Az előző részben láthattuk, hogyan hullámzott a magyarországi szegénység mutatója a 2008-as válságtól a 2020-as évek 📈 inflációs sokkjáig. A statisztikai mutatók a 2010-es évek közepén érzékelhetően javultak, de egy elfogulatlan társadalomkutatónak ezen a ponton fel kell tennie a legkellemetlenebb kérdést: Vajon mindenkit megmérünk? A valóság az, hogy a leghivatalosabb 🌍 uniós és hazai mérőszámok is rendelkeznek egy hatalmas vakfolttal. Vannak, akik olyan mélyen élnek a társadalom peremén, hogy a statisztika radarja egyszerűen nem érzékeli őket. Ők a „láthatatlan szegények”.
Ahhoz, hogy megértsük, miért lehet torz az összkép, be kell tekintenünk a mérések motorházteteje alá. Hogyan készülnek ezek az adatok? A Központi Statisztikai Hivatal (és minden uniós statisztikai hivatal) a szegénységi adatokat az úgynevezett EU-SILC (Jövedelmekre és Életkörülményekre Vonatkozó Európai Statisztika) adatfelvétel alapján számítja. Ez a módszertan azonban tartalmaz egy kritikus korlátozást.
A módszertani vakfolt:
Az EU-SILC és a hasonló háztartáspanel-vizsgálatok kizárólag a magánháztartásokban élő lakosságot reprezentálják. Mit jelent ez a gyakorlatban? Azt, hogy a kérdezőbiztosok csak és kizárólag lakcímekre (házakba, lakásokba) mennek ki adatot felvenni. Aki nem magánháztartásban él, az automatikusan, statisztikai okokból kiesik a mérésből.
Akiket a számok nem látnak
A módszertani korlát miatt Magyarországon – és Európa többi részén is – összességében százezres nagyságrendű populáció 📋 hiányzik a hivatalos szegénységi (AROPE) adatbázisokból: ide tartoznak a tartós bentlakásos szociális intézményekben (idősek otthona, pszichiátriai és fogyatékossági intézetek) élők, a büntetés-végrehajtási intézetek fogvatartottjai, a gyermekotthonok lakói, valamint az utcán és átmeneti szállásokon élő hajléktalanok. Ők azok, akik a leginkább kitettek a deprivációnak, de mivel intézményi vagy utcai keretek között élnek, a legfrissebb (2023-as) 19,3 százalékos hazai AROPE-rátába nincsenek beleszámolva.
- Hajléktalanok: Az utcán, átmeneti szállásokon vagy éjjeli menedékhelyeken élők nem képeznek magánháztartást. A legrosszabb helyzetben lévők így teljesen láthatatlanok a KSH európai módszertanú felméréseiben.
- Intézetben nevelkedő gyermekek: Az állami gondozásban, gyermekotthonokban élő fiatalok szintén hiányoznak az adatsorokból, pedig esetükben a társadalmi kirekesztődés kockázata és az induló hátrány extrém magas.
- Idősek otthonában és ápolási intézményekben élők: A szociális intézményrendszerben bentlakó, gyakran nagyon alacsony nyugdíjjal rendelkező idősek tömegei is kimaradnak.
- Büntetés-végrehajtási intézetek lakói: A börtönökben lévők szintén kollektív háztartásnak minősülnek, így nem részei az EU-SILC felmérésnek.
Ha ezt az „intézményesített” és utcai réteget hozzáadnánk a statisztikához, a mélyszegénységben élők abszolút száma érezhetően magasabb lenne a hivatalosan közölt közel 1,9 millió főnél.
A túlélési torzítás szomorú anomáliája
A társadalomkutatás egyik legdermesztőbb jelensége a szegénység és a várható élettartam közötti összefüggés, amely paradox módon statisztikailag „javítja” az idős társadalom szegénységi mutatóit. Ezt hívjuk túlélési torzításnak (survivorship bias).
A mélyszegénységben élők jelentős része egész egyszerűen nem éri meg a nyugdíjaskort a krónikus stressz, az alultápláltság, a fűtés hiánya és a nem megfelelő egészségügyi ellátás miatt.
Amikor az idősek (65 év felettiek) szegénységi adatait vizsgáljuk, viszonylag jó számokat látunk az aktív korúakhoz képest. Ennek azonban nemcsak a stabil (bár alacsony) állami nyugdíj az oka, hanem az is, hogy a legalsó jövedelmi decilisekben élők többsége 60-65 éves kora előtt meghal. Így ők már nem szerepelnek a 65 év feletti szegények statisztikájában. Aki szegény, az rövidebb ideig él, így kevesebb évig "rontja" a statisztikát.
A Multidimenzionális Szegénység: Amikor nem a pénz a fő hiánycikk
A jövedelem és a depriváció mérése (az uniós AROPE mutató) bár kiváló, nem mutatja meg a szegénység újratermelődésének valódi okait. Az ENSZ Fejlesztési Programja (UNDP) és az Oxfordi Egyetem ezért dolgozta ki a Multidimenzionális Szegénységi Indexet (MPI). Ez a mutató nem csupán a jövedelmet vagy az anyagi javak meglétét méri: egyszerre vizsgálja az egészségügyi, az oktatási és az életszínvonalbeli hiányokat – beleértve olyan infrastrukturális és anyagi tényezőket is, mint a megfelelő lakhatás, a tiszta ivóvíz elérhetősége vagy a tartós fogyasztási cikkek megléte a háztartásban. Az MPI célja az emberi képességek hiányát feltérképezni: azt, hogy a különböző dimenziókban való lemaradás hogyan zárja el az egyént a kitörés lehetőségétől.
