Demeter Gábor
A területi egyenlőtlenséget leképező indikátorok kiválasztása
E tanulmányban az előző két fejezethez hason-lóan továbbra is fejlett és fejletlen, valamint ha-sonló karakterisztikájú területek269 azonosítása volt a célunk – természetesen a bevezetőben is-mertetett elveknek megfelelően a korábbi tanul-mányokhoz képest eltérő módszerek alkalmazá-sával. A vizsgálatunk, noha egyszerűbb az ed-dig ismertetett módszereknél, nem jobb, vagy objektívebb azoknál, csupán más szempontokat helyez előtérbe: az eltérő diszciplínák narratívái és módszerei egyenrangúnak tekinthetők.
Az egyik különbség, hogy szándékosan igye-keztünk elkerülni a többváltozós statisztika al-kalmazását – hiszen a cél egyrészt módszerek összevetése volt, az előző két tanulmány pedig kvantitatív analízisen alapult. Másfelől így le-hetséges volt olyan változók bevonása is a vizs-gálatba, melyek egyébként nem feleltek meg a normáleloszlás peremfeltételeinek, így a korábbi vizsgálatok során nem is lehettek tárgyai több-változós statisztikai analízisnek.270 Harmadrészt, sok (a téma iránt érdeklődő) kutató számára a korábbi módszerek nehezen értelmezhetők.
Vizsgálatunk – az előbbi tanulmányokkal ellen-tétben, melyek részben járásszintre aggregált adatokat használtak – településszintű adatokból indul ki. A korábbi, fejlettségre (állapotra) fóku-száló tanulmányokkal szemben ez esetben a fej-lődés dinamikáját is megkíséreltük bemutatni.
269 A régiók két eltérő aspektusának elkülönítése érdekében első esetben a „fejlettségi régió” az utóbbi esetben a „for-mális-hasonlósági-strukturális régió” kifejezést használjuk.
Lásd: Győri 2007: 8 és Dusek 2004.
270 A normáleloszlás alapfeltétele a faktor- és klaszteranalí-zisnek, de nem feltétele az ábrázolhatóságnak és a területi egyenlőtlenségek pl. fedetésen alapuló vizsgálatának.
271 A természetes törések módszere, az egyenlő osztásköz, az azonos adatszámot tartalmazó osztásköz mind releváns
Leszögezendő, hogy a fejlettség és a fejlődés (modernizáció) nem ekvivalens fogalmak (egy fejletlen terület is lehet dinamikusan modernizá-lódó, s egy fejlett területi is lehet stagnáló), ép-pen ezért a modernitás e két aspektusát elkülö-nítve kezeljük.
Első módszerünk lényege, hogy nem szám-szerű adatokból, hanem azok térképi megjelen(ít)ésé-ből indultunk ki. Így matematikai módszerek leg-inkább csak az intervallum-választás során ke-rültek alkalmazásra, azaz az intervallumképzés-ből származó módszertani gyengeségen271 túl vi-szont más korlátozó tényezővel nem kellett fog-lalkozni. (Leszámítva magát az indikátorok ki-választását, melyre egyfajta megoldást kínál a többváltozós statisztika). Az adathalmazból a szélsőértékek területi mintázatát vizsgáltuk, amely a statisztikai paraméterek közül a szórás, illetve a felső és alsó kvartilisek–decilisek hasz-nálatához közelít, azaz leginkább a Pénzes-féle tanulmányban említett egyik módszerrel ana-lóg. Módszerünk lényege az volt, hogy a válto-zónkénti/térképenkénti 7–9 intervallum szuper-ponálása helyett272 az adatok újraosztályozásá-val –1, 0 és +1 értékeket rendeltünk a mutatók eredeti értékeihez. Ez szintén a szubjektivitást erősítette,273 egyúttal viszont standardizáltuk is az adatsort, tehát megszabadultunk az adatok eltérő nagyságrendjéből származó problémák-tól, melyek akkor jelentkeznek halmozottan, ha az egyes változókkal további műveletet is szeret-nénk végezni (ezért feltétel a standardizálás egy
módszer, de eltérő képet ad, tehát befolyásolhatja az értel-mezést ugyanúgy, mint maga az indikátorválasztás, a mód-szer, vagy a területi lépték.
