4. EfektywnoĞü wsparcia finansowego z budĪetu Unii Europejskiej
4.2. EfektywnoĞü techniczna wsparcia w gminach wiejskich
Jednym z gáównych celów Unii Europejskiej jest promowanie konwer-gencji gospodarczej i spoáecznej paĔstw czáonkowskich i ich regionów. Unia Europejska przeznacza istotną czĊĞü swoich Ğrodków na finansowanie projektów rozwoju regionalnego, za poĞrednictwem funduszy strukturalnych Europejskie-go Funduszu Rozwoju RegionalneEuropejskie-go (EFRR), EuropejskieEuropejskie-go Funduszu Spo-áecznego (EFS), Europejskiego Funduszu Rolnego Rozwoju Obszarów Wiej-skich (w zakresie finansowania dziaáaĔ dotyczących polityki rozwoju wsi) oraz innych funduszy w regionach Unii o niĪszym poziomie rozwoju gospodarczego.
Kryteria podziaáu Ğrodków obejmują sytuacjĊ gospodarczą i spoáeczną regionów w relacji do Ğredniej europejskiej. Dziaáania pomocowe w ramach polityki re-gionalnej mają na celu zwiĊkszenie konkurencyjnoĞci i poziomu rozwoju regio-nów, w związku z czym jednym z celów priorytetowych dziaáaĔ finansowanych z funduszy strukturalnych jest promowanie wzrostu zatrudnienia, wyĪszej wy-dajnoĞü (produktywnoĞci) oraz intensyfikacji dziaáalnoĞci gospodarczej. Ewalu-acja efektywnoĞci dziaáaĔ podejmowanych w ramach implementacji Ğrodków z funduszy pomocowych jest zagadnieniem fundamentalnym w kontekĞcie kon-tynuacji polityki regionalnej i ewentualnego przeorientowania jej priorytetów.
W nawiązaniu do powyĪszych informacji celem przeprowadzonego badania jest ewaluacja efektywnoĞci wdraĪania Ğrodków pomocowych sáuĪących rozwijaniu
153,8
131,6
66,7
0,0 20,0 40,0 60,0 80,0 100,0 120,0 140,0 160,0 180,0
podmiot osoby fizycznej (zatrudniajČcy pow. 10
osób)
mikroprzedsiħbiorstwo dodatkowy pracujČcy
wymagana kwota w tys. zų
przedsiĊbiorczoĞci na obszarach wiejskich przez gminy23 w Polsce, poáoĪone na tym terenie. Ogóáem badaniu poddano 120224 gminy wiejskie poáoĪone na ob-szarach wiejskich w Polsce. Stanowi to ponad ¾ áącznej populacji gmin typu wiejskiego w kraju (76% z 1566 jednostek). Metody iloĞciowe wykorzystane w ramach analizy obejmują model stochastycznej analizy granicznej (SFA) oraz klasyczną metodĊ najmniejszych kwadratów NMK. W piĞmiennictwie znaleĨü moĪna liczne przykáady analiz efektywnoĞci jednostek samorządu tery-torialnego25. Prezentowana analiza oparta zostaáa w szerokim zakresie o zaáo-Īenia pokrewnych badaĔ zaprezentowanych w czasopismach Applied Econo-mics [Gómez-García i in. 2012] (badacze hiszpaĔscy) oraz Working Paper Institute of Economic Studies, Faculty of Social Sciences, Charles University in Prague [Stastna, Gregor 2011] (badacze czescy) dotyczących efektywnoĞci wy-korzystania Ğrodków wspierania przedsiĊbiorczoĞci z funduszy strukturalnych w regionach Niemiec, Austrii, Hiszpanii, Finlandii, Francji, Grecji, Irlandii,
23 Literatura przedmiotu wymienia szereg powodów dla których analizy skutecznoĞci i efek-tywnoĞci dziaáania powinny byü przeprowadzane raczej w trybie „oddolnym”, na poziomie podstawowych jednostek samorządu terytorialnego. Badanie poszczególnych gmin pozwala na wykorzystanie stosunkowo spójnych statystyk i nie stwarza niebezpieczeĔstwa niejednorodno-Ğci wykorzystanych danych, pozwalając na speánienie restrykcyjnych zaáoĪeĔ dotyczących jednorodnoĞci funkcji produkcji, dodatkowo zgodnie z uregulowaniami prawnymi szereg kom-petencji wáadzy centralnej w zakresie rozwoju infrastruktury, edukacji, kultury i sáuĪby zdrowia zostaáo scedowane na podmioty najniĪszego szczebla samorządu terytorialnego, zaĞ ze wzglĊdu na specyfikĊ polityki lokalnej związanej z generowaniem (dostarczaniem) dóbr publicznych, mniejszy jest potencjaá konfliktów spoáeczno-gospodarczych związanych z dystrybucją docho-dów, potencjalnie zaburzającym wyniki estymacji.
