Rozmístění obyvatelstva

Zadání

V minulých cvičeních jsem se zabývali obecně vývojem obyvatel a faktory, které ovlivňují vývoj počtu obyvatel – přirozená a mechanická měna obyvatel a věkovou strukturou. V těchto cvičeních se zaměříme na rozmístění obyvatel zadaného území. Budeme zjišťovat, zda jsou lidé rozmístěni v území rovnoměrně, případně zda se koncentrují v některých oblastech. K tomuto využijeme základní i pokročilejší metody pro hodnocení prostorové distribuce obyvatel (nejen jich). V průběhu vývoje demografie byla vytvořena celá řada speciálních měr, které se zaměřovaly na analyzování distribuce populace a jeho proměn. Některé z nich byly přijaty okamžitě, zatímco jiné se staly předmětem diskuzí. Jako běžně používanou míru je považována metoda procentuální distribuce, která je z pravidla nejjednodušší mírou pro popis prostorové distribuce obyvatel. Je totiž nemožné porovnávat zastoupení dílčí subpopulace mezi několika různě velkými populacemi, pokud se nepočítá právě s procentuálním zastoupením této subpopulace. Dalšími mírami využívanými pro hodnocení prostorové distribuce populace pak je Zipfovo pravidlo velikostní kategorie, Giniho míra koncentrace či Lorentzova křivka, která umožňuje graficky reprezentovat nerovnost dvou distribucí. Dále se zde řadí indexy rezidenční separace a prostorové izolace skupin obyvatel neboli míry segregace. S postupnou větší dostupností dat a vývojem sofistikovaných počítačových analytických postupů, vznikaly další náročnější indexy, které byly schopné pracovat s velkými objemy dat – prostorové metriky.

Budete nadále pracovat se stejným SO ORP jako v minulém cvičení. Cvičení je rozděleno do celkem 2 částí:

1. Lorenzova křivka.
2. prostorové metriky.

Lorenzova křivka

Jedná se o často používaný grafický nástroj pro analýzu rozsahu koncentrace obyvatel v území. Výhodné je tuto křivku využít pro časové porovnání (stejné území v různých letech) či pro prostorové provnání koncentrace (stejný čas v různém území). Jedná se o alternativu k hustotě obyvatelstva, která není založena na průměru, ale na diferencích mezi jednotlivými hodnotami. V prvním kroku konstrukce Lorenzovy křivky je potřeba vypočítat hustotu obyvatel v každé jednotce zadaného území a seřadit je podle velikosti hustoty od nejmenší hodnoty po největší. Dále je třeba vypočítat procentuální podíl počtu obyvatel a plochy dané jednotky z celkového území. Poslední krok je stanovit kumulativní procentuální podíl pro obě veličiny a vykreslit tyto hodnoty do spojnicového grafu. Ukázky Lorenzových křivek.

Lorenzova křivka se často využívá také v negeografických vědách, např. v ekonomii jak je koncentrován příjem v domácnostech. Často navíc využívají tzv. Giniho index, který odpovídá ploše mezi Lorentzovou křivkou a osou kvadrantu. Hodnota Giniho indexu se pohybuje v intervalu (0;1). Hodnoty blížící se nule vykazují velmi rovnoměrně rozložený jev, hodnoty blížící se 1 velmi koncentrovaný jev. Všechny tyto ukazatele se často používají pro měření prostorové segregace populačních menšin v území (v tomto případě by na ose x byla kumulativní procenta celkové populace a na ose y menšinové populace).

Z předchozího cvičení máte všechna potřebná vstupní data připravena. Vytvořte Lorenzovy křivky pro roky 1869, 1950 a 2011 a to vše pouze v jednom grafu. Výsledky interpretujte, již máte představu, o co v podobných analýzách jde, nejsou tak zde již uvedeny žádné otázky.

