TEDGlobal 2011
Richard Wilkinson: How economic inequality harms societies
Richard Wilkinson: Hogyan árt a gazdasági egyenlőtlenség a társadalmaknak
Filmed:
Readability: 4.6
3,198,950 views
Ösztönösen érezzük, hogy azok a társadalmak, melyekben nagyok a jövedelem-különbségek valahogy rossz irányba haladnak. Richard Wilkinson felvázolja a gazdasági egyenlőtlenség tényszerű adatait és bemutatja, hogy milyen gondok erősödnek, amikor a gazdagok és szegények között túl nagy a különbség: valós kihatások egészségre, élettartamra sőt olyan alapvető értékekre is mint a bizalom.
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
Mindannyian tudják az igazságot arról, amit mondani fogok.
00:18
I think the intuition that inequality is divisive and socially corrosive
1
3000
4000
Szerintem az a megérzés, hogy az egyenlőtlenség megosztó és társadalmilag káros,
00:22
has been around since before the French Revolution.
2
7000
4000
már a francia forradalom előtt megjelent.
00:26
What's changed
3
11000
2000
Ami változott, hogy
00:28
is we now can look at the evidence,
4
13000
2000
ma már láthatjuk a bizonyítékot,
00:30
we can compare societies, more and less equal societies,
5
15000
3000
összehasonlíthatunk társadalmakat, egyenlőket és kevésbé egyenlőket,
00:33
and see what inequality does.
6
18000
3000
és láthatjuk mit tesz az egyenlőtlenség.
00:36
I'm going to take you through that data
7
21000
3000
Most bemutatom Önöknek ezeket az adatokat,
00:39
and then explain why
8
24000
2000
és meg is indoklom, hogy
00:41
the links I'm going to be showing you exist.
9
26000
4000
miért léteznek az általam mutatott összefüggések az adatok között.
00:45
But first, see what a miserable lot we are.
10
30000
3000
De először is nézzük, hogy micsoda szánalmas népség is vagyunk mi.
00:48
(Laughter)
11
33000
2000
(Nevetés)
00:50
I want to start though
12
35000
2000
Azért hadd kezdjek
00:52
with a paradox.
13
37000
3000
egy ellentmondással.
00:55
This shows you life expectancy
14
40000
2000
Ezen a dián a várható élettartam és
00:57
against gross national income --
15
42000
2000
a bruttó nemzeti jövedelem kapcsolata látható --
00:59
how rich countries are on average.
16
44000
2000
hogy teljesítenek a gazdag országok.
01:01
And you see the countries on the right,
17
46000
2000
És látják az országokat a kép jobb oldalán,
01:03
like Norway and the USA,
18
48000
2000
mint Norvégia és az Egyesült Államok,
01:05
are twice as rich as Israel, Greece, Portugal on the left.
19
50000
5000
melyek kétszer olyan gazdagok mint Izrael, Görögország vagy Portugália a kép bal szélén.
01:10
And it makes no difference to their life expectancy at all.
20
55000
4000
És ez semmi féle befolyással nincs az országban várható élettartamra.
01:14
There's no suggestion of a relationship there.
21
59000
2000
Semmilyen kapcsolat nem mutatható ki közöttük.
01:16
But if we look within our societies,
22
61000
3000
De ha megnézzük saját társadalmainkat,
01:19
there are extraordinary social gradients in health
23
64000
3000
rendkívüli egészségbeni különbségeket láthatunk
01:22
running right across society.
24
67000
2000
a különböző rétegek között.
01:24
This, again, is life expectancy.
25
69000
2000
Ez ismét csak várható élettartam.
01:26
These are small areas of England and Wales --
26
71000
2000
Ezek Anglia és Wales kisebb területei --
01:28
the poorest on the right, the richest on the left.
27
73000
4000
a legszegényebbek a jobb, a leggazdagabbak a bal oldalon.
01:32
A lot of difference between the poor and the rest of us.
28
77000
3000
Nagyon nagy különbség a szegények és a társadalmunk többi része között.
01:35
Even the people just below the top
29
80000
2000
Még közvetlen a legmagasabb jövedelmi szint alatt élőknek is
01:37
have less good health
30
82000
2000
kevésbé jó az egészsége, mint
01:39
than the people at the top.
31
84000
2000
a legjobban élőknek.
01:41
So income means something very important
32
86000
2000
Tehát a jövedelem nagyon sokat árul el
01:43
within our societies,
33
88000
2000
a társadalmon belül, de
01:45
and nothing between them.
34
90000
3000
semmit a társadalmak közötti kapcsolatról.
01:48
The explanation of that paradox
35
93000
3000
A magyarázat erre az ellentmondásra az,
01:51
is that, within our societies,
36
96000
2000
hogy a társadalmon belül
01:53
we're looking at relative income
37
98000
2000
relatív jövedelmet nézünk,
01:55
or social position, social status --
38
100000
3000
vagy társadalmi pozíciót, társadalmi státuszt --
01:58
where we are in relation to each other
39
103000
3000
hol helyezkedünk el egymáshoz képest
02:01
and the size of the gaps between us.
40
106000
3000
és mekkora a különbség köztünk.
02:04
And as soon as you've got that idea,
41
109000
2000
Amint ezt megérti az ember,
02:06
you should immediately wonder:
42
111000
2000
azonnal el kell kezdenie gondolkodni:
02:08
what happens if we widen the differences,
43
113000
3000
mi történik, ha szélesítjük a különbségeket
02:11
or compress them,
44
116000
2000
vagy ha szűkítjük azokat,
02:13
make the income differences bigger or smaller?
