Schválené projekty 2017

Rozdělení přidělené dotace z MŠMT na specifický vysokoškolský výzkum po fakultách se zohledněním celoškolských pracovišť na rok 2017

Celková přidělená částka z MŠMT na specifický vysokoškolský výzkum na VŠB-TUO - 54 573 242 Kč

Z toho 2.5% - 1 364 331 Kč - úhrada způsobilých nákladů spojených s organizací SGS

fakulta přidělená částka v Kč
FBI  1 210 137
EKF  3 929 534
FAST  2 465 732
FS  9 344 630
FEI 13 996 004
HGF  5 272 251
FMMI  7 123 785
VC  8 743 333
CP  1 123 505
CELKEM 53 208 911

KódSP2017/145
Název projektuEkonomické dopady změny klimatu a životního prostředí
ŘešitelPytliková Mariola doc. Ing., Ph.D.
Školitel projektu
Období řešení projektu01.01.2017 - 31.12.2017
Předmět výzkumuPředmět výzkumu
Změna klimatu má významné dopady na ekonomiky napříč světovými regiony, zejména na ekonomiky rozvíjejících se zemí kupříkladu výrazným ovlivňováním ekosystémů, rostlinné a živočišné výroby. V rozvíjejících se oblastech tyto vlivy zahrnují změny vlivu četnosti dešťových srážek na produkci krmných plodin a pícnin, sníženou dostupnost vody a další omezení přístupu k vodě, fluktuace v živočišné výrobě a měnící se vážnost a rozdělení důležitých zdrojů zvířat a nedostatku úrody. Různorodost v živočišné a rostlinné výrobě také vyúsťuje v nerovnoměrné rozdělení zdrojů a příjmů s vyšším výskytem chudoby. Zemědělství v Sub-Saharské Africe (jak odvětví živočišné, tak rostlinné výroby), lesní půda a voda jsou považovány vedle problematiky veřejného zdraví, za nejzranitelnější oblasti klimatických změn. Klimatické změny zahrnují, v podmínkách zvyšujících se teplot a s tím spojeným zvýšeným vypařováním vody či klesajících dešťových srážek, navzdory intenzívnějším obdobím dešťů, zamoření hlodavci a kobylkami.
Obousměrný kauzální efekt odpovídá degradaci životního prostředí a přetěžování přírodních zdrojů, jako například nedostatek palivového dřeva na jedné straně a s chudobou venkova na straně druhé. Například v Botswaně je technologie vrtů studny dostupná pouze bohatším farmářům, kteří postupně skupují a kontrolují většinu nových pastevních oblastí (např. region Ngamiland v deltě řeky Okavango). Navíc velká část zdrojů vody vybudovaných dříve začíná vysychat nebo z nich nelze odebírat vodu kvůli vysokému zasolení. V posledních letech je cílem národních programů rozdělování napajedel, které jsou více zaměřeny na jejich přerozdělení mezi farmáři a zachování alespoň osmikilometrové vzdálenosti mezi vrty (Bensend a Meyer, 2003). V případě Keni a Ugandy některé studie ukazují, že diverzifikace příjmů venkova skrze živočišnou výrobu a chov hospodářských zvířat je relevantním faktorem k předcházení úpadku domácností farmářů do chudoby nebo dokonce vymanění některých farmářských rodin z chudoby (ILRI-WRI, 2007; Stige et al., 2006).
Rostoucí teploty spolu s čím dál hůře predikovatelnými dešťovými srážkami jsou v současnosti stále více přičítány k faktorům vážně ovlivňujícím zejména Sub-Saharskou Afriku. Proto je nyní na čase a potřeba zkoumat adaptaci venkovských domácností zemí na změnu klimatu, které jsou tímto nejvíce postiženy. Tyto záležitosti byly dosud analyzovány pomocí multinomiálních logit modelů, popřípadě binomiálních (logit nebo probit) modelů. MNL modely byly formulovány tak, aby bylo možno zhodnotit relevanci různých determinant této volby. Nicméně MNL modely mají tři omezující předpoklady 1) strnulou možnost výběru substituce, která předpokládá, že poměr šancí mezi dvěma alternativami je nezávislý na dostupnosti a atributech dalších alternativ (nezávislost na irelevantních alternativách, IIA; Verbeek, 2012:230), 2) žádnou prostorovou nezávislost mezi alternativami a mezi subjekty, které rozhodují a 3) homogenní testování.