24 Wg poáoĪenia w województwach liczba analizowanych gmin ksztaátowaáa siĊ nastĊpująco:
ĞwiĊtokrzyskie – 46, dolnoĞląskie – 72, kujawsko-pomorskie – 91, lubelskie – 132, lubuskie – 39, áódzkie – 78, maáopolskie – 108, mazowieckie – 151, opolskie – 29, podkarpackie – 83, podlaskie – 34, pomorskie – 77, Ğląskie – 73, warmiĔsko-mazurskie – 34, wielkopolskie – 113, zachodnio- -pomorskie – 42.
25 Syntetyczną prezentacjĊ zaáoĪeĔ i wyników najwaĪniejszych analiz dotyczących efektywnoĞci funkcjonowania jednostek samorządu terytorialnego znaleĨü moĪna w pracy: Afonso, António i Sónia Fernandes, Assessing and explaining the relative efficiency of local government, The Journal of Socio-Economics 37.5 (2008): 1946-1979. Zostaáo w niej scharakteryzowanych 10 analiz z róĪnych krajów Ğwiata (m.in. Belgii, Portugalii, Grecji, Brazylii, Australii, Hiszpanii i Finlandii). Wykorzystane metody ewaluacji obejmowaáy m.in. podejĞcie nieparametryczne DEA i jego pochodne (m.in. model Free Disposal Hull – FDH), a takĪe metody parametryczne (przede wszystkim Stochastic Frontier Analysis). Przedmiotem analizy w wiĊkszoĞci zaprezentowanych przypadków byáa ocena efektywnoĞci wydatków budĪetowych ponoszonych przez samorząd lokalny na rzecz rozwoju edukacji (mierzonego liczbą placówek szkolnych i uczniów/studentów), sáuĪby zdrowia (w postaci liczby placówek medycznych, liczby áóĪek szpitalnych dostĊpnych na terenie danego samorządu), rozwoju infrastruktury technicznej (opisanej gĊstoĞcią sieci dróg utwardzonych, rozwojem infrastruktury wodociągowej, kanalizacyjnej i gazowej, poziomem rozwoju gospodarki odpadami oraz innymi miernikami), a takĪe poziomem rozwoju placówek kultury (np. placówki biblioteczne, domy kultury, Ğwietlice i kluby sportowe).
Wáoch, Portugalii, Wielkiej Brytanii oraz w gminach w Czechach. Pierwsze z wymienionych powyĪej badaĔ wykorzystuje jako trzy „nakáady produkcyjne”
(inputs)26 wolumen (w ujĊciu kwot bezwzglĊdnych) Ğrodków z Europejskiego Funduszu Rozwoju Regionalnego (EFRR), Europejskiego Funduszu Spoáeczne-go (EFS) oraz EuropejskieSpoáeczne-go Funduszu RolneSpoáeczne-go Rozwoju Obszarów Wiejskich jaki otrzymaáy regiony w próbie (46 regionów z 10 krajów Unii Europejskiej) w latach 2000-2006, zaĞ efektem dziaáania, tj. implementacji wymienionych funduszy, jest przyrost zatrudnienia oraz wzrost PKB27. EfektywnoĞü, w rozu-mieniu prezentowanej analizy, odnosi siĊ zatem do sprawnoĞci w wykorzystaniu Ğrodków z funduszy pomocowych UE w celu ograniczania bezrobocia i wzrostu zamoĪnoĞci regionów. W analizie tej brakuje zatem bezpoĞredniego odniesienia do wzrostu wskaĨników przedsiĊbiorczoĞci jako efektu wdraĪania funduszy strukturalnych z UE, moĪna jedynie traktowaü ten wzrost jako cel osiągany po-Ğrednio w regionach, w których rosną dochody i spada bezrobocie. Dodatkowe zmienne objaĞniające opisujące poziom osiągniĊtych miar indywidualnych efek-tywnoĞci obejmowaáy poáoĪenie przestrzenne regionu (wpáyw lokalizacji geo-graficznej), wpáyw kraju oraz znaczenie rolnictwa w generowaniu PKB danego regionu. Drugie z branych pod uwagĊ jako inspiracja do wykonania niniejszego badania studiów prezentuje oszacowanie wskaĨników efektywnoĞci dla gmin w Czechach i zostaáo w szczególnoĞci wykorzystane jako podstawa do wyboru i konstrukcji nakáadów i efektów produkcyjnych.
