Neobydlené byty: vstupní analýza

Publikováno

1. října 2022

Toto je pouze ukázka, jak lze podobnou analýzu udělat tak, že kód je reprodukovatelný a generuje přímo grafy a čísla do textu.

Využíváme data ČSÚ ze SLDB o obydlenosti bytů v obcích (Český statistický úřad 2021)

Kód 
byty <- czso::czso_get_table("sldb2021_byty_obydlenost")
vzdel <- czso::czso_get_table("sldb2021_vzdelani")
obcekraje <- czso::czso_get_codelist("cis108vaz43")
obceorp <- czso::czso_get_codelist("cis65vaz43")
obyv <- czso::czso_get_table("130149") |>
  filter(rok == max(rok), is.na(pohlavi_txt)) |>
  select(uzemi_kod = vuzemi_kod, pocob = hodnota)
Kód 
byty_podily <- byty |>
  filter(uzemi_cis == "43", !is.na(obydlenost_txt)) |>
  select(hodnota, obydlenost_txt, uzemi_txt, uzemi_kod) |>
  pivot_wider(names_from = obydlenost_txt, values_from = hodnota) |>
  mutate(celkem = `obvykle obydlen` + `obvykle neobydlen`,
         obydlenost_share = `obvykle obydlen`/celkem) |>
  left_join(obyv) |>
  mutate(pocob_kat = cut(pocob, breaks = c(0, 500, 1000, 10000, 
                                           100000, 1000000, 1e7),
                         labels = c("do 500", "500-1000", "1000-10000",
                                    "10000-100000", "nad 100 tis.", "nad 1 mil."))) |>
  left_join(obcekraje |>
              select(kraj_nazev = TEXT1,
                     kraj_kod = CHODNOTA1,
                     uzemi_kod = CHODNOTA2)) |>
  left_join(obceorp |>
              select(orp_nazev = TEXT1,
                     orp_kod = CHODNOTA1,
                     uzemi_kod = CHODNOTA2))

Základní náhled

Kód 
byty_podily |>
  # filter(kraj_kod %in% c("CZ020", "CZ054", "CZ080")) |>
  ggplot(aes(1 - obydlenost_share, pocob)) +
  geom_point(alpha = .2) +
  coord_flip() +
  labs(title = "Podíl obydlených bytů a velikost obce",
       x = "Podíl obydlených bytů", y = "Počet obyvatel obce (log. měřítko)") +
  scale_x_percent_cz() +
  scale_y_log10() +
  theme_ptrr("scatter")

Mediánový podíl obydlených bytů je 76 %.1

  • 1 Toto číslo se do věty doplňuje automaticky z živých dat

    • Kód 
    byty_podily |>
  drop_na(pocob_kat) |>
  count(pocob_kat, wt = 1 - mean(obydlenost_share)) |>
  ggplot(aes(pocob_kat, n)) +
  scale_y_percent_cz() +
  theme_ptrr() +
  geom_col() +
  labs(title = "Podíl neobydlených bytů podle velikostní skupiny obce")

    Zde je deset obcí s nejvyšší obydleností bytů:

    Kód 
    byty_podily |> 
  slice_max(obydlenost_share, n = 10) |> 
  select(uzemi_txt, `obvykle obydlen`, `obvykle neobydlen`, obydlenost_share, kraj_nazev, pocob) |> 
  gt::gt()
    uzemi_txt obvykle obydlen obvykle neobydlen obydlenost_share kraj_nazev pocob
    Hněvnice 49 0 1.0000000 Plzeňský kraj 114
    Dobříč 234 0 1.0000000 Středočeský kraj 499
    Zhoř 63 0 1.0000000 Plzeňský kraj 165
    Vřesová 106 0 1.0000000 Karlovarský kraj 409
    Všehrdy 67 0 1.0000000 Ústecký kraj 156
    Odrovice 97 0 1.0000000 Jihomoravský kraj 247
    Zlátenka 19 0 1.0000000 Kraj Vysočina 45
    Uhersko 143 1 0.9930556 Pardubický kraj 292
    Droužkovice 337 4 0.9882698 Ústecký kraj 821
    Modletice 256 4 0.9846154 Středočeský kraj 528

    Podle krajů

    Kód 
    byty_podily |>
  drop_na(pocob_kat) |>
  count(kraj_nazev, wt = 1 - mean(obydlenost_share)) |>
  mutate(kraj_nazev = as.factor(kraj_nazev) |> fct_reorder(n)) |> 
  ggplot(aes(n, kraj_nazev)) +
  scale_x_percent_cz() +
  geom_col() +
  theme_ptrr("x")

    Podle krajů a velikosti obce

    Kód 
    byty_podily |> 
  drop_na(pocob_kat) |>
  filter(kraj_kod != "CZ010") |> 
  count(pocob_kat, kraj_nazev) |> 
  group_by(kraj_nazev) |> 
  mutate(podil = n/sum(n)) |> 
  ggplot(aes(pocob_kat, kraj_nazev)) +
  theme_ptrr("none") +
  scale_fill_viridis_b(n.breaks = 6, labels = label_percent_cz()) +
  guides(fill = guide_bins(reverse = T)) +
  geom_tile(aes(fill = podil), colour = "white", size = .6)

    Jak je obydlenost bytů v obcích rozložena v krajích?