Stejně jako modely binomiální volby, tyto se spoléhají na odlišování přijímání opatření oproti žádné akci a oproti nim vnímají dlouhodobé klimatické změny. Nicméně tyto modely nedovolují správné porozumět podstatě vnímání klimatu, jakožto interakci částečně protichůdných vztahů (dešťové srážky/pokles nebo růst teploty), a nejsou brány v úvahu v analýzách založených na binární proměnné vnímání oproti skutečnému nedostatku. Analýza adaptace na klimatické změny může být obohacena dřívějším posouzením dlouhodobého vnímání klimatických změn zkoumáním vztahu mezi vnímáním změny směru vývoje klimatu a vhodným zařazením výběru adaptace. Jestliže faktory umístění farmy hrají základní roli ve vnímání jejího vzniku, místní prostorová závislost je také relevantní při výběru diskrétního modelu popisujícího reakci domácností.
Pokud se jedná o předpoklad 1) (viz výše), pomocí Hausmanova testu nelze zamítnout IIA předpoklad pro reakci venkovských domácností na klima v Jižní Africe (Gbetibouo, 2009) a podobné výsledky reakce na klimatické extrémy v Etiopii, založené na zobecnění tohoto testu (podle všeho nevztaženého k GMM testu estimátoru: SUEST; Deressa et al., 2010). Přesto IIA předpoklad může být stále předmětem otázek z pohledu přeskupení blízkého vztahu možnosti volby ve stejné kategorii (Gbetibouo, 2009), a omezení robustnosti testů, jako například SUEST (Creel, 2004).
Navíc, pravděpodobnost volby specifické strategie může být ovlivněna určitými determinantami v případě, kdy se situace liší případ od případu. Například rozhodnutí migrovat a hledat jinou nežli farmářskou práci může být spojeno se snahou s cílem lepší ochrany půdy, diverzifikaci úrody, či zavlažováním tak, aby se zmírnily dopady klimatické změny, nebo naopak může nahradit předešlá mírná opatření. K zahrnutí prostorové nezávislosti mezi alternativy, byly v některých studiích formulovány prostorové logit specifikace (Smirnov, 2010). Nicméně tento logit model přejímá a priori substituci znaků napříč možnostmi a netestuje heterogenitu.
Problémům zmíněným výše, se lze částečně vyhnout využitím flexibilnějšího přístupu k modelování – např. využitím modelu smíšeného logitu MXL, který zahrnuje široké spektrum modelů náhodného užitku bez apriorních substitučních znaků. Navzdory těmto možnostem není smíšenému logit modelu při výzkumu výběru způsobu adaptace na klimatické změny věnována příliš velká pozornost. Ačkoli některé zdroje nepozorované heterogenity (v podmínkách „bez prostorových“ versus s prostorovými podmínkami) mají tendenci zůstávat i nadále nepozorovatelné, prostorově smíšené logit (SMXL) modely však mohou pomoci vnesením dalších náhledů. Volba adaptace na klimatické změny by proto měla být zkoumána ve vztahu k: 1) testování faktorů lokalizace, vlivu sousedství a atributů volby adaptace a 2) porovnávání vysvětlující a předpovídající síly SXML modelů s běžnými „multinomiálními“ modely, obsahujícími atributy volby bez složky náhodného užitku.
