TEDGlobal 2011
Richard Wilkinson: How economic inequality harms societies
Richard Wilkinson: Jak hospodářská nerovnost poškozuje společnosti
Filmed:
Readability: 4.6
3,198,950 views
Intuitivně cítíme, že společnosti s obrovskými nerovnostmi v příjmech jdou špatným směrem. Richard Wilkinson zpracoval data o ekonomické nerovnosti a ukazuje, co se zhorší, když jsou bohatí a chudí příliš daleko od sebe, jaké reálné efekty to má na zdraví, délku života a dokonce takové základní hodnoty jako důvěru.
Richard Wilkinson - Public health researcher
In "The Spirit Level," Richard Wilkinson charts data that proves societies that are more equal are healthier, happier societies. Full bio
In "The Spirit Level," Richard Wilkinson charts data that proves societies that are more equal are healthier, happier societies. Full bio
Double-click the English transcript below to play the video.
00:15
You all know the truth of what I'm going to say.
0
0
3000
Všichni znáte pravdu o tom, co vám tu řeknu.
00:18
I think the intuition that inequality is divisive and socially corrosive
1
3000
4000
Myslím že pocit, že nerovnost vyvolává spory a ničí společnost,
00:22
has been around since before the French Revolution.
2
7000
4000
existovala již před Francouzskou revolucí.
00:26
What's changed
3
11000
2000
Co se ale změnilo,
00:28
is we now can look at the evidence,
4
13000
2000
je fakt, že se můžeme podívat na důkazy,
00:30
we can compare societies, more and less equal societies,
5
15000
3000
můžeme porovnat společnosti, více a méně rovnostářské společnosti,
00:33
and see what inequality does.
6
18000
3000
a uvidíme, co nerovnost dělá.
00:36
I'm going to take you through that data
7
21000
3000
Provedu vás daty
00:39
and then explain why
8
24000
2000
a pak vám vysvětlím proč
00:41
the links I'm going to be showing you exist.
9
26000
4000
propojení, která ukáži, zde jsou.
00:45
But first, see what a miserable lot we are.
10
30000
3000
Nejprve se ale podívejme jak mizerně vypadáme.
00:48
(Laughter)
11
33000
2000
(Smích)
00:50
I want to start though
12
35000
2000
Rád bych začal
00:52
with a paradox.
13
37000
3000
paradoxem.
00:55
This shows you life expectancy
14
40000
2000
Tento graf ukazuje očekávanou délku života
00:57
against gross national income --
15
42000
2000
v závislosti na HDP na hlavu --
00:59
how rich countries are on average.
16
44000
2000
podle průměrného bohatství státu.
01:01
And you see the countries on the right,
17
46000
2000
A vidíte, že země napravo,
01:03
like Norway and the USA,
18
48000
2000
jako Norsko a USA,
01:05
are twice as rich as Israel, Greece, Portugal on the left.
19
50000
5000
jsou dvakrát tak bohaté jako Israel, Řecko a Portugalsko nalevo.
01:10
And it makes no difference to their life expectancy at all.
20
55000
4000
Ale to nehraje žádnou roli v jejich očekávané délce života.
01:14
There's no suggestion of a relationship there.
21
59000
2000
Nic nenaznačuje tomu, že je mezi těmito ukazateli vztah.
01:16
But if we look within our societies,
22
61000
3000
Ale když se podíváme dovnitř našich společností,
01:19
there are extraordinary social gradients in health
23
64000
3000
uvidíme neobyčejné trendy ve zdraví,
01:22
running right across society.
24
67000
2000
které probíhají společností.
01:24
This, again, is life expectancy.
25
69000
2000
Toto, opět, je očekáváná délka života.
01:26
These are small areas of England and Wales --
26
71000
2000
Toto jsou malé oblasti Anglie a Walesu --
01:28
the poorest on the right, the richest on the left.
27
73000
4000
nejchudší napravo, nejbohatší nalevo.
01:32
A lot of difference between the poor and the rest of us.
28
77000
3000
Obrovské rozdíly mezi chudými a námi ostatními.
01:35
Even the people just below the top
29
80000
2000
Dokonce lidé těsně pod vrcholem
01:37
have less good health
30
82000
2000
mají horší zdraví
01:39
than the people at the top.
31
84000
2000
než lidé na vrcholu.
01:41
So income means something very important
32
86000
2000
Takže rozdíl v přijmech znamená něco významného
01:43
within our societies,
33
88000
2000
v rámci našich společností,
01:45
and nothing between them.
34
90000
3000
ale nic v jejich vzájemném srovnání.
01:48
The explanation of that paradox
35
93000
3000
Vysvětlením tohoto paradoxu
01:51
is that, within our societies,
36
96000
2000
je fakt, že uvnitř společností€
01:53
we're looking at relative income
37
98000
2000
se díváme na relativní přijem
01:55
or social position, social status --
38
100000
3000
nebo sociální postavení, status --
01:58
where we are in relation to each other
39
103000
3000
kde jsme v porovnání s ostatními
02:01
and the size of the gaps between us.
40
106000
3000
a jaké jsou mezi námi mezery.
