Területi egyenlőtlenség és vidékpolitika

Szakmai mélység

TE1 — Kistérségi fejlettségi index

• Mechanizmus: A fejlettségi index 6 dimenzióból áll (foglalkoztatás, jövedelem, oktatás, egészség, lakhatás, digitális hozzáférés), mindegyik 3-5 indikátorral, járási szinten. Az adatokat a KSH T-STAR, a NAV jövedelemadatok, a NEAK egészségügyi adatai és a Lechner Tudásközpont térinformatikai adatai táplálják. A súlyokat nem politikai döntés, hanem faktoranalízis határozza meg (a dimenziók közötti korreláció alapján). A dashboard negyedévente frissül, nyilvánosan elérhető, és automatikus riasztást küld, ha egy járás mutatója romlik.
• Számszerű cél: 2027-re a 174 járás mindegyikére elérhető a teljes index; a legrosszabb 33 járás (LHH) és az országos átlag közötti rés legalább 10%-kal szűkül 2032-re (a jelenlegi ~3,5-szörös GDP/fő különbség ~3,0-re csökken).
• Nemzetközi precedens: Egyesült Királyság — az „Index of Multiple Deprivation" (IMD) a helyi önkormányzati finanszírozás és a központi fejlesztési források allokációjának fő eszköze. Az IMD bevezetése (2004) óta a források célzottsága javult, bár a területi egyenlőtlenség összességében nem csökkent — a tanulság, hogy az index szükséges, de nem elégséges feltétel.
• Trade-off / kockázat: A járási szintű aggregálás elfedi a települési szintű különbségeket — egy „átlagos" járáson belül lehetnek kiugróan szegény és viszonylag fejlett települések. Települési szintű adatgyűjtés azonban a kis népességű településeken (500 fő alatt) statisztikailag megbízhatatlan. A megoldás: a járási index mellett „forró pont" térképek az extrém szegénységű mikrotérségekről.

TE2 — EU-kohéziós források adatalapú elosztása

• Mechanizmus: Az EU kohéziós (ERFA, ESZA+, Kohéziós Alap) források elosztásának nyilvános algoritmikus ellenőrzése. Minden projekt- és pályázati adatot egy nyilvános adatbázisba töltünk (kedvezményezett, helyszín, összeg, célindikátor, tényleges eredmény). AI-elemzés automatikusan jelzi, ha: (1) a források nem a fejlettségi index szerint legrászorultabb járásokba áramlanak; (2) a kedvezményezettek koncentráltak (pl. kevés cég kapja a források nagy részét); (3) a célindikátorok nem teljesülnek. Az elemzés „comply or explain": a döntéshozó eltérhet, de indokolnia kell.
• Számszerű cél: A kohéziós forrásoknak a LHH járásokba irányuló aránya 2030-ra eléri a 25%-ot (jelenlegi becslés: ~12-15%); a nyilvános adatbázis lefedettsége 100%; a „comply or explain" eltérések aránya <10%.
• Nemzetközi precedens: Lengyelország — a kohéziós források felhasználásában az EU legjobb abszorpciós rátájú országának tekintik (~98%), és a területi allokáció a 16 vajdaság fejlettségi szintjéhez igazodik. A lengyel modell kulcsa: a regionális operatív programok döntési jogköre a vajdaságokhoz delegált, nem központi.
• Trade-off / kockázat: Az algoritmikus ellenőrzés a politikai mérlegelési szabadságot csökkenti, ami ellenállást vált ki. Emellett a „leghátrányosabb járásokra fókuszálás" abszorpciós problémát okozhat: éppen ezeken a területeken a leggyengébb a pályázatírási és projektmenedzsment kapacitás — a források odairányítása nem jelenti automatikusan a felhasználásukat.

TE3 — Szegregátum-térkép és felzárkózási program

• Mechanizmus: A szegregátum-kataszter három dimenziót fed le: (1) térbeli szegregáció (a KSH népszámlálási adatai alapján, szegregációs index — dissimilarity index — számítása településen belül); (2) oktatási szegregáció (az iskolai összetétel eltérése a lakóhelyi összetételtől); (3) foglalkoztatási szegregáció (munkaerőpiaci kirekesztettség). A felzárkózási program 3 éves ciklusokban működik, kontrollcsoportos hatásvizsgálattal (RCT vagy kvázi-experimentális diff-in-diff): a beavatkozás hatását méri, nem csak a kimenetet.
• Számszerű cél: 2028-ra teljes szegregátum-kataszter (jelenlegi: részleges, ~1.600 ismert telep); a szegregált telepek számának 15%-os csökkentése 2032-re (integrált lakhatás + oktatás révén); az oktatási szegregációs index 20%-os csökkenése a célterületeken.
• Nemzetközi precedens: USA — a HOPE VI program (1993–2010) a legrosszabb közlakás-telepeket bontotta le és vegyes jövedelmű lakónegyedeket épített helyükre. Az eredmények vegyesek: a fizikai környezet javult, de a korábbi lakók egy része egyszerűen más szegregátumba költözött (relocation effect). A tanulság: a deszegregáció nem csak lakhatási, hanem oktatási és foglalkoztatási beavatkozást is igényel egyidejűleg.
• Trade-off / kockázat: A szegregátum-térkép nyilvánosságra hozása stigmatizáló hatású lehet: az érintett települések ingatlanértéke csökkenhet, a tőke menekül. A megoldás: a térkép nem „szégyen-lista", hanem a célzott beavatkozás eszköze — az adathoz csak a fejlesztési célú felhasználás kontextusában szabad nyilvános hozzáférést biztosítani.