Dále, několik současných studií potvrzuje významný dopad změny klimatu na mezinárodní migraci. Pro představu, v Nigérii bylo s vysokou pravděpodobností potvrzeno, že dochází k růstu migrace spolu s vyšší variabilitou teploty (Dillon et al., 2011). Teplotní stres je také odpovědný za zvýšenou migraci v Pákistánu (Müeller, 2012b). V Burkině Faso také například vzrostla migrace v důsledku nedostatečných srážek (Henry et al., 2004). Nedostatek dešťových srážek a teplotní anomálie jsou silnými determinantami migrace do městských oblastí a také do zahraničí v zemích Sub-Saharské Afriky (Barrion et al., 2006; Marchiori et al., 2012b). Růst roční teploty je pozitivně korelován s bilaterálními migračními toky napříč všemi zeměmi světa a dopad variability klimatu je významný, konkrétně pro země, které jsou orientovány zejména na zemědělství (Cai et al., 2016). Tato posledně jmenovává studie, Cai, Feng, Pytlikova a Oppenheimer (2014), uvádí na příkladu analýz na mezinárodních migračních datech pro 42 destinací a všech zemí původu pro léta 1980- 2010, že variabilita klimatu, především růst teploty, ovlivňuje mezinárodní migraci, ale pouze však ze zemí závislých na zemědělské výrobě, což je konzistentní s široce zdokumentovaným negativním vlivem teploty klimatu na produktivitu v zemědělství. Také Marchiori et al. (2012) zjistil na vzorku dat ze subsaharské Afriky, že klimatické anomálie zvyšují jak vnitřní, tak mezinárodní migraci skrze občanskou vybavenost a ekonomicko-geografické kanály. Naopak, některé další migrační studie nepřikládají klimatu a environmentálním charakteristikám téměř žádný význam. Na základě výzkumu, který provedli Mortreux a Barnett (2009) v Tuvalu, bylo zjištěno, že velká většina potenciálních migrantů nebere při rozhodování o migraci klimatické změny v úvahu. Naudé (2010) také uvádí, že přírodní katastrofy nemají žádný výrazný vliv na mezinárodní migraci mezi zeměmi subsaharské Afriky. Navíc, některé studie naopak tvrdí, že klimaticky indukovaný environmentální tlak může omezovat schopnost lidí přemisťovat se a to zejména snižováním dostupných zdrojů. V České republice je také tato problematika stále častěji diskutována, avšak výzkum vlivu environmentálních faktorů je podhodnocen (což se týká také meziregionální migrace).
Cíl projektu
Tento projekt se skládá ze dvou subprojektů. V prvním, budou nejdříve diskutovány hlavní rysy MXL modelů, stejně jako alternativní specifikace prostorových efektů se zaměřením na adaptaci obyvatel na změnu klimatu v Etiopském povodí Nilu. Tento první subprojekt, také bude shrnovat hypotézy, které přinášejí přechozí studie zaměřené na adaptaci obyvatel na změnu klimatu. Tyto hypotézy budou znovu zhodnoceny za pomoci využití nových multinomiálních a smíšených regresních analýz, které částečně berou v úvahu prostorové efekty s využitím dat na změnu klimatu v Etiopském povodí Nilu. Adaptace na změnu klimatu bude zkoumána ve vztahu k: a) Testování faktorů lokalizace, efektu sousedství, atributů volby alternativy; b) Porovnávání vysvětlující a predikční schopnosti SXML modelů s běžnými „multinomiálními“ logit modely, zahrnujícími volbu atributů bez složky náhodného užitku; c) Posouzení dopadu změny klimatu na chudobu ve venkovských oblastech Etiopie. Jako pozdější úroveň může být tato analýza následována výzkumem a analýzami i dalších rozvíjejících se ekonomik, založených na rozsáhlé databázi obsahující geografická a regionální data (mimo jiné IEA a UNFCCC). Data využívaná pro tento subprojekt budou sekundární (jako např. IFPRI dotazníkové šetření u domácností).
Další subprojekt bude zaměřený na roli přírodních katastrof a znečistění na mezinárodní a vnitřní migraci z pohledu různých zemí. Konkrétně se bude tento sub projekt věnovat dopadům různých přírodních katastrof a znečistění na směr a rozsah emigrace z postižených oblastí, a také na dynamiku migračních toků. Jedna část tohoto subprojektu naváže na studii Šuláka (2015), která poskytuje základní analýzy, s cílem provést podrobnější analýzu meziregionální migrace s důrazem na znečištění ovzduší na aktualizovaných datech, která by zachycovala mimo znečištění i jiné ekonomické determinanty migrace.

Metodologie
Studie v rámci prvního subprojektu se budou opírat o číselné indikátory a analýzu průřezových dat, časových řad, a bude-li to možné, také o analýzu panelových dat. Vybrané proměnné budou pokrývat mimo jiné agro-klimatické podmínky, dostupnost pracovní síly a půdy, držbu půdy, stupeň ekonomické diferzifikace, hustotu silnic, (jako proxy proměnnou pro úroveň přístupu na trh) a indikátory chudoby založené na rozdílných standardech (míra chudoby/hustota, celkový počet chudých v rámci příslušné geografické jednotky). Zdůvodněním studie je poskytnout spolehlivé analytické přístupy a výsledky, které mají potenciál využití pro utváření opatření hazardního chování z pohledu migrace a zacílení na chudobu v rozvojových ekonomikách. Některé analytické nástroje budou využity také k provedení analýz regionálních disparit v zemích přecházejících na tržní systém.