Biorąc pod uwagĊ sformuáowany powyĪej cel badania, a takĪe zidentyfi-kowane zaleĪnoĞci pomiĊdzy podaĪą Ğrodków z funduszy Unii Europejskiej a rozwojem przedsiĊbiorczoĞci na terenach wiejskich, w prezentowanej analizie wykorzystane zostaáy trzy nakáady produkcyjne w postaci caákowitej wartoĞci zakoĔczonych projektów w ramach poszczególnych funduszy oraz jeden efekt dziaáania, czyli przeciĊtna liczba osób fizycznych prowadzących dziaáalnoĞü gospodarczą na terenie gminy w latach 2008-2013 (tabela 5). Opierając siĊ na wynikach innych badaĔ efektywnoĞci samorządu terytorialnego, zdefiniowano równieĪ szereg wskaĨników pomocniczych, które w zaáoĪeniu mają wyjaĞniaü oszacowane róĪnice w wysokoĞci efektywnoĞci poszczególnych gmin. Do czyn-ników róĪnicujących efektywnoĞü gmin zaliczono m.in. potencjaá ludnoĞciowy (w ujĊciu liczby mieszkaĔców oraz udziaáu osób w wieku produkcyjnym), za-moĪnoĞü gmin (wyraĪoną poziomem dochodów) oraz sytuacjĊ na rynku pracy (przybliĪenie przy pomocy wartoĞci stopy bezrobocia), a takĪe skáonnoĞci inwe-stycyjne gmin (wyraĪone kwotą wydatków inwestycyjnych). W zaáoĪeniu
26 A w rozumieniu analizy regresji zmienne objaĞniające.
27 ĝciĞlej mówiąc nazwy wykorzystanych zmiennych to rate of employment oraz rate of pro-ductivity.
korzystane charakterystyki spoáeczno-ekonomiczne gmin powinny wykazywaü zdolnoĞci dyskryminacyjne w odniesieniu do osiągniĊtego poziomu efektywno-Ğci, co wynika z faktu, Īe obniĪenie liczby bezrobotnych jest poĞrednim celem inicjatyw wspierających przedsiĊbiorczoĞü, zaĞ podejmowane dziaáania uwarun-kowane są potencjaáem finansowym i ludnoĞciowym gminy i poĞrednio powią-zane są z wolumenem nakáadów inwestycyjnych.
Tabela 5. Statystyki opisowe zmiennych wykorzystanych w trakcie analizy SFA
Zmienna Symbol Typ ĝrednia Odch.
standardowe Max Min Mediana Osoby fizyczne prowadzące
dziaáalnoĞü gospodarczą – Ğrednia
liczba w latach 2008-2013 OFi Output 47,42 38,32 276,40 3,40 34,90 RPO – wartoĞü caákowita
projek-tów zakoĔczonych (w tys. PLN)
– na dzieĔ 31.12.2013 RPO Input 11079817,21 14592631,7 196812018,8 594,8 6619576,7 Program Operacyjny Kapitaá
Ludzki – wartoĞü caákowita projektów zakoĔczonych (w tys.
