A tanulmány címe:

Közzététel: 2023. május 26.

A tanulmány címe:

A területi egyenlőtlenségek településszintű vizsgálata a történeti Magyarország és utódállamai területén, 1330–2010 (I.)

Szerzők:

Xxxxxxx Xxxxx–Xxxx Xxxxxx–F. Xxxxxxxx Xxxxxxx–Pénzes flános

xxxxx://xxx.xxx/00.000X0/XX000000

Az alábbi feltételek érvényesek minden, a Központi Statisztikai Hivatal (a továbbiakban: KSH) Területi Statisztika c. folyóiratában (a továbbiakban: Folyóirat) megjelenő tanulmányra. Felhasználó a tanulmány, vagy annak részei felhasználásával egyidejűleg tudomásul veszi a jelen dokumentumban foglalt felhasználási feltételeket, és azokat magára nézve kötelezőnek fogadja el. Tudomásul veszi, hogy a jelen feltételek megszegéséből eredő valamennyi kárért felelősséggel tartozik.

1) A jogszabályi tartalom kivételével a tanulmányok a szerzői jogról szóló 1DDD. évi LXXVI. törvény (Szjt.) szerint szerzői műnek minősülnek. A szerzői jog jogosultja a KSH.

2) A KSH földrajzi és időbeli korlátozás nélküli, nem kizárólagos, nem átadható, térítésmentes felhasználási jogot biztosít a Felhasználó részére a tanulmány vonatkozásában.

3) A felhasználási jog keretében a Felhasználó jogosult a tanulmány:

a) oktatási és kutatási célú felhasználására (nyilvánosságra hozatalára és továbbítására a

4. pontban foglalt kivétellel) a Folyóirat és a szerző(k) feltüntetésével;

b) tartalmáról összefoglaló készítésére az írott és az elektronikus médiában a Folyóirat és a szerző(k) feltüntetésével;

c) részletének idézésére – az átvevő mű jellege és célja által indokolt terjedelemben és az eredetihez híven – a forrás, valamint az ott megjelölt szerző(k) megnevezésével.

4) A Felhasználó nem jogosult a tanulmány továbbértékesítésére, haszonszerzési célú felhasználására. Ez a korlátozás nem érinti a tanulmány felhasználásával előállított, de az Szjt. szerint önálló szerzői műnek minősülő mű ilyen célú felhasználását.

5) A tanulmány átdolgozása, újra publikálása tilos.

6) A 3. a)–c.) pontban foglaltak alapján a Folyóiratot és a szerző(ke)t az alábbiak szerint kell feltüntetni:

„Forrás: Területi Statisztika c. folyóirat 63. évfolyam 3. számában megjelent, Xxxxxxx Xxxxx–

Xxxx Xxxxxx–F. Xxxxxxxx Xxxxxxx–Xxxxxx Xxxxx által írt, A területi egyenlőtlenségek településszintű vizsgálata a történeti Magyarország és utódállamai területén, 1330–2010 (I.) c. tanulmány”

7) A Folyóiratban megjelenő tanulmányok kutatói véleményeket tükröznek, amelyek nem esnek szükségképpen egybe a KSH, vagy a szerzők által képviselt intézmények hivatalos álláspontjával.

TANULMÁNYOK

A területi egyenlőtlenségek településszintű vizsgálata a történeti Magyarország és utódállamai területén, 1330–2010 (I.)

Long-term study of territorial inequalities at settlement level in the territory of the historical Hungary and

its successor states, 1330–2010 (I.)

Xxxxxxx, Xxxxx Xxxxxxxxxxxxxxxxxxx Kutatóközpont, Történettudományi Intézet

E-mail: xxxxxxx.xxxxx@xxxx.xx

Xxxx, Xxxxxx Xxxxxxxxx Egyetem, TTK, Földtudományi Intézet, Társadalom- földrajzi és Területfejlesztési

Tanszék E-mail: xxxxxx0XX0@xxxxx.xxx

F. Xxxxxxxx, Xxxxxxx

Xxxxxx Xxxxxx Xxxxxxxxxx Egyetem,

Budapest

Xxxxxx, Xxxxx Xxxxxxxxx Egyetem, TTK, Földtudományi Intézet, Társadalom- földrajzi és Területfejlesztési

Tanszék E-mail: xxxxxx.xxxxx@xxxxxxx.xxxxxx.xx

Kulcsszavak:

Magyar Királyság, területi (történeti) egyenlőtlenségek,

adatbázis, történeti GIS,

grid

A kétrészes tanulmány a Magyar Királyság és utódállamai területi egyenlőtlenségeinek hosszú távú, történeti (1330–2010), finom felbontású (településszintű) összehasonlító vizsgálatára tesz kísérletet. Az 5 időmetszetre (1330, 1720, 1786, 1D10, 2010) vonatkozó

adatok összegyűjtése lehetővé teszi a közel 300 ezer négyzetkilométernyi terület vizsgá- latát. A hozzáférhető szakirodalom szerint hasonló nagyságú területre kiterjedő, telepü- léssoros adatokon alapuló, ekkora időtávot felölelő vizsgálatnak Európában nincsenek előzményei.

A tanulmány első része értékeli a témával kapcsolatos sorba rendezett történeti forrá- sokat, a belőlük nyerhető (földrajzi szem- szögből értelmezhető, releváns) indikátorok értelmezési problémáit és kiválasztási mód- szereit, valamint az egyes időmetszetek elté- rő indikátorállományának adatbázisba szer- vezését és összevetésének korlátait. Emellett módszertani szempontból a tanulmány a fej- lettségfogalom történeti elemzése mellett foglalkozik az egyes időmetszetek összeha- sonlításakor fellépő, eltérő változószerkezet- ből eredő kihívásokkal, valamint az egymásra vetítéskor a térképi megjelenítés során je- lentkező, az eltérő területi entitások okozta problémák kiküszöbölésével, a felbontás op- timalizálásával, rácshálós (grid) megoldást alkalmazva. Az 5 időmetszet lehetővé teszi a Williamson-hipotézis történeti időben való tesztelését és kiterjesztését.

Keywords: regional (historical) inequalities, longue durée comparison,

hGIS,

historical database, gridding-method

Beküldve: 2022. december 16.

Elfogadva: 2023. február 3.

We are attempting a longitudinal, historical (1330–2010), fine scale (settlement-level) comparative analysis in this study of the ter- ritorial inequalities in the Kingdom of Hun- gary and its successor states. Data collection over the last 8 years in 5 time-horizons (1330, 1720, 1786, 1D10, 2010) allows the

study of almost 300 000 km2 through our databases containing 7 million entries. A study covering such a time span, based on settlement level data series covering an area of similar size is unknown in Europe.

The first part of the paper presents the value and availability of historical sources, the problems of interpreting historical indicators (translating them to modern geographical terms), their selection methods and discusses the limitations of integrating and comparing the different indicator sets of each time horizon. In addition, from a methodological point of view, the paper addresses the his- torical analysis of the concept of develop- ment, the challenges of comparing different time horizons through different variable structures, the problems of map visualisation when projecting time horizons onto each other, the problems of different and chang- ing spatial entities, and finding the optimal resolution using the grid solution. The five time-horizons also allow the testing of the Williamson hypothesis and its extension in historical time.

Problémafelvetés, célkitűzés

Jelen tanulmányban a Magyar Királyság és utódállamai területi egyenlőtlenségeinek 1330 és 2010 közötti, finom felbontású (településszintű) összehasonlító vizsgálatára teszünk kísérletet, az első 4 (1330-as, 1720-as, 1786-os és 1D10-es) időmetszetre kivitelezett,1 történeti forrásokon alapuló állapotfelvételezések (F. Romhányi 2015, 201D, 2022, Demeter–Xxxxxxxxxx 2018, Demeter–Mikle 2022, Mikle–Demeter 2023,

1 A történeti hitelesség növelése érdekében további időmetszetek kialakítása is (például 1880, 1550) folyamatban van.

Demeter 2023), valamint a 2010-es vizsgálatunk (Demeter 2020, Pénzes 2020, Xxxx et al. 2021) harmonizálásával és összehasonlításával, amely a kiértékelés mellett ma- gában foglalja az összehasonlítás módszertanának kidolgozását is.2

Xxxx Xxxxxxx alapvetése (magyarul: 2003) óta a történettudomány számára is re- leváns a regionális egyenlőtlenségek különböző dimenzióinak vizsgálata (megújulásá- ra az utóbbi évtizedekben lásd: Clout 1D83 (2018), Price 1D83 (2018)), a számítás- technika dinamikus fejlődése ellenére a közelmúltig sem a földrajz, sem a történet- tudomány részéről nem kísérelték meg a regionális különbségek mintázatának nagy területre kiterjedő, finom felbontású, hosszú távú vizsgálatát, sem hazánkban, sem a külföldi szakirodalomban. Bár megélénkülő érdeklődés övezi a történettudomány- ban az egyenlőtlenségi vizsgálatokat (Milanovic et al. 2007), a Maddison (2001) brut- tó hazai termék (gross domestic product – GDP) rekonstrukciós kísérletét ért kriti- kák miatt ezek inkább a statisztikai kiértékelést és a társadalmi, vertikális különbsé- gek elemzését célozzák, mintsem a területi különbségek ábrázolását.3 Ami az utóbbit illeti, a földrajzi horizont szélesedése ellenére (Franciaország: Scargill 1DD1, Dormard 2004, Lengyelország: Xxxxxxxx et al. 201D, Brazília: Xx Xxxxx 2017), e kutatások felbontása vagy korlátozott (Reis 2017, Nagy 2017), vagy fókusza szűkebb (kevés tényezőt vesznek figyelembe: Xxxxxxxx et al. 201D),4 vagy éppen rövid időtávot ölelnek fel, az adathiány vagy a közigazgatási változások okozta nehézségek miatt (Combes et al. 2018). Míg a hazai történészek körében az effajta vizsgálatok beveze- tése az eltérő szemléletmód, továbbá a módszertani problémák miatt nem előrehala- dott, a földrajztudomány az adatok hozzáférhetőségének, de főleg értelmezésének nehézségei miatt nem nyúlik vissza az 1D10 előtti, „prestatisztikus” időszakra (Győ- ri–Mikle 2017, Gál 2008). Xxxxxxxxxxx szerint hasonlóan nagy ívű, fél évezrednél is hosszabb időtávot átfogó (1330–2010), településszintű, komplex összehasonlítást ekkora területre még nem is végeztek, ami nem is véletlen.

A hosszú távú vizsgálatok esetén ugyanis számos nehézséggel kell megküzdenie a kutatónak. Közülük talán a legfontosabb a szisztematikus adatfelvételezések hiánya a 1D. századot megelőzően (európai kitekintést ad: Vivier 2014: 11–42. o., Schneider 2014: 43–5D. o.), és ha vannak is ilyenek, akkor vagy területileg hiányosak, vagy a társadalom egy része kimarad az összeírásokból, azok speciális jellege miatt (Acsády 18D6). Ezek ugyanis nem a területi egyenlőtlenségek, perifériák felmérése, hanem többségükben az adózási képesség megállapítása céljából készültek, így indikátor- készletük sem a 20. századi adatokra kidolgozott módszerekhez idomul. További

2 Az adatok és a térképek elérhetők publikus WMS-szolgáltatásunkon: xxxx://xxxxxxxxxxxxxxx.xxxx.xx, melyet az ELKH Proof of Concept projektje keretén belül Xxxxx Xxxxx (Allum Digital) fejlesztett.

3 A 1D. századi GDP-rekonstrukciós kísérletek a Habsburg Monarchiában nem lépték túl a tartományi szintet (tulajdonképpen ez is nagy eredmény: vö.: Good 1DD8). Előrelépést jelenthet Xxxxxxxx Xxxxx (2018a, 201D, 2022). kísérlete a GDP-nek adóval történő településszintű helyettesítésével, illetve a történeti emberi fejlettségi index (human development index – HDI) kiszámításával.