Prostorové metriky

Massey, Denton (1988) zpracovali shlukovou analýzu z 20 různých měr segregace a navrhli 5 výsledných kategorií indexů, pojmenovaných vyrovnanost, ohrožení, koncentrace, centralizace a shlukování. Dále pak doporučili jeden nejlepší index pro každou tuto skupinu.

• Vyrovnanost (Evenness) – kategorie vyrovnanost měří prostorovou segregaci rozdílných skupin. Segregace je nejmenší, pokud má každá oblast stejnou populační skladbu. Řadí se sem index nesourodosti (D), který měří nesourodost dvou populací v jednom území. Na základě velikosti tohoto indexu je tak možné určit, kolik procent jedné skupiny populace musí změnit své bydliště (přestěhovat se do jiné oblasti), aby bylo zajištěno rovnoměrné zastoupení všech populací ve zkoumaném území. Hodnoty indexu se pohybují v intervalu <0; 1>, kdy výsledek vynásobený 100 udává procentuální podíl analyzované populace, která by měla být přemístěna.

  kde Pig odpovídá počtu obyvatel skupiny g plošné jednotky i; Pih udává počet obyvatel skupiny h plošné jednotky i; Pg odpovídá celkovému počtu obyvatel skupiny g a Ph pak celkové populaci skupiny h. Dalším indexem pak je index entropie (Theilův index), který měří různorodost populace v území a podává podobnou informaci jako Giniho koeficient. Netrdová, Nosek (2009) však upozorňují na významnou výhodu, kterou je možnost „bezezbytkového“ rozkladu Theilova indexu a tím určení regionálního vlivu na různorodost populace. Zkoumá se, jaké existují rozdíly mezi průměry regionů a rozdíly mezi menšími územními jednotkami uvnitř jednotlivých regionů. Výsledná hodnota Theilova indexu se pohybuje od 0, kdy mají všechny regiony stejné složení obyvatel jako celé území, do 1, kdy každý region obsahuje pouze jednu skupinu obyvatel.

• Ohrožení (Exposure) – Indexy ohrožení měří možný kontakt mezi členy jednotlivých skupin obyvatel a jejich situaci v izolaci. Je zde zařazen index izolace, který měří pravděpodobnost, že se náhodně zvolený člen jedné skupiny potká se členem stejné skupiny.
  

  kde m definuje členy studované minoritní skupiny; j určuje celkovou populaci; x_i velikost minoritní populace v regionu i; X pak celkovou minoritní populaci na celém území a t_i celková populace v regionu i. Výsledné hodnoty indexu se pohybují v intervalu od 0 (segregace neexistuje) a 1 (kompletní segregace). Do této skupiny je zařazen také index interakce, který měří pravděpodobnost, že se člen skupiny potká se členem jiné skupiny. Pokud je index interakce roven 0, jedná se o absolutní koncentraci, a naopak pokud je roven 1, je populace rozmístěna zcela rovnoměrně. V případě, že je tento index a index izolace použit v území, kde se vyskytují pouze dvě skupiny (nebo jsou různé populace agregovány do dvou skupin), je suma indexu interakce a indexu izolace rovna 1. Logicky pak nižší hodnoty indexu interakce a vyšší hodnoty indexu izolace ukazují vyšší míru segregace v daném území.