272 Az Atlasz a dualizmus kori Magyarország regionális társa-dalmi-gazdasági folyamatainak tanulmányozásához c. atlasz (http://www.gistory.hu/g/hu/gistory/gismaps) lapjain a részletgazdagság okán ennyi intervallumot használtunk.
273 Ezért a fejezetben egy másik településszintű, de komo-lyabb matematikai alapokkal bíró módszert is tesztelünk.
jó klaszteranalízisnél). S bár esetünkben a több-változós statisztikát mellőzni igyekeztünk a tér-képek fedetésével (szuperponálásával), ez a munkafolyamat maga is megkívánta az egysége-sített adatstruktúrát (a standardizálás elmara-dása esetén ugyanis a nagyságrendekkel na-gyobb értéket mutató változók súlyozzák és így
„elhúzzák-torzítják” a képet).
Maga az újraosztályozás lehet adatalapú, vagy képi alapú. Mi az utóbbit választottuk, mert célunk a túlzott mozaikosság kiszűrése volt, amely településszintű adatokkal dolgozva gyakran megjelenik (járásszintű adatokkal pe-dig éppen azért nem kísérleteztünk, mert Pénzes János tanulmánya részben ezt tesztelte).274 A képi megjelenés generalizálása természetesen pontatlansághoz vezet (statisztikai szempontból a szórás és a variancia csökkenése várható), ez tehát ugyancsak terhelte a vizsgálatot. Az adat-szintű újraosztályozás mellőzése nem annak kö-szönhető, hogy a kb. 12500 település és 30 vál-tozó esetében ez processzorigényesebb (hiszen nem kell mást tenni, mint az eredeti adattáblák-ban újraskálázni az egyes értékeket, ami SPSS se-gítségével indikátoronként néhány perces munka),275 hanem mert a végeredményként ka-pott kép hasonlóan mozaikos (ha nem mozaiko-sabb), mint egy változó esetén. (30 változó ese-tén az egy entitáshoz tartozó értékek –30 és +30 között szórhatnak, ami több mint 60 elvileg le-hetséges érték, s így ismételten az intervallum-képzés problematikájába futnánk, hiszen 60 színárnyalatot egyszerre ábrázolni lehetetlen.)
Továbbmenve, a térképi ábrázolás eleve lehe-tővé tette azon változók szűrését, melyek moza-ikosságot, s nem területi koncentrációt mutattak.
Az előbbiek nagy részét kizártuk a vizsgálatból (hiszen a célunk jellegükben hasonló regionális egységek kimutatása volt), míg a dimenzióre-dukción alapuló korábbi vizsgálatok a mozaikos mintázatot mutató változók előzetes szűrésére
274 Igaz, az adatszelekció után viszont településszintre lé-pett vissza, így az általa kapott eredménytérképek egy ré-sze a miénkkel azonos felbontású és ösré-szevethető (az eddi-giekből is következik viszont, hogy a változók köre nem egyezik meg: a Pénzes-féle vizsgálat egyfelől szűkítő-di-menziócsökkentő jellegű a normáleloszlás és a független változók igénye miatt, másfelől a járásszintű aggregáció
nem alkalmasak. Utóbbi esetben ugyanis lehet-séges, hogy a vizsgált mutatók körében bent ma-radt olyan indikátor is, mely egyáltalán nem mu-tatott regionális mintázatot – s a végső (aggre-gált) térképi ábrázolásnál ez is befolyásolhatta a kapott képet (az eredménytérképet).
Harmadsorban feladtuk azt a koncepciót, mely elsősorban a változók függetlenségvizsgá-latán, a dimenziók redukcióján alapul, abból ki-indulva, hogy ha számszerűsíthető kapcsolat mutatkozik két olyan változónál, ahol a korrelá-ció léte előzetesen, a meglévő ismeretek alapján nem várható (pl. a települési vagyon és bizonyos betegségek elterjedése),276 vagy pedig az élet egészen más aspektusára utalnak (demográfia, foglalkozásszerkezet, vagyon, stb.) akkor a mégis létező összefüggés éppen hogy erősíti a regionális differenciákra vonatkozó hipotézist és segíti az eltérő fejlettségű részek lehatárolását.