TE4 — Vidéki közszolgáltatási minimum

• Mechanizmus: Jogszabályban rögzített minimumsztenderdek településkategóriánként: (1) egészségügyi: háziorvos 20 percen belül elérhető, alapszintű sürgősségi ellátás 45 percen belül; (2) oktatási: általános iskola 30 percen belül elérhető; (3) közlekedési: naponta min. 6 tömegközlekedési járat a legközelebbi járásszékhelyre; (4) digitális: min. 30 Mbps internet minden településen. Ahol a mutató a minimum alá esik, automatikus kompenzációs mechanizmus indul: pótlólagos központi finanszírozás + szolgáltató-ösztönzők (pl. vidéki pótlék háziorvosoknak).
• Számszerű cél: 2030-ra a települések 95%-a eléri a közszolgáltatási minimumot mind a 4 dimenzióban (jelenlegi becslés: ~60-70%); a háziorvos nélküli települések száma 0-ra csökken (jelenlegi: ~250).
• Nemzetközi precedens: Finnország — a „kuntien peruspalvelut" (települési alapszolgáltatási) garancia rendszere jogszabályi minimumokat rögzít az egészségügyi, oktatási és szociális ellátásra. A nem teljesítő önkormányzatokat a regionális igazgatási hivatal felszólítja, és szükség esetén az állam átvállalja a szolgáltatást. A rendszer drága, de a területi egyenlőtlenség Finnországban az EU egyik legalacsonyabb szintje.
• Trade-off / kockázat: A közszolgáltatási minimum fenntartása az aprófalvas településeken rendkívül drága fajlagos költségű — 200 fős települések nem tarthatnak fenn önálló rendelőt és iskolát. A megoldás a „hálózatos ellátás" (körjegyző-modell, utazó szakorvos, iskolabusz), de ez a szolgáltatás minőségét csökkentheti. A méltányosság és a hatékonyság közötti trade-off explicit politikai döntést igényel.

TE5 — Helyi gazdaságfejlesztés és mobilitás-támogatás

• Mechanizmus: Járási szintű döntési mátrix: ha a fejlettségi index (TE1) alapján egy járásban a helyi gazdasági potenciál létezik (mezőgazdaság, turizmus, feldolgozóipar — a potenciált az üzleti demográfia, a természeti adottságok és a megközelíthetőség alapján mérjük), akkor helyi gazdaságfejlesztés: mikrovállalkozási hitelprogram (max. 10M Ft, garancia nélkül, 0%-os kamat az első 2 évre), szövetkezeti alapítási támogatás, helyi termék-védjegy. Ha a járásban a gazdasági potenciál alacsony (nincs piacképes helyi erőforrás, tartósan csökkenő népesség), akkor mobilitási támogatás: lakhatási támogatás a közeli megyeszékhelyen, ingázási költség-hozzájárulás, célzott átképzés.
• Számszerű cél: A LHH járásokban a vállalkozássűrűség 20%-os emelkedése 2032-re; a járások közötti ingázási támogatásban részesülők száma 10.000 fő/év; a helyi gazdaságfejlesztési programban résztvevő mikrovállalkozások túlélési rátája >70% 3 év után.
• Nemzetközi precedens: Írország — a „Rural Regeneration and Development Fund" (2018–) célzottan a vidéki városok gazdasági magtelepüléssé fejlesztésére koncentrál, nem a szétszórt falvak egyenkénti életben tartására. A „hub-and-spoke" modell elfogadja, hogy nem minden település életképes önállóan, de garantálja a szolgáltatás-hozzáférést a hub-okból.
• Trade-off / kockázat: A „nem minden település életképes" üzenet politikailag rendkívül érzékeny — a mobilitási támogatás könnyen értelmezhető „kényszerköltöztetésként". A kommunikáció kulcsa: a cél nem a település megszüntetése, hanem az ott élő emberek lehetőségeinek bővítése. Emellett a helyi gazdaságfejlesztési programok sikere erősen függ a helyi kapacitástól (pályázatírás, menedzsment), amely éppen a leghátrányosabb járásokban a leggyengébb.