4 Nagy időtávot fog át, de az érintett dimenziók száma csekélyebb, és a felbontás sem nagy a vizsgált tényező (GDP) nehéz rekonstruálhatósága miatt.

nehézség, hogy a közelmúltig a 1D. század előtti összeírások nem voltak adatbázisba rendezve, már csak a bennük szereplő helynévanyag lokalizálásának problémái miatt sem. A GISta Hungarorum és a Lendület „Tíz Generáció” programok 2015 óta tartó, D millió adat integrált rögzítésével oldották meg a problémát. Ehhez társultak a kutatási irányban fantáziát látó középkort, kora újkort kutatók által kialakított adatbázisok, melyek összecsatolása a következő korok adatbázisaival szintén nagyvolumenű munka.5

További problémát jelent, hogy az összeírásokból nyerhető indikátorok jellege és száma korról korra változott, ami a célul kitűzött időbeli összevetést éppúgy megnehe- zítette, mint az adminisztratív határok változása. Sőt, ilyen hosszú távú vizsgálatok ese- tében még a közös indikátorok is veszíthetnek magyarázó erejükből, így relevanciájukból is (például más az írás és az olvasás elterjedésének [alfabetizáció] magyarázó ereje 1D10-ben és 1D40-ben). Mivel célunk a területi egyenlőtlenségek komplex szemléletű megközelítése volt, a fejlettségi viszonyok megbízható ábrázolása a kompozit muta- tók, többtényezős fejlettségi térképek alkalmazása felé terelte a vizsgálatot, részben a 14–1D. századi explicit jövedelmi indikátorok hiánya miatt, részben azonban azért, mert az előzménynek tekinthető, 1D10 és 2010 közötti területi egyenlőtlenségekre vonatkozó vizsgálatunk során is kompozit fejlettségi mutatókat alkalmaztunk a két időmetszetre (Pénzes 2014a, b, 2018, Demeter 2020, Xxxx et al. 2021). Mindezek miatt az adatszerkezettel és az indikátorkiválasztással összefüggő, ismertetett prob- lémák nem kerülhetők meg. Az egyes korokra vonatkozó állapotrajz mellett, ezen kívül a változások irányának és dinamikájának vizsgálatát is célul tűztük ki, ez vi- szont nem végezhető el eltérő településhatárokat tartalmazó térképek esetében, mert egymásra fedésük hibás értékeket adhat. Ezt a problémát a már korábban kidolgo- zott rácshálós módszer (Xxxx et al. 2021) alkalmazásával oldottuk meg.

Számos bizonytalanság ellenére mégis megkíséreltük a vizsgálat lefolytatását, ami a következőkkel magyarázható. Az 1D10 és 2010 közötti időszakra vonatkozó kuta- tásunk során sikerült megoldást találni mind a közigazgatási változások okozta prob- lémákra, mind az eltérő összetételű és magyarázó erejű indikátorkészlet okozta ösz- szehasonlítási nehézségek kiküszöbölésére. Az indikátorokat főkomponens- elemzéssel (principal component analysis – PCA), nem pedig a közös indikátorok (még viszonylag nagy) halmazával választottuk ki. A problémák hatványozottan jelentkeznek a prestatisztikus korba való visszalépés esetében (hiszen a közös indiká- torok száma sokkal kisebb, így ez módszerként eleve nem is jöhet számításba a kompozit fejlettségi indikátor kialakításánál), azonban a történelem – az abszolutiz- mus centralizmusa, valamint a középkorban az egyház Rómától való függése – leg- alább elméleti lehetőséget biztosított a vizsgálat kiterjesztéséhez. A széttagolt és decentralizált államelőzmények (mint például a lengyel Rzeczpospolita, vagy a

5 Jelenleg a középkorra az ún Engel-kód, 1720-ra, 1786-ra és 1D10-re a GISta Hungarorum kódrendszere, 1D30-ra a Xxxxxxxx Xxxxx által kidolgozott azonosítók biztosítják az átjárást az időmetszetek között, melyek a mai LAU-2-es szintek kódjaival is harmonizálhatók.

Német–Római Birodalom) esetén a centralizáció hiánya nem hozhatott létre nagy területre vonatkozó, azonos ismérvek alapján kialakított adathalmazt, szemben a jozefinista Magyarországgal. A középkorból fennmaradt pápai tizedjegyzék ugyan- csak egyedi – noha annak kiegészítése és a települések lokalizálása nem volt könnyű

– feladat elé állított bennünket. A viszonylag szerencsés forrásadottságok (nagy terü- letre, hosszú időtávra rendelkezésre álló, a társadalom jó részét érintő, bár céljaink szempontjából nem optimális összetételű adatsorok) szintén támogatták a vizsgálat kivitelezését.

A tanulmány szemléletmódja értelemszerűen igazodik a forrásadottságokhoz. Célunk nem a GDP rekonstrukciója vagy helyettesítése volt, mert erre a rendelke- zésre álló adatok nem is adtak volna lehetőséget, hanem az elérhető, releváns társa- dalmi-gazdasági-demográfiai adatsorok alapján a különbségek területi mintázatának, illetve a mintázat változásának felmérése és magyarázata, valamint ezek alapján egy (térben és időben is egymáshoz mérhető, de abszolút számokban és mértékegység- ben nem kifejezhető) viszonylagos fejlettségi szint rekonstrukciója.

Kérdés továbbá, hogy mi értelme van egy ilyen, korlátozott relevanciájú vizsgálat lefuttatásának – elegendő csupán a befektetett időre és erőforrásokra gondolni. Tör- téneti oldalról számos kérdés megválaszolását teszi lehetővé egy ilyen adatbázis, akár térképezzük, akár statisztikai elemzésnek vetjük alá az adatokat (például a zsellérség vagy a jobbágyság élt-e jobb életkörülmények között; a kisbirtok vagy nagybirtok jövedelmezett-e többet, és melyik a hatékonyabb; vajon a vallások vagy etnikumok között volt-e életminőségbeli különbség a társadalmi-gazdasági indikátorok alapján; a kilencedet robottal, terménnyel vagy pénzzel megváltó közösségek tekinthetők-e jól szituáltnak; mi a különbség a puszták, falvak és mezővárosok lakosságának élet- minősége között; van-e összefüggés a földminőség és a jövedelem között; a trágyát használó településeken jobb-e a gabonahozam; milyen területi különbségeket mutat a népességnövekedés a 18. században; korabeli térképek híján miként rekonstruálha- tó a földhasználat). E kérdéseknek nem feltétlenül van területi jellemzőjük (bár kép- zelhető és magyarázandó is, ha az Alföldön zsellérnek jobb lenni, a Dunántúlon meg jobbágynak). Ezeket a kérdéseket jelen tanulmányban nem vizsgáljuk (lásd: Deme- ter–Mikle 2022, Demeter–Pénzes 2022, Demeter 2023, Mikle–Demeter 2023). A földrajz vagy regionális szemlélet szempontjából már érdekesebbek azok a kérdé- sek, melyek azt vizsgálják, hogy az adó a fejlettség, vagy éppen a hátrányos helyzet mérőszáma-e a 18. században, az idegen születésűek magas aránya egy településen vajon fejlettséget jelez-e, nem borítékolható ugyanis, hogy az, amit ma fejlettségi kritériumnak tekintünk, az háromszáz éve is az volt (vagy ha az volt, nem tekintették annak a kortársak!). A fejlettség fogalma ugyanis viszonylagos.

Ez ahhoz a módszertani problémához is elvezet, hogy az ilyen hosszú távú ösz- szevetés során az egyes időpontokban releváns fejlettségfogalom alapján határoz- zuk-e meg a fejlettséget (így kiválasztva az indikátorokat), és így eltérő fejlettségi elképzeléseket vetve össze a dinamikus vizsgálatok során; vagy a jelenlegi elképzelé-

sek visszavetítésével egyfajta módszertani folytonosságra törekedjünk. A döntés megalapozásához a kortárs, fejlettségre vonatkozó elképzelések ismeretére is szük- ség van (lásd a következőkben).

A felsorolt részproblémákon túl még fontosabb kérdés, hogy mit adhat egy ilyen elemzés, ami a modern területi tervezés számára is relevanciával bírhat. Az elméleti alapvetés, a Williamson-hipotézis, az egyenlőtlenségek trendjeinek nagy területen, hosszú időskálán való mérése mellett a ’path dependency’ vizsgálatát is lehetővé teszi egy ilyen elemzés. Azaz, kimutatható, hogy egyes szerkezetek lokális fennmara- dása (például törököktől nem háborgatott aprófalvak), míg mások átalakulása (az Alföld pusztulása) esetén melyik biztosít nagyobb lehetőséget a fejlődésre. Vizsgála- tunk időmetszetei a történelmi kataklizmák (tatárjárás, török) hatásai mellett a terüle- ti különbségek és periferizáció oldaláról bemutatják a felvilágosult abszolutizmus (1720–1786), majd a reformkor és a dualizmus (1786–1D10) gazdaság- és társada- lompolitikájának eredményeit, továbbá az 1D20-as dezintegráció, határhúzások után a több központú gazdaságfejlesztés (1D10–2010) regionális következményeit, ezek területi mintázata mellett az egyenlőtlenségek mértékének változását is megvizsgálva. Így lehetőség nyílik számos politikai/társadalmi rendszer és „fejlesztéspolitikájának” újraértékelésére, e politikák a történettudomány által eddig elhanyagolt területi vetü- leteinek bevonásával.

A geográfia és regionális tudomány oldaláról a történelmi téradatok mai adatok- hoz kapcsolása, a történeti perifériák azonosítása, elhelyezkedésüknek és jellemzőik- nek hosszú távú változása pedig a modern fejlesztési elképzelések számára is hozzá- adott értékkel bírhat egyfelől az útfüggőség (inercia) mértékének vizsgálatával, más- részt a célzott, specifikus állami beavatkozások előmozdításával. Ez a szemléletmód szorosan kapcsolódik a szakirodalomban elterjedt „reversal of fortune” kutatások- hoz (lásd Acemoglu–Robinson 2013), amelyek a jelen fejlettségi különbségeit hosszú időtávból közelítik meg.

Anyag és módszer

Ebben a fejezetben a kutatásba bevonható forrásokat, ezek problémáit, feldolgozá- suk módszereit és azok korlátait mutatjuk be. A geográfiában és regionális tudomá- nyokban alkalmazott indikátorok explicitek, így – különösen a jelenkort célzó vizs- gálatok esetében – sem értelmezésük, sem a proxy változók előállítása nem okoz különösebb gondot. A történeti forrásokban használt kategóriák azonban nem fel- tétlenül azonosak azzal, amit ma (részben a meggyökeresedett téves történeti topo- szok, részben forrásismereti okok miatt) értünk rajtuk, és nem is alakíthatók át prob- lémamentesen indikátorrá, ráadásul lényegesen kevesebb mutató érhető el nagy terü- letre, mint a 20. századra kiterjedő vizsgálatok esetén.

Középkor

A modern korra vonatkozó vizsgálatainkban használt kompozit területi fejlettségi index a középkorra nem alkalmazható. Adatok csak egy-egy időpontról maradtak fenn, egyes területekre hiányoznak, és azok is jellemzően az adófizetéssel kapcsolatos jelenségekre vonatkoznak. Utóbbi viszont a vizsgálat jellege szempontjából kedvező, ez az elem ugyanis csaknem az összes időmetszetünkben közös, ráadásul fajlagos mu- tatóvá alakítása esetén legalább az agrárium teljesítőképességéről árulkodik. (2010-ből jövedelemadatunk van, 1D10-ből összes direkt adó és földjövedelem is, ugyanis akkor a szántóföldi jövedelemből számolták a földadót; az 1786-os adó ugyancsak komplex, a földjövedelem mellett az állattartást és az ipart is tartalmazza; 1720-ból pedig mag- hozamra van adatunk, mely a jövedelem proxy változója, bár egységes piac és egységes árak ekkor még alig léteztek). Az 1330-as adatbázis alapját képező pápai tizedjegyzék (Fejérpataky 1887) további előnye, hogy nagy területre fennmaradt (a vele egykorú és a tizedjegyzékkel összefüggő zágrábi jegyzékkel együtt a terület D0%-át lefedi), hiányzik belőle a győri egyházmegye teljes plébániahálózata, ami azonban a 14. szá- zad első harmadából származó adatokkal elég megbízhatóan pótolható. Az alföldi területeken mutatkozó hiányok magyarázata nem a forrás hiányosságában keresen- dő, ugyanis az összefüggő „üres” terület összesen öt egyházmegye között oszlott meg, ráadásul alakja és kiterjedése az Engel-féle adatokból készült 1500 körüli bir- toksűrűségi, de az 1D10-es településsűrűségi térképen is hasonló (F. Xxxxxxxx et al. 2022). A megközelítő időmetszetű francia és angol összeírásokkal összevetve a ma- gyarországi pápai tizedjegyzék statisztikai szempontból jó minőségű, a tényleges hiányok aránya pedig 4% körüli.