02:04
And as soon as you've got that idea,
41
109000
2000
A jakmile zjistíte tohle,
02:06
you should immediately wonder:
42
111000
2000
měli byste se začít okamžitě zajímat:
02:08
what happens if we widen the differences,
43
113000
3000
co se stane, když ty rozdíly rozšíříme,
02:11
or compress them,
44
116000
2000
nebo naopak zúžíme,
02:13
make the income differences bigger or smaller?
45
118000
2000
když uděláme rozdíly v příjmech větší nebo menší?
02:15
And that's what I'm going to show you.
46
120000
3000
A to je to, co vám ukážu.
02:18
I'm not using any hypothetical data.
47
123000
2000
Nepoužívám žádná hypotetická data.
02:20
I'm taking data from the U.N. --
48
125000
2000
Používám data z OSN --
02:22
it's the same as the World Bank has --
49
127000
2000
ta stejná, co má Světová banka --
02:24
on the scale of income differences
50
129000
2000
o rozměru rozdílů v příjmech
02:26
in these rich developed market democracies.
51
131000
3000
v těchto bohatých, rozvinutých, tržních demokraciích.
02:29
The measure we've used,
52
134000
2000
Měřítko, které jsme použili,
02:31
because it's easy to understand and you can download it,
53
136000
2000
protože to je jednoduché na porozumění a můžete si to stáhnout,
02:33
is how much richer the top 20 percent
54
138000
2000
je o kolik je bohatší horních 20 % společnosti
02:35
than the bottom 20 percent in each country.
55
140000
3000
oproti spodním 20 % společnosti v každé zemi.
02:38
And you see in the more equal countries on the left --
56
143000
3000
A u těch více rovnostářských zemí nalevo vidíte --
02:41
Japan, Finland, Norway, Sweden --
57
146000
2000
Japonsko, Finsko, Norsko, Švédsko --
02:43
the top 20 percent are about three and a half, four times as rich
58
148000
2000
že horních 20 % je zhruba 3,5x - 4x bohatších
02:45
as the bottom 20 percent.
59
150000
3000
než dolních 20 %.
02:48
But on the more unequal end --
60
153000
2000
Ale na méně rovnostářském konci --
02:50
U.K., Portugal, USA, Singapore --
61
155000
2000
Velká Británie, Portugalsko, USA, Singapur --
02:52
the differences are twice as big.
62
157000
3000
jsou rozdíly dvakrát tak velké..
02:55
On that measure, we are twice as unequal
63
160000
3000
V tomto ohledu jsme (v USA) dvakrát méně rovnostářští
02:58
as some of the other successful market democracies.
64
163000
4000
než jiné úspěšné tržní demokracie.
03:02
Now I'm going to show you what that does to our societies.
65
167000
4000
A teď vám ukážu, co to dělá s našimi společnostmi.
03:06
We collected data on problems with social gradients,
66
171000
3000
Sesbírali jsme data o problémech spojených se sociálními mapami,
03:09
the kind of problems that are more common
67
174000
2000
ty typy problémů, které jsou běžné
03:11
at the bottom of the social ladder.
68
176000
2000
na spodu společenského žebříčku.
03:13
Internationally comparable data on life expectancy,
69
178000
3000
Mezinárodně srovnatelná data o očekávané délce života,
03:16
on kids' maths and literacy scores,
70
181000
3000
dětské gramotnosti a výsledcích v matematice,
03:19
on infant mortality rates, homicide rates,
71
184000
3000
úmrtnosti kojenců, počtu vražd,
03:22
proportion of the population in prison, teenage birthrates,
72
187000
3000
procentu populace ve vězení, porodech náctiletých,
03:25
levels of trust,
73
190000
2000
míře důvěry,
03:27
obesity, mental illness --
74
192000
2000
obezity, duševních poruch --
03:29
which in standard diagnostic classification
75
194000
3000
což v standardní diagnostické klasifikaci
03:32
includes drug and alcohol addiction --
76
197000
2000
zahrnuje drogovou a alkoholickou závislost --
03:34
and social mobility.
77
199000
2000
a společenské mobilitě.
03:36
We put them all in one index.
78
201000
3000
Dali jsme je všechny do jednoho indexu.
03:39
They're all weighted equally.
79
204000
2000
Všechny mají stejnou váhu.
03:41
Where a country is is a sort of average score on these things.
80
206000
3000
Pozice země je určena průměrem těchto věcí.
03:44
And there, you see it
81
209000
2000
A tady to vidíte
03:46
in relation to the measure of inequality I've just shown you,
82
211000
3000
v závislosti na měřítku nerovnosti, které jsem vám ukázal
03:49
which I shall use over and over again in the data.
83
214000
3000
a které budu používat stále dokola.
03:52
The more unequal countries
84
217000
2000
Ty země, kde je více nerovnosti,
03:54
are doing worse
85
219000
2000
jsou na tom hůře
03:56
on all these kinds of social problems.
86
221000
2000
ve všech těchto sociálních problémech.
03:58
It's an extraordinarily close correlation.
87
223000
3000
Je to neuvěřitelně úzký vztah.
04:01
But if you look at that same index
88
226000
2000
Ale když se podíváte na stejný index
04:03
of health and social problems
89
228000
2000
zdraví a sociálních problémů
04:05
in relation to GNP per capita,
90
230000
2000
ve vztahu k HNP na hlavu,
04:07
gross national income,
91
232000
2000
hrubému národnímu produktu,
04:09
there's nothing there,
92
234000
2000
nic tam není,
04:11
no correlation anymore.