PLN) – na dzieĔ 31.12.2013
POKL Input 3869786,8 10840725,3 144688766,3 4128,1 677183,2 Program Operacyjny Innowacyjna
Gospodarka – wartoĞü caákowita projektów zakoĔczonych (w tys.
PLN) – na dzieĔ 31.12.2013
POIG Input 2218477,3 1716366,0 13343949,88 11408,0 1740479,5
Liczba mieszkaĔców gminy – wartoĞü Ğrednia w latach
2008-2012 LMi Po-
mocni-cze 7261,8 3756,5 25867,2 1689,8 6334,3 Liczba osób w wieku
produkcyj-nym na terenie gminy – wartoĞü
Ğrednia w latach 2008-2012 WPr Po-
mocni-cze 4473,7 2340,2 17255,3 843,9 3889,9 Dochody wáasne gminy na 1
mieszkaĔca (w PLN) – wartoĞü
Ğrednia w latach 2008-2012 DWá Po-
mocni-cze 940,2 397,8 3133,8 331,7 852,6 Liczba bezrobotnych – wartoĞü
Ğrednia w latach 2008-2012 SBe Po-
mocni-cze 384,1 234,4 1922,5 41,0 326,8 Roczna kwota wydatków
inwe-stycyjnych (tys. PLN) – wartoĞü
Ğrednia w latach 2008-2012 Win Po-
mocni-cze 4755,8 3447,5 32203,7 507,0 3809,1
ħródáo: opracowanie wáasne na podstawie danych gmin z Banku Danych Regionalnych GUS.
Tabela 6. Oszacowany finalny model regresji SFA w ujĊciu funkcji produkcji w postaci Cobba-Douglasa – zmienna zaleĪna ln(OFi)
Nazwa zmiennej Parametr regresji Báąd standardowy P-value Równanie granicy efektywnoĞci
Staáa -1,97488 0,328228 1,78E-09
Ln(RPO) 0,099291 0,012188 3,75E-16
Ln(POIG) 0,084748 0,008015 2,20E-16
Ln(POKL) 0,225873 0,020926 2,20E-16
Parametry zmiennoĞci
Sigma square (ı2) 0,426877 0,068805 5,50E-10
Gamma (Ȗ) 0,345498 0,188665 0,06706
Var(u) 0,4732 Logarytm najwiĊkszej wiarygodnoĞci : -1044.232 Liczba obserwacji: 1202
ħródáo: oszacowanie wáasne na podstawie danych gmin z Banku Danych Regionalnych GUS.
W ramach przeprowadzonej analizy iloĞciowej przy wykorzystaniu mode-lu stochastycznego, oszacowano dwa typy funkcji produkcji (Cobb-Douglas i translogarytmiczna – tj. postaü funkcji bardziej i mniej restrykcyjna)28. Jak wspomniano powyĪej jako zmienną zaleĪną, opisującą efekt dziaáania zastoso-wano (zlogarytmowany) wskaĨnik przeciĊtnej liczby osób fizycznych prowa-dzących dziaáalnoĞü gospodarczą w latach 2008-2013, zaĞ jako zmienne obja-Ğniające caákowite (kwotowe) wartoĞci zakoĔczonych projektów wspierania przedsiĊbiorczoĞci w ramach dziaáaĔ w trzech programach operacyjnych (Re-gionalne Programy Operacyjne – RPO, Program Operacyjny Kapitaá Ludzki – POKL oraz Program Operacyjny Innowacyjna Gospodarka – POIG) – równieĪ w formie zlogarytmowanej. Jak wskazują wyniki oszacowania, zaprezentowane w tabeli 6, wszystkie trzy zmienne objaĞniające (RPO, POKL i POIG) są istotne statystycznie na poziomie 1%29, a ich znak wskazuje na dodatni wpáyw wymie-nionych cech na liczbĊ podmiotów gospodarczych. Efekt oddziaáywania jest najsilniejszy w przypadku Ğrodków z POKL, a najsáabszy w przypadku Ğrodków z POIG – co jest wynikiem logicznym biorąc pod uwagĊ przeznaczenie tych Ğrodków. Z uwagi na fakt, Īe parametry regresji wystĊpują w formie zlogaryt-mowanej (w postaci elastycznoĞci) ustalenie efektu iloĞciowego wpáywu wyko-rzystania Ğrodków z poszczególnych programów na poziom przedsiĊbiorczoĞci wymaga zastosowania funkcji wykáadniczej ex30. Suma trzech parametrów re-gresji to 0,40991 – co wskazuje na nieefektywnoĞü skali31 dziaáania badanych podmiotów. W odniesieniu do parametrów zmiennoĞci równania regresji