A fejlettségnek azonban más ismérvei is vannak, és kérdés, hogy az utókor mit tekint fejlettségi ismérvnek a középkorban, illetve, hogy rendelkezésre áll-e ennek mérésére az ország egészét lefedő, nagyjából egyidejű forrás. Bár a középkor embere valószínűleg a jogállásnak is nagy jelentőséget tulajdonított, Le Goff (1D68: 336–337. o.) szerint azonban ez önmagában még nem minősíti a város jellegét. Szerinte vi- szont van kapcsolat a koldulórendek elterjedése és a városiasodás között: a kolosto- rok mint speciális intézmények eleve a munkamegosztás fejlődésére utalnak, egy

„eltartott” koldulórendi intézmény pedig a lokális jövedelemtöbbletre enged követ- keztetni. A tézist felhasználó Xxxxxx (1D72) középkorra vonatkozó vizsgálatai a vá- roshierarchia és a fejlettségi szint között látens kapcsolatot tételeztek fel. Ez még 1D30-ban is tetten érhető: szignifikáns statisztikai kapcsolat (r=0,52) mérhető a vá- roshierarchia és a fejlettség között (Bán 2020). A kérdés nem ennyire egyszerű: a 18. századi Ruszt a maga 2000 alatti lélekszámával kicsinek számított, de gazdaságilag mégis fejlettnek, ellenben vonzereje lokális, jelentőségtöbblete alig volt, hierarchikus pozícióját pedig inkább a jogi helyzete, mint a lélekszáma vagy a funkciói határozták meg (ebből a városok vizsgálatának problémái is kimutathatók: lásd Beluszky 1DD0a, b). A szakirodalom alapján mindenesetre nem tévedünk nagyot, ha a kolostorhálózat azon elemeit, amelyek a hívek lelki gondozásával vagy a népesség kolostoreltartó

képességével kapcsolatosak, továbbá az egyházi hierarchia különböző szintjeit, a hiteleshelyi funkciót ellátó egyházi intézményeket, de a gazdaságban és a kereskede- lemben betöltött szerepet (kamarai székhely, heti piac, sokadalom, vám),6 valamint a városi kiváltságokat is felvesszük a változók közé, akkor legfeljebb nem folytonos eloszlásuk (zömmel 0-1 értéket felvevő) okozhat nehézséget a hosszú távú összeve- tések során. Mivel ez utóbbi adatok a forrásokban elszórtan tűnnek fel, tételes ösz- szeírás róluk a középkorban nem készült, az adatgyűjtést tágabb időhatárok között kellett elvégezni, ami esetünkben az 1242 és 1350 közötti időszakot jelentette (Weisz 2012, F. Xxxxxxxx 2000, Solymosi 2012, Szende 2011, 2017). Az ispotályok mint a szociális háló elemei, kimaradtak a vizsgálatból, lévén kései alapításúak, elenyésző számúak és egyébként is csak a legfejlettebb központok további differenciálására használhatók. A külföldi egyetemet járt hallgatók számát, mint indikátort Xxxxxxx Xxxxxx (1D71, 2004) számításba vette a városiasodás szintjét meghatározó centralitá- si pontrendszerében, és e módszer/indikátor nemzetközileg is elfogadott [2]. Szá- muk azonban az 1330-as években még elenyésző volt – egy későbbi, 15. századi vizsgálat esetében viszont már inkább releváns lehet, de az ispotályok adatbázisa még fejlesztés alatt áll, így csak korábbi eredményeket elemezhetünk, leszámítva a jelzésértékű település/birtoksűrűséget a 15. század végéről.

Módszertani szempontból az 1500 körüli állapotot bemutató adatbázis összeállí- tása egy további nehézséget is felvet. Erre az időszakra ugyanis nincs olyan forrá- sunk, amelyből országos szinten jövedelmi különbségekre következtethetünk! A kamara hasznáról maradtak ugyan fenn adójegyzékek, de ezek sajnos nem alkal- masak arra, hogy egy fejlettségi mutatóban indikátorként használjuk őket. A portális adó összege ugyanis nem függött a jobbágytelek, illetve a jobbágy jövedelmétől, országszerte mindenütt azonos összegben szedték, tehát nem differenciál. További nehézség, hogy még a legteljesebb, az 14D4–14D5-ös számadáskönyvből is hiányoz- nak tizennégy vármegye adatai (Neumann 201D). Ezt a problémát kvalitatív adatok bevonásával lehet csak megoldani. Mivel a 15. század végén már 12–14 ezer telepü- lésről van tudomásunk, ezért a munka megkezdése előtt célszerűnek tűnt egy kisebb adatmennyiséget feldolgozó pilot projektben kipróbálni ezt a módszert. Ennek eredménye lett az 1220 körüli időszakot ábrázoló térkép (lásd a tanulmány második részében Függelék F1. ábra). A hozzátartozó adatbázis 2263 ponthoz rendelt, általá- ban 0-1 értéket felvevő, történeti és régészeti forrásokon alapuló indikatívnak (és hozzáférhetőnek, gyakori kutatások tárgyának, tehát feltételezhetően teljes körűnek) tekinthető változókat tartalmaz. (Például 11–12. században: templom, templom körüli temető, kolostor és alapítójának státusa, az egyházi hierarchia szintjei, zarán- dokhely, ispánsági vár, udvarhely, hiteleshely, törvénylátó hely, idegen népelemek jelenléte, rév, vám, pénzverő vagy sókamara, malom, hágó, okleveles és egyéb írott említés.) E felvett adatok leginkább a központi hely funkcióval függnek össze, és

6 Ennek jelentőségére lásd a legfrissebb térképes webszerver-fejlesztést [1].

jellegüknél fogva korlátozottan skálázzák be a településeket, folytonos eloszlású változót pedig ez az adatbázis – szemben az 1330-as és újkori időmetszetekkel – egyáltalán nem tartalmazott. Éppen ezért az adatbázison Xxxxxxxx Xxxxx lefuttatott egy teljes (légvonalban mért) távolságmátrix-számítást, aminek eredményéből egy pontszámot számítottunk, mely hozzáadódott a települések centralitási pontszámá- hoz. A módszer alkalmazása mögött az a megfontolás állt, hogy ebben az időszak- ban – és a középkor legnagyobb részében (szemben a modern korral) – a település- sűrűség, illetve a népsűrűség (a kettő nyilván akkor sem fedte teljesen egymást) nem a túlnépesedés, hanem a kiemelkedő gazdasági aktivitás indikátora. Emellett egy olyan országban, ahol a népsűrűség alig 10 fő/négyzetkilométer, nem számítva a korszakban lakatlannak tekinthető területeket, a mezőgazdasági művelésbe vont területeknél sem kell számolni a gyengébb termőképességű földekkel. Ezekre ugyan- is szántóföldként nem volt szükség, állattartó területként vagy erdőként viszont jó hasznot hozhattak. A módszer használhatóságát igazolta, hogy az eredményeit mu- tató térkép az esetek legnagyobb részében megfelelt, de legalábbis nem volt ellenté- tes a hagyományosabb történeti módszerekkel végzett kutatásokból nyert térképpel.

A középkorra tehát három időmetszet felvétele látszik lehetségesnek. Xxxxxx- xxxxxxxx azonban, hogy az ezek mögött lévő adatbázisok közül kettő – az 1220 körüli és az 1500 körüli – kizárólag kvalitatív adatokból képzett proxy változókat tartalmaz, így a későbbi korokkal való összevetéseinkbe ezeket nem vontuk be. Az 1332 és 1337 között készült pápai tizedjegyzék éppen ezért kivételes forrás, amelyet már Xxxxxxx Xxxxxx (1D67–1D88) sem csupán a településhálózat rekonstrukciójához használt, hanem segítségével megkísérelte az egy plébániához tartozó települések átlagos számát, illetve a befizetett tizedek átlagát is meghatározni. Ha eredményeivel nem is érthetünk ma már teljesen egyet, azt mindenképpen el kell ismernünk, hogy jó érzékkel tapintott rá az e forrásban rejlő egyik különleges lehetőségre: a 14. század eleji Magyar Királyság népességének és regionális különbségeinek vizsgálatára. A pápai adóztatás ugyanis az egyháziakra kirótt adót százalékosan határozta meg, sőt, az adó alapját képező jövedelmeket – tudniillik a papi tizedeket – is százalékosan adták meg. Vagyis, amellett, hogy az adatok az ország egész területére elérhetők,7 a befizetett adó különbségei valóban (igaz, csak agrár-) jövedelmi különbségeket ta- karnak. Ráadásul akkoriban a lakosság körülbelül D5%-a a mezőgazdaságból élt, a városodottság foka pedig alacsony volt (F. Xxxxxxxx et al. 2022). Az egyéb (ismeret- len) jövedelmek tehát (a bányászatot és erdőélést nem számítva) szűk területre, pont- szerűen lokalizálhatók – ismeretük esetében egyébként is kiugró értéket elsimító inter-

7 Kiegészíthető a zágrábi egyházmegye 1334-es adataival, valamint a főesperességek által három évben befizetett tized adatsorával (Fejérpataky [1887: 162–172., 226., 231. o.], Buturac [1D84: 6D.]). A győri püspökségről ennél elnagyoltabb képet kapunk, hiszen ott csak egyetlen összeget, a hat év teljes befizetett adóját könyvelték el (Fejérpa- taky 1887: 401. o.). A pápai tizedjegyzék kiegészítéséhez és részben ellenőrzéséhez használható az egri egyházmegye tarcafői főesperességének és az erdélyi egyházmegye területén található medgyesi és szászvárosi dékánságoknak az egykorú összeírásai (Zimmermann–Xxxxxx [18D2: 433–435., 464‒465. o.], Nógrády [2014]).

polációs technikákat kellene alkalmazni a térképes ábrázolás során. Statisztikai szem- pontból a legfőbb torzító tényező, amit figyelembe kell venni, az állattartó területek látszólag gyengébb jövedelmezősége – ezek ugyanis nem fizettek tizedet, így az állat- tartás jövedelme a pápai tizedjegyzékben sem szerepel. (Ezt csak a jelen vizsgálatun- kon kívül eső 15. században pótolta írott adatokkal is igazolhatóan a kereszténypénz, amikorról viszont a pápai tized nem áll rendelkezésre.) Az adatok térképi ábrázolásá- hoz a plébániák helyének beazonosításán túl rendelkezésünkre áll egy másik nagy adathalmaz is, Xxxxx Xxx térképének település-, pontosabban birtokállománya, amely összességében a 15. század végi állapotot tükrözi.

Az 1330-as évmetszetre felhasznált indikátorokat az 1. táblázat összegzi. Ezek aggregálásával, súlyozásával képeztük a kompozit fejlettségi térképet.

A 18. század

A 18. század eleji vizsgálat az 1720-as Regnicolaris Conscriptio (Acsády 18D6 alap- ján, kiegészítve az adatbázisok online felületén [3] elérhető nyomás- és hozamadatok- kal) településsoros adatain alapszik, mely ugyan területileg lefedi az ország egészét, de társadalmi és gazdasági szempontból is hiányos, mivel zömmel az adózó agrárné- pességet (a jobbágyokat, a házas zselléreket, a mezővárosi polgárságot, a szabad menetelű szerződéseseket [taxásokat], valamint némely esetben a kollektív kiváltság- gal rendelkezőket) veszi figyelembe, az ipari szektort és a kiváltságosokat és a leg- szegényebbeket nem. Emellett lokális szinten pontatlan (Faragó 1DD6, Dányi 1D62, Dávid 1D57). A 18. század végi vizsgálat alapját pedig a csak úrbéres népességet (de a népszámlálásban foglaltaknál jóval több indikátort) tartalmazó, 1786-os ún. „kan- celláriai” összesítés [13] mellett II. József népszámlálásának (1784–1787) teljes né- pességre vonatkozó, de inkább társadalmi, mint gazdasági szempontból releváns településsoros adatsorai8 és Illés (1D20), valamint Vályi (17D6) adatbázissá alakított településszintű országleírása jelentették.

A 18. századra vonatkozó vizsgálatok során az első lépés az adatbázis alapválto- zóinak értelmezése (melyikkel milyen jelenség mérhető). Ezt követően indikátorokat (fajlagos vagy százalékos értékek) képeztünk belőlük. Az indikátorértékek egyenkénti térképi megjelenítésével (színesben közli és elemzi jelen vizsgálatot megelőlegező előtanulmányában: Mikle–Demeter 2023, Demeter 2023) a változók előszelekciója is megtörtént (a jellegtelen vagy hiányos területi képet vagy teljesen mozaikos térbeli eloszlást mutató változók bevonása a további vizsgálatokba haszontalan). A mara- dékot különböző (statisztikai) ismérvek alapján tovább válogattuk, rostálás során a megmaradtakból pedig kompozit mutatót állítottunk elő a fejlettségi különbségek

„tömörített” kifejezésére.

8 KSH (1D60, 1D75), Xxxxx et al. (1DD6). Köszönjük Xxxxxx Xxxxxxxx, hogy rendelkezésünkre bocsátotta szá- mos megye településsoros adatait, Xxxxxx Xxxxxxxxx pedig, hogy felhívta figyelmünket a kancelláriai összesítésre.