93
236000
3000
žádný vztah.
04:14
We were a little bit worried
94
239000
2000
Trochu jsme se obávali,
04:16
that people might think
95
241000
2000
že by si lidé mohli myslet,
04:18
we'd been choosing problems to suit our argument
96
243000
2000
že jsme vybírali problémy tak, aby vyhovovaly našemu argumentu
04:20
and just manufactured this evidence,
97
245000
3000
a pouze vyrobili tyto důkazy,
04:23
so we also did a paper in the British Medical Journal
98
248000
3000
takže jsme také napsali článek do British Medical Journal
04:26
on the UNICEF index of child well-being.
99
251000
4000
o UNICEF indexu kvality života dětí.
04:30
It has 40 different components
100
255000
2000
Ten obsahuje 40 různých komponent
04:32
put together by other people.
101
257000
2000
poskládaných jinými lidmi.
04:34
It contains whether kids can talk to their parents,
102
259000
3000
Obsahuje např. to, jestli děti mohou mluvit se svými rodiči,
04:37
whether they have books at home,
103
262000
2000
jestli mají doma knihy,
04:39
what immunization rates are like, whether there's bullying at school.
104
264000
3000
jaká je míra očkování, jestli jsou ve škole šikanované.
04:42
Everything goes into it.
105
267000
2000
Obsahuje všechno.
04:44
Here it is in relation to that same measure of inequality.
106
269000
4000
A tady je v souvislosti ke stejnému měřítku nerovnosti.
04:48
Kids do worse in the more unequal societies.
107
273000
3000
Děti se mají hůře ve více nerovných společnostech.
04:51
Highly significant relationship.
108
276000
3000
Vysoce významný vztah.
04:54
But once again,
109
279000
2000
Ale ještě jednou,
04:56
if you look at that measure of child well-being,
110
281000
3000
pokud se podíváte na měřítko dětského blahobytu
04:59
in relation to national income per person,
111
284000
2000
ve vztahu k národnímu příjmu na hlavu,
05:01
there's no relationship,
112
286000
2000
nenajdete žádný vztah,
05:03
no suggestion of a relationship.
113
288000
3000
žádný náznak vztahu.
05:06
What all the data I've shown you so far says
114
291000
3000
Co naznačují všechna data, která jsem vám doposud ukázal,
05:09
is the same thing.
115
294000
2000
je jedna a tatáž věc.
05:11
The average well-being of our societies
116
296000
2000
Průměrný blahobyt v našich společnostech
05:13
is not dependent any longer
117
298000
3000
nezávisí již
05:16
on national income and economic growth.
118
301000
3000
na národním příjmu a ekonomickém růstu.
05:19
That's very important in poorer countries,
119
304000
2000
To je velmi důležité v chudých zemích,
05:21
but not in the rich developed world.
120
306000
3000
ale ne v bohatém, rozvinutém světě.
05:24
But the differences between us
121
309000
2000
Ale rozdíly mezi námi
05:26
and where we are in relation to each other
122
311000
2000
a kde jsme ve vztahu k ostatním
05:28
now matter very much.
123
313000
3000
jsou nyní důležité.
05:31
I'm going to show you some of the separate bits of our index.
124
316000
3000
Ukážu vám nyní některé části našeho indexu.
05:34
Here, for instance, is trust.
125
319000
2000
Zde, například, je důvěra.
05:36
It's simply the proportion of the population
126
321000
2000
Je to jednoduše podíl lidí,
05:38
who agree most people can be trusted.
127
323000
2000
kteří se shodnou na tom, že lidem lze věřit.
05:40
It comes from the World Values Survey.
128
325000
2000
Pochází to z Průzkumu světových hodnot.
05:42
You see, at the more unequal end,
129
327000
2000
Vidíte, že na konci s větší nerovností
05:44
it's about 15 percent of the population
130
329000
3000
je podíl těch, kteří cítí, že mohou ostatním věřit,
05:47
who feel they can trust others.
131
332000
2000
kolem 15 % populace.
05:49
But in the more equal societies,
132
334000
2000
Ale v zemích s větší rovností
05:51
it rises to 60 or 65 percent.
133
336000
4000
se podíl zvyšuje na 60 až 65 procent.
05:55
And if you look at measures of involvement in community life
134
340000
3000
A pokud se podíváte na podíl účasti na komunitním životě
05:58
or social capital,
135
343000
2000
nebo sociální kapitál,
06:00
very similar relationships
136
345000
2000
uvidíte velmi podobné vztahy,
06:02
closely related to inequality.
137
347000
3000
které jsou úzce navázané na nerovnost.
06:05
I may say, we did all this work twice.
138
350000
3000
Dalo by se říct, že jsme tu stejnou práci dělali dvakrát.
06:08
We did it first on these rich, developed countries,
139
353000
3000
Nejdříve jsme ji udělali pro tyto bohaté, rozvinuté země,
06:11
and then as a separate test bed,
140
356000
2000
a poté jsme si jako samostatnou jednotku vzali
06:13
we repeated it all on the 50 American states --
141
358000
3000
všech 50 států USA --
06:16
asking just the same question:
142
361000
2000
a ptali se na tu stejnou otázku:
06:18
do the more unequal states
143
363000
2000
jsou na tom méně rovné státy
06:20
do worse on all these kinds of measures?