28 Dobór konkretnej postaci funkcyjnej uwarunkowany jest wynikami testu wiarygodnoĞci (likelihood ratio – LR) z rozkáadem zbliĪonym do Ȥ2. W celu okreĞlenia zasadnoĞci stosowania modelu stochastycznego (SFA) w pierwszym etapie oba typy funkcji porównywane są z oszacowaniem metodą najmniejszych kwadratów (NMK), a nastĊpnie w kolejnym kroku – miĊdzy sobą. Hipoteza 0 w pierwszym przypadku zakáada, Īe odstĊpstwa od granicy moĪli-woĞci produkcyjnych są wynikiem jedynie báĊdów dopasowania (biaáy szum), a nie nieefek-tywnoĞci dziaáania podmiotów, tak wiĊc poprawne jest oszacowanie przy pomocy funkcji najmniejszych kwadratów (NMK). W sytuacji (jak w analizowanym przypadku) odrzucenia tej hipotezy (na poziomie istotnoĞci 1%) prawdziwa jest hipoteza alternatywna, wskazująca na poprawnoĞü oszacowania przy pomocy funkcji SFA. NastĊpnie, przy wykorzystaniu wspo-mnianego testu LR, porównywane są dobroci dopasowania obu postaci funkcji stochastycznej.
W analizowanym przypadku wynik testu wskazuje (na poziomie istotnoĞci 1%), Īe lepszym dopasowaniem do danych charakteryzuje siĊ funkcja Cobba-Douglasa. Ta postaü funkcji bĊdzie wykorzystywana w dalszych oszacowaniach, a takĪe na jej podstawie wyliczono indywidualne wartoĞci efektywnoĞci gmin.
29 Patrz p-value.
30 W odniesieniu do poszczególnych wspóáczynników regresji: dla RPO – e (0,0992) = 1,1044, dla POIG – e(0,0847) = 1,0884, a dla POKL – e(0,2258) = 1,2534 – oznacza to, iĪ podniesienie ceteris paribus kwoty danych projektów o 1% daje efekt iloĞciowy w postaci wzrostu liczby podmiotów odpowiednio o 1,1%, 1,08% oraz 1,25%.
31 Konkretnie wskazuje to na malejące efekty skali (elastycznoĞü skali).
stycznej okreĞlających dobroü dopasowania: sigma square (ı2) – parametr zmiennoĞci jest istotny statystycznie na poziomie 1%, co wskazuje na popraw-noĞü oszacowania modelu, gamma (Ȗ) jest róĪna od 0 i 1 i istotna statystycznie32, zaĞ parametr Var(u), okreĞlający jaki procent odstĊpstw od granicy produkcji jest wyjaĞniany przez nieefektywnoĞü, ksztaátuje siĊ na poziomie 47%.
Tabela 7. Statystyki opisowe miar efektywnoĞci technicznej i skali oszacowanych przy pomocy modelu SFA
Zmienna Symbol Typ ĝrednia Odch. standardowe Max Min Mediana Miara efektywnoĞci
technicznej TE Wynik 0,367 0,249 0,996 0,081 0,268 Miara efektywnoĞci
skali SE Wynik 0,631 0,175 1,000 0,280 0,604
ħródáo: oszacowanie wáasne na podstawie danych gmin z Banku Danych Regionalnych GUS.