45
118000
2000
ha növeljük vagy ha csökkentjük a jövedelmi eltéréseket?
02:15
And that's what I'm going to show you.
46
120000
3000
És ez az, amit meg fogok önöknek mutatni.
02:18
I'm not using any hypothetical data.
47
123000
2000
Nem használok semmilyen hipotetikus adatot.
02:20
I'm taking data from the U.N. --
48
125000
2000
Az adatok az ENSZ-től származnak --
02:22
it's the same as the World Bank has --
49
127000
2000
ugyanazok, amit a Világbank használ --
02:24
on the scale of income differences
50
129000
2000
melyek a jövedelem-különbségek mértékét jellemzik
02:26
in these rich developed market democracies.
51
131000
3000
ezekben a fejlett piaci demokráciákban.
02:29
The measure we've used,
52
134000
2000
Az általunk használt mérték,
02:31
because it's easy to understand and you can download it,
53
136000
2000
mivel könnyen érthető és letölthető,
02:33
is how much richer the top 20 percent
54
138000
2000
annak az értéke, hogy mennyivel gazdagabb a társadalom felső 20 százaléka
02:35
than the bottom 20 percent in each country.
55
140000
3000
az alsó 20 százalékánál az egyes országokban.
02:38
And you see in the more equal countries on the left --
56
143000
3000
És láthatják, hogy a baloldali nagyobb egyenlőséget mutató országoknál --
02:41
Japan, Finland, Norway, Sweden --
57
146000
2000
Japán, Finnország, Norvégia, Svédország --
02:43
the top 20 percent are about three and a half, four times as rich
58
148000
2000
a felső 20 százalék körülbelül három és fél, négyszer olyan gazdag,
02:45
as the bottom 20 percent.
59
150000
3000
mint az alsó 20 százalék.
02:48
But on the more unequal end --
60
153000
2000
De a kevésbé egyenlő oldalon --
02:50
U.K., Portugal, USA, Singapore --
61
155000
2000
Egyesült Királyság, Portugália, Egyesült Államok, Szingapúr --
02:52
the differences are twice as big.
62
157000
3000
a különbségek kétszer ekkorák.
02:55
On that measure, we are twice as unequal
63
160000
3000
Ez alapján, fele annyira vagyunk egyenlők,
02:58
as some of the other successful market democracies.
64
163000
4000
mint más sikeres piaci demokráciák.
03:02
Now I'm going to show you what that does to our societies.
65
167000
4000
Most megmutatom önöknek, hogy mindez mit tesz a társadalmainkkal.
03:06
We collected data on problems with social gradients,
66
171000
3000
Adatokat gyűjtöttünk szociális gradienssel rendelkező problémákról,
03:09
the kind of problems that are more common
67
174000
2000
melyek főleg a társadalmi létra
03:11
at the bottom of the social ladder.
68
176000
2000
alján jellemzőek.
03:13
Internationally comparable data on life expectancy,
69
178000
3000
Nemzetközileg összehasonlítható adatok a várható életkorról,
03:16
on kids' maths and literacy scores,
70
181000
3000
gyerekek iskolai matematika és írás-olvasás eredményeiről,
03:19
on infant mortality rates, homicide rates,
71
184000
3000
a gyermekhalandóságról, emberölési rátákról,
03:22
proportion of the population in prison, teenage birthrates,
72
187000
3000
a lakosság bebörtönzött hányadáról, leányanyaság arányáról,
03:25
levels of trust,
73
190000
2000
a bizalom szintjeiről,
03:27
obesity, mental illness --
74
192000
2000
a túlsúlyosságról, a mentális betegségekről --
03:29
which in standard diagnostic classification
75
194000
3000
ami szabályos diagnosztikai meghatározás szerint
03:32
includes drug and alcohol addiction --
76
197000
2000
magába foglalja a kábítószer- és alkoholfüggőséget --
03:34
and social mobility.
77
199000
2000
és a társadalmi mobilitásról.
03:36
We put them all in one index.
78
201000
3000
Mindet egy indexbe foglaltuk.
03:39
They're all weighted equally.
79
204000
2000
Mind ugyanolyan súlyozást kap.
03:41
Where a country is is a sort of average score on these things.
80
206000
3000
Ahol az ország látható, ott van az átlag érték ezekre a dolgokra.
03:44
And there, you see it
81
209000
2000
És itt vannak
03:46
in relation to the measure of inequality I've just shown you,
82
211000
3000
az értékek egy függvényben az előbb bemutatott egyenlőtlenségi mérőszámokkal,
03:49
which I shall use over and over again in the data.
83
214000
3000
melyeket újra és újra használni fogok az adatok létrehozására.
03:52
The more unequal countries
84
217000
2000
A kevésbé egyenlő országoknak
03:54
are doing worse
85
219000
2000
rosszabb a mutatója
03:56
on all these kinds of social problems.
86
221000
2000
mindegyik társadalmi probléma esetén.
03:58
It's an extraordinarily close correlation.
87
223000
3000
Kimagaslóan erős a korreláció.