144
365000
2000
hůře ve všech těchto ohledech?
06:22
So here is trust from a general social survey of the federal government
145
367000
4000
Takže tady vidíme měřítko důvěry v obecném průzkumu společnosti od federální vlády,
06:26
related to inequality.
146
371000
2000
napojený na nerovnost.
06:28
Very similar scatter
147
373000
2000
Velmi podobné rozdělení
06:30
over a similar range of levels of trust.
148
375000
2000
podobného rozpětí míry důvěry.
06:32
Same thing is going on.
149
377000
2000
Jedná se o to samé.
06:34
Basically we found
150
379000
2000
V podstatě jsme zjistili,
06:36
that almost anything that's related to trust internationally
151
381000
3000
že téměř všechno, co se týká důvěry mezinárodně,
06:39
is related to trust amongst the 50 states
152
384000
2000
se týká také důvěry ve těchto 50 státech
06:41
in that separate test bed.
153
386000
2000
v odděleném výzkumném vzorku.
06:43
We're not just talking about a fluke.
154
388000
2000
Nemluvíme jenom o náhodě.
06:45
This is mental illness.
155
390000
2000
Toto jsou duševní poruchy.
06:47
WHO put together figures
156
392000
2000
WHO dala dohromady statistiky,
06:49
using the same diagnostic interviews
157
394000
2000
za využití neměnných diagnostických interview
06:51
on random samples of the population
158
396000
2000
na náhodných vzorcích populace,
06:53
to allow us to compare rates of mental illness
159
398000
3000
abychom mohli srovnat míru duševních poruch
06:56
in each society.
160
401000
2000
v každé společnosti.
06:58
This is the percent of the population
161
403000
2000
Toto je procento populace
07:00
with any mental illness in the preceding year.
162
405000
3000
s výskytem duševní poruchy v předchozích letech.
07:03
And it goes from about eight percent
163
408000
3000
A to se pohybuje od zhruba 8 %
07:06
up to three times that --
164
411000
2000
až k trojnásobku tohoto čísla --
07:08
whole societies
165
413000
2000
celé společnosti
07:10
with three times the level of mental illness of others.
166
415000
3000
s třikát vyšším zastoupením duševních poruch.
07:13
And again, closely related to inequality.
167
418000
4000
A znovu úzce napojeno na nerovnost.
07:17
This is violence.
168
422000
2000
Toto je graf násilí.
07:19
These red dots are American states,
169
424000
2000
Tyto červené tečky jsou státy USA
07:21
and the blue triangles are Canadian provinces.
170
426000
4000
a modré trojúhleníky jsou kanadské provincie.
07:25
But look at the scale of the differences.
171
430000
3000
Ale podívejte se na ty rozdíly.
07:28
It goes from 15 homicides per million
172
433000
3000
Pohybujeme se od 15 vražd na milion obyvatel
07:31
up to 150.
173
436000
3000
až ke 150.
07:34
This is the proportion of the population in prison.
174
439000
3000
Toto je podíl populace ve vězení.
07:37
There's a about a tenfold difference there,
175
442000
3000
Tady je rozdíl zhruba desetinásobný,
07:40
log scale up the side.
176
445000
2000
Logaritmická stupnice na y ose.
07:42
But it goes from about 40 to 400
177
447000
2000
A pohybuje se zhruba od 40 do 400
07:44
people in prison.
178
449000
3000
lidí ve vězení.
07:47
That relationship
179
452000
2000
Tento vztah
07:49
is not mainly driven by more crime.
180
454000
2000
není způsoben větší kriminalitou.
07:51
In some places, that's part of it.
181
456000
3000
V některých částech je to její součástí.
07:54
But most of it is about more punitive sentencing,
182
459000
2000
Ale většinou je to o více represivním trestání,
07:56
harsher sentencing.
183
461000
2000
přísnějších trestech.
07:58
And the more unequal societies
184
463000
2000
A více nerovné společnosti
08:00
are more likely also to retain the death penalty.
185
465000
4000
si také pravděpodobněji ponechaly trest smrti.
08:04
Here we have children dropping out of high school.
186
469000
5000
Tady vidíme děti, které nedokončily střední školu.
08:09
Again, quite big differences.
187
474000
2000
Opět vidíme poměrně velký rozdíl.
08:11
Extraordinarily damaging,
188
476000
2000
Neuvěřitelně škodlivé,
08:13
if you're talking about using the talents of the population.
189
478000
3000
pokud mluvíme o využití talentů v populaci.
08:16
This is social mobility.
190
481000
3000
Toto je společenská mobilita.
08:19
It's actually a measure of mobility
191
484000
2000
Je to vlastně měřítko mobility
08:21
based on income.
192
486000
2000
v závislosti na příjmu.
08:23
Basically, it's asking:
193
488000
2000
V podstatě zjišťujeme:
08:25
do rich fathers have rich sons
194
490000
2000
mají bohatí otcové bohaté syny
08:27
and poor fathers have poor sons,
195
492000
2000
a chudí otcové chudé syny,
08:29
or is there no relationship between the two?
