| Datová příloha || 31 |1.3.3 Analýza výsledků maturitních zkoušek 2018 ve vztahu k SESVliv SES je patrný i při analýze úspěšnosti žáků u maturitních zkoušek v roce 2018. Jednotkou analýzy jsou jednotlivé obory středních škol a závisle proměnná je podíl neúspěšných maturantů v daném oboru školy (čistá neúspěšnost bez těch, kteří se nedostavili). Školy byly napárovány s výsledky Sčítání lidu, domů a bytů 2011, a to dle volebních okrsků a obcí, pro která jsou socioekonomická data k dispozici. Graf níže ukazuje výsledné hodnoty koeficientů z regresního modelu, kdy koeficienty s hodnotou větší než 0 (červená přerušovaná linie) zvyšují podíl neúspěšných maturantů, naopak koeficienty s hodnotou menší než 0 neúspěšnost snižují. Model prokazuje korelaci mezi nezaměstnaností a podílem obyvatel v exekuci v místě (proxy proměnné pro SES), kde se škola nachází. V těchto oblastech školy dosahují horší úspěšnosti svých maturantů. Naopak školy, které se nacházejí v oblastech s vyšším podílem vyso-koškolsky vzdělaného obyvatelstva a ve velkých městech, dosahují lepších výsledků (nižší neúspěšnosti maturantů). Pokud se jedná o gymnázia, oproti ostatním typům středních škol mají nižší podíl neúspěš-ných maturantů. Nicméně i pro ně platí, že pokud jsou gymnázia v oblasti s nepříznivým socioekono-mickým rozvojem, žáci dosahují horší úspěšnosti u maturit. Model vysvětlující podíl neúspěšných maturantů z roku 2018Pozn.: Jedná se o Poissonovu regresi pro číselná data s velkou disperzí, vytvořeno v jazyku R. Podíl osob v exekuci, zdroj: www.mapaexekuci.cz. CERMAT, ČŠI, ČSÚ.Model je za všechny školy a nelze jej vytvořit na úrovni malých krajů, jako je Karlovarský kraj (pouze 26 středních škol). Nicméně model za celou republiku ukazuje, že rozdílná úspěšnost maturantů u zkou-šek je dána socioekonomickým prostředím. Strukturálně postižené kraje, jako Karlovarský a Ústecký, budou mít horší úspěšnost u maturit ve srovnání s těmi kraji, které jsou ekonomickými jádry země.