04:01
But if you look at that same index
88
226000
2000
De ha megnézzük ugyanezt az
04:03
of health and social problems
89
228000
2000
egészségügyi és társadalom-problematikai indexet
04:05
in relation to GNP per capita,
90
230000
2000
az egy főre jutó bruttó nemzeti termék arányában,
04:07
gross national income,
91
232000
2000
vagy a bruttó nemzeti jövedelemében,
04:09
there's nothing there,
92
234000
2000
nem látható semmi,
04:11
no correlation anymore.
93
236000
3000
nincs többé semmi féle korreláció.
04:14
We were a little bit worried
94
239000
2000
Egy kicsit tartottunk attól,
04:16
that people might think
95
241000
2000
hogy emberek majd azt hiszik, hogy
04:18
we'd been choosing problems to suit our argument
96
243000
2000
direkt olyan problémákat választottunk amikkel alá tudtuk támasztani az érveinket
04:20
and just manufactured this evidence,
97
245000
3000
és célirányosan állítottuk elő a bizonyítékot,
04:23
so we also did a paper in the British Medical Journal
98
248000
3000
ezért írtunk egy tanulmányt az Angol Orvosi Folyóiratnak
04:26
on the UNICEF index of child well-being.
99
251000
4000
az UNICEF gyermekjóléti indexéről.
04:30
It has 40 different components
100
255000
2000
Ennek az indexnek 40 különböző alkotóeleme van,
04:32
put together by other people.
101
257000
2000
melyeket más emberek raktak össze.
04:34
It contains whether kids can talk to their parents,
102
259000
3000
Köztük szerepel, hogy gyerekek tudnak-e beszélgetni a szüleikkel,
04:37
whether they have books at home,
103
262000
2000
vannak-e otthon könyveik,
04:39
what immunization rates are like, whether there's bullying at school.
104
264000
3000
mennyien kapnak védőoltásokat, és hogy a gyerekek erőszakoskodnak-e egymással az iskolában.
04:42
Everything goes into it.
105
267000
2000
Mindez belekerül az indexbe.
04:44
Here it is in relation to that same measure of inequality.
106
269000
4000
És itt van ennek a mutatószámnak a kapcsolata az előző egyenlőtlenségi mértékkel.
04:48
Kids do worse in the more unequal societies.
107
273000
3000
Gyerekek rosszabbul teljesítenek a kevésbé egyenlő társadalmakban.
04:51
Highly significant relationship.
108
276000
3000
Nagyon jelentős a kapcsolat.
04:54
But once again,
109
279000
2000
De még egyszer megjegyzem,
04:56
if you look at that measure of child well-being,
110
281000
3000
ha a gyermekjóléti mérőszámot
04:59
in relation to national income per person,
111
284000
2000
az egy személyre jutó nemzeti jövedelem függvényében nézzük,
05:01
there's no relationship,
112
286000
2000
nincs semmi kapcsolat,
05:03
no suggestion of a relationship.
113
288000
3000
és nem is mutat semmi arra, hogy lenne összefüggés.
05:06
What all the data I've shown you so far says
114
291000
3000
Az általam mutatott összes adat
05:09
is the same thing.
115
294000
2000
ugyanazt mutatja.
05:11
The average well-being of our societies
116
296000
2000
A társadalmaink átlagos jóléte
05:13
is not dependent any longer
117
298000
3000
már nem függ
05:16
on national income and economic growth.
118
301000
3000
a nemzeti jövedelemtől és a gazdasági növekedéstől.
05:19
That's very important in poorer countries,
119
304000
2000
Ezek mind fontos dolgok szegényebb országok esetében,
05:21
but not in the rich developed world.
120
306000
3000
de nem a gazdag fejlett országokban.
05:24
But the differences between us
121
309000
2000
Azonban az emberek közötti különbségek
05:26
and where we are in relation to each other
122
311000
2000
és a másokhoz mért helyzetünk
05:28
now matter very much.
123
313000
3000
nagyon is számít.
05:31
I'm going to show you some of the separate bits of our index.
124
316000
3000
Most megmutatok önöknek egy pár részmutatószámot az indexünkből.
05:34
Here, for instance, is trust.
125
319000
2000
Ez például a bizalom.
05:36
It's simply the proportion of the population
126
321000
2000
Egyszerűen a lakosság azon hányadát mutatja,
05:38
who agree most people can be trusted.
127
323000
2000
akik úgy gondolják, hogy a legtöbb emberben meg lehet bízni.
05:40
It comes from the World Values Survey.
128
325000
2000
Ez az adat a Világ Értékei Felmérésből származik.
05:42
You see, at the more unequal end,
129
327000
2000
Láthatják, a kevésbé egyenlő országok oldalán
05:44
it's about 15 percent of the population
130
329000
3000
a lakosság körülbelül 15 százaléka
05:47
who feel they can trust others.
131
332000
2000
érzi úgy, hogy megbízhat másokban.
05:49
But in the more equal societies,
132
334000
2000
Azonban a nagyobb egyenlőséget mutató társadalmaknál,
05:51
it rises to 60 or 65 percent.
133
336000
4000
ez az érték 60 vagy 65 százalék.
05:55
And if you look at measures of involvement in community life
134
340000
3000
És ha azt nézzük, hogy milyen mértékű az aktivitás a közösségi életben
05:58
or social capital,
135
343000
2000
vagy a társadalmi tőke,
06:00
very similar relationships
136
345000
2000
nagyon hasonló kapcsolatok tűnnek fel, melyek
06:02
closely related to inequality.
137
347000
3000
szorosan köthetők az egyenlőtlenséghez.