196
494000
3000
nebo to nemá žádnou spojitost?
08:32
And at the more unequal end,
197
497000
2000
A tam, kde je více nerovnosti,
08:34
fathers' income is much more important --
198
499000
3000
je příjem otrců mnohem důležitější --
08:37
in the U.K., USA.
199
502000
3000
ve Velké Británii, USA.
08:40
And in Scandinavian countries,
200
505000
2000
A ve skandinávských zemích
08:42
fathers' income is much less important.
201
507000
2000
je příjem otců mnohem méně důležitý.
08:44
There's more social mobility.
202
509000
3000
Je tu větší míra společenské mobility.
08:47
And as we like to say --
203
512000
2000
A jak rádi říkáme --
08:49
and I know there are a lot of Americans in the audience here --
204
514000
3000
a já vím, že je tu hodně Američanů v publiku --
08:52
if Americans want to live the American dream,
205
517000
3000
pokud chtějí žít Američané 'americký sen',
08:55
they should go to Denmark.
206
520000
2000
měli by jet do Dánska.
08:57
(Laughter)
207
522000
2000
(Smích)
08:59
(Applause)
208
524000
4000
(Potlesk)
09:03
I've shown you just a few things in italics here.
209
528000
3000
Ukázal jsem vám pouze několik nejdůležitějších věcí.
09:06
I could have shown a number of other problems.
210
531000
2000
Mohl jsem ukázat řadu dalších problémů.
09:08
They're all problems that tend to be more common
211
533000
2000
Problémů, které jsou většinou častější
09:10
at the bottom of the social gradient.
212
535000
2000
na spodu společenského žebříčku.
09:12
But there are endless problems with social gradients
213
537000
5000
Ale existuje nespočetné množství problému na spodu společenského žebříčku,
09:17
that are worse in more unequal countries --
214
542000
2000
které jsou horší ve více nerovných zemích --
09:19
not just a little bit worse,
215
544000
2000
ne jen o trochu horší,
09:21
but anything from twice as common to 10 times as common.
216
546000
3000
ale dvakrát až desetkrát horší.
09:24
Think of the expense,
217
549000
2000
Pomyslete na cenu,
09:26
the human cost of that.
218
551000
3000
lidskou cenu tohoto jevu.
09:29
I want to go back though to this graph that I showed you earlier
219
554000
2000
Rád bych se vrátil ke grafu, který jsem vám už ukázal dříve,
09:31
where we put it all together
220
556000
2000
kde jsme to všechnu dali dohromady,
09:33
to make two points.
221
558000
2000
abych vám ukázal dva závěry.
09:35
One is that, in graph after graph,
222
560000
3000
První z nich je viditelný na všech grafech,
09:38
we find the countries that do worse,
223
563000
2000
a to že všechny země, které jsou na tom hůře,
09:40
whatever the outcome,
224
565000
2000
v jakémkoliv ohledu,
09:42
seem to be the more unequal ones,
225
567000
2000
se zdají být ty, kde je více nerovností,
09:44
and the ones that do well
226
569000
2000
a ty, které jsou na tom dobře,
09:46
seem to be the Nordic countries and Japan.
227
571000
3000
se zdají být severské země a Japonsko.
09:49
So what we're looking at
228
574000
2000
Takže to, co vidíme,
09:51
is general social disfunction related to inequality.
229
576000
3000
je obecná společenská disfunkce propojená s nerovností.
09:54
It's not just one or two things that go wrong,
230
579000
2000
Nejde jen o jednu nebo dvě věci, které by byly špatně,
09:56
it's most things.
231
581000
2000
jde o většinu věcí.
09:58
The other really important point I want to make on this graph
232
583000
3000
Dalším důležitým závěrem, který vám chci ukázat na tomto grafu
10:01
is that, if you look at the bottom,
233
586000
2000
je, že pokud se podívate na spodek,
10:03
Sweden and Japan,
234
588000
3000
Švédsko a Japonsko,
10:06
they're very different countries in all sorts of ways.
235
591000
3000
jsou to velmi rozdílné země ve všech ohledech.
10:09
The position of women,
236
594000
2000
Postavení žen,
10:11
how closely they keep to the nuclear family,
237
596000
2000
úzká nebo rozšířená rodina,
10:13
are on opposite ends of the poles
238
598000
2000
jsou na opačných stranách
10:15
in terms of the rich developed world.
239
600000
2000
v rámci bohatého rozvinutého světa.
10:17
But another really important difference
240
602000
2000
Ale další opravdu podstatný rozdíl
10:19
is how they get their greater equality.
241
604000
3000
je i to, jak dosahují jejich rovnosti.
10:22
Sweden has huge differences in earnings,
242
607000
3000
Ve Švédsku je obrovský rozdíl v příjmech
10:25
and it narrows the gap through taxation,
243
610000
2000
a ten je zmírňován zdaněním,
10:27
general welfare state,
244
612000
2000
sociálním státem,
10:29
generous benefits and so on.
245
614000
3000
obecnými výhodami atd.
10:32
Japan is rather different though.
246
617000
2000
Japonsko je hodně odlišné.