Másképpen fogalmazva, a független változók azonosítása nem volt cél. A dimenzióredukció a hasonló entitások azonosításához használt klaszteranalízis esetén fontosabb szempont. A fejlettségi vizsgálatoknál az egymással korreláló indikátorokat kumulatív (a fejlettség természe-tes következményeként egymást gerjesztő) előnyként aposztrofáltuk, noha ez nem egyezik a Nemes Nagy József által kanonizált nézettel.
A függetlenségvizsgálatok mellőzésének (PCA) az előbb kifejtettek mellett másik oka is van. Két változó közötti erős kapcsolat ugyanis nem feltétlenül jelent ok-okozati viszonyt (a kor-relációszámítás csak a kapcsolat erősségére utal, nem a köztük fennálló kauzális viszonyra). Már-pedig egy klaszter- vagy faktoranalízis esetében az ilyen, erős korrelációt mutató párok közül az egyiket automatikusan elveti a vizsgálat. Ezen túlmenően olyan változó(páro)k között is lehet erős kapcsolat, melyek területi képe mozaikos.
Ebben az esetben viszont bent marad egy olyan változó a többváltozós statisztikai analízisben,
miatt olyan mutatók felhasználását is lehetővé teszi, me-lyek csak kevés településre voltak elérhetők – pl. banktőke).
275 Látni fogjuk, hogy ez egyes jelenségek interpretációs ne-hézségei miatt nem mindig automatizálható.
276 Azaz nem az általános egészségi állapot, hiszen az ösz-szefüggésben lehet a jövedelemmel és a vagyonnal.
mely a területi differenciák elhalványítása irá-nyában hat. Ezzel az állásponttal szemben áll az a szemlélet, mely azt mondja, hogy a gazdasági élet eltérő aspektusára vonatkozó, de azonos te-rületi jellegzetességet/elterjedést mutató vál-tozó-értékek között mindenképpen ok-okozati viszony van (legfeljebb jelenlegi tudásunkkal nem állapítható meg az egymásra hatás módja, vagy az, hogy melyik az ok és melyik az okozat), ezért bevonásuk egy vizsgálatba hibás. Azaz, eb-ből következően olyan változókat kell beemelni, amelyek eltérő területi képpel bírnak. Ennek az elképzelésnek is megvannak azonban a maga korlátai: ha ugyanis olyan változókat emelünk be a vizsgálatba, melyek teljesen eltérő képet mutatnak, akkor túl sok lesz a ’regionális törés-vonal’ (20–30 mutató és mutatónkénti 3 interval-lum esetén pedig vagy lehetetlen egymást leg-alább részben nem átfedő térkép kiválasztása, vagy 70–90 régióval kell számolni – akkor pedig már megyei szinten vagyunk és feleslegesen szá-moltunk).277 Annak pedig, hogy két térkép telje-sen egyezzen, kicsi a valószínűsége: 0,9 fölötti korrelációs értéket elvétve találunk a 3. fejezetben közölt korrelációs mátrixban.
Ráadásul egyáltalán nem szükségszerű hogy két mutató területi mintázata esetében mind a minimum, mind a maximum értékek egybeesse-nek. Ha például a minimum értékek egybees-nek, de a maximumértékek nem, akkor a korre-láció már nem lesz magas, tehát egy többválto-zós statisztikai elemzés sem fogja autokorreláció miatt elvetni és kizárni a két változót (vagy leg-alább az egyiket) a vizsgálatból, miközben az egybeeső minimumértékek területileg mégis jól körülírható entitást definiálnak. És módszerünk lényege éppen az, hogy viszonylag nagy, azonos jellegzetességű területe(ke)t azonosítsunk be.
Mindezeket figyelembe véve a szelekció so-rán arra törekedtünk, hogy eltérő területi sajá-tosságokat mutató indikátorokat válogassunk össze, de eme törekvésünknek szerencsére egyetlen mutató sem esett áldozatul: mint az aggregálás során keletkezett poligonok nagy száma is mutatja (a minimum lehetséges három-mal szemben) a területi egybeesés csak részben
277 Legfeljebb arra következtetésre juthatunk, hogy a me-gyehatárok nem tükrözik a fejlettségi viszonyokat.
jellemezte a változókat, akár hasonló, akár eltérő jellegűek voltak. (A tbc-s halálozások aránya például egyáltalán nem mutatott hasonlóságot a kanyaróéval, vagy a csecsemőhalandósággal és ennek nem csak az előbbi nagyobb városi elter-jedése volt az oka – hiszen az önmagában moza-ikos mintázatot eredményezett volna, kizárva a regionális vizsgálatokból e változót).