06:05
I may say, we did all this work twice.
138
350000
3000
Azt is mondhatom, hogy mindezt a munkát kétszer végeztük el.
06:08
We did it first on these rich, developed countries,
139
353000
3000
Először ezeken a gazdag, fejlett országokon,
06:11
and then as a separate test bed,
140
356000
2000
majd egy külön felmérési csoportként,
06:13
we repeated it all on the 50 American states --
141
358000
3000
megismételtük az egészet az 50 amerikai államon --
06:16
asking just the same question:
142
361000
2000
ugyanazon kérdést téve fel:
06:18
do the more unequal states
143
363000
2000
vajon a kevésbé egyenlő államok
06:20
do worse on all these kinds of measures?
144
365000
2000
rosszabbul teljesítenek-e a felmérés pontjain?
06:22
So here is trust from a general social survey of the federal government
145
367000
4000
Tehát itt van a bizalom, egy a szövetségi kormány által végzett általános szociális felmérésből,
06:26
related to inequality.
146
371000
2000
hozzárendelve az egyenlőtlenséghez.
06:28
Very similar scatter
147
373000
2000
Nagyon hasonló szórás
06:30
over a similar range of levels of trust.
148
375000
2000
hasonló szintű bizalmi tartományban.
06:32
Same thing is going on.
149
377000
2000
Ugyanaz történik.
06:34
Basically we found
150
379000
2000
Alapvetően arra jutottunk,
06:36
that almost anything that's related to trust internationally
151
381000
3000
hogy majdnem minden, ami nemzetközileg köthető a bizalomhoz
06:39
is related to trust amongst the 50 states
152
384000
2000
ugyanúgy köthető a bizalomhoz az 50 államból
06:41
in that separate test bed.
153
386000
2000
alkotott külön felmérési csoportban.
06:43
We're not just talking about a fluke.
154
388000
2000
Tehát nem csak véletlen egybeesésről van szó.
06:45
This is mental illness.
155
390000
2000
Ez pedig a mentális betegség.
06:47
WHO put together figures
156
392000
2000
A WHO által publikált adatok,
06:49
using the same diagnostic interviews
157
394000
2000
melyekhez mindhez ugyanazt a diagnosztikai interjút használták
06:51
on random samples of the population
158
396000
2000
a lakosságból szúrópróba szerűen kiválasztott mintacsoportokon,
06:53
to allow us to compare rates of mental illness
159
398000
3000
segítettek a mentális betegségek arányainak összehasonlításában
06:56
in each society.
160
401000
2000
a társadalmak között.
06:58
This is the percent of the population
161
403000
2000
Ez mutatja a lakosság azon százalékát,
07:00
with any mental illness in the preceding year.
162
405000
3000
mely valamilyen mentális betegséggel rendelkezett a megelőző évben.
07:03
And it goes from about eight percent
163
408000
3000
És ez körülbelül nyolc százaléktól
07:06
up to three times that --
164
411000
2000
ennek a háromszorosáig terjed --
07:08
whole societies
165
413000
2000
teljes társadalmak
07:10
with three times the level of mental illness of others.
166
415000
3000
háromszor annyi mentális betegséggel mint mások.
07:13
And again, closely related to inequality.
167
418000
4000
És ismét, közeli kapcsolatban az egyenlőtlenséggel.
07:17
This is violence.
168
422000
2000
Ez pedig az erőszak.
07:19
These red dots are American states,
169
424000
2000
Ezek a piros pontok amerikai államok,
07:21
and the blue triangles are Canadian provinces.
170
426000
4000
a kék háromszögek pedig kanadai tartományok.
07:25
But look at the scale of the differences.
171
430000
3000
Nézzék csak az eltérések mértékét.
07:28
It goes from 15 homicides per million
172
433000
3000
Egy millió lakosra jutó 15 emberöléstől
07:31
up to 150.
173
436000
3000
150 emberölésig.
07:34
This is the proportion of the population in prison.
174
439000
3000
Ez pedig a lakosság bebörtönzött hányada.
07:37
There's a about a tenfold difference there,
175
442000
3000
Itt nagyjából tízszeres az eltérés mértéke,
07:40
log scale up the side.
176
445000
2000
szélén emelkedő logaritmikus skálával.
07:42
But it goes from about 40 to 400
177
447000
2000
De körülbelül 40 és 400 közötti a
07:44
people in prison.
178
449000
3000
bebörtönzöttek száma.
07:47
That relationship
179
452000
2000
Ezt a kapcsolatot
07:49
is not mainly driven by more crime.
180
454000
2000
nem a bűnözés mértéke irányítja.
07:51
In some places, that's part of it.
181
456000
3000
Néhány helyen ez is benne van.
07:54
But most of it is about more punitive sentencing,
182
459000
2000
De legtöbb esetben a büntetés keménysége,
07:56
harsher sentencing.
183
461000
2000
a szigorúbb ítéletek.
07:58
And the more unequal societies
184
463000
2000
És a kevésbé egyenlő társadalmakra az is
08:00
are more likely also to retain the death penalty.
185
465000
4000
jellemző, hogy megtartják a halálbüntetés intézményét.
08:04
Here we have children dropping out of high school.
186
469000
5000
Ezen a képen látható a középiskolás kibukások száma.
08:09
Again, quite big differences.
187
474000
2000
Ismét, elég nagy különbség.