10:34
It starts off with much smaller differences in earnings before tax.
247
619000
3000
Začíná s malými rozdíly v příjmech před zdaněním.
10:37
It has lower taxes.
248
622000
2000
Má nižší daně.
10:39
It has a smaller welfare state.
249
624000
2000
Méňe rozsáhlý sociální stát.
10:41
And in our analysis of the American states,
250
626000
2000
A v naší analýze států USA
10:43
we find rather the same contrast.
251
628000
2000
najdeme podobné kontrasty.
10:45
There are some states that do well through redistribution,
252
630000
3000
Některé státy využívají přerozdělování,
10:48
some states that do well
253
633000
2000
některé jsou na tom dobře,
10:50
because they have smaller income differences before tax.
254
635000
3000
protože mají menší rozdíly příjmů před zdanění.
10:53
So we conclude
255
638000
2000
Takže můžeme uzavřít,
10:55
that it doesn't much matter how you get your greater equality,
256
640000
3000
že nezáleží na tom, jak se dostanete k rovnosti,
10:58
as long as you get there somehow.
257
643000
2000
pokud se tam nějak dostanete.
11:00
I am not talking about perfect equality,
258
645000
2000
Nemluvím o dokonalé rovnosti,
11:02
I'm talking about what exists in rich developed market democracies.
259
647000
4000
ale o té, která existuje v bohatých, rozvinutých, tržních demokraciích.
11:08
Another really surprising part of this picture
260
653000
5000
Další skutečně překvapující součástí této studie
11:13
is that it's not just the poor
261
658000
2000
je fakt, že nejde jen o chudé,
11:15
who are affected by inequality.
262
660000
3000
kteří jsou ovlivněni nerovností.
11:18
There seems to be some truth in John Donne's
263
663000
2000
Vypadá to, že je něco pravdy na tvrzení Johna Donne:
11:20
"No man is an island."
264
665000
3000
"Žádný člověk není ostrovem."
11:23
And in a number of studies, it's possible to compare
265
668000
3000
A v několika studiích je možné srovnat,
11:26
how people do in more and less equal countries
266
671000
3000
jak jsou na tom lidé ve více nebo méně rovných společnostech
11:29
at each level in the social hierarchy.
267
674000
3000
na každém stupni společenského žebříčku.
11:32
This is just one example.
268
677000
3000
Tady je jeden příklad.
11:35
It's infant mortality.
269
680000
2000
Je to kojenecká úmrtnost.
11:37
Some Swedes very kindly classified a lot of their infant deaths
270
682000
3000
Švédové roztřídili jejich kojeneckou úmrtnost
11:40
according to the British register of general socioeconomic classification.
271
685000
5000
podle Britské socioekonomické klasifikace.
11:45
And so it's anachronistically
272
690000
3000
A tak je to postaru
11:48
a classification by fathers' occupations,
273
693000
2000
klasifikace podle zaměstnání otce,
11:50
so single parents go on their own.
274
695000
2000
takže svobodné matky mají vlastní kategorii.
11:52
But then where it says "low social class,"
275
697000
3000
Ale pokud je tu napsané "nízká společenská třída",
11:55
that's unskilled manual occupations.
276
700000
3000
tak se jedná o neodbornou manuální práci.
11:58
It goes through towards the skilled manual occupations in the middle,
277
703000
4000
A pokračuje to přes odbornou manuální práci uprostřed,
12:02
then the junior non-manual,
278
707000
2000
potom juniorská nemanuální práce
12:04
going up high to the professional occupations --
279
709000
3000
až po vysoce postavená profesionální zaměstnání --
12:07
doctors, lawyers,
280
712000
2000
doktoři, právnící,
12:09
directors of larger companies.
281
714000
2000
ředitelé velkých společností.
12:11
You see there that Sweden does better than Britain
282
716000
3000
Vidíte, že Švédsko je na tom lépe než Británie
12:14
all the way across the social hierarchy.
283
719000
3000
napříč spekterem společenského žebříčku.
12:19
The biggest differences are at the bottom of society.
284
724000
2000
Největší rozdíly jsou na spodu společnosti.
12:21
But even at the top,
285
726000
2000
Ale i na vrcholu
12:23
there seems to be a small benefit
286
728000
2000
je patrná drobná výhoda
12:25
to being in a more equal society.
287
730000
2000
v životě v rovnější společnosti.
12:27
We show that on about five different sets of data
288
732000
3000
Ukazujeme to na zhruba pěti různých datech,
12:30
covering educational outcomes
289
735000
2000
která pokrývají vzdělávání
12:32
and health in the United States and internationally.
290
737000
3000
a zdravotnictví v USA a mezinárodně.
12:35
And that seems to be the general picture --
291
740000
3000
A obecný závěr vypadá všude stejně --
12:38
that greater equality makes most difference at the bottom,
292
743000
3000
větší rovnost činí největší rozdíly na spodu společnosti,
12:41
but has some benefits even at the top.
293
746000
3000
ale má výhody i pro ty na jejích vrcholu.
12:44
But I should say a few words about what's going on.
294
749000
4000
Ale měl bych také říci pár slov o tom, proč to tak je.
12:48
I think I'm looking and talking
295
753000
2000
Myslím, že tu ukazuji a mluvím
12:50
about the psychosocial effects of inequality.