A 18. századi településsoros összeírások leginkább adózási célokat szolgáltak, és ez meghatározza felhasználhatóságukat is: a termés nagysága, mint összeírási alap háttérbe szorult a termőterület nagyságával szemben. A többi gazdasági szektor összeírása hiányos, nem használható. Az általunk feldolgozott összeírások legna- gyobb része a mezőgazdaságilag hasznos terület ekkor átlag 20%-át kitevő úrbéres földeket tartalmazza (Fónagy 2013: 18–1D. o.), a közös haszonvételűeket (például legelők, erdők) nem, a nagyságrendben ekkor a telki állomány csupán felét (Berlász 1D58: 40., 61. o.) elérő (azaz alárendelt) nagybirtokra pedig csak proxy változókon keresztül következtethetünk.D A szántóföldi jövedelemnek így is kétharmada szár- mazott az úrbéres föld állományából (Glósz 2010: 1DD–214. o.). Az állattartásra közvetlen adatunk nincs, ennek súlyára a telki rét telki szántóhoz mért, lokálisan változó arányából következtethetünk. Azaz, vizsgálatunkkal az ország 18. századi gazdasági teljesítőképességéről településszinten nem kaphatunk teljes képet, infor- mációt elsősorban a társadalom döntő többségét (D0%-át) és az országos összterme- lés legalább felét10, valamint a társadalom 80%-át11 kitevő parasztság és zsellérség (úrbéres népesség) földhasználatáról, termelőképességéről, terheiről, életminőségéről nyerhetünk. Ez abból a szempontból nem probléma, hogy az 1330-as adatsor tized- jövedelmei is döntően a mezőgazdaságot reprezentálják,12 gondot jelent viszont, hogy a népszámláláson kívül a többi századvégi településsoros országos statisztika nem terjed ki Erdély egész területére. Mivel pedig a népszámlálás nem az adófizetési képességet, hanem valójában a (hadra fogható) humánerőforrás-felesleget volt hiva- tott felmérni (Thirring 1D38: 70. o., Szántay 2014), melynek elvonása még nem ve- szélyezteti az ország működését, így ennek társadalomkategóriái nem azonosak a mai demográfiai-szociológiai fogalmakkal, de még a korban használt rendi-jogi kate- góriákkal sem egyeznek. (Például a zsellér kategória heterogén: életkor, testméret, foglalkozás szerinti ismérvek alapján jelölték ki, így nem is egyezik az 1786-os úrbéri összesítés adataival. A gyermek – eleve csak fiúkat írtak össze – kategóriából hiá- nyoznak a nemesek gyermekei, de a parasztok és polgárok örökösei is, vagyis akik a telket vagy az ipart művelik majd szüleik elhalálozása esetén. Ezért a gyermekarány sem valós. A népszámlálás használatakor tehát körültekintően kell eljárni, hiszen a levonható társadalmi következtetések relevanciája is korlátozott, gazdasági indikáto-

D Mint például az egy földművesre jutó robotnapok magas száma, vagy a kilenced robottal történő megváltása szemtermelésre átállt nagybirtokra utal (Soós [1D41: 12–16. o.]).

10 A korban az ipari és egyéb jövedelmek nem haladták meg az össztermelés 25%-át. A maradék 75% kéthar- mada (50%) a parasztok birtokain keletkezett, egyharmada, azaz 25% a nagybirtokon a parasztok által. Emellett ipari tevékenységet is folytattak (a fonás például urasági szolgáltatás volt), az ipari termelés közel felét adva, azaz ténylege- sen a nemzeti össztermék 50+10%-át állították elő (a nagybirtokon folytatott munkájukat nem számítva).

11 Bizonyos csoportok és területek kimaradása miatt, a valóságban ez D0%.

12 Az agrárfókuszú megközelítés következtében nem lesznek problémás, a térképi ábrázoláskor „elsimítandó” kiugró értékek a városokban pontszerűen koncentrálódó céhes ipar és kereskedelem kimaradása miatt. Az 1D10-es indikátoroknál is az volt az egyik probléma, hogy az adatsorok agrárorientáltsága miatt az alföldi területek fejlettsége lényegesen magasabbnak tűnik. Ezért használt Pénzes (2018) PCA-t a változók szűrésére, és fejlettségi térképe (ez szerepel jelen vizsgálatban is) már kifinomultabb.

rok pedig még kevésbé nyerhetők ki belőle. Az Erdélyre vonatkozó gazdasági ada- tok pótlása az 1750-es, európai színvonalú (Trócsányi 1D57) összeírásból lehetséges (Gyémánt et al. 200D–2016), amely ugyancsak adózókat ír össze, mint az 1786-os kancelláriai összesítés, viszont más mutatókat tartalmaz (mai szemmel nézve sokkal modernebb, „hardcore” változókkal: Demeter–Mikle 2022). Így Erdélyt több eset- ben különválasztva vizsgáltuk (az egyszerűség és összehasonlíthatóság kedvéért Erdély 1848/67-es határát használtuk az összes időmetszetnél).

Az ismertetettekből következik, hogy az általunk rajzolt fejlettségi kép nem kizá- rólagos, csupán egy a lehetséges sok értelmezés közül.13 Mivel pedig a fejlettség ismérvei korról korra is változhatnak, vizsgálandó az is, hogyan gondolkodtak a korban a fejlettséget meghatározó tényezőkről, és hogy az összeírásainkban szereplő mutatók közül melyek használhatók fejlettségi indikátorként. Xxxxxxxxxxx szerint a kemény és kegyetlen kormányzat alatt élők kevés gyermeket szülnek, míg a népességnövekedés és a gazdasági fellendülés pedig korrelálnak (Őri 2003: 100. o.). Az 1764–1765-ös országgyű- lésre készített politikai röpirat, az Opinio… a produktív népesség számának növelését tekintette fontosnak. A bevándorlást sem tartotta a fejlettséget emelő tényezőnek, mert a röp- irat szerzője szerint a lusta és szegény emberek szoktak ki (innen nézve be) vándo- rolni (Kautz 1868: 106. o.). Thirring (1D38: 80. o.) azonban a 20. század elején már éppen a bevándorlás és fejlettség kapcsolatát emeli ki (és máig ez a földrajz állás- pontja is). A nagy jobbágyterhek (például robot, ”ajándékok”, de a hadkötelezettség is) ugyancsak nem segítik a fejlődést az említett röpirat szerzője szerint (vö. Berzeviczy 1806).14 A népsűrűséget, a kameralisták fejlettségi ismérvét, II. Xxxxxx idején – a fiziokrata elképzelések lassú előtérbe kerülésével – felváltja a jövedelmet meghatáro- zó tényezők között a termelés,15 amelyet az agrárszférában az egy jobbágyra jutó föld- nagysággal és földminőséggel közelíthetünk adatbázisunkban országos kiterjedtségű ho- zam- és jövedelemadatok híján.16 Az állami adó a 18. század második felének felfogá- sa szerint a fejlettséget tükrözi, nem a deprivációra utal. Vizsgálatunkban (a közép- korhoz hasonlóan) mi is így tekintettünk rá (r=0,265-ös korrelációt mutatott a te- lekmérettel, tehát nem csak a földmérettől függött értéke).

Adatbázisainkban tehát sikerült olyan indikátorokat találni, melyek a kor fejlett- ségre vonatkozó elképzeléseit valamilyen mértékben tükrözik, noha a források ösz-

13 A strukturális egyenletek modelljében (structural equation modeling – SEM) való gondolkodás segíthet to- vábblépni, de a modell kialakítása itt is szubjektív, egyéni döntésen alapul, viszont az ok-okozati viszonyok vizsgála- tának beemelésével, melyre sem a korrelációs, sem az ezen alapuló PCA nem képes, módszertanilag kifinomultabb (van Leeuven–Földvári 2008).

14 Nem meglepő, hogy adatbázisunkban az állami adó nem korrelál például a robottal és az „ajándékok” értéké- vel, mivel az adót (és a kilencedet a földesúri járadékok közül) a gazdasági teljesítmény, az utóbbiakat általánosság- ban a telekméret alapján vetették ki.

15 Justi és Xxxxxxx szerint a mezőgazdasági termelés bősége alacsony megélhetési költséget, alacsony munkabé- reket (és az agráriumból felszabaduló munkáskezeket) eredményez az iparban, így az iparosodást is segíti (Eckhart [1D22: 16. o.], Acsády [1D06: 375. o.]).

16 A kataszteri felmérés utasításának első változata még azt tartalmazta, hogy ne csak a fennálló állapotot, ha- nem a fejlődési képességet is rögzítsék. Ennek megfelelően a halastavak, mocsarak stb. területével kapcsolatban fel kellett jegyezni a várható szemtermés mennyiségét is [14].

szeállításának nem ez volt a célja. Az 1720-as Conscriptio Regnicolaris adatsoraiból 8 olyan fajlagos mutatót sikerült kialakítani, mely a rurális fejlettség, vagy a paraszt- ság agrárképességének értelmezésében valamennyire releváns lehet, és elemszáma, valamint területi eloszlása is megfelelő. A 18. század végi adatbázisokból (ha Erdélyt kihagyjuk a vizsgálatból) több mint kétszer annyi indikátort sikerült előállítani. 18. századi vizsgálatunkban így az akkoriban érvényes fejlettségi nézetek alapján hatá- roztuk meg a kompozit indikátor tartalmát, s nem a jelenlegiek alapján.

Az 1D10-es és 2010-es indikátorkészletről részletes leírás olvasható Pénzes (2018), Demeter 2018, 2020 és Xxxx et al. (2021) tanulmányaiban, így ezeket itt nem részletezzük (lásd: 1. táblázat).17

Módszerek

Az előválogatás során a területileg hiányos, valamint a fejlettséggel nyilvánvaló kap- csolatban nem álló indikátorokat kiszűrtük (például a már említett gyermekarányt). Az adott időmetszetre (1330, 1720, 1786, 1D10, 2010) vonatkozó kompozit fejlettsé- gi térképek előállításánál azonban figyelembe kellett venni a távlati cél, az időbeli összehasonlítás peremfeltételeit is. Mivel a közös indikátorok az 5 időmetszetben az adó, illetve jövedelem típusú indikátorokra szűkültek, világos volt, hogy az összehasonlítás során nem használhatjuk ugyanazt a (közös) indikátorhalmazt. Xxxx- xxxx megoldásként alkalmazhatnánk páronként közös indikátorkészletet. Ez 1D10 és

17 Joggal merülhet fel egy korábbi időmetszet integrálása adatbázisunkba, ez mind a dualizmuskori fejlődés di- namikájának érzékeltetéséhez, mind az 1786 és 1D10 közötti tág időszak szűkítése érdekében hasznos lenne (bár annak a kritériumnak így is megfelelnek, hogy eltérő társadalmi-gazdasági szerkezetről adnak pillanatképet). Az 1860-as évekre azonban a vízszabályozás és adóreform előtti földjövedelmi állapotokat bemutató adatsor kivételével településszintű minőségi adatsorok nem érhetők el. (Erdélyre ez is hiányzik, így sem az 1720-as hozamadatokkal, sem az 1D10-es településszintű földjövedelem-adatokkal nem vethető össze. Az 1865-ös földjövedelem-statisztikát integráltuk a GISta Hungarorum adatbázisba és térképi megjelenítése is elérhető – xxxx://xxxxxxxxxxxxxxx.xxxx.xx, D400-as térkép. Az 1D10-es és 1865-ös egy holdra jutó földjövedelem adatsora között egyébiránt 0,55-ös r-érték mérhető. Az 1865-ös térkép és az 1330-as hasonló jellegű térkép összevetése sem érdektelen). 1880-ra vannak legkorábbról olyan adataink (beleértve a földjövedelmet is, melyet 1883-ban a települési jövedelmekkel egyetemben szintén felmértek, immár Erdélyben is), melyek lehetővé tennék egy 1D10-eshez hasonló kompozit fejlettségi mutató kialakításával egy új időmetszet beszúrását. Ezek munkálatai folyamatban vannak, hiszen az 1880-as kompozit fejlettség a Xxxxxxxx Xxxxx-féle településszintű történeti HDI értékekkel való összevetése is érdekes – a perifériák azonosítása pedig annál biztosabb, minél több eltérő módszerrel kimutathatók (Pénzes 2014b, 1D10-re: Demeter 2018, Pénzes 2018, Jakobi 2018, Szilágyi 2018b).

Szintén felvethető a természetföldrajzi tulajdonságok szerepe a különbségek alakításában. A 18. századi föld- osztályadatokat is ezért vettük fel. Sajnos azonban csak elnagyoltan utalnak a talajminőségre (Demeter et al. 2021) és a jövedelemre egyaránt (a gabona termőhelyigényére voltak kalibrálva). A 20. századi talajadatok visszavetítése nem reális alternatíva, mert szisztematikusan csak a 20. század elejétől állnak rendelkezésre és a szabályozások éppen az alföldi talajok adottságait (vízhatás, szikesedés) változtatták meg. Ráadásul túl részletesek egy településszintű vizsgá- lat esetén. Éppen ezért a természetföldrajzi tulajdonságokat jobban reprezentálják és konzervatívabb tulajdonságúak a morfometriai paraméterek (érdesség, relief, 25% alatti lejtők aránya, kitettség stb. [Demeter–Túri 2022]). A vizsgá- latok azt mutatták, hogy a földjövedelmen kívül más tényező nem korrelált ezekkel. A lejtés mellett, r1D10=0,58, r1865=0,42 a tengerszint feletti magasság és a település kerület/terület aránya haladta meg a 0,4-es r értéket. Azaz, lényegében az amúgy is rendelkezésre álló földjövedelmet tudják csak közelíteni.