Při specifikaci regresního modelu bude pozornost věnována: 1) efektům lokalizace (která může být ovlivněna determinantami s částečně započtenými efekty, čímž některé determinanty ovlivní geografické seskupení, což může vést k většímu rozptylu) a 2) efektům přelévání mezi oblastmi. Oba problémy mohou být analyzovány prostřednictvím regresních modelů s využitím dopadu prostorových efektů: dřívější (reprezentovány klastry na rozdílných úrovních) jsou reflektovány více znaky prostorové heterogenity, a později jsou zkoumány v podmínkách prostorové autokorelace.
Přítomnost prostorové heterogenity může být detekována dummy proměnnými symbolizujícími prostorové charakteristiky. Společná specifikace pro prostorové přelévání je prostorový autoregresní model (SAR), kde prostorově zpožděná endogenní proměnná je konstruována jako vážený průměr závislé proměnné v sousedních oblastech. Navíc, prostorové průřezové modely zahrnují prostorově zpožděné exogenní proměnné, nebo vzhledem k neidentifikovatelnosti efektů sousedství, mohou zachytit prostorovou autokorelaci pomocí náhodných poruch v prostorovém chybovém modelu (Anselin, 2006). S ohledem na nepozorovanou heterogenitu, panel dat dovolí přesnější rozlišení (lépe než pouze průřezová data) mezi dvěma determinantami ve vzájemném vztahu prostorového seskupování, a to efektů přelévání z jednoho regionu do jiného s v rámci klastrové podobnosti indikátorů s prostorovou dimenzí.
Druhý subprojekt bude využívat tzv. gravitačních empirických modelů k analýzám dopadů přírodních katastrof a znečistění na mezinárodní a vnitřní migraci. Tyto modely vychází z teoretického rámce investic do lidského kapitálu (Sjastaad, 1962), který aplikuje Adsera a Pytlikova (2015). Model je založen na předpokladu, že potenciální imigrant (maximalizující svůj užitek) volí pro svůj pobyt takovou cílovou zemi, v níž dosáhne maxima svého užitku ve srovnání s ostatními dostupnými alternativními destinacemi. Ekonometrická analýza, použita v tomto subprojektu, je tedy založena na teoretickém modelu, který vychází z předpokladu, že míra emigrace z jedné země je dána náklady na migraci, rozdíly v očekávaných příjmech a v mírách nezaměstnanosti ve zdrojové a hostitelské zemi. Dalším východiskem projektu je předpoklad, že migraci ovlivňuje míra znečištění životního prostředí a přírodní katastrofy. Do empirického modelu jsou zahrnuty také párové fixní efekty , které zachycují institucionální rozdílnosti mezi hostitelskou a zdrojovou zemí, jakými jsou odlišné tradice, historické a kulturní zkušenosti, rozdílná jazyková příslušnost. Model obsahuje také časový trend kvůli zohlednění variantních šoků a změn nákladů migrace v průběhu času. Všechny proměnné, použité pro odhady parametrů modelu, kromě dummy proměnných a indexů, jsou vyjádřeny v logaritmické formě. Pro zohlednění, jaké informace byly dostupné potenciálnímu migrantu v době rozhodování o migraci, jsou časově varientní vysvětlující proměnné zahrnuty do modelu se zpožděním o jedno období. Ještě významnějším faktorem může být problém opačné kauzality v případě, že migrační toky jsou nejenom ovlivňovány, ale také samy ovlivňují jak výši příjmů a zaměstnanost, tak ekonomický cyklus. Jedním ze způsobů, jak redukovat rizika opačné kauzality, je zpoždění ekonomických vysvětlujících proměnných a považování těchto proměnných za predeterminované. Kromě toho jsou za účelem eliminování vlivu možné opačné kauzality zohledněny vlastnosti panelu získaných databází a použity metody GMM odhadů (Arellano a Bond 1991, Arellano a Bover, 1995). Pro specifikaci modelu jsou využity predeterminované a endogenní proměnné s jejich vlastními adekvátně zpožděnými proměnnými (v rovnici s prvními diferencemi) a jejich vhodně zpožděné diference (v závislosti na tom, zda jsou použity metody diference-GMM nebo system-GMM). Tento model, jak teoretický tak empirický, a výše popsané ekonometrické metody, budou využity jak v analýzách mezinárodní migrace, tak i vnitřní migrace.