08:11
Extraordinarily damaging,
188
476000
2000
Kifejezetten káros,
08:13
if you're talking about using the talents of the population.
189
478000
3000
ha a lakosságban rejlő tehetség hasznosságát tekintjük.
08:16
This is social mobility.
190
481000
3000
Ez a társadalmi mobilitás.
08:19
It's actually a measure of mobility
191
484000
2000
Valójában ez a mobilitás mértéke
08:21
based on income.
192
486000
2000
jövedelem alapján.
08:23
Basically, it's asking:
193
488000
2000
Alapvetően a feltett kérdés:
08:25
do rich fathers have rich sons
194
490000
2000
gazdag apáknak gazdag gyerekei vannak
08:27
and poor fathers have poor sons,
195
492000
2000
és szegény apáknak szegény gyerekei,
08:29
or is there no relationship between the two?
196
494000
3000
vagy nincs a kettő között kapcsolat?
08:32
And at the more unequal end,
197
497000
2000
A kevésbé egyenlő országoknál
08:34
fathers' income is much more important --
198
499000
3000
az apák jövedelme sokkal fontosabb --
08:37
in the U.K., USA.
199
502000
3000
az Egyesült Királyságban, az Egyesült Államokban,
08:40
And in Scandinavian countries,
200
505000
2000
míg a skandináv országokban
08:42
fathers' income is much less important.
201
507000
2000
az apák jövedelme sokkal kevésbé fontos.
08:44
There's more social mobility.
202
509000
3000
Nagyobb a társadalmi mobilitás.
08:47
And as we like to say --
203
512000
2000
És ahogy ezt szeretjük hangoztatni --
08:49
and I know there are a lot of Americans in the audience here --
204
514000
3000
és tudom hogy sok amerikai van a közönségben --
08:52
if Americans want to live the American dream,
205
517000
3000
ha az amerikai emberek az amerikai álomban szeretnének élni,
08:55
they should go to Denmark.
206
520000
2000
menjenek Dániába.
08:57
(Laughter)
207
522000
2000
(Nevetés)
08:59
(Applause)
208
524000
4000
(Taps)
09:03
I've shown you just a few things in italics here.
209
528000
3000
Ezen a dián mutatok néhány dolgot dőlt betűvel kiemelve.
09:06
I could have shown a number of other problems.
210
531000
2000
Más problémákat is felhozhattam volna.
09:08
They're all problems that tend to be more common
211
533000
2000
Ezek mind olyan nehézségek, melyek gyakrabban fordulnak elő
09:10
at the bottom of the social gradient.
212
535000
2000
a társadalmi létra alján.
09:12
But there are endless problems with social gradients
213
537000
5000
De végtelen a sora azoknak a problémáknak, melyek egyre komolyodnak az alsóbb rétegek felé
09:17
that are worse in more unequal countries --
214
542000
2000
és ezek még rosszabbak a kevésbe egyenlő országokban --
09:19
not just a little bit worse,
215
544000
2000
nem csak kicsit rosszabbak,
09:21
but anything from twice as common to 10 times as common.
216
546000
3000
hanem valahol a kétszeres és tízszeres skálán mozognak.
09:24
Think of the expense,
217
549000
2000
Gondoljanak a költségekre,
09:26
the human cost of that.
218
551000
3000
a humán költségekre.
09:29
I want to go back though to this graph that I showed you earlier
219
554000
2000
Visszatérek az egyik grafikonhoz, amit korábban mutattam,
09:31
where we put it all together
220
556000
2000
ahol összefoglaltuk mindezt, hogy
09:33
to make two points.
221
558000
2000
két gondolatot mondjak.
09:35
One is that, in graph after graph,
222
560000
3000
Az első, hogy grafikonokon egymás után
09:38
we find the countries that do worse,
223
563000
2000
azt vesszük észre, hogy a rosszabb eredményt mutató országok,
09:40
whatever the outcome,
224
565000
2000
bármi legyen is az eredmény,
09:42
seem to be the more unequal ones,
225
567000
2000
a kevésbé egyenlő országok,
09:44
and the ones that do well
226
569000
2000
és azok, amelyek jól teljesítenek
09:46
seem to be the Nordic countries and Japan.
227
571000
3000
inkább az északi országok és Japán.
09:49
So what we're looking at
228
574000
2000
Tehát amit itt látunk, az
09:51
is general social disfunction related to inequality.
229
576000
3000
az egyenlőtlenségből adódó általános társadalmi működési zavar.
09:54
It's not just one or two things that go wrong,
230
579000
2000
Nem csak pár dolog ami rosszul sikerül,
09:56
it's most things.
231
581000
2000
hanem a legtöbb dolog.
09:58
The other really important point I want to make on this graph
232
583000
3000
A másik fontos dolog, amit mondani szeretnék a grafikon kapcsán,
10:01
is that, if you look at the bottom,
233
586000
2000
hogy ha az aljára néznek,
10:03
Sweden and Japan,
234
588000
3000
Svédország és Japán,
10:06
they're very different countries in all sorts of ways.
235
591000
3000
több szempontból is két nagyon különböző ország.
10:09
The position of women,
236
594000
2000
Szempontok alapján, mint a nők társadalmi szerepe vagy
10:11
how closely they keep to the nuclear family,
237
596000
2000
mennyire ragaszkodnak a család közvetlen közelségéhez,
10:13
are on opposite ends of the poles
238
598000
2000
a skála két szélén helyezkednek el
10:15
in terms of the rich developed world.