2010 esetében még járható is (a 2010-es indikátorkészlet kialakításánál ez is szem- pont volt a korlátozó tényezőn, a hozzáférhetőségen túl). 1786–1D10 viszonylatában szintén kialakítható körülbelül 10 közös vagy proxy változó, de e módszer hátránya, hogy nem veszi figyelembe az indikátorok fejlettségben játszott szerepének esetleges változását. Történészi megfogalmazásban: 1786–1D10 között jelentős gazdaság- és társadalomszerkezeti átrendeződések voltak – a közös indikátorhalmaz alkalmazása esetén azonban éppen ezeknek a hatása nem mérhető a fejlettségre, hiszen az 1D10- es indikátorok közül ki kellene zárni számos olyat, mely nyilvánvalóan fontos (ipar), mert ezeket 1786-ban nem mérték. 1220–1330 viszonylatában viszont e módszert használtuk, hiszen a 0-1 típusú indikátorok legnagyobb része közös volt, 1330 és a többi időpont esetében azonban egyértelműen használhatatlan az eljárás. 1720–1786 viszonylatában elméletileg hiába járható ez az út (azonos a gazdasági-társadalmi szerkezet), itt a közös változók csekély száma (földnagyság, rétek, polgárok aránya) akadályozza ennek futtatását – mely különben az abszolutizmuskori fejlődés vizsgá- lata szempontjából előnyös lenne. (Ezt csak néhány egytényezős térkép megrajzolásával lehet megtenni, kompozit indikátor kialakítása a kisszámú közös változók alapján nem lehetséges.)

A másik módszer, az összes, adott időmetszetben rendelkezésre álló, előválogatott indikátor felhasználása viszont egyrészt ellentmondott volna a korábbi tanulmányokban alkalmazott módszernek (Pénzes 2014b, 2018), melynek lényege az volt, hogy ha már a változószerkezet (és a fejlettség értelmezése) nem azonos, akkor legalább az adatbázist feldolgozó módszer legyen közös, biztosítva a vizsgálat ko- herenciáját (Papp et al. 2021, Pénzes 2018). Másrészt az összes változó felhasználása kiegyensúlyozatlanságot eredményezett volna, hiszen volt olyan időmetszet, ahol 48, míg másutt csak 8 indikátor állt rendelkezésre. Ahol nagyobb az indikátorszám, ott nagyobb a valószínűsége annak, hogy egymással erős korrelációt mutató jelenségek beemelésével – szándékaink ellenére – súlyozottan veszünk figyelembe egy-egy faktort.

Éppen ezért (az 1220-as és az 1330-as vizsgálattól eltekintve, mivel az első adat- halmazban egyáltalán nem volt folytonos eloszlású változó, a másodikban pedig csak egy ilyen volt) úgy döntöttünk, hogy a különböző időpontokban PCA-nak vetjük alá az adathalmazok előszelektált indikátorait és csak a főkomponensekkel legnagyobb korrelációt mutató indikátorokat tartjuk meg, mint tettük az 1D10 és 2010 közötti vizsgálat esetében, így biztosítva a módszertani koherenciát. Ehhez az indikátorok közül kiszűrtük még az egymást 100%-ra kiegészítő, vagy egymásból számolható, továbbá nem normáleloszlású mutatókat, és dinamikus indikátor is csak egy maradt a statikus, fajlagos és százalékos mutatók között (ugyanis kizártuk a jelentős esetszám-csökkenéssel járó területhasználat-változásra utaló indikátorokat, valamint a népességnövekedés proxyját, mert a népességnövekedés nem feltétlenül a fejlettség ismérve a fiziokratáknál – a korábbi kameralista érveléssel szemben).

A PCA során az 1786-os vizsgálat esetében 0,65-ös Kaiser-Xxxxx-Xxxxx (KMO-) érték18 mellett (e fölé nem tudtunk menni) 7 főkomponens keletkezett. Az első a variancia alig 20%-át, az utolsó kettő pedig 7-7%-át, összesen 72%-át magyarázta – ezért nem is volt értelme egyedül az első komponens kiemelésének, illetve az utolsó komponenssel erős korrelációt mutató indikátorok elhagyásának. A gyakorlatban ez 10 feletti változószám megtartását jelentette. 1720 esetében a PCA 4 csoportba so- rolta a 10 változót, itt szintén kicsi volt a kihulló indikátorok száma, ami arra utal, hogy az eredetileg felvett mutatók között is sok volt az egymástól független változó, ami örvendetes, noha a készítők nem voltak ennek tudatában.

Az 1D10-es vizsgálat esetében ugyanígy jártunk el a rendelkezésre álló nagy számú indikátor szűkítése érdekében (Demeter 2020, Xxxx et al. 2021). 2021 esetében az indikátorszámot erősen korlátozta, hogy az általunk kívánt hierarchi- aszinten nem állt rendelkezésre minden adat publikált formában. Noha az adatok, valamint a területi entitásokat tartalmazó, kódolt, így adatokkal könnyen össze- kapcsolható alaptérképek digitális formában elérhetők voltak, ami nagy könnyebbséget jelentett [4–12], nagy kihívást jelentett a statisztikai hivatalok ada- tainak harmonizációja. (Például a csak alapfokú végzettséggel rendelkezők számából arányuk nehezen számítható, mert az utódállamokban nem azonos életkorban kezdődik az iskolakötelezettség és nem is mindenütt 8 évig tart. Kohorszkorrekció nélkül ez térképen ábrázolva tendenciózus eredményeket ad.) Így, míg 1D10-ből 48 fajlagos változót sikerült kinyerni a GISta Hungarorum adatbázisából, addig 2010-re vonatkozóan az összes utódállamból csak 12 változót találtunk településszinten, alig többet, mint 1720-ban. Az (egyaránt magas KMO és varianciaértékek elérését megcélzó) PCA ezek számát 6-ra szűkítette.

Ezt követően az indikátorértékeket normalizáltuk, majd „irányba állítottuk” és aggregáltuk, így képezve egy kompozit fejlettségi értéket minden egyes település esetében az egyes időmetszetekre. Mivel eltérő mennyiségű indikátor szerepelt az egyes évmetszetekben, így az elvi maximum és minimum, valamint terjedelem is eltért, ezért az összevethetőség kritériumát szem előtt tartva a vizualizálás során decilis értékeket (10 intervallumot 10-10%-os osztályközzel) jelenítettünk meg a térképeken, illetve az időbeli összevetések érdekében a kompozit fejlettségi indikátor értékeit is újraosztályoztuk 0 és 1 között.

18 A PCA megbízhatóságát mutató KMO-Bartlett szfericitási érték 0,7 felett már igen jónak tekinthető.

1. táblázat

Az adott korszakra vonatkozó kompozit fejlettségi mutatók kialakításához felhasznált indikátorok és forrásaik

Indicators and their sources used for creating composite development indicators for a given era

1220 Kompozit adathalmaz (Fejérpataky 1887, Buturac 1D84) – 2200 területi entitása)	1330 Pápai tizedjegyzék (Fejérpataky 1887, Buturac 1D84) – 4200 területi entitás
• 11–12. századi templom, templom körüli temető • Egyházi hierarchia jelenléte • Apátság, prépostság • Lovagrendi ház • Ispánsági vagy egyéb vár • Királyi udvarhely • Igazságszolgáltatási funkció • Vásár, vám, só- vagy vasraktár • Rév, híd • Malom • Zarándokhely • Korai említés (oklevél, elbeszélő forrás) • Idegen népelemek + teljes távolságmátrixból képzett pontszám	• Fizetett tized, sávosan kategorizálva • Plébániák száma hetivásárok, sokadalmak • Egyházi hierarchia jelenléte • Hiteleshely, kategorizálva • Koldulórendi és pálos kolostorok száma • 1340 előtt kapott városi privilégium + korrekciós tényező azoknál a településeknél, ahol több plébánia működött és az általuk fize- tett pápai tized meghaladta a 20 garast
1720 Regnicolaris conscriptio (Acsády 18D6) – 12 000 entitás	1786 Kancelláriai összesítés [13] – D000 entitás; Népszámlálás (KSH 1D60, 1D75) – 12 000 entitás; Lexicon locorum (Illés 1D20, Dányi et al. 1DD4, Fónagy 2013, Vályi 17D6) – D000 entitás
• Jobbágyok aránya • Zsellérek aránya • Polgárok és szabadosok aránya • Egy földművesre jutó szántó • Egy földművesre jutó rét • A telkes jobbágyok arányának változása 1786-ig • Nyomások száma • Föld termékenysége, maghozama	Eredetileg 18 változóból szűrve • Földminőség, 1786 • Kulturális infrastruktúra, 1775 • Telkes jobbágyok aránya, 1786 • Házatlan zsellérek aránya, 1786 • Egy földművesre jutó szőlőterület (kapás) • Egy földművesre jutó szántóföld 1786-ban, hold • Egy parasztra jutó igásnapban kifejezett robot • Összes földművesre jutó adó 1786-ban, forint • Idegenek aránya az összeírtakhoz képest, 1785 • Távollevők aránya az összeírtakhoz képest, 1785 • Egy házra jutó családok száma, 1785 • Piactól való távolság • Polgárok aránya a családokhoz mérve, 1785 • Természetbeni szolgáltatások egy földművesre jutó értéke, 1786

(A táblázat a következő oldalon folytatódik.)

(Folytatás.)

1D10 Magyar Kir. Stat. Hiv. kötetei [6] – 12 500 területi entitás

2010 Nemzeti statisztikai hivatalok kötetei [6], [D–12] – 7D00 entitás

Eredetileg 48 változóból kiszűrve (Papp et al. 2021): • Csecsemőhalálozás átlaga 1D01–1D10 között a teljes halálozás arányában, % • Száz keresőre jutó eltartott száma 1D10-ben, fő • Ipari keresők részesedése a keresők közül 1D10- ben, % • Egy lakosra jutó tiszta települési kataszteri jöve- delem 1D10-ben, korona • Egy lakosra jutó települési bevétel 1D08-ban, korona • Egy lakosra jutó állami teher 1D0D-ben, korona

Eredetileg 12 változóból szűrve (Papp et al. 2021): • A vándorlási különbözet 2001–2011 közötti átlagos értéke ezer lakosra vetítve, fő • A halálozások 2001–2011 közötti átlagos értéke ezer lakosra vetítve, darab • A maximum általános iskolai végzettséggel ren- delkezők aránya a 7 éves és idősebb népesség körében, % • A diplomával rendelkezők aránya a teljes népes- ségen belül, % • Regisztrált munkanélküliek aránya a teljes népes- ségen belül, % • Egy lakosra jutó bruttó jövedelem 2010-ben, forintra átszámítva

a) Az 1220 körüli állapotra vonatkozó adatok között nincs folytonos változó, és az adatok többsége numeriku- san csak 0 vagy 1 értéket vehet fel. Az ezekből képzett összpontszám a távolságmátrixszal kombinálva olyan vizuali- zációt eredményezett, amely történetileg is jól értelmezhető, de az 1330-asnál lényegesen elnagyoltabb.

A vizualizációhoz és a számítások végrehajtásához az ArcMap 10.4 és a Quan- tum GIS 3.10 térinformatikai szoftvereket, valamint az IBM SPSS 24 és Excel prog- ramokat használtuk. A szoftveres adatvizualizáció során az NKFI-támogatással készült új, 1:144 000-es léptékű, 1D12-es állapotra vonatkozó „shape file-t”1D és an- nak az 1785-ös közigazgatási állapotokra módosított változatát alkalmaztuk. Az 1720-as településállományt szintén ezen ábrázoltuk. A középkorra viszont még közelítő településhatárokkal sem rendelkeztünk, így ott az adatvizualizáció pont típusú entitások alapján történt. A 2010-es adatvizualizációt a GISCO „shape-file- jának” a többivel azonos vetületbe transzformált (EPSG 3857), a történeti Magyar- ország területére csonkolt-aggregált „shape-file-ján” készítettük el.

Míg a kompozit index előállítása módszertani oldalról szubjektív döntéseket igé- nyel,20 az adminisztratív változások okozta, a különbségtérképek előállításánál je- lentkező probléma viszont megoldható a térinformatikai támogatással kivitelezett térparaméteres vizsgálatok segítségével. Ide tartozik a mozgóátlag-számítás, az in- terpolált felületmodellezés (Szilágyi 2022),21 vagy a rácsháló segítségével történő aggregálás (Jakobi 2015). Választásunk a rácsháló (grid) alkalmazására esett, mivel a

1D Az alaptérképet az NKFI 132723, „Négyzetkataszter”: A magyarországi kataszteri felmérés térkép- és irat- anyagának katasztere, 1850–1D18 c., Reisz T. Xxxxx vezette projekt keretében Xxxxxx Xxxxx készítette.

20 A Demeter–Xxxxxxxxxx (2018) kötetben a GISta Hungarorum adatbázisát éppen ezért eltérő szelekciós mód- szerrel és statisztikai apparátussal dolgozta fel korábbi vizsgálataink során négy szerző (Szilágyi 2018b, Demeter 2018, Pénzes 2018, Jakobi 2018), megalapozott következtetések levonása érdekében. Továbblépést jelenthet a SEM alkalma- zása, mely a változók közötti kapcsolatot ok-okozati viszonyként értelmezve történeti modellben gondolkodik.