Pro analýzy v druhém subprojektu budeme využívat následujících dat: 1) obsáhlý bilaterální mezinárodní soubor dat (rozsah souboru dat využitém v práci autorek Adsera a Pytliková, 2015, pokrývá 42 cílových zemí, všechny země původu a časový úsek let 1980-2015) a také data OSN, resp. světové banky a Brain-Drain migrační data, 2) data na variabilitu klimatu založená na denní teplotě a měření srážek pro velký počet zemí v dlouhém časovém úseku (shromážděná Cai et al., 2016); 3) data na přírodní katastrofy z The Center for Hazard and Risk Research at Columbia University, která byla sbírána při výskytu erupce sopek, zemětřesení, cyklonů, extrémního sucha, povodní a dalších přírodních katastrof a z OFDA/CRED International Disaster Database nasbíraná Univetsité Catholique de Louvain a z dalších zdrojů jako například South Pacific Applied Geoscience Comission (SOPAC), United Nations Environment Programme (UNEP) a EM-DAT International Disaster Database, 4) data meziregionální migrace v ČR z Českého statistického úřadu a 5) data na znečistění v okresech z Českého hydrometeorologického ústavu.

Literatura:
Adsera, A., Pytlikova, M. (2015). The Role of Language in Shaping International Migration. Economic Journal.
Anselin, L. (2006): Spatial Regression, Spatial Analysis Laboratory, University of Illinois, Urbana-Champaign. (www.geoda.uiuc.edu)
BARRIOS, S., Bertinelli, L., STROBL, E. (2006). Climatic Change and Rural–urban Migration: the Case of Sub-Saharan Africa. Journal of Urban Economics 60 (3), 357–371.
Bendsen, H., T. Meyer (2003): The Dynamics of the Land Use Systems in Ngamiland, Botswana: Changing Livelihood Options and Strategies, H. Oppenheimer Okavango Research Centre/University of Botswana, Maun. (www.globalwetlands.org/ConferenceBotswana)
BORJAS, G. J. (1989). Economic Theory and International Migration. Internetional Migration Review 23 (3), 457–485.
Creel, M. (2004) Modified Hausman Tests for Inefficient Estimators, Applied Economics, 36: 2373-76.
Deressa, T., R. Hassan and C. Ringler (2010) Factors Affecting the Choices of Coping Strategies for Climate Extremes: The Case of Farmers in the Nile Basin of Ethiopia, IFPRI Discussion Papers, No. 1032, IFPRI, Washington DC. (www.ifpri.org/publications)
FENG, S., OPPENHEIMER, M. (2012). Applying Statistical Models to the Climate–Migration Relationship. Proceedings of the National Academy of Sciences 109 (43), E2915.
HARRIS, John R., and Michael P. TODARO (1970). “Migration, Unemployment and Development: A Two Sector Analysis.” American Economic Review 60 (5): 126–142.
HUGO, G. (1996). Environmental Concerns and International Migration. International Migration Review, Special Issue: Ethics, Migration, and Global Stewardship 30 (1), 105–131.
Gbetibouo, G. (2009) Understanding Farmers’ Perceptions and Adaptations to Climate Change and Variability: The Case of the Limpopo Basin, South Africa, IFPRI Discussion Papers, No. 849, IFPRI, Washington DC. (www.ifpri.org/publications)
International Livestock Research Institute and World Resources Institute (ILRI-WRI) (2007): Spatial Analysis of Pro-Poor Livestock Strategies in Uganda, Regal Press, Nairobi. (www.wri.org/publication)
KAREMERA, D., V. J. OGULEDO and B. DAVIS (1997). A Gravity Model Analysis of International Migration to North America. Applied Economics. ISSN 1466-4283.
MARCHIORI, L., MAYSTADT, J.F., SCHUMACHER, I. (2012). The Impact of Weather Anomalies on Migration in Sub-Saharan Africa. Journal of Environmental Economics and Management 63 (3), 355–374.