Na podstawie uzyskanych wyników ogólnych przedstawionych w tab. 7 moĪna wnioskowaü o duĪym zróĪnicowaniu analizowanej populacji gmin pod wzglĊdem efektywnoĞci technicznej oszacowanej przy wykorzystaniu podejĞcia SFA. Na koniec roku 2013 analizowane gminy charakteryzowaáy siĊ relatywnie niską efektywnoĞcią. ĝrednia wartoĞü miary efektywnoĞci technicznej TE wy-niosáa jedynie 36,7%, co oznacza, Īe Ğredni wynik dziaáalnoĞci (tj. w ujĊciu pre-zentowanej analizy „przetwarzanie” Ğrodków z funduszy strukturalnych w pod-mioty gospodarcze) gminy powinien wzrosnąü przeciĊtnie ponad 2,5 razy (1/0,367 = 2,7) przy danym poziomie nakáadów, aby osiągnąü najkorzystniejszą relacjĊ wyników do nakáadów charakteryzującą jednostki w peáni efektywne technologicznie. Badane gminy byáy grupą doĞü niejednorodną pod wzglĊdem oszacowanych mierników efektywnoĞci technicznej. Obliczona wartoĞü odchy-lenia standardowego miary TE wyniosáa 0,249.
WartoĞü Ğrednia miary efektywnoĞci skali wynosi 63,11%33. Obliczona miara efektywnoĞci skali oznacza, Īe gminy mogáyby podnieĞü efekt dziaáania (tzn. liczbĊ istniejących podmiotów gospodarczych) przeciĊtnie o kolejne 37%,
32 Parametr gamma – przyjmuje wartoĞci pomiĊdzy 0 a 1 i okreĞla wpáyw i istotnoĞü parametru u – opisującego nieefektywnoĞü. JeĪeli gamma = 0 wówczas u jest nieistotne, zaĞ prawidáowa postaü funkcji to proste równanie najmniejszych kwadratów, jeĪeli gamma = 1, wszystkie odstĊp-stwa od granicy funkcji produkcji są wynikiem nieefektywnoĞci technicznej.
33 Wykorzystany schemat oszacowania wskaĨników efektywnoĞci skali dla modelu parametrycz-nego pochodzi z opracowania A. Fabio Madau, Parametric estimation of technical and scale efficiencies in Italian citrus farming. MPRA Paper No. 41403, 2012, które wykorzystuje ustalenia teoretyczne zaprezentowane w pracy S. Ray (1998), Measuring and Explaining Scale Efficiency from a Translog Production Function, Journal of Productivity Analysis 11: 183-194. Indywidual-ne wskaĨniki efektywnoĞci skali szacowaIndywidual-ne są na podstawie formuáy: 2E
)
oraz ȕ oszacowane są na podstawie kombinacji indywidualnych wartoĞci poszczególnych zmien-nych objaĞniających oraz wielkoĞci wspóáczynników regresji powiązazmien-nych z tymi wielkoĞciami.
gdyby dziaáaáy w optymalnej skali, tj. gdyby wielkoĞü ich wyniku dziaáania byáa dostosowana do skali zaangaĪowanych Ğrodków.
Uzyskane wyniki szacowania efektywnoĞci technicznej traktowaü nale-Īy jako wskazówkĊ niedostatecznego wykorzystania potencjaáu związanego z funduszami pomocowymi UE w kreowaniu przedsiĊbiorczoĞci na terenach wiejskich. W analizowanej populacji gmin jedynie okoáo 300 podmiotów (z 1202, tj. okoáo 25%) osiągnĊáo efektywnoĞü techniczną na poziomie prze-kraczającym 45%. W celu okreĞlenia przestrzennego rozkáadu wartoĞci efek-tywnoĞci technicznej i skali analizowanych gmin, oszacowane wartoĞci wskaĨników efektywnoĞci zostaáy podzielone w ramach badanej zbiorowoĞci na piĊü grup (poziomów) – na podstawie wartoĞci Ğredniej wskaĨnika i jego odchylenia standardowego od Ğredniej (tab. 8).
Tabela 8. Charakterystyka przedziaáów efektywnoĞci technicznej i skali w badanej grupie gmin w Polsce
Nazwa grupy (poziom
efektywnoĞci) Przedziaáy wartoĞci (
x–Ğrednia, Gx– odch.
* wartoĞci przedziaáów oznaczone pogrubioną czcionką oznaczają granicĊ przedziaáu domkniĊte-go, zaĞ opisane normalną czcionką granicĊ przedziaáu otwartego
ħródáo: opracowanie wáasne.