21 Akár különbség is ábrázolható így. A kísérletezések során Xxxxxxxx az interpolált felületek egymásra helyezése helyett a mögöttük lévő adattáblában végezte el a műveletet (esetében a különbségképzést), majd a kapott különb- ségértékeket vizualizálta interpolált felületmodellen.

vizsgált területre egységes rácsméretű modell illesztésével eltüntethetők a terület egyik vagy másik részén – az adminisztratív térfelosztás és az adatsűrűség differenci- áiból adódó – részletezettségbeli különbségek, miközben az egyes időmetszetek rácshálói egymást tökéletesen fedve lehetővé teszik az összehasonlítást (Jakobi 2015). A rácsmodellek másik fontos jellemzője (a területegységek homogenizációja mellett),22 hogy raszteres jellegűek, így raszteres elemzési technikák is elvégezhetők rajtuk, amellett, hogy megtartják vektoros adattárolási formájukat (1. ábra). Ez a tulajdonság számos új lehetőséget kínál a társadalom és a gazdaság kutatói számára. Bár ezek lehetőségeit a nemzetközi (EUROSTAT) és a hazai statisztika is felismerte, de általánosan még nem terjedt el.

1. ábra

X

X=0,7+1,5+0,2+0,3+0,4+0,1

A=8

B=5

C=9

E=11

D=3

X

A súlyozott rácshálós generalizálás módszere pont, vonal és poligon típusú adatvizualizáció esetén The weighted grid generalization method for point, line and polygon data visualization

4	1	4
1	4	5
1	1	6

2,2	2,0	1,0
2,0	3,0	4,5
0,0	2,8	3,2

1,6	4,5	2,0
2,0	13,5	5,4
0,5	3,3	3,3

X=8x0,2+5x0,15+9x1,0+3x0,15+11x0,15

22 A rácsháló vizualizációs technikaként pedig, egyenlő méretű celláival véd a zavaró optikai torzulásoktól.

A rácsméret kiválasztása során Xxxxxx (2015) még elegendőnek vélte egy 10×10 kilométeres rácsháló alkalmazását Magyarország esetében, és Papp et al. (2021) szin- tén ezt a rácssűrűséget használta, amely az 1D10-es és 2010-es fejlettségi állapotok összevetésével mutatta meg a módszer működőképességét. Xxxxxxxx et al. (2020) előzetes cellaméret-optimalizálást alkalmazott e vizualizációs módszer során. Nem előre meghatározott négyzetmérettel fedte le a vizsgálati területeket, hanem képletek segítségével az illeszkedés fokát (degree of fit) és a hierarchia fokát (degree of hierarchy) számolta ki, amit a négyzetek és a településhatárok összevetésének (hány százalék- ban fedik egymást) kétféle lehetőségével kombinált (municipalities-to-grid, grid-to- municipalities). A két paraméter értékét az 1×1 kilométeres cellamérettől egészen a 10×10 kilométeres cellaméretig, kilométerenként kiszámolta (2. ábra). Az eredmé- nyül kapott ábrán, a feltüntetett hierarchia fokértékek vonalának és az illeszkedési fokértékek vonalának keresztezése jelöli ki az ideális rácsháló méretét. Az elemzés eredményeként, a közép-európai térség településhálózatát figyelembe véve, egy 6 kilométeres optimális rácshálóméret mutatkozott meg az összesítő ábrán, míg a történeti Magyarország területén több időmetszetben futtatott vizsgálataink ered- ményeként az ideális rácsméret 5-6 kilométer között ingadozott, ami a középkor esetében – az azonosítatlan települések száma és az adatsorok hiányosságai miatt 10 kilométerre romlott. A szűken értelmezett (1D10-es, Horvátország nélküli) törté- nelmi Magyarország határaira illesztett rácsháló 10x10 kilométeres felbontásban összesen 62DD cellát tett ki (5x5 kilométer esetén ennek közel négyszeresét), amelyek száma a történeti Magyarország településeinek megközelítően fele, a 2010-es köz- igazgatási egységek számának mintegy 80%-át tette ki.

2. ábra

A rácshálós transzformáció logikai modellje és a rácsháló optimális méretét meghatározó illeszkedési görbék metszéspontjai az 1910-es vizsgálatok esetében

The logical model of the grid transformation and the intersection points of the fitting curves determining the optimal grid size of the grid for the 1910 tests

% 100

80

60

40

20

0

10 D 8 7 6 5 4 3 2 1

kilométer

Hierarchia foka (g–>m) Illeszkedés foka (g–>m)

Hierarchia foka (m–>g) Illeszkedés foka (m–>g)

A rácshálós módszer alkalmazása során a szabálytalan területű poligonok egy cel- lába eső részeit terület- és lélekszámarányosan, az indikátorértékkel súlyozva (1. ábra) aggregálják egy-egy négyzet alakú cellában (egy-egy cellába több poligonból is kerülhet rész, egy poligon több cellába is átlóghat). A kettős súlyozás következtében a módszer eltér a felületmodellezésnél alkalmazott interpolációs technikáktól, de eltér a 20. század elején alkalmazott 1 cella = 1 járás (a területi kép torzulásával járó) ábrázolási technikától is (Balogh 1D02),23 és felbontása miatt pontosabb a Szilágyi (2018b) által kifejlesztett Excel-alapú rácshálónál, ahol egy mezőbe átlagosan 10 település esett.

A 18. század, 1D10 és 2010 esetében az aktuális közigazgatási beosztás térképét

„grideltük”, azaz a poligonokhoz rendelt adatokat rácshálóssá alakítottuk. A közép- korban az azonosított területi entitások viszonylag kis száma (4400 körül), valamint területi kiterjedésük ismeretlensége miatt a pontok „gridelése” nagyon sok üres cellát eredményezett volna, ezért Voronoi-poligonokkal közelítettük az ismeretlen telepü- léshatárokat, e módszer teljes területi lefedést biztosított, és összehasonlíthatóvá tette a középkori rácshálót a későbbiekkel.

A különbségtérképek előállítása során a rácshálóra transzformált és a fejlettség csökkenő értékeinek megfelelően 1-től 10-ig decilisekbe rangsorolt fejlettségi indiká- torértékek különbségét képeztük. Ily módon a fejlettség változását és annak dinami- káját a rangszámok módosulásával tudtuk kifejezni egy maximum 20 intervallumot tartalmazó skálán. Ahol az egyik bemeneti térképen adathiány szerepelt, ott a kü- lönbségtérképen is adathiánnyal találkoztunk, még akkor is, ha a másik bemeneti térképen az adott cellának volt értéke (az így keletkezett különbségérték azonban nem a valós állapotokat tükrözné).

1780 táján Erdélyre nem rendelkeztünk egységes adatszerkezetű adathalmazzal. Így, amikor Erdéllyel (1750 és 1D10 összevetése) vagy Erdély nélkül számított or- szágra készítettünk külön térképet (például 1D10 és 1786 összehasonlítása esetében), akkor a teljes országterületről leválasztottuk Erdély területét, és a komplex fejlettségi értékek alapján újraskáláztuk a decilis beosztást, mindkét részterületre (hiszen nem szükségszerű, hogy ami magyarországi viszonylatban a 3. decilisbe kerül, az erdélyi viszonylatban – 2500 település esetében – is a 3. decilisbe tartozzon). A folytonos eloszlású gazdasági jellegű indikátort nem tartalmazó és inkább településhierarchiát, mintsem fejlettséget tükröző évmetszetet (1500) mind a kompozit fejlettség mérésé- ből, mind a különbségtérképek képzéséből kirekesztettük, eltérő adatszerkezetük miatt.

23 xxxxx://xxxx.xxxxxxxxxxx.xx/xx/XXXXxxxxxxxx/000X/xxxx/?xxx0&xxxxx-0000%0X- 8154%2C12843%2C-2DD

Diszkusszió: A területi egyenlőtlenségek mértékének változá- sa, 1220–2010

Az ismertetett módszerrel készített állapot- és különbségtérképek csak a perifériák területi mintázatának, valamint a változások dinamikájának vizsgálatát teszik lehető- vé, de arra nem utalnak, hogy vajon nőttek-, vagy csökkentek-e az egyenlőtlenségek országosan az idők múlásával. A területi egyenlőtlenség csökkenése jó érv lehetne bármelyik társadalmi rend, politikai rendszer (újra)értékelése szempontjából (ha már a GDP növekedése nem mérhető hosszú távon). Az utódállamok történészei számá- ra legitimációs érv lehet Trianon és a multicentrikus-decentralizált hatalmi szerkeze- tek mellett, a dualizmus korát kutatók számára érv a Habsburg Monarchia mint európai gazdasági integráció hasznossága mellett. A 18. század kutatói számára pe- dig megmutathatná, hogy a török kiűzése utáni országrekonstrukció, a birodalmi centralizmus és felvilágosult abszolutizmus volt-e sikeresebb, vagy a polgári társada- lom dualista államrendje; az újjászervezés alatt álló állam mutatott-e kisebb belső különbségeket, esetleg a középkori államban voltak-e kisebbek az egyenlőtlenségek?

A vizsgálathoz azonos terjedelemre kellett hozni a kompozit fejlettségi értékeket a különböző korokból, hiszen ezek eltérő mennyiségű (normalizált és aggregált) indikátort tartalmaztak, így az elvi maximum- és minimumérték minden időmetszet- ben más volt. Miután 0-1 közötti intervallumba transzformáltuk az értékeket, min- den időmetszetre kiszámoltuk a településállomány legfejlettebb 20%-ának és legfej- letlenebb 20%-ának átlagos fejlettségi értékét, továbbá a kettő különbségét, mint a társadalmi olló nyílását jelző mutatót, valamint a teljes csoportátlagot. A középkort az 1220-as adatbázis eltérő jellege miatt (központi funkcióra utaló, nem folytonos eloszlású adatok) külön ábrázoltuk.

Az eredmények történész szemmel nézve némi meglepetést okoztak, ugyanakkor megerősítik, de történeti távlatban is kiterjesztik a Williamson-hipotézist (Xxxxx- xxxxx 1D65, Magyarországra: Xxxxx Xxxx 2005, 2006, Czirfusz 2007, Németh– Kiss 2007, Xxxxxx 2011, Pénzes et al. 2018, Egri 2020), miszerint a gazdasági fejlő- dés beindulásával az egyenlőtlenségek először növekednek (térben és társadalomban egyaránt), majd később (a 20. században a globalizáció elmélyülésével) csökkennek. A 3. ábra alapján az országrekonstrukció (1720–1786) során a különbségek nőttek, megfelelve Xxxxxxxxxx 20. századi adatokon alapuló feltételezésének,24 majd a 1D. században stagnálnak, végül 1D10 és 2010 között – a határváltozások, decentralizá- ció, gazdasági újrastruktúrálódás ellenére – konvergencia játszódik le, ami szintén alátámasztja Xxxxxxxxxx elméletét. A 3. ábra középkori része sem mond ellent eddigi tudásunknak (és a Williamson-hipotézisnek sem), mivel éppen 1220 és 1330 közé esik a tatárjárás utáni időszak gazdasági fellendülése, sőt, részben az Anjou-koré is.25

24 Globalizációról vagy áruk, személyek és tőke szabad mozgásáról ekkor nyilván nem beszélhetünk, ellenben az ország gazdasági integrációjáról a Habsburg Monarchiába igen (1754-es vámtörvények).

25 És ekkor is divergencia figyelhető meg.

A Williamson-hipotézis vizsgálata tehát nemcsak a globalizációhoz (vagy az ún. 1D. századi első globalizációhoz) köthető folyamatok esetében lehet érdekes, de a jelen- ség történeti távlatokban is értelmezhető.

3. ábra

A legfejlettebb és a legelmaradottabb 20% átlagos fejlettsége, a kettő különb- sége és a teljes halmaz legfejlettebb településtől való eltérése (átlag)

Changes in national development conditions over time based on the average development of the most developed as well as the most underdeveloped 20%, difference between the two and the deviation (average) of the entire set from the most developed settlement

0,D

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0

1220 1330 1720 1786a) 1D10 2010

Felső 20% Alsó 20% Xxxxx Xxxxxxxxx

a) Erdély nélkül.

Megjegyzés: Az eltérő módszer miatt a középkori viszonyok külön ábrázolva.