MASSEY, Douglas S., Joaquin ARANGO, Graeme HUGO, Ali KOUACI, Adela PELLEGRINO, and Edward J. TAYLOR (1993). Theories of International Migration: A Review and Appraisal. Population and Development Review 19 (3): 431–466.
MAYDA, Anna Maria (2005). International Migration: A Panel Data Analysis of Economic and Non-Economic Determinants. IZA Discussion Paper.
MEYERS, N. (2002). Environmental Refugees: A Growing Phenomenon of the 21st Century. Philosophical Transactions of the Royal Society of London, Series B: Biological Sciences 357 (1420), 609–613.
MORTREUX, C., BARNETT, J. (2009). Climate Change, Migration and Adaptation in Funafuti, Tuvalu. Global Environmental Change. 19 (1), 105–112.
NAUDÉ, W. (2010). The Determinants of Migration from Sub-Saharan African Countries. Journal of African Economies 19 (3), 330–356.
SJASTAAD, Larry A. (1962). The Costs and Returns of Human Migration. Journal of Political Economy 70 (5): 80-93.
Smirnov, O. (2010) Modeling Spatial Discrete Choice, Regional Science and Urban Economics, 40: 292-298.
Stige, L., J. Stave, K. Chan, L. Ciannelli, N. Pettorelli, M. Glantz, H. Herren, N. Stenseth (2006): The Effect of Climate Variation on Agro-Pastoral Production in Africa, Proceedings of the National Academy of Sciences of the United states of America, 103(9), National Academy of Sciences, 3049-53.
Verbeek, M. (2012) A Guide to Modern Econometrics, Wiley, Chichester-UK.


Časový harmonogram řešení
Projekt se uskuteční v období od 1. 1. 2017 do 31. 12. 2017 v následujících krocích:
• Sběr a aktualizace dat;
• Psaní rešerže teoretické a empirické literatury, stanovení hypotéz;
• Sestavení teoretických a empirických modelů;
• Příprava dat, jejich analýza, vyhodnocení výsledků;
• První koncepty paperů a příspěvků pro prezentaci na konferencích.
• Prezentace výsledků se zapracováním obdržených připomínek. Předložení článků k publikování ve working paper series (jako např. IZA a CELSI) a v časopisech s impaktem.
Členové řešitelského týmuBc. Kateřina Dutková
Bc. Gabriela Hanáková
Ing. Veronika Lasotová
Dr. Stefano Mainardi
Ing. Petra Mikulíková
Bc. Marcela Polášková
doc. Ing. Mariola Pytliková, Ph.D.
Ing. Jan Šulák
Ing. Jakub Vontroba
Specifikace výstupů projektu (cíl projektu)Výstupy projektu budou zahrnovat minimálně 2 prezentace výsledků výzkumu na významných domácích a zahraničních konferencích. Dále pak budou hlavními výstupy projektu minimálně dva články v ekonomických časopisech s impakt faktorem (preferovány jsou mezinárodní ekonomické časopisy), (tzn. min. 2 x 15 bodů, reálně však pravděpodobně více). Počítáme s jejich publikováním ve formě working paperů (např. v sérii IZA a CELSI) před předáním k publikování v ekonomických časopisech s impact faktorem. Výstupem projektu SGS bude závazně minimálně 38 bodů.

Rozpočet projektu - uznané náklady

NávrhSkutečnost
1. Osobní náklady
Z toho
53600,-53600,-
1.1. Mzdy (včetně pohyblivých složek)40000,-40000,-
1.2. Odvody pojistného na veřejné zdravotně pojištění a pojistného na sociální zabezpečení a příspěvku na státní politiku zaměstnanosti13600,-13600,-
2. Stipendia99600,-99600,-
3. Materiálové náklady38000,-39753,-
4. Drobný hmotný a nehmotný majetek21000,-6000,-
5. Služby28000,-33630,-
6. Cestovní náhrady29800,-37417,-
7. Doplňkové (režijní) náklady max. do výše 10% poskytnuté podpory30000,-30000,-
8. Konference pořádané VŠB-TUO k prezentaci výsledků studentského grantu (max. do výše 10% poskytnuté podpory)0,-0,-
9. Pořízení investic0,-0,-
Plánované náklady300000,-
Uznané náklady300000,-
Celkem běžné finanční prostředky300000,-300000,-