/el/1423/podzim2004/SOC418/multipl_regres_1.pdf
[23] POPELKA, Jan. UNIVERZITA J.E. PURKYNE V USTI NAD LABEM.
Statistika. Ustı nad Labem, 2012. [online]. c2014 [citovano 2014-01-10]
Dostupne z: http://most.ujep.cz/~popelka/msp_prednasky.htm/SOC418/
multipl_regres_1.pdf
[24] SMILAUER, Petr. BIOLOGICKA FAKULTA JU. Modernı regresnı metody.
Ceske Budejovice, [online]. (c) 1998 - 2007. Dostupne z: http://regent.jcu.
cz/MRM.pdf
[25] Wikipedie: Otevrena encyklopedie: Statistika [online]. c2014 [citovano
2014-01-22]. Dostupne z: http://cs.wikipedia.org/w/index.php?title=
Statistika&oldid=11221713
77