Univerzity ako determinant lokalizácie
vzdelaného ľudského kapitálu
Katarína Melichová, Michal Hrivnák, Mária Fáziková
APVV-14-0512 – Univerzity a ekonomický rozvoj regiónov
1
DIFÚZIA A DISEMINÁCIA ZNALOSTÍ
2
UNIVERZITA
vedenie a administrátori
univerzity
výskumníci
absolventi študenti
skupiny výskumníkov
(výskumné projekty)
zdroje diseminácie
akademické
podniky a
organizácie
publikácie
FORMÁLNY TRANSFER ZNALOSTÍ
licencovanie práv duševného vlastníctva
(patenty, úžitkové vzory, ochranné
známky, dizajny atď..), spin – off firmy,
inkubátory, technologické parky,
zmluvný spoločný výskum, zmluvné
poradenstvo a.i.
NEFORMÁLNY TRANSFER ZNALOSTÍ
neformálne konzultácie a poradenstvo, neformálny
spoločný výskum, difúzia poznatkov pri mobilitách,
spoločných konferenciách, účasti výskumníkov v
správnych radách firiem a.i.
kanály transferu
zdroje
priesakov
znalostí..Zdroj: vlastné spracovanie podľa: Brennenraedts a kol. (2006), Grande, (2013)
PRÍSTUPY K SKÚMANIU DIFÚZIE ZNALOSTÍ UNIVERZÍT
„Toky znalostí sú neviditeľné. Nenechávajú nám papierovú stopu, po ktorej by mohli byť merané a
mapované a teda neexistuje nič, čo by mohlo teoretikovi zabrániť písať si o nich čo sa mu zapáči“
KRUGMAN (1991)
3
SKÚMANIE DIFÚZIE POZNATKOV
UNIVERZÍT – PRIESAKY
ZNALOSTÍ PONÍMANÉ AKO
TRADIČNÁ EXTERNALITA
Audretsch a Keilbach (2007);
Acs, Armington a Zhang (2007);
Belitsky a Korosteleva (2012);
Calcagnini a kol. (2014)
SKÚMANIE DIFÚZIE POZNATKOV
UNIVERZÍT PROSTREDNÍCTVOM
PATENTOVÝCH CITÁCIÍ
Jaffe, Trajtenberg a Henderson
(1993), Jaffe (1998); Varga (1998);
Fritsch a Slavtchev (2006); Maggioni,
Nosvelliand a Uberti (2006); Douglas
(2015)
SKÚMANIE DIFÚZIE POZNATKOV
PROSTREDNÍCTVOM
INTERPERSONÁLNYCH SIETÍ
Katz (1994); Ponds, Van Oortand a
Frenken (2007); Hoekman,
Frenken, a Tijssen (2010); Broekel a
Boschma (2012); Fernández,
Ferrándiz, León (2016)
PRIESTOROVÉ PRIESAKY ZNALOSTÍ
4
"Ak jeden človek začne nový nápad, je preberaný inými a kombinovaný s vlastnými
návrhmi; a tak sa stáva zdrojom ďalších nových myšlienok“ (Marshall, 1890)
PRIESAKY = efekty v jednom kontexte, ktoré sa vyskytujú v dôsledku niečoho iného v
zdanlivo nezávislom kontexte (Garmaise a Natividad, 2016).
PRIESAKY ZNALOSTÍ : pozitívne externality, ktoré vznikajú pri neschopnosti aktéra A
udržať znalosť vo vnútri svojej organizácie, vďaka čomu, môže aktér B využiť tieto znalosti
priamo, bez kompenzácie aktéra A (Kessidou a kol, 2007)
Znalosti vytvorené
na univerzite
Znalosti prijaté
iným priestorovým
aktérom
Priestorové
mechanizmy:
priestorová
proximita
zvyšujúca
pravdepodobnosť
kontaktu s
výskumníkom,
získanie
absolventa,
spolupráce so
študentom..
Výnimkou sú
publikácie..