    Kód 
    byty_podily |>
  drop_na(pocob_kat) |>
  filter(pocob < 1e6) |>
  ggplot(aes(obydlenost_share)) +
  geom_histogram(aes(fill = pocob_kat)) +
  facet_wrap(~ kraj_nazev) +
  theme_ptrr(multiplot = TRUE)

    Koreluje průměrná velikost obce v kraji a celková obydlenost bytů v kraji?

    Kód 
    byty_podily |> 
  filter(kraj_kod != "CZ010") |> 
  mutate(kraj_nazev_short = str_remove(kraj_nazev, "\\s?[Kk]raj\\s?")) |> 
  group_by(kraj_nazev_short) |> 
  summarise(pocob_median = median(pocob), 
            mean_obydl = mean(obydlenost_share),
            obydl_mean = sum(`obvykle neobydlen`)/sum(celkem)) |> 
  ggplot(aes(pocob_median, mean_obydl)) +
  geom_smooth(method = "lm", colour = "darkblue", fill = ptrr:::ptclr_d, 
              formula = y ~ x) +
  geom_point(colour = "blue") +
  geom_label(aes(label = kraj_nazev_short), nudge_y = .01) +
  scale_y_percent_cz() +
  theme_ptrr(gridlines = "both")

    Vliv kraje vs. velikosti obce

    Abychom odhadli samostatný „vliv“ kraje na obydlenost bytů v obci, odhadneme lineární model vztahu mezi velikostí obce a obydleností.

    Kód 
    byty_podily0 <- byty_podily |> 
  filter(!is.na(pocob), 
         pocob > 0,
         kraj_kod != "CZ010") |> 
  mutate(pocob_log = log(pocob))

mdl <- lm(obydlenost_share ~ pocob_log, data = byty_podily0)

summary(mdl)
    #> 
#> Call:
#> lm(formula = obydlenost_share ~ pocob_log, data = byty_podily0)
#> 
#> Residuals:
#>      Min       1Q   Median       3Q      Max 
#> -0.58920 -0.05371  0.00893  0.06005  0.37909 
#> 
#> Coefficients:
#>              Estimate Std. Error t value            Pr(>|t|)    
#> (Intercept) 0.4268069  0.0062190   68.63 <0.0000000000000002 ***
#> pocob_log   0.0509893  0.0009846   51.79 <0.0000000000000002 ***
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> Residual standard error: 0.09353 on 6251 degrees of freedom
#> Multiple R-squared:  0.3002, Adjusted R-squared:  0.3001 
#> F-statistic:  2682 on 1 and 6251 DF,  p-value: < 0.00000000000000022
    Kód 
    mdl_tidy <- broom::tidy(mdl)
byty_podily_au <- broom::augment(mdl, data = byty_podily0)

    Model zachycuje cca 30 % variability obydlenosti bytů v obcích.

    Graf níže ukazuje, jak se obydlenost bytů v obcích v jednotlivých krajích liší od očekávání, tj. od toho, jaká by měla být s ohledem na velikostní složení obcí.

    Kód 
    byty_podily_au |> 
  mutate(kraj_nazev = as.factor(kraj_nazev) |> fct_reorder(.resid)) |> 
  ggplot(aes(.resid, y = kraj_nazev)) +
  # geom_jitter(alpha = .2) +
  geom_vline(xintercept = 0) +
  geom_violin(colour = "darkblue", fill = ptrr:::ptclr_l, alpha = .8) +
  scale_x_percent_cz() +
  theme_ptrr("both") +
  labs(title = "Rozdíl reality a predikce modelu")

    V některých krajích je tedy systematicky nižší obydlenost bytů, než by odpovídalo velikostnímu složení obcí v daném kraji.

    Reference

    Český statistický úřad. 2021. „Výsledky sčítání 2021 - otevřená data". Výsledky sčítání 2021 - otevřená data. https://www.czso.cz/csu/czso/vysledky-scitani-2021-otevrena-data.