• Koncentrace (Concentration) – Základní myšlenkou skupiny indexů koncentrace je tvrzení, že pokud skupiny mají stejnou populaci, ale bydlí v rozdílně velké oblasti v rámci území, tak by území bylo považováno jako segregované. Zde je zařazen index koncentrace, který je odvozen z indexu nesourodosti. Základní myšlenka tohoto indexu je, že menšinové skupiny obvykle žijí v hustěji obydlených oblastech, vzhledem k jejich nižším ekonomickým možnostem. Výsledek se opět pohybuje od 0 do 1, kde 0 znamená, že segregace neexistuje. Pro případ USA byla vypočtena hraniční hodnota 99,9981 % (všichni obyvatelé USA by žili na území hlavního města) a 0,000019 % (doplněk do 100 %). Při porovnání několika těchto indexů vypočtených pro časové řezy tak můžeme zjistit, zda má obyvatelstvo tendence se spíše koncentrovat nebo naopak dekoncentrovat. Dále je třeba si uvědomit, že tento index je silně ovlivněn celkovým počtem jednotek, pro který je počítán. Čím méně jednotek, tím menší je hodnota indexu (pozor tak na administrativní změny v území). Rovněž záleží na prostorovém rozlišení, ve kterém počítáme. Výsledkem budou rozdílné výsledky, pokud budu počítat tento index pro okresy, ORP, obce či dokonce ZSJ v témže kraji (MAUP – Modifiable Areal Unit Problem).
  pozn. závorka má být v absolutní hodnotě.

  kde m definuje členy studované minoritní skupiny; j určuje celkovou populaci; x_i velikost minoritní populace v regionu i; X pak celkovou minoritní populaci na celém území; a_i celková plocha regionu i a A pak celkovou plochu celé oblasti.

• Centralizace (Centralization) – Do čtvrté skupiny centralizace je zařazen absolutní index centralizace, který měří distribuci minoritní skupiny okolo centra celé oblasti a jeho velikost napovídá preferenci žít na okraji této oblasti (hodnoty blízké -1) nebo naopak v centru (hodnoty blízké 1).
  

  kde n je počet regionů seřazené podle rostoucí vzdálenosti od centra oblasti; C je kumulativní podíl obyvatel minoritní skupiny regionu i; A je kumulativní podíl rozlohy regionu i. Dalším indexem této skupiny je relativní index centralizace, který udává relativní podíl jedné skupiny obyvatel, která musí změnit bydliště, aby dosáhla stejného centralizačního indexu jako druhá skupina obyvatel. Rozsah hodnot je typicky od -1 do 1, ale v případech velmi malé populace na velkém území, může klesnout i pod -1. Negativní hodnota ukazuje na tendenci většího zastoupení na periferii regionu, kladná pak tendenci menšiny žít blíže k centru, 0 znamená, že obě skupiny mají stejné rozložení (podle vzdálenosti) od centra.

• Shlukování (Clustering) – Poslední pátá skupina shlukování pak umožňuje detekovat různé etnické, rasové a jiné enklávy. Je zde zařazen index prostorové blízkosti, který měří průměrnou blízkost mezi členy jedné skupiny a členy jiné skupiny nebo index relativního shlukování. Ten využívá výpočty indexu prostorové blízkosti a porovnává průměrnou blízkost mezi členy minority a majority. Pokud mají obě skupiny stejnou míru shlukování, je index roven 0. Negativní hodnota indexu naznačuje menší shlukování minority vzhledem k majoritě a pozitivní hodnota pak naopak významnější shlukování minority.

Program 2 – zadání

Vytvořte Lorenzovu křivku pro rozmístění obyvatel v ORP pro roky 1869, 1950 a 2011 (v jednom grafu). Na základě dat ze SLDB 2011 vypočtěte vždy jednoho zástupce z prvních tří kategorií (index nesourodosti, index izolace, index koncentrace) pro obce ve vašem ORP. Porovnávejte mezi sebou vždy celkový počet obyvatel a vybranou skupinu obyvatel (vyberte si dvě různé skupiny, např. obyvatele se ZŠ vzděláním a věřící). Výsledkem tak budou 3 hodnoty indexů pro každý z vámi vybraných ukazatelů.

Data

Veškerá data jsou ke stažení v zadaném adresáři cv02 na uložišti \\adelka-nas.vsb.cz\Public\Socioekonomicka geografie – cviceni (nick: gisak).

Termín odevzdání: 19. 4. 2015

Cvičení bylo částečně inovováno díky finanční podpoře projektu FRVŠ 956/2013, kterému za podporu děkuji.