Noha a mozaikos megjelenés a korrelációs mátrix vagy PCA segítségével elkülönített fő-komponensek esetében is lehetséges, ami a terü-leti differenciálást megnehezíti, pusztán ezen tu-lajdonságuk miatt önmagukban még a mozaikos mintázatot mutató indikátorok kizárása sem in-dokolt, hiszen ettől még a mutató lehet a fejlett-ség egyik általános ismérve. (Hogy mi alapján mérhető a fejlődés, az persze lehet vita tárgya, lásd az előző tanulmányok szelekciós és kompa-ratív módszereit). Elvileg a gócszerű (mozaikos) fejlődés sem kizárható (vagy jellemezheti a fejlő-dés kezdeti stádiumát, korlátozott kisugárzás-sal), ezért meg kell vizsgálni: léteztek-e egyálta-lán fejlettségi régiók az adott országban (a priori feltételezésük ugyanis módszertani hiba).
Ezért a gócszerű, mozaikos jelleget mutató je-lenségek közül nem mindet vetettük el. Az or-vostól, körjegyzőtől való távolságot kizártuk (az adatstruktúra miatt az alföldi nagy kiterjedésű tanyarendszer – mivel azonos közigazgatási egységbe tartozott az anyatelepüléssel – jóval kedvezőbb értékekkel volt jellemezhető, mint a valóságban). Kimaradtak a posta- és távíróállo-mások, pénzintézetek. Az utóbbiból túl kevés volt, vonzáskörzetük pedig nem volt mérhető (járásszintű aggregálásnál ez már nem jelentett problémát), az előbbi egyenletesen szórt (túl mo-zaikossá téve a vizsgálatot). Szintén elvetettük a keresők/eltartottak arányát, illetve a keresők számának lakossághoz mért változását 1900–
1910 között. Az előbbi minősítése nem egyér-telmű: Sátoraljaújhelyre vonatkozó kutatásaink bizonyították, hogy magas lehet a keresők ará-nya vagyonos és kevésbé vagyonos háztartások-nál egyaránt, míg a vagyonos háztartásokháztartások-nál alacsony keresőarány is mérhető (egy ember többet tud eltartani), tehát modernizációs vagy
fejlettségi mutatóként való felhasználása az el-térő értelmezési lehetőségek miatt problemati-kus.278 A keresők számának változása a népes-ségszám változásához képest pedig mozaikos-sporadikus mintázatot mutatott.
Bent maradt viszont a vasúttól való távolság és az ipar (mely szintén gócszerű mintázatot mutatott). És ez elvezet minket a negyedik szem-ponthoz, a dinamikus mutatók használatának kérdésköréhez, valamint a periférikus térségek korábbi időszakra vonatkozó lehatárolásához.
Az ipar, a mezőgazdaság és a közlekedés, to-vábbá az írni-olvasni tudás esetében lehetőség nyílt az 1880-as helyzet, továbbá az 1880–1910 közötti fejlődés sebességének elemzésére. De melyiket válasszuk? És milyen ábrázolástechni-kát? Milyen időintervallumot? A különbség- vagy hányadostérképek által mutatott kép nem szükségszerűen harmonizál a többi, statikus helyzetet mutató kartogrammal, hiszen elkép-zelhető, hogy korábban elmaradott térségek mu-tatták a legnagyobb fejlődést a vizsgált perió-dusban, így a különbségtérkép alapján ezek a legdinamikusabban fejlődő területek – de ez nem jelenti azt, hogy ezek a legfejlettebbek is. A két fogalom ugyanis különbözik. Ezért sokszor inkább az 1880-as állapottérképek használatát preferáltuk a minősítésnél, mint az 1880–1910 közötti változást bemutató kartogramokat. Így legalább a perifériák kiterjedésének áthelyező-désének vizsgálatára is lehetőség nyílt. E lehető-séget korlátozta, hogy az 1880-ban és 1910-ben közös mutatók száma sajnos nem túl magas az 1880-as népszámlálás eltérő szerkezete miatt, szemben az 1900 utáni adatdömpinggel. Egy-másból számolható változókat nem használtunk a vizsgálat során, de fajlagos mutatókat igen.