296
755000
3000
o psychosociologických efektech nerovnosti.
12:53
More to do with feelings of superiority and inferiority,
297
758000
3000
Efektech spojených s pocity nadřazenosti a podřazenosti,
12:56
of being valued and devalued,
298
761000
2000
být oceňován nebo podceňován,
12:58
respected and disrespected.
299
763000
3000
respektován nebo nerespektován.
13:01
And of course, those feelings
300
766000
2000
Samozřejmě, tyto pocity
13:03
of the status competition that comes out of that
301
768000
3000
soutěživosti o status, které z toho vycházejí,
13:06
drives the consumerism in our society.
302
771000
3000
podporují také konzumerismus ve společnosti.
13:09
It also leads to status insecurity.
303
774000
3000
Vedou také k pocitu nejistoty společenského postavení.
13:12
We worry more about how we're judged and seen by others,
304
777000
4000
Bojíme se víc o to, jak jsme hodnoceni a vnímáni druhými,
13:16
whether we're regarded as attractive, clever,
305
781000
3000
jestli jsme vnímáni jako atraktivní, chytří,
13:19
all that kind of thing.
306
784000
3000
všechny tyto věci.
13:22
The social-evaluative judgments increase,
307
787000
3000
Sociálně-hodnotící posouzení umocňuje
13:25
the fear of those social-evaluative judgments.
308
790000
4000
strach z těchto sociálně-hodnotících posouzení.
13:29
Interestingly,
309
794000
2000
Překvapivě,
13:31
some parallel work going on in social psychology:
310
796000
4000
podobný výzkum probíhá v sociální psychologii:
13:35
some people reviewed 208 different studies
311
800000
3000
bylo vyhodnoceno 208 různých studií,
13:38
in which volunteers had been invited
312
803000
3000
ve kterých byli dobrovolníci pozvání
13:41
into a psychological laboratory
313
806000
2000
do psychologické laboratoře
13:43
and had their stress hormones,
314
808000
2000
a byly jim změřeny stresové hormony,
13:45
their responses to doing stressful tasks, measured.
315
810000
4000
jejich reakce na stresové úkoly.
13:49
And in the review,
316
814000
2000
A v průzkumu
13:51
what they were interested in seeing
317
816000
2000
šlo o to,
13:53
is what kind of stresses
318
818000
2000
jaké typy stresu
13:55
most reliably raise levels of cortisol,
319
820000
3000
nejspolehlivěji zvednou hladinu kortizolu,
13:58
the central stress hormone.
320
823000
2000
hlavního stresového hormonu.
14:00
And the conclusion was
321
825000
2000
A závěrem bylo, že
14:02
it was tasks that included social-evaluative threat --
322
827000
3000
to jsou ty úkoly, které představovaly společensko-hodnotící ohrožení --
14:05
threats to self-esteem or social status
323
830000
3000
ohrožení sebedůvěry a společenského postavení,
14:08
in which others can negatively judge your performance.
324
833000
3000
ve kterých ostatní mohou negativně hodnotit váš výkon.
14:11
Those kind of stresses
325
836000
2000
Tyto typy stresu
14:13
have a very particular effect
326
838000
3000
mají velmi charaktersitický efekt
14:16
on the physiology of stress.
327
841000
3000
na fyziologii stresu.
14:20
Now we have been criticized.
328
845000
2000
Byli jsme také kritizováni.
14:22
Of course, there are people who dislike this stuff
329
847000
3000
Samozřejmě existují lidé, kterým se naše zjištění nelíbí,
14:25
and people who find it very surprising.
330
850000
3000
a lidé, pro které je překvapující.
14:28
I should tell you though
331
853000
2000
Měl bych vám říci,
14:30
that when people criticize us for picking and choosing data,
332
855000
3000
že pokud nás lidé kritizují pro výběr dat,
14:33
we never pick and choose data.
333
858000
2000
tak jsme nikdy nevybírali data.
14:35
We have an absolute rule
334
860000
2000
Máme pravidlo,
14:37
that if our data source has data for one of the countries we're looking at,
335
862000
3000
že pokud náš zdroj má data o jedné ze zemí, které studujeme,
14:40
it goes into the analysis.
336
865000
2000
pak je to zahrnuto do analýzy.
14:42
Our data source decides
337
867000
2000
Rozhoduje náš zdroj dat,
14:44
whether it's reliable data,
338
869000
2000
jedná-li se o spolehlivá data,
14:46
we don't.
339
871000
2000
ne my.
14:48
Otherwise that would introduce bias.
340
873000
2000
Jinak by to znamenalo zkreslení.
14:50
What about other countries?
341
875000
2000
A co ostatní země?
14:52
There are 200 studies
342
877000
3000
Existuje 200 studií
14:55
of health in relation to income and equality
343
880000
3000
o zdraví v závislosti na příjmu a kvalitě
14:58
in the academic peer-reviewed journals.
344
883000
3000
v akademických publikacích.
15:01
This isn't confined to these countries here,
345
886000
3000
A to se netýká pouze těchto zemí,
15:04
hiding a very simple demonstration.
346
889000
2000
skrývají velmi jednoduchou ukázku.