239
600000
2000
a gazdag fejlett országok között.
10:17
But another really important difference
240
602000
2000
De egy másik nagyon fontos különbség,
10:19
is how they get their greater equality.
241
604000
3000
hogy hogyan érik el ezt a nagyobb fokú társadalmi egyenlőséget.
10:22
Sweden has huge differences in earnings,
242
607000
3000
Svédországban hatalmas kereseti különbségek vannak
10:25
and it narrows the gap through taxation,
243
610000
2000
és ezeket csökkentik adózással,
10:27
general welfare state,
244
612000
2000
általános jóléti állam szolgáltatásaival,
10:29
generous benefits and so on.
245
614000
3000
bőkezű segélyek kiosztásával, stb.
10:32
Japan is rather different though.
246
617000
2000
Japán máshogy kezeli ezt a kérdést.
10:34
It starts off with much smaller differences in earnings before tax.
247
619000
3000
Már kezdésként kisebbek az adózás előtti keresetek közötti különbségek.
10:37
It has lower taxes.
248
622000
2000
Alacsonyabbak az adók.
10:39
It has a smaller welfare state.
249
624000
2000
Kisebb a jóléti állam.
10:41
And in our analysis of the American states,
250
626000
2000
Mindezek mellett az ameriakai államokat vizsgáló elemzésünkben
10:43
we find rather the same contrast.
251
628000
2000
is hasonló ellentétet fedezünk fel.
10:45
There are some states that do well through redistribution,
252
630000
3000
Vannak államok, melyek relatív jól teljesítenek újraelosztási módszereikkel,
10:48
some states that do well
253
633000
2000
és vannak államok, melyek azért teljesítenek jól,
10:50
because they have smaller income differences before tax.
254
635000
3000
mert kisebb a különbség az adózás előtti jövedelmek között.
10:53
So we conclude
255
638000
2000
Tehát levonhatjuk következtetésként,
10:55
that it doesn't much matter how you get your greater equality,
256
640000
3000
hogy nem az számít, hogy hogyan érjük el a nagyobb egyenlőséget,
10:58
as long as you get there somehow.
257
643000
2000
addig amíg valahogy elérjük.
11:00
I am not talking about perfect equality,
258
645000
2000
Nem tökéletes egyenlőségről beszélek,
11:02
I'm talking about what exists in rich developed market democracies.
259
647000
4000
hanem arról, ami fejlett piaci demokráciákban létezik.
11:08
Another really surprising part of this picture
260
653000
5000
Egy másik meglepő része a teljes képnek,
11:13
is that it's not just the poor
261
658000
2000
hogy nem csupán a szegényeket
11:15
who are affected by inequality.
262
660000
3000
érinti az egyenlőtlenség.
11:18
There seems to be some truth in John Donne's
263
663000
2000
Úgy tűnik van igazság John Donne versében:
11:20
"No man is an island."
264
665000
3000
"Senki sem különálló sziget".
11:23
And in a number of studies, it's possible to compare
265
668000
3000
Számos tanulmányban összehasonlíthatóvá válik
11:26
how people do in more and less equal countries
266
671000
3000
hogy élnek emberek egyenlőbb és kevésbé egyenlő országokban
11:29
at each level in the social hierarchy.
267
674000
3000
a társadalmi hierarchia különböző szintjein.
11:32
This is just one example.
268
677000
3000
Ez csupán egy példa.
11:35
It's infant mortality.
269
680000
2000
Gyermekhalandóság.
11:37
Some Swedes very kindly classified a lot of their infant deaths
270
682000
3000
Néhány svéd szakember segítőkészen besorolta az országuk csecsmőhalálozási adatait
11:40
according to the British register of general socioeconomic classification.
271
685000
5000
az angol általános társadalmi-gazdasági nyilvántartás besorolási rendszere szerint.
11:45
And so it's anachronistically
272
690000
3000
Elég korszerűtlenül
11:48
a classification by fathers' occupations,
273
693000
2000
a besorolás az apa foglalkozása szerint történt,
11:50
so single parents go on their own.
274
695000
2000
így egyedülálló szülők külön oszlopba kerültek.
11:52
But then where it says "low social class,"
275
697000
3000
Ahol az van kiírva, hogy "alacsony társadalmi osztály",
11:55
that's unskilled manual occupations.
276
700000
3000
az a segédmunkás foglalkozásnak felel meg.
11:58
It goes through towards the skilled manual occupations in the middle,
277
703000
4000
Tovább folytatódik a szakmunkás foglalkozásokon át
12:02
then the junior non-manual,
278
707000
2000
a kezdő nem kétkezi munkán keresztül
12:04
going up high to the professional occupations --
279
709000
3000
egészen a diplomás szakmákig --
12:07
doctors, lawyers,
280
712000
2000
orvosok, ügyvédek,
12:09
directors of larger companies.
281
714000
2000
nagy cégek ügyvezetői.
12:11
You see there that Sweden does better than Britain
282
716000
3000
Láthatják, hogy Svédországnak jobbak az eredményei, mint Nagy-Britanniának
12:14
all the way across the social hierarchy.
283
719000
3000
a társadalom összes szintjén.
12:19
The biggest differences are at the bottom of society.
284
724000
2000
A különbségek a társadalom alsó szintjeinél a legnagyobbak.
12:21
But even at the top,
285
726000
2000
De még a legtetején is
12:23
there seems to be a small benefit
286
728000
2000
mintha egy kis előnyt jelentene
12:25
to being in a more equal society.