Az MPI három dimenziót vizsgál: az egészséget, az oktatást és az életszínvonalat. Bár ezt az indexet főként a fejlődő világra kalibrálták (ahol a gyermekhalandóság és a tiszta ivóvíz hiánya a fő kérdés), az alapelve tökéletesen alkalmazható a magyarországi mélyszegénységre is. Nálunk ugyanis a szegénység legbiztosabb előrejelzője az oktatás hiánya.
| Szempontok | Jövedelmi/Anyagi mérés (EU AROPE) | Multidimenzionális mérés (Képességhiány) |
|---|---|---|
| Fókusz | Anyagi javak (pénz, rezsi, hús, autó) | Emberi tőke (oktatás, egészség, jövőkép) |
| Egészségügy | Nem része az AROPE mutatónak | Központi elem (hozzáférés az ellátáshoz, megelőzés) |
| Oktatás | Nem része az AROPE mutatónak (csak a munkaintenzitást méri) | Központi elem (iskolai lemorzsolódás, végzettség) |
Az iskola mint végzet: A papír mindent felülír
Ha valaki megkérdez egy adatelemzőt Magyarországon, hogy mi a legnagyobb garancia a szegénységre, a válasz nem a lakhely vagy a családi háttér lesz, hanem a legmagasabb iskolai végzettség. A KSH strukturális adatai megdöbbentő összefüggést mutatnak a végzettség és a szegénységi kockázat között.
A diagramból tisztán látszik: aki ma Magyarországon csupán általános iskolai végzettséggel rendelkezik, annak közel 46 százalék az esélye arra, hogy a szegénység valamelyik dimenziójába zuhan. Ezzel szemben a diplomások körében ez az arány marginális, mindössze 5 százalék körüli. A valódi mélyszegénység tehát ott termelődik újra, ahol a gyerekek – különösen a hátrányos helyzetű, sokszor oktatási szempontból elkülönített iskolák tanulói – 16 éves korukban végzettség nélkül kiesnek az iskolarendszerből.
Merre van a kiút?
A három rész alatt végigmentünk a definíciókon, az uniós és hazai adatokon, az ok-okozati összefüggéseken és a láthatatlan statisztikai vakfoltokon. Objektíven kijelenthetjük: a szegénység mérése bár sokat fejlődött, de a pusztán pénzalapú beavatkozások (segélyek) és az állami adminisztratív foglalkoztatás (közmunka) csak a felszínt, azaz a statisztikai számokat tudják kozmetikázni. A strukturális szegénység megszüntetéséhez más megközelítésre van szükség.
De mi lenne ez a megközelítés? A megszokott baloldali (több állami segély) és a hagyományos jobboldali (több közmunka) narratívák mellett létezik egy harmadik, radikálisan eltérő út is. A cikksorozat záró, IV. részében leteszteljük, mit mondana a magyarországi mélyszegénység felszámolásáról egy klasszikus osztrák közgazdász (Austrian School of Economics). Kiderül, miért az infláció a legnagyobb ellenség, és hogyan lehet a tőkefelhalmozás és a szabadpiaci korlátok lebontása az igazi szociálpolitika.
- Eurostat: EU-SILC Methodology – Private Households (A magánháztartások definíciója és az intézményi lakosság kizárásának részletes leírása)
- ENSZ Fejlesztési Program (UNDP) – Oxfordi Egyetem (OPHI): A Multidimenzionális Szegénységi Index (MPI) leírása
- KSH STADAT ele0034: A szegénység vagy társadalmi kirekesztődés kockázatának kitettek aránya iskolai végzettség szerint (2024)
- Hajdu Tamás – Kertesi Gábor: A mortalitás és morbiditás jövedelmi egyenlőtlenségei (MTA KRTK, 2021) – a szegénység és a várható élettartam összefüggéséről
Néhány kérdés, ami megér egy vitát:
Mekkora a valódi vakfolt? Ha a statisztika eleve kizárja az intézményi és utcai szegénységet, mennyivel lehet magasabb a tényleges AROPE-ráta a közölt 19,7%-nál? Egyáltalán megmérhetjük valaha pontosan?
A túlélési torzítás elfogadható kompromisszum? Ha a legszegényebbek fiatalabb korban halnak meg, az idős szegények adatai automatikusan „jobbak" lesznek. Ez szükségszerű statisztikai korlát, vagy kötelessége lenne a döntéshozóknak korrigált mutatókat is közölni?
Oktatás vagy segély? Az adatok szerint alapfokú végzettséggel közel 46% az esélye a szegénységre, diplomával mindössze 5%. Ha ez igaz, a jövedelemtámogatás csak kozmetikázza a számokat — de az oktatási rendszer mélyreható átalakítása politikailag vállalható-e Magyarországon?
Írjátok meg, melyik a legsúlyosabb vakfolt szerintetek — és van-e reális esélye, hogy valaha megmérjük azokat is, akiket ma a statisztika sem lát.