15:06
The same countries,
347
891000
2000
Stejné země,
15:08
the same measure of inequality,
348
893000
2000
stejná měřítka nerovnosti,
15:10
one problem after another.
349
895000
3000
jeden problém po druhém.
15:14
Why don't we control for other factors?
350
899000
2000
Proč nezkontrolujeme i ostatní faktory?
15:16
Well we've shown you that GNP per capita
351
901000
2000
Ukázali jsme, že HNP na hlavu
15:18
doesn't make any difference.
352
903000
2000
nečiní žádný rozdíl.
15:20
And of course, others using more sophisticated methods in the literature
353
905000
4000
Navíc, ostatní, kteří použili více sofistikované metody v literatuře,
15:24
have controlled for poverty and education
354
909000
2000
zkontrolovali chudobu a vzdělání
15:26
and so on.
355
911000
3000
a tak dále.
15:30
What about causality?
356
915000
2000
Ale co souvislosti?
15:32
Correlation in itself doesn't prove causality.
357
917000
3000
Korelace sama o sobě nedokazuje souvislosti.
15:35
We spend a good bit of time.
358
920000
2000
Strávili jsme s tím velký díl času.
15:37
And indeed, people know the causal links quite well
359
922000
2000
A vskutku, lidé vidí příčinné souvislosti celkem dobře
15:39
in some of these outcomes.
360
924000
2000
v některých z těchto výsledků.
15:41
The big change in our understanding
361
926000
2000
Velká změna v našem porozumění
15:43
of drivers of chronic health
362
928000
2000
příčin chronického zdraví
15:45
in the rich developed world
363
930000
2000
v bohatém rozvinutém světě
15:47
is how important chronic stress from social sources
364
932000
4000
je v tom, jak důležitý je chronický stres způsobený společenskými zdroji,
15:51
is affecting the immune system,
365
936000
2000
který ovlivňuje náš imunitní systém,
15:53
the cardiovascular system.
366
938000
3000
kardiovaskulární systém.
15:56
Or for instance, the reason why violence
367
941000
2000
Nebo například, důvody násilí
15:58
becomes more common in more unequal societies
368
943000
3000
jsou více přítomné ve více nerovných společnostech,
16:01
is because people are sensitive to being looked down on.
369
946000
5000
protože lidé jsou citliví na to, když se na ně zhlíží zvrchu.
16:06
I should say that to deal with this,
370
951000
3000
Měl bych říct, že abychom se s tím vyrovnali,
16:09
we've got to deal with the post-tax things
371
954000
2000
měli bychom se zabývat aspekty po zdanění
16:11
and the pre-tax things.
372
956000
2000
a před zdaněním.
16:13
We've got to constrain income,
373
958000
3000
Musíme omezit příjem,
16:16
the bonus culture incomes at the top.
374
961000
2000
kulturu bonusových příjmů nahoře.
16:18
I think we must make our bosses accountable to their employees
375
963000
3000
Myslím, že musíme učinit naše šéfy odpovědné jejich zaměstnancům
16:21
in any way we can.
376
966000
3000
ve všech možných ohledech.
16:24
I think the take-home message though
377
969000
3000
Myslím, že to, co byste si měli odnést domů,
16:27
is that we can improve the real quality of human life
378
972000
4000
je, že můžeme zlepšit skutečnou kvalitu lidského života
16:31
by reducing the differences in incomes between us.
379
976000
3000
tím, že zmenšíme rozdíly mezi našimi příjmy.
16:34
Suddenly we have a handle
380
979000
2000
Najednou máme páku
16:36
on the psychosocial well-being of whole societies,
381
981000
2000
na psychosociální blahobyt celých společností,
16:38
and that's exciting.
382
983000
2000
a to je vzrušující.
16:40
Thank you.
383
985000
2000
Děkuji.
16:42
(Applause)
384
987000
6000
(Potlesk)
ABOUT THE SPEAKER
Richard Wilkinson - Public health researcherIn "The Spirit Level," Richard Wilkinson charts data that proves societies that are more equal are healthier, happier societies.
Why you should listen
For decades, Richard Wilkinson has studied the social effects of income inequality and how social forces affect health. In The Spirit Level, a book coauthored with Kate Pickett, he lays out reams of statistical evidence that, among developed countries, societies that are more equal – with a smaller income gap between rich and poor -- are happier and healthier than societies with greater disparities in the distribution of wealth.
While poverty has long been recognized as an indicator for such social ills as crime, obesity, teen pregnancy, Wilkinson and Pickett have demonstrated that societal well-being bears no relation to per capita income. They’ve also found that the symptoms of inequality trouble all levels of society. Across the board, mental health, levels of violence and addiction, even life expectancy are affected by the psycho-social stress caused by income gaps and status anxiety.
In the UK, The Spirit Level won support from politicians both left and right. Wilkinson, who is Professor Emeritus of Social Epidemiology at the University of Nottingham, also cofounded The Equality Trust, a nonprofit that aims to reduce income inequality by educating and engaging the public while supporting political commitment to address the problem.
He says: "While I'd always assumed that an equal society must score better on social cohesion, I never expected to find such clear differences between existing market economies."
NEW: Read the TED Blog's Q&A with Richard Wilkinson >>
Richard Wilkinson | Speaker | TED.com