W ujĊciu przestrzennym rezultaty naáoĪenia indywidualnych wskaĨników efektywnoĞci gmin na siatkĊ zdefiniowanych powyĪej grup, jednorodnych pod wzglĊdem poziomu wskaĨnika, prezentują rys. 26 (efektywnoĞü techniczna) i rys. 27 (efektywnoĞü skali).
Rysunek 26. EfektywnoĞü techniczna wspierania przedsiĊbiorczoĞci przy pomocy funduszy UE w gminach na obszarach wiejskich w Polsce
ħródáo: opracowanie wáasne na podstawie danych gmin.
Rysunek 27. EfektywnoĞü skali wspierania przedsiĊbiorczoĞci przy pomocy funduszy UE w gminach na obszarach wiejskich w Polsce
ħródáo: opracowanie wáasne na podstawie danych gmin.
IntensywnoĞü barwy przypisanej do poszczególnych podmiotów roĞnie proporcjonalnie wraz z przejĞciem do grupy charakteryzującej siĊ wyĪszą efek-tywnoĞcią. Na podstawie oceny proporcji liczbowych uzyskanych wyników moĪna dokonaü próby okreĞlenia przestrzennego rozkáadu wartoĞci efektywno-Ğci gmin w poszczególnych województwach. Wysoką efektywnoefektywno-Ğcią techniczną (tj. przekraczającą 59,1%) charakteryzuje siĊ ponad poáowa gmin w woj. Ğlą-skim, okoáo 40% gmin w woj. maáopolskim oraz niemal 35% gmin w woj. opol-skim, podkarpackim i pomorskim. Na drugim biegunie sklasyfikowaü moĪna samorządy terytorialne woj. podlaskiego (jedynie 8% gmin o wysokiej efektyw-noĞci) oraz województw lubelskiego, lubuskiego, áódzkiego i mazowieckiego, gdzie udziaá gmin o wysokiej efektywnoĞci oscylowaá wokóá 10%. Analizując udziaá gmin o niskiej efektywnoĞci technicznej moĪna wymieniü woj. podlaskie, mazowieckie, áódzkie, lubuskie i lubelskie jako obszary, charakteryzujące siĊ znaczącym udziaáem (powyĪej 65%, z wartoĞcią maksymalną 82%) gmin o ni-skiej efektywnoĞci wykorzystania Ğrodków z UE. W pozostaáych wojewódz-twach w Polsce przewaĪaáy gminy o przeciĊtnych wskaĨnikach efektywnoĞci technicznej. PrzeciĊtne wartoĞci efektywnoĞci oszacowane dla poszczególnych województw w Polsce prezentuje tab. 9.
Tabela 9. PrzeciĊtne wartoĞci efektywnoĞci wg województw w Polsce Województwo ĝrednia TE ĝrednia SE
ĝwiĊtokrzyskie 0,372 0,578
DolnoĞląskie 0,394 0,669
Kujawsko-pomorskie 0,322 0,627
Lubelskie 0,266 0,651
Lubuskie 0,294 0,733
àódzkie 0,290 0,642
Maáopolskie 0,478 0,603
Mazowieckie 0,318 0,657
Opolskie 0,389 0,634
Podkarpackie 0,441 0,603
Podlaskie 0,224 0,675
Pomorskie 0,422 0,583
ĝląskie 0,561 0,600
WarmiĔsko-mazurskie 0,345 0,541
Wielkopolskie 0,371 0,668
Zachodniopomorskie 0,352 0,571
ħródáo: opracowanie wáasne na podstawie danych gmin.
W odniesieniu do efektywnoĞci skali moĪna zaobserwowaü jednorodnoĞü uzyskanych rezultatów w postaci oscylowania przeciĊtnych wartoĞci efektywno-Ğci na poziomie zbliĪonym do 60%. Miary efektywnoefektywno-Ğci skali w analizowanych podmiotach charakteryzują siĊ zatem mniejszą zmiennoĞcią i Ğwiadczą o ograni-czonym wpáywie tego wskaĨnika na caákowitą efektywnoĞü gmin.