Ezek szelekciója sem mindig egyszerű, hiszen az egy mezőgazdasági lakosra vagy keresőre jutó agrárjövedelmet bemutató térkép lehet egészen más, mint az egy kataszteri holdra jutó értéket bemutató hasonló kartogram.
Az előző két tanulmány szerzője hátrányban volt a tekintetben, hogy (1) nem voltak jelen az
278 Makroszinten Faragó Tamás viszont indokoltnak tar-totta használatát HDI számításai során, kiváltva az egy főre jutó adót (proxy) – lásd 8. fejezet.
adatok tényleges rögzítésénél, így a metaadatok-ról (pl. a KSH felvételezési metódusának isme-rete, a felhasznált forrás relevanciája) nem volt információjuk (hacsak nem néztek utána), (2) nem lévén történészek, az eredmények interpre-tációja sokszor nem volt számukra egyértelmű (különösen, ha az általuk jól ismert, de jelenkori példákkal nem voltak összhangban). Ez befolyá-solta az adatszelekciót és az végeredmény értel-mezését egyaránt. Ez persze nem feltétlenül probléma, hiszen a vizsgálattal – a perifériák azonosítása és területi egyenlőtlenségek feltá-rása mellett – éppen az volt a cél, hogy megvizs-gáljuk, más tudományterület képviselői, más tu-dásbázis és módszerek birtokában milyen jelen-ségeket emelnek ki és értelmeznek (retrospektí-ven, a jelenre vonatkozó tudásuk birtokában) hasonló kiindulási feltételek mellett.
Történészként előnyben lévén, a változók szelekciójánál e tanulmányban a történelmileg értelmezhető-magyarázható változók kiemelé-sére fókuszáltunk, s a jelenlegi helyzetre vonat-kozó vizsgálatokkal való összekapcsolhatóság sem volt cél (a jelenkori regionális vizsgálatok-hoz szükséges apparátus és változóstruktúra nem ’befolyásolta’ a szelekciót). Így pl. olyan változók kiválasztására sem törekedtünk, me-lyek az ezredfordulóig terjedő vizsgálatokban is feltűn(het)nek, vagy proxy változóként helyette-síthetik a modern kori vizsgálatokban alkalma-zott mutatókat (hiszen míg például az írni-ol-vasni tudás 1910-ben differenciáló tényező lehe-tett, 2010-ben már aligha).
Ezek után nézzük meg, milyen mutatók sze-lekciójára került sor és miért, illetve hogyan ér-telmezhetők fejlettségi mutatóként az egyes vál-tozók (azaz, milyen problémákat vet fel alkalma-zásuk); milyen regionális sajátosságokat mutat-tak (különösen a későbbi összképpel való össze-vetés érdekében), továbbá milyen volt egymás-sal való kapcsolatuk.
A mutatók sajátos csoportját képezik a demo-gráfiai, kulturális és gazdasági mutatók (ezek statikusak), valamint a belőlük képzett
dinami-kus változók (melyek a modernizáció sebessé-gére utalnak, nem a fejlettségi állapotra). A fő-csoportok által képzett kép mellett az aggregált összképet szintén vizsgáltuk.
A vizsgálatból ki kellett szűrnünk néhány változót, melyek önmagukban érdekesek ugyan, regionális mintázatot is mutatnak, de a fejlettség szempontjából indifferensek vagy nem egyértel-műek, mint a már említett kereső/eltarott arány (mely a Pénzes-féle vizsgálatban bent maradt), vagy az egy házra jutó lakosságszám területi kü-lönbségei (12. ábra). Nem állítható ugyanis, hogy a nagy háztartás szegénységre utal, miként a kis háztartások tömeges előfordulása sem predesz-tinálja a szegénységet (és a gazdagságot sem), melyek pedig a fejlettség ismérvei között tartat-nak számon.279 Szintén kizártuk a vizsgálatból a fejlettség szempontjából ugyan nem indifferens, de túl mozaikos mintát mutató jelenségeket (postaállomások, orvostól való távolság, nehéz-ipari és nagynehéz-ipari munkaerő aránya). Ez a dön-tés vitatható, de indokolható is azzal, hogy a mo-zaikosság azt jelzi, hogy hatásuk alig terjed túl saját körzetükön, így kisugárzó-régióképző ere-jük az adatrögzítés idejében még nem jelentős.