287
730000
2000
az egyenlőbb társadalmi közeg.
12:27
We show that on about five different sets of data
288
732000
3000
Ezt nagyjából öt különböző adathalmazon mutatjuk be
12:30
covering educational outcomes
289
735000
2000
lefedve tanulmányi eredményeket
12:32
and health in the United States and internationally.
290
737000
3000
és egészségügyet an Egyesült Államokban és nemzetközileg.
12:35
And that seems to be the general picture --
291
740000
3000
És úgy tűnik, hogy ez az általános helyzet --
12:38
that greater equality makes most difference at the bottom,
292
743000
3000
nagyobb egyenlőség leginkább az alsóbb osztályoknál segít,
12:41
but has some benefits even at the top.
293
746000
3000
de előnyös a a felsőbb osztályok számára is.
12:44
But I should say a few words about what's going on.
294
749000
4000
De egy pár szó erejéig kitérnék arra, hogy mi is történik.
12:48
I think I'm looking and talking
295
753000
2000
Szerintem most az egyenlőtlenség
12:50
about the psychosocial effects of inequality.
296
755000
3000
pszichoszociális hatásairól beszélek.
12:53
More to do with feelings of superiority and inferiority,
297
758000
3000
Főleg olyan érzéskről, mint az alá- és fölérendeltség,
12:56
of being valued and devalued,
298
761000
2000
hogy értékelik-e vagy lenézik az embert,
12:58
respected and disrespected.
299
763000
3000
a tiszteletről és a tisztelet hiányáról.
13:01
And of course, those feelings
300
766000
2000
És nyilván az ezekből eredő jelenségekről,
13:03
of the status competition that comes out of that
301
768000
3000
mint a státusz verseny, amely
13:06
drives the consumerism in our society.
302
771000
3000
a fogyasztói társadalom mozgatórugója.
13:09
It also leads to status insecurity.
303
774000
3000
Ez státusz-bizonytalansághoz is vezet.
13:12
We worry more about how we're judged and seen by others,
304
777000
4000
Többet aggódunk amiatt, hogy milyennek látnak minket mások,
13:16
whether we're regarded as attractive, clever,
305
781000
3000
hogy vonzónak, okosnak találnak-e minket,
13:19
all that kind of thing.
306
784000
3000
meg hasonló dolgok.
13:22
The social-evaluative judgments increase,
307
787000
3000
Egyre több a szociális megítélés,
13:25
the fear of those social-evaluative judgments.
308
790000
4000
és a félelem az ilyen fajta értékelő ítéletektől.
13:29
Interestingly,
309
794000
2000
Érdekes módon,
13:31
some parallel work going on in social psychology:
310
796000
4000
a szociopszichológia terén is folynak párhuzamos kutatások:
13:35
some people reviewed 208 different studies
311
800000
3000
néhány ember átnézett 208 különböző tanulmányt,
13:38
in which volunteers had been invited
312
803000
3000
melyekben önkénteseket hívtak
13:41
into a psychological laboratory
313
806000
2000
pszichológiai laboratóriumokba,
13:43
and had their stress hormones,
314
808000
2000
és megvizsgálták a stresszhormon-szintjüket,
13:45
their responses to doing stressful tasks, measured.
315
810000
4000
a reakcióikat stresszes feladatok elvégzésekor.
13:49
And in the review,
316
814000
2000
A teszt során
13:51
what they were interested in seeing
317
816000
2000
azt figyelték, hogy
13:53
is what kind of stresses
318
818000
2000
milyen típusú stresszhelyzetek
13:55
most reliably raise levels of cortisol,
319
820000
3000
emelik meg leggyakrabban a kortizolszintjüket,
13:58
the central stress hormone.
320
823000
2000
ami a központi stresszhormon szint.
14:00
And the conclusion was
321
825000
2000
A levont következtetéseik alapján
14:02
it was tasks that included social-evaluative threat --
322
827000
3000
azok a helyzetek, melyek szociális értékelési veszélyeket rejtettek --
14:05
threats to self-esteem or social status
323
830000
3000
azaz kockáztatták az önbecsülést vagy a szociális státuszt
14:08
in which others can negatively judge your performance.
324
833000
3000
és esélyt adtak arra, hogy mások negatívan ítéljék meg a teljesítményüket.
14:11
Those kind of stresses
325
836000
2000
Ezek a típusú feszültségek
14:13
have a very particular effect
326
838000
3000
különleges szerepet töltenek be a
14:16
on the physiology of stress.
327
841000
3000
stressz élettanában.
14:20
Now we have been criticized.
328
845000
2000
Szóval kaptunk már kritikákat.
14:22
Of course, there are people who dislike this stuff
329
847000
3000
Mindig vannak emberek, akiknek nem tetszik amit csinálunk, vagy
14:25
and people who find it very surprising.
330
850000
3000
akik meglepődnek ezen.
14:28
I should tell you though
331
853000
2000
Azért elmondanám önöknek, hogy
14:30
that when people criticize us for picking and choosing data,
332
855000
3000
amikor emberek azzal gyanúsítnak minket, hogy kiválogatjuk az adatokat,
14:33
we never pick and choose data.
333
858000
2000
soha nem válogatjuk az adatokat.