Részletesen megvizsgálva, 1D10–2010 között például javult az alsó 20% helyzete, ellenben a felső 20% átlagos fejlettsége csökkent, így a köztük lévő különbség is. Azaz, Trianon után (legalábbis az utóbbi évtizedekben) valóban csökkentek a kü- lönbségek a településállományon belül, igaz, ez nem járt az átlagos fejlettségi szint javulásával. Az azonban nem dönthető el (a 2010-es időpont miatt), hogy ez meny- nyiben következménye az 1DD0 után egységesülő, globalizálódó gazdasági térnek és mennyiben a politikai széttagoltságnak, decentralizációnak. (Az európai uniós integ- ráció közvetlen hatását a tagfelvétel közeli időpontja miatt kizárhatjuk.) A település- állomány normalizált fejlettségének átlagos értéke, miként 1D10–2010 között, úgy 1786–1D10 között sem javult, mert a távolság a legszegényebb és legfejlettebb 20% között nem csökkent, a periferikus települések elmaradottsága nőtt. Igaz, a legfejlet- tebbek fejlettségi szintje sem emelkedett tovább. (Bár az 1786-os adatsor erdélyi

településeket nem tartalmazott, de még az azonos területre vonatkozó 1720-as és 1D10-es helyzet viszonylatában is igaz a legelmaradottabb 20% helyzetének további romlása, sőt, még a településállomány felső 20%-a és alsó 20%-a közötti különbség is nőtt.) Az országrekonstrukció során, 1720–1786 között a legfejletlenebb csoport fejlettségi szintje csökkent, míg a fejlettek helyzete az 1720-ban mértekhez képest javult. Az 1330-as adatok jellege miatt az eredmények korlátozottan összehasonlítha- tók, de úgy tűnik a legfejlettebb települések átlagos fejlettségi szintje nem volt rosz- szabb a későbbi korokban mértnél, ellenben a periferikus 20% normalizált fejlettségi értékei ettől nagyon távol voltak. Ennek részben adathiány is az oka, részben azon- ban az, hogy ezek nagyrészt frissen benépesített, alacsony népsűrűségű területek vagy határzónák, olykor a tatárjárás pusztítását még ki sem heverő térségek voltak, tehát egy korábbi kataklizma hatását tükrözték, nem a szerves fejlődését, hanem egy cezúráét. A 3. ábra alapján a települések átlagos fejlettsége is rosszabb volt a 18. századinál, amit azonban még majd árnyalhat az 1500 körüli állapot elemzése.

A tanulmány második részében az ismertetett módszerek alapján az eddig rövi- den bemutatott egyenlőtlenségek regionális mintázatát és azok változását elemezzük.

Köszönetnyilvánítás

A tanulmány az MTA BTK Lendület „Tíz Generáció” Kutatócsoport keretén belül készült. Xxxxxx Xxxxx kutatásait a Magyar Tudományos Akadémia Xxxxxx Xxxxx Kutatási Ösztöndíja támogatta.

IRODALOM

XXXXXXXX, D.–XXXXXXXX, J. A. (2013): Miért buknak el nemzetek? A hatalom, a jólét és a sze- génység eredete HVG Könyvek, Budapest.

XXXXXX, X. (1D06): A magyar jobbágyság története Politzer, Budapest.

XXXXXX, X. (1D02): A népfajok Magyarországon M. Kir. Vallás- és Közoktatásügyi Ministerium, Budapest.

XXX, X. X. (2020): A magyar városhálózat hierarchiája és térszerkezete a két világháború között. In: KÖVÉR, GY.–XXXXXX, X.–XXXXX, B. (szerk.): Magyar Gazdaságtörténeti Évkönyv, 2020 Hálózat és Hierarchia. pp. D3–146., Bölcsészettudományi Kutató- központ – Xxxxxx Xxxxxx Alapítvány, Budapest.

XXXXXXXX, X. (1DD0a): Magyarország városhálózata 1D00-ban. In: XXXX, X. (szerk.): Tér–idő– társadalom. Huszonegy tanulmány Xxxxxx Xxxxxxxxx pp. D2–133., MTA Regionális Ku- tatások Központja, Pécs.

XXXXXXXX, X. (1DD0b): A polgárosodás törékeny váza – városhálózatunk a századfordulón. (Városhierarchia–vázlat, tényképekkel) Tér és Társadalom (6) (3–4): 13–56. xxxxx://xxx.xxx/00.0000X/XXX.0.0-0.000

XXXXXXX, X. (1D58): Az erdélyi jobbágyság gazdasági helyzete a 18. században MTA TTI, Budapest. XXXXXXXXXX, X. (1806): De conditione et indole rusticorum in Hungaria Lőcse.

XXXXXXX, X. (2003): Franciaország identitása I. Helikon, Budapest.

XXXXXXXX, M.–XXXXX, P.–XXXXXXXXXXX, X.–XXXXXXXX, M.–XXXX, N. (201D): Urbanizati-

on and GDP per capita: New data and results for the Polish lands, 17D0–1D10 Historical Methods: A flournal of Quantitative and Interdisciplinary History 52 (4): 212–227. xxxxx://xxx.xxx/00.0000/00000000.000X.0000000

XXXXXXX, X. (1D84): Popis župa zagrebačke biskupie 1334. i 1501. godine Starine 5D: 43–108. CLOUT, D. H. (1D83, 2018): The Land of France 1815–1914 Routledge Library Editions: Rural

History 3. Allen and Unwin, London.

XXXXXX, P-P.–XXXXXXXXXX, M.–THISSE, J-F.–XXXXXXX, J-C. (2011): The rise and fall of

spatial inequalities in France: A long-run perspective Explorations in Economic His- tory 48 (2): 243–271. xxxxx://xxx.xxx/00.0000/x.xxx.0000.00.000

XXXXXXXX, X. (2007): Struktúrák regionális egyenlőtlenségei Tér és Társadalom 21 (1): 6D–83. xxxxx://xxx.xxx/00.0000X/XXX.00.0.00X0

XX XXXXX, S. A. (2017): Regional inequalities in Brazil: Divergent readings on their origin and public policy design EchoGéo 41. xxxxx://xxx.xxx/00.0000/xxxxxxx.00000

XXXXX, X. (1D62): A történeti demográfia tárgya és módszerei. In: Történeti Statisztikai Év- könyv 19G1–19G2 pp. 5–21., Központi Statisztikai Hivatal, Budapest.

XXXXX, X. (1D57): Az 1715–1720. évi összeírás. In: XXXXXXXXX, X. (szerk.): A történeti statiszti- ka forrásai pp. 145–1DD., Közgazdasági és Jogi Kiadó, Budapest.

XXXXXXX, X. (2018): Perifériák és fejlett régiók a történeti Magyarországon (18D0–1D10). In: XXXXXXX, X.–XXXXXXXXXX, X. (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések pp. 145–1D4., Magyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társada- lomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen.

XXXXXXX, X. (2020): Estimating regional inequalities in the Carpathian Basin – Historical origins and recent outcomes (1880–2010) Regional Statistics 10 (1): 23–5D. xxxxx://xxx.xxx/00.000X0/XX000000

XXXXXXX, X. (2023): Területi egyenlőtlenségek a történeti Magyarország területén a reform- kor előtt (1775–1786). In: Magyar Gazdaságtörténeti Évkönyv 6 (2022) pp. 143–188., MTA Gazdaságtörténeti Bizottsága, Budapest.

XXXXXXX, G.–XXXXX, GY. (2022): Regionális különbségek Erdélyben az 1750-es összeírás alapján Erdélyi Múzeum 84 (1): 101–121. xxxxx://xxx.xxx/00.00000/xx-0000-0-X

XXXXXXX, G.–XXXXXX, X. (2022): Életminőség és jövedelem: társadalmi–gazdasági– demográfiai viszonyok a nagybirtokon és a kisbirtokon 1D00–1D40 között és kapcsolatuk a 2000 utáni periferizációs folyamatokkal. In: XXXXXXX, X. (szerk.): Holdfogyatkozás. Agrár- és társadalomtörténeti tanulmányok pp. 126–147., Bölcsészet- tudományi Kutatóközpont, Budapest–Debrecen.

XXXXXXX, G.–XXXXXXXX, A.–XXXX, Z. (2021): Földminőség, nemesi érdekérvényesítés, jöve- delmezőség a Tiszántúl déli részén a 18–1D. században Századok 155 (2): 285–316.

XXXXXXX, X.–XXXXXXXXXX, J. (szerk.) (2018): Területi egyenlőtlenségek nyomában a történeti Ma- gyarországon MTA BTK, Budapest–Debrecen.

XXXXXXX, X.–XXXX, X. (2022): A mezőgazdasági termelés és a társadalmi–gazdasági jellem- zők kapcsolata a természetföldrajzi adottságokkal (1786–1D10). In: XXXXXXX, X. (szerk.): Holdfogyatkozás. Agrár- és társadalomtörténeti tanulmányok pp. 148–160., Böl- csészettudományi Kutatóközpont, Budapest–Debrecen.

XXXXXXX, X. (2004): Economic development and regional disparities in France. In: XXXX, X.–XXXXXX, X. (eds.): Employment and regional development policy: Market efficiency ver- sus policy intervention pp. 50–67., Verlag der ARL - Akademie für Raumforschung und Landesplanung, Hannover.

XXXXXXX, X. (1D22): A bécsi udvar gazdasági politikája Magyarországon Xxxxx Xxxxxxx korában

Budapest.

XXXX, X. (2020): A területi jövedelemegyenlőtlenségek változása Békés megyében, 1D88– 2017 Területi Statisztika 60 (4): 477–512. xxxxx://xxx.xxx/00.000X0/XX000000

XXXXXX, X. (1DD6): Gondolatok az 1715–20. évi országos adóösszeírás népesség és társada- lomtörténeti célú felhasználásáról. In: VISI XXXXXXX, M. (szerk.): Tanulmányok Xxxxx Xxxxx 75. születésnapjára pp. 100–123., Központi Statisztikai Hivatal Könyv- tár és Dokumentációs Szolgálat, Budapest.

F. XXXXXXXX, X. (2000): Kolostorok és társaskáptalanok a középkori Magyarországon Budapest.

F. XXXXXXXX, X. (2015): Kolostorhálózat – településhálózat – népesség Történelmi Szemle

57 (1): 1–4D.

F. XXXXXXXX, X. (201D): A középkori magyar plébániák és a 14. századi pápai tizedjegyzék

Történelmi Szemle 61 (3): 33D–360.

F. XXXXXXXX, X. (2022): Plébániák és adóporták: a Magyar Királyság változásai a 13–14. század fordulóján Századok 158 (5): D07–D3D.

F. XXXXXXXX, X.–XXXXXXXX, ZS.–XXXXXXX, G. (2022): A Magyar Királyság regionális kü- lönbségei a pápai tizedjegyzék készülésének idején. In: Magyar Gazdaságtörténeti Évkönyv G (2022) pp. 17–52., MTA Gazdaságtörténeti Bizottsága, Budapest.

XXXXXX, X. (1D72): Koldulórendek és városifejlődés Magyarországon Századok 106 (1): 6D–D5. XXX, X. (2008): The golden age of local banking: The Hungarian banking network in the early 20th century (from unit banking to branch banking – A financial geographical view).

xxxx://xx.xxx.xxx/00.000X/xxxx.0000000

XXXXX, X. (2010): A birtokviszonyok hatása Magyarország gabonamérlegére a 1D. század első felében. In: XXXX, X. xx al. (szerk.): Eszmék, forradalmak, háborúk. Xxxxxx Xxxxxx 80 éves pp. 1DD–214., ELTE, Budapest.

GOOD, D. F. (1DD8): Revised estimates of GDP per capita in Central and Eastern Europe, 1870–1910 Technical notes and tables, Kézirat.

XXXXXXX, GY. (1D67–1D88): Az Árpád-kori Magyarország történeti földrajza 1–4. Akadémiai Kiadó, Budapest.

XXXXX, X.–MIKLE, GY. (2017): A fejlettség területi különbségeinek változása Magyarorszá- gon, 1D10–2011 Tér és Társadalom 31 (3): 143–165. xxxxx://xxx.xxx/00.0000X/XXX.00.0.0000

XXXXXX, X. (2011): A Williamson-hipotézis. Egy koncepció tartalma, kritikája és utóélete Tér és Társadalom 25 (2): 3–28. xxxxx://xxx.xxx/00.0000X/XXX.00.0.0000

XXXXXX, X. (2015): A grid: aggregált és dezaggregált rácsmodellek a területi egyenlőtlenségek vizsgálatában Területi Statisztika 55 (4): 322–338.

XXXXXX, X. (2018): A térbeli elhelyezkedés differenciáló szerepe a 20. század eleji Magyaror- szágon. In: XXXXXXX, X.–XXXXXXXXXX, X. (szerk.): Területi egyenlőtlenségek nyomá- ban a történeti Magyarországon. Módszerek és megközelítések pp. 117–144., Magyar Tu- dományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen.

XXXXX, XX. (1868): Nemzetgazdasági eszmék fejlődési története és befolyása a közviszonyokra Magyar- országon Heckenast, Pest.

XXXXXXX, X. (1D71): A középkori magyarországi városhálózat hierarchikus térbeli rendjének kérdéséhez. In: KERESZTÉLY, GY. (szerk.): Településtudományi Közlemények (23) pp. 58–78., Budapest.

XXXXXXX, X. (2004): Városhálózat a késő középkori Kárpát-medencében Történelmi Szemle

46 (1–2): 1–30.

XXXXXXXX, X. (2001): The world economy A millennial perspective Paris, OECD.