Nem hagytuk ki a vizsgálatból a fejlettség szem-pontjából nem indifferens, de nem egyértelmű jelenségeket (ilyen pl. törvénytelen születések aránya: ezek indusztrializálódó területeken, vá-rosok vonzáskörzetében, etnikai kontaktzónák-ban – itt nagyobb migrációs potenciálra utalnak – éppúgy kiemelkedő értéket mutatnak, mint a tradicionális – pl. ortodox – közösségekben), 280 viszont itt az értékek újraosztályozása nem volt automatikus, hanem a magyarázó tényezők szellemében kellett őket értelmezni. (Ezért sem biztos, hogy helyes megoldás a nyers adatbázis nem vizualizált adatainak reklasszifikációja, hi-szen itt egyrészt ilyen szűrési feltételeket beállí-tani nem lehet, másrészt nem is rajzolódnak ki
279 A két változó (vagyon vagy egy főre jutó gazdasági po-tenciál és a háztartásméret) közötti korrelációs koefficiens kifejezetten kicsi volt Sátoraljaújhely háztartásai esetében.
280 Például ahol érvényes a próbaházasság, vagy az egyházi esküvő szerepét fontosabbnak tartják a közelmúltban beve-zetett polgári házassággal szemben – ez arra utal, hogy az állam hatása e területekre gyenge volt, késéssel érkezett.
az eltérő interpretációt igénylő területi sajátossá-gok). Ugyanez érvényes a házak építőanyagára, mely a Beluszky-Győri-féle vizsgálatok281 egyik fontos alappillére: az alföldi vályoghoz képest a kő látszólag nagyobb fejlettségi szintet takar – de nem ott, ahol az utóbbi általánosan rendelke-zésre állt, így a hegyvidékeken. Itt is differenciált osztályzást kellett alkalmazni: az Alföldön a kő pozitív értékkel került elszámolásra, a hegyvidé-ken viszont 0-val, mint könnyen hozzáférhető (ezért olcsóbb) anyag. A hegyvidékeken a kővel szemben a fa szerepelt „alacsonyabb rendű” épí-tőanyagként, negatív minősítéssel.
Ami a demográfiai alapmutatókat illeti, a né-pességnövekedés 1880–1910 között282 (1. ábra) ugyancsak hasonló elbánást igényel: a Duna– Ti-sza köze és Budapest, továbbá az éTi-szakkeleti ha-tárvidék egyaránt dinamikus növekedést muta-tott, de ennek okai eltérőek (eltérő a migráció hozzájárulása a növekedéshez, de a növekedést indukáló tényező is: Budapest fejlettsége egyér-telműen vonzóhatást gerjesztett (pull factor), az északkeleti országrész kiemelkedése azonban inkább a határon túli területek taszító hatásának (push factor) eredménye, mint a terület általános fejlet(len)ségének. Célszerű ezért elkülöníteni a népességnövekedés elemeit, a természetes szapo-rodást (10. ábra) és a migrációt (11. ábra), de még ekkor sem automatikus a minősítés. A természe-tes szaporulat magas volt a Nyírségben, Észak-kelet-Magyarországon, Zalában, a Rába-vidé-ken, Nyitra térségében és Észak-Biharban 1880–
1910 között. Kifejezetten kicsi volt Dél-Baranyá-ban, Dél-Erdélyben Petrozsény kivételével, az evangélikus szlovákok lakta Gömöri-érchegység déli lejtőin, Liptóban, Árvában és a Szamos men-tén. A nagy természetes szaporulat ugyan álta-lában pozitív jelenség, de esetenként szegény ré-giókra is jellemző volt a korban. Szintén lehetett kicsi a természetes szaporulat szegény
1910 között. Kifejezetten kicsi volt Dél-Baranyá-ban, Dél-Erdélyben Petrozsény kivételével, az evangélikus szlovákok lakta Gömöri-érchegység déli lejtőin, Liptóban, Árvában és a Szamos men-tén. A nagy természetes szaporulat ugyan álta-lában pozitív jelenség, de esetenként szegény ré-giókra is jellemző volt a korban. Szintén lehetett kicsi a természetes szaporulat szegény