14:35
We have an absolute rule
334
860000
2000
Van egy alapszabályunk, hogy
14:37
that if our data source has data for one of the countries we're looking at,
335
862000
3000
amikor egy adatforrásunk rendelkezik adattal az egyik általunk vizsgált országról,
14:40
it goes into the analysis.
336
865000
2000
akkor az megy az elemzésbe.
14:42
Our data source decides
337
867000
2000
Az adatforrásunk dönti el, hogy
14:44
whether it's reliable data,
338
869000
2000
az adat megbízható-e vagy sem,
14:46
we don't.
339
871000
2000
nem mi.
14:48
Otherwise that would introduce bias.
340
873000
2000
Máskülönben ez torzítaná az eredményeket.
14:50
What about other countries?
341
875000
2000
Mi a helyzet más országokkal?
14:52
There are 200 studies
342
877000
3000
200 tanulmány létezik, melyek
14:55
of health in relation to income and equality
343
880000
3000
az egészség és a jövedelem és egyenlőség kapcsolatával foglalkoznak
14:58
in the academic peer-reviewed journals.
344
883000
3000
tudományos lektorált folyóiratokban.
15:01
This isn't confined to these countries here,
345
886000
3000
Ez nem korlátozódik ezekre az országokra, ami
15:04
hiding a very simple demonstration.
346
889000
2000
egy egyszerű kimutatást takar.
15:06
The same countries,
347
891000
2000
Ugyanazok az országok,
15:08
the same measure of inequality,
348
893000
2000
ugyanaz az egyenlőtlenségi mérték,
15:10
one problem after another.
349
895000
3000
egyik probléma a másik után.
15:14
Why don't we control for other factors?
350
899000
2000
Miért nem alkalmaztunk kontrollként más tényezőket?
15:16
Well we've shown you that GNP per capita
351
901000
2000
Nos, bemutattuk, hogy az egy főre jutó bruttó nemzeti terméknek
15:18
doesn't make any difference.
352
903000
2000
nincs különösebb hatása.
15:20
And of course, others using more sophisticated methods in the literature
353
905000
4000
És természetesen, azok, akik sokkal kifinomultabb módszereket használnak a szakirodalomban
15:24
have controlled for poverty and education
354
909000
2000
kontrollként alkalmazták a szegénységet, az oktatást,
15:26
and so on.
355
911000
3000
és hasonlókat.
15:30
What about causality?
356
915000
2000
Mi van az okozati viszonnyal?
15:32
Correlation in itself doesn't prove causality.
357
917000
3000
A korreláció magában nem bizonyítja az ok-okozati összefüggést.
15:35
We spend a good bit of time.
358
920000
2000
Elég sok időt töltöttünk ezzel.
15:37
And indeed, people know the causal links quite well
359
922000
2000
És valóban, emberek elég jól ismerik az okbeli kapcsolatokat
15:39
in some of these outcomes.
360
924000
2000
némely eredménynél.
15:41
The big change in our understanding
361
926000
2000
Akkor történt a nagy lépés, mikor megértettük, hogy
15:43
of drivers of chronic health
362
928000
2000
az egészség megőrzése
15:45
in the rich developed world
363
930000
2000
a gazdag fejlett országokban
15:47
is how important chronic stress from social sources
364
932000
4000
mennyire függ a mindennapi tartós stressz negatív hatásától
15:51
is affecting the immune system,
365
936000
2000
az immunrendszerre
15:53
the cardiovascular system.
366
938000
3000
és a szív- és érrendszerre.
15:56
Or for instance, the reason why violence
367
941000
2000
Vagy például az, hogy erőszakos cselekedetek
15:58
becomes more common in more unequal societies
368
943000
3000
gyakrabban fordulnak elő kevésbé egyenlő társadalmakban abban
16:01
is because people are sensitive to being looked down on.
369
946000
5000
gyökerezik, hogy emberek nem szeretik ha lenézik őket.
16:06
I should say that to deal with this,
370
951000
3000
Azt kell hogy mondjam, hogy ha megoldást akarunk találni erre
16:09
we've got to deal with the post-tax things
371
954000
2000
foglalkoznunk kell az adózás utáni dolgokkal
16:11
and the pre-tax things.
372
956000
2000
és az adózás előtti dolgokkal.
16:13
We've got to constrain income,
373
958000
3000
Korlátoznunk kell a jövedelmeket,
16:16
the bonus culture incomes at the top.
374
961000
2000
és a bónusz-kultúrát a legfelső szinteken.
16:18
I think we must make our bosses accountable to their employees
375
963000
3000
Úgy gondolom minden áron el kell érjük, hogy főnökeink beszámolási kötelezettséggel
16:21
in any way we can.
376
966000
3000
tartozzanak dolgozóik felé.
16:24
I think the take-home message though
377
969000
3000
Az előadásom üzenete szerintem az,
16:27
is that we can improve the real quality of human life
378
972000
4000
hogy képesek vagyunk javítani az emberi élet minőségén
16:31
by reducing the differences in incomes between us.
379
976000
3000
a jövedelem-különbségek csökkentése által.
16:34
Suddenly we have a handle
380
979000
2000
Hirtelen találtunk egy kilincset
16:36
on the psychosocial well-being of whole societies,
381
981000
2000
teljes társadalmak pszichoszociális jólétéhez,
16:38
and that's exciting.
382
983000
2000
és ez nagyon izgalmas.
16:40
Thank you.
383
985000
2000
Köszönöm.
16:42
(Applause)
384
987000
6000
(Taps)
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