Tabela 10. Charakterystyki gmin mające wpáyw na oszacowane indywidualne miary efektywnoĞci – równanie regresji NMK z TE jako
zmienną zaleĪną
Nazwa zmiennej Parametr regresji Báąd standardowy P-value Równanie regresji NKM
Staáa -1,87E-01 7,13E-03 2,20E-16
LMi 5,85E-05 8,10E-07 2,20E-16
DWi 1,26E-04 5,83E-06 2,20E-16
SBe 2,72E-05 1,29E-05 0,0349
Parametry równania
Multiple R-squared: 0.9033 Adjusted R-squared: 0.903 F-statistic: 3728 on 3 and 1198 DF, p-value: < 2.2e-16 Liczba obserwacji: 1202
ħródáo: opracowanie wáasne na podstawie danych gmin.
Uzyskane rezultaty wskazują na ograniczoną wielkoĞü wspóáczynników równania regresji stojących przy zmiennych opisujących zasoby ludnoĞciowe gmin, poziom dochodów i stopĊ bezrobocia i jednoczeĞnie ich istotną staty-stycznie na poziomie 1% (poza liczbą bezrobotnych, która jest istotna na pozio-mie 5%) relacjĊ z oszacowanymi miarami efektywnoĞci. Oszacowane wartoĞci pozwalają na wyciągniĊcie wniosków, Īe efektywnoĞü „tworzenia” podmiotów gospodarczych przy wykorzystaniu Ğrodków pomocowych z wymienionych funduszy unijnych roĞnie wraz ze wzrostem wielkoĞci (mierzonej liczbą miesz-kaĔców) oraz zamoĪnoĞci (w postaci dochodów wáasnych na mieszkaĔca) gminy.
Ponadto gminy, w których jest duĪo bezrobotnych są bardziej efektywne (ale w tym przypadku oddziaáywanie jest najsáabsze). Pozostaáe zmienne pomocnicze byáy nieistotne statystycznie i nie wykazywaáy związku z miarami efektywnoĞci.
ZaleĪnoĞci powyĪsze moĪna przedstawiü w formie tabelarycznej (tab. 11).
Tabela 11. Rozkáad przeciĊtnych wartoĞci efektywnoĞci w odniesieniu do wielkoĞci i zamoĪnoĞci gmin34
WielkoĞü Ğrednia TE ZamoĪnoĞü Ğrednia TE
bardzo duĪe 0,980 bardzo zamoĪne 0,531
duĪe 0,759 zamoĪne 0,444 Ğrednie 0,326 przeciĊtne 0,333 maáe 0,171 biedne 0,296
bardzo maáe 0,114 bardzo biedne 0,286
ħródáo: opracowanie wáasne na podstawie danych gmin.
Gminy wiejskie bardzo duĪe, tj. o liczbie mieszkaĔców przekraczającej 15 tys. oraz gminy o wysokich dochodach (10% najbogatszych gmin w próbie) charakteryzowaáy siĊ najwyĪszą efektywnoĞcią. MoĪna zauwaĪyü, Īe istnieje dodatnia korelacja pomiĊdzy wielkoĞcią gminy, jej zamoĪnoĞcią a poziomem oszacowanej efektywnoĞci technicznej „przetwarzania” Ğrodków pomocowych z UE w podmioty gospodarcze funkcjonujące na terenie gminy. Konkludując,
34 Poszczególne wartoĞci mieszczą siĊ w nastĊpujących przedziaáach: liczba mieszkaĔców – 0-2500 gminy bardzo maáe, 2500-5000 maáe, 5000-10 000 Ğrednie, 10 000-15 000 duĪe, powyĪej 15 000 bardzo duĪe, poziom dochodów: dolne 10% – bardzo biedne, od 10% do 35%
– biedne, 35%-65% – przeciĊtne, od 65% do 90% – zamoĪne, górne 10% – bardzo zamoĪne.
moĪna zatem stwierdziü, iĪ róĪnice w poziomie efektywnoĞci technicznej osza-cowanej w gminach na obszarach wiejskich w Polsce są funkcją poáoĪenia prze-strzennego, potencjaáu ludnoĞciowego oraz dochodowego.
5. EfektywnoĞü bezpoĞredniego wsparcia finansowego w ramach