XXXXX, XX.–XXXXXXX, X. (2023): Területi egyenlőtlenségek a történeti Magyarország terü- letén a török kor után (1715–1720). In: Magyar Gazdaságtörténeti Évkönyv 6 (2022) pp. 85–127., MTA Gazdaságtörténeti Bizottsága, Budapest.

MILANOVIC, B.–H. XXXXXXX, X.–G. XXXXXXXXXX, X. (2007): Measuring Ancient Inequality Working Paper 13550. National Bureau of Economic Research, Cambridge, MA. xxxx://xxx.xxxx.xxx/xxxxxx/x00000

XXXX, X. (2017): Regional Structure of the Hungarian Agriculture at the Beginning of the 20th Century

L'Harmattan, Budapest.

XXXXX XXXX, X. (2005): Fordulatra várva – a regionális egyenlőtlenségek hullámai. In: XX- XXXXX, Z.–XXXXXXXXXX, F. (szerk.): A földrajz dimenziói pp. 141–158., MTA FKI, Budapest.

NEMES-XXXX, X. (2006): Regional inequalities: general models and the case of the transition countries Romanian Review of Regional Studies 2 (1): 23–34.

XXXXXX, N.–KISS, J. P. (2007): Megyéink és kistérségeink belső jövedelmi tagoltsága Területi Statisztika 47 (1): 20–45.

XXXXXXXX, P.–NOSEK, N.–XXXXXXXX, P. (2020): Using Areal Interpolation to Deal with Differing Regional Structures in International Research International flournal of Geo- Information D (126): 1–14. xxxxx://xxx.xxx/00.00X0/xxxxX000000

XXXXXXX, X. (201D): Registrum Proventuum Regni Hungariae – A Magyar Királyság kincstartójának számadáskönyve (1494–1495) Bölcsészettudományi Kutatóközpont, Budapest.

XXXXXXX, X. (2014): Sáros megye egyházas települései a 14. század elején. In: XXXXXX, X.– XXXXXX, X.–XXXXXX, X. (szerk.): Arcana tabularii. Tanulmányok Xxxxxxxx Xxxxxx tiszteletére pp. 415–428., Budapest–Debrecen.

ŐRI, P. (2003): A demográfiai viselkedés mintái a 18. században. Lélekösszeírások Pest me- gyében, 1774–1783 KSH NKI Kutatási flelentések 75. KSH, Budapest.

XXXX, X.–XXXXXX, J.–XXXXXXX, X. (2021): A közlekedési hálózatok és a komplex területi fejlettség időbeli összehasonlító vizsgálata a történelmi Magyarország példáján Területi Statisztika 61 (4): 445–465. xxxxx://xxx.xxx/00.000X0/XX000000

PÉNZES, J. (2014a): Periferikus térségek lehatárolása Magyarországon. módszertani és területi sajátosságok. In: XXXX, X.–XXXX, X. (szerk.): Polarizáció–Függőség–Krízis – Eltérő térbeli válaszok pp. 163–175., MTA KRTK RKI, Békéscsaba.

XXXXXX, X. (2014b): Periférikus térségek lehatárolása – dilemmák és lehetőségek Didakt Kiadó, Deb- recen.

XXXXXX, X. (2018): Fejlettségi különbségek és centrum-periféria viszonyok a történelmi Ma- gyarországon. Összehasonlító módszertani vizsgálat. In: XXXXXXX, X.– XXXXXXXXXX, X. (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések pp. 85–116., Magyar Tudományos Akadémia Bölcsé-

szettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Terü- letfejlesztési Tanszék, Budapest–Debrecen.

XXXXXX, X. (2020): The impact of the Trianon Peace Treaty on the border zones – an at- tempt to analyse the historic territorial development pattern and its changes in Hungary Regional Statistics 10 (1): 60–81. xxxxx://xxx.xxx/00.000X0/XX000000

XXXXXX, X.–XXXX, X. X.–XXXX, A.–APÁTI, N. (2018): Térségi sokszínűség és stabilitás: az iskolázottság települési szintű egyenlőtlenségeinek változása Magyarországon 1DD0–2011 között Területi Statisztika 58 (6): 567–5D4. xxxxx://xxx.xxx/00.000X0/XX000000

XXXXX, X. (1D83, 2018): The modernization of rural France. Communications networks and agricultural market structures in nineteenth-century France Routledge Library Editi- ons: Rural History 13. Hutchinson and Co. 503.

XXXX, X. (2017): Historical perspectives on regional income inequality in Brazil, 1872–2000. In: XXXXXXX, X.–XXXXXXXXXX, X. (eds.): Has Latin American Inequality Changed Di- rection? pp. 143–170., Xxxxxxxx, Xxxx. xxxxx://xxx.xxx/00.0000/X00-0-00X-00000- D_7

XXXXXXXX, X. (1DD1): Regional Inequality in France: Persistence and Change Geography 76 (4): 343–357.

XXXXXXXXX, X. (2014): Inquiries or statistics? Agricultural surveys and methodological considerations in the nineteenth century. In: XXXXXX, X. (ed.): Golden Age of the State Enquiries. Rural Enquiries in the Nineteenth Century. Rural History in Europe 14 pp. 43–5D., BREPOLS, Turnhout.

XXXXXXXX, X. (2012): A hiteleshelyek számának alakulása a 14–15. században. In: XXXX, X.– XXXXXXX, B.–VADAS, A. (szerk.): Tiszteletkör. Történeti tanulmányok Xxxxxxxxx Xxxxxx egyetemi tanár G0. születésnapjára pp. 545–560., Eötvös Kiadó, Budapest.

XXXX, X. (1D41): Az úrbéri birtokrendezések eredményei Sopron megyében Székely és Tsa., Sopron. XXXXXXX, X. (2014): Magyarország felmérése és leírása II. Xxxxxx korában Catastrum 1 (3): 2–18. XXXXXX, X. (2011): A magyar városok kiváltságolásának kezdetei. In: BÁRÁNY, A–PAPP, K.–

XXXXXXX, X. (szerk.) Debrecen város G50 éves. Várostörténeti tanulmányok pp. 32–56., Speculum Historiæ Debreceniense, 7. Debrecen Megyei Jogú Város Önkor- mányzata, Debreceni Egyetem Történelmi Intézete, Debrecen.

XXXXXX, X. (2017): Nundinae seu forum annuale. Sokadalomtartási engedélyek Xxxx Xxxxx várospolitikájában. In: XXXXX, X.–XXXXX, B. (szerk.) Xxxxxxx, adó, jog. Gazdaságtör- téneti tanulmányok a magyar középkorról pp. 231–262., MTA BTK TTI Lendület Középkori Magyar Gazdaságtörténet Kutatócsoport, Budapest,

SZILÁGYI, ZS. (2018a): Az életminőség területi különbségeinek változása a 20. század első harmadában Magyarországon. In: XXXXXXX, X.–XXXXXXXXXX, X. (szerk.): Területi egyenlőtlenségek nyomában a történeti Magyarországon. Módszerek és megközelítések pp. 255–334., Magyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Buda- pest–Debrecen.

SZILÁGYI, ZS. (2018b): A Kárpát-medence fejlettségi membránja (1D10). A fogalomalkotás és a vizualizálás egy lehetséges módszertani megoldása, az eredmények kontextu- alizálási kísérlete. In: XXXXXXX, X.–XXXXXXXXXX, J. (szerk.): Területi egyenlőtlensé- gek nyomában a történeti Magyarországon. Módszerek és megközelítések pp. 47–84., Ma-

gyar Tudományos Akadémia Bölcsészettudományi Kutatóközpont, Debreceni Egyetem Társadalomföldrajzi és Területfejlesztési Tanszék, Budapest–Debrecen.

SZILÁGYI, ZS. (201D): Regional Differences in Development and Quality of Life in Hungary during the First Third of the Twentieth Century Hungarian Historical Review 8 (1): 121–152.

SZILÁGYI, ZS. (2022): Az ismeretlen Alföld. A táj területi egyenlőtlenségei a 20. század elején Bölcsé- szettudományi Kutatóközpont, Budapest.

XXXXXXXX, X. (1D38): Magyarország népessége II. flózsef korában MTA, Budapest.

XXXXXXXXX, ZS. (1D57): Erdélyi összeírások. In: XXXXXXXXX, J. (szerk.): A történeti statisztika forrásai Közgazdasági és Jogi Kiadó, Budapest.

XXX XXXXXXX, X.–XXXXXXXX, X. (2008): How much human capital does Eastern Europe have? Measurement methods and results Post-Communist Economies 20 (2): 18D–201. xxxxx://xxx.xxx/00.0000/00000000000000X00

XXXXXX, X. (2014): The Age of monumental investigations. In: VIVIER, N. (ed) Golden Age of the State Enquiries. Rural Enquiries in the Nineteenth Century. Rural History in Europe

14. pp. 11–42., BREPOLS, Turnhout.

XXXXX, X. (2012): Vásárok és lerakatok a középkori magyar királyságban Budapest.

XXXXXXXXXX, X. X. (1D65): Regional inequality and the process of national development: a description of the patterns Economic Development and Cultural Change 13 (4): 3–84. xxxxx://xxx.xxx/00.0000/000000

XXXXXXXXXX, X.–XXXXXX, X. (18D2): Urkundenbuch zur Geschichte der Deutschen in Siebenbür- gen 1. kiad. Hermannstadt.

FORRÁSOK, ADATTÁRAK

XXXXXX, X. (18D6): Magyarország népessége a pragmatica sanctio korában 1720–21 Statisztikai Hiva- tal, Budapest.

DÁNYI, D.–XXXXXX, X.–XXXXXX, X. (1DD6): II. flózsef népszámlálásának községi adatai KSH Népességtudományi Kutató Intézetének Történeti Demográfiai Füzetei 15. KSH NKI Budapest.

FEJÉRPATAKY, X. (kiad.). (1887): Rationes collectorum pontificorum in Hungaria. Pápai tizedszedők számadásai. 1281–1375. (MVH I/1.) Budapest.

FÓNAGY, Z. (2013): A nemesi birtokviszonyok az úrbérrendezés korában. Adattár I–II (1767) Budapest.

GYÉMÁNT, L.–CÂMPEANU, R.–XXXXXX, A.–XXXXXXX, F.–GYÉMÁNT, X. (200D–2016):

Conscripția fiscală a Transilvaniei din anul 1750 I–II. Bucureşti.

XXXXX, X. (szerk.) (1D20): Lexicon locorum Regni Hungariae populosorum anno 1773 officiose confectum.

Magyar békeküldöttség, Budapest.

KSH (1D60): Az első magyarországi népszámlálás (1784–1787). Budapest.

KSH (1D75): Pótlás az első magyarországi népszámláláshoz 1786–87. Történeti statisztikai tanul- mányok 2. Budapest.

VÁLYI, A. (17D6): Magyar országnak leírása… I–III. Buda.

INTERNETES FORRÁSOK, LEVÉLTÁRI FORRÁSOK

[1] xxxx://xxxxxxxxxxxxx.xxxx.xx/ (letöltve: 2022. december 15.)

[2] Repertorium Academicum Germanicum (xxx-xxxxxx.xxx – letöltve: 2022. május 15.)

[3] xxx.xxxxxxxxxxxxxxxxx.xxx.xxx (letöltve: 2022. augusztus 7.

[4] Croatian Bureau of Statistics xxxxx://xxx.xxx.xx/ (letöltve: 2022. szeptember 28.)

[5] XXXxx Xxxxxxxxxx xxx.xxxxxxx.xx/x/xx/xxxxxxx/xxxx (letöltve: 201D. augusztus 11.)

[6] Központi Statisztikai Hivatal xxxx://xxx.xxx.xx (letöltve: 2022. szeptember 30.)

[7] Országos Területfejlesztési és Területrendezési Információs Rendszer xxxxx://xxx.xxxx.xx/ (letöltve: 2022. szeptember 25.)

[8] OSM rétegek xxxxx://xxxxxxxx.xxxxxxxxx.xx/xxxxxx.xxxx (letöltve: 2022. szeptember 28.)

[D] National Institute of Statistics of Romania xxxxx://xxxxx.xx/xxx/xx (letöltve: 2022. szeptember 13.)

[10] State Statistics Service of Ukraine xxxxx://xxx.xxxxxxx.xxx.xx/ (letöltve: 2022. szeptember 15.)

[11] Statistical Office of the Republic of Serbia xxxxx://xxx.xxxx.xxx.xx/xx-xx/ (letöltve: 2022. szeptember 18.)

[12] Statistical Office of the Republic of Slovenia xxxxx://xxx.xxxx.xx/xxxxxxx/xx (letöltve: 2022. szeptember 28.)

[13] Magyar Nemzeti Levéltár Országos Levéltára (MNL OL), A 3D Magyar Kancelláriai Levéltár (1770–1848), 3688/1786

[14] Magyar Nemzeti Levéltár Országos Levéltára MNL OL P. 6. 1. 21. II. Xxxxxx kataszteri utasításának magyar nyelvű példánya.