Kanály transferu:
sú v užšom
ponímaní len
osobné kontakty
medzi výskumníkmi
a priestorovými
aktérmi, v širšom
ponímaní aj
publikácie,
spolupráca so
študentmi,
získavanie
absolventov..
znalosti šírené neúmyselne - DIFÚZIA
- neformálny transfer, študenti, absolventi,
čiastočne publikácie..
prevažujú tacitné znalosti
Znalosti šírené úmyselne - DISEMINÁCIA
- formálny transfer, čiastočne publikácie
prevažujú explicitné znalosti
Zdroj: Capello, 2009
ZNALOSTI UNIVERZÍT
VPLYV LOKALIZÁCIE UNIVERZITY NA REGIONÁLNU EKONOMIKU
5
Zdroj: Lugger (2000)
UNIVERZITY
Zvyšujú produkciu vzdelaného
ľudského kapitálu v regióne
Priťahujú vzdelaný ľudský
kapitál z iných regiónov
 čím je väčšia vzdelanostná úroveň obyvateľov, tým migrujú častejšie a ďalej (Hapaanen a Tervo, 2010)
 po ukončení štúdia majú absolventi tendenciu zostávať v regiónoch, v ktorých študovali, a to najmä z dôvodu
„psychických nákladov“ migrácie (Gottlieb a Joseph, 2006; Fagian a kol, 2007; Faggian a McCann, 2009)
 odliv mozgov je charakteristickejší pre univerzity v periférnych, ako centrálnych regiónoch (Fagian a kol, 2007)
 neexistuje štatisticky významný vzťah medzi produkciou absolventov univerzitami a celkovým objemom
vzdelaného ľudského kapitálu v periférnych regiónoch (Abel a Deitz, 2010)
MIGRAČNÉ TENDENCIE
VZDELANÉHO OBYVATEĽSTVA
STAV SÚČASNÉHO POZNANIA:
METODIKA A ZDROJE ÚDAJOV
• METÓDY ekonometrie a priestorovej ekonometrie (SDM)
• PRIESTOROVÁ ÚROVEŇ: LAU1 (všetky okresy na Slovensku)
• PANELOVÉ DÁTA ZA ROKY 2003-2016
 ZÁVYSLÁ PREMENNÁ: čistá migrácia vzdelaných
 NEZÁVYSLÉ PREMENNÉ: počet fakúlt v regióne, hustota obyvateľstva, počet podnikov na 1000 obyvateľov, miera
nezamestnanosti, priemerná mzda, počet zdravotníckych zariadení, počet sobášov podľa bydliska muža, počet
kultúrnych inštitúcií
TEORETICKÝ MODEL:
CISMit = β1POCFit + β2HUSTPOPit + β3PODN1000it + β4MNEZit + β5PRMZDit + β5ZDRAVZit +
β7SOBBMit + β8KULTINSit +αi + εit
1. H0: Prítomnosť univerzít v regiónoch pozitívne ovplyvňuje čisté migráciu vzdelaného
obyvateľstva v regióne (α = <0,05)
2. H0: Prítomnosť univerzít v regióne pozitívne ovplyvňuje čistú migráciu vzdelaných v
okolitých regiónoch (α = <0,05)
DIAGNOSTIKA REGRESNÝCH MODELOV
Variable VIF 1/VIF
strsk 14.69 0.068077
sobbm 9.71 0.102967
pocf 9.20 0.108692
zdravz 8.22 0.121663
hustpop 6.04 0.165591
podn1000 5.32 0.188130
kultins 5.14 0.194529
prmzd 2.35 0.425591
mnez 1.49 0.669616
I. II. III. IV.
Test Pooled OLS
Random
effects GLS
panel model
Fixed effects
(within) panel
model
Fixed effects
panel model
with timefixed
effects
Spatial error:
Morans I 16190***
Lagrange multiplier 253074***
Robust Lagrange multiplier 34652***
Spatial lag:
Lagrange multiplier 311268***
Robust Lagrange multiplier 92845***
Hausman test 132.98***
Joint test that coefficients of
time-dummies are
simultaneously zero
7.92***
Pesaran's test of cross sectional
independence
6,420***
Wald test for groupwise
heteroskedasticity
75868.89***
Wooldridge test for
autocorrelation in panel data
15.933***
I. II. III. IV.
Premenné Pooled OLS
Random effects GLS
panel model
Fixed effects (within) panel
model
Fixed effects panel model with
time-fixed effects and DriscollKraay
standard errors
pocf -0,298 0,463*** 0,800*** 0,570**
(0,053) (0,071) (0,077) (0,183)
hustpop 0,167*** 0,186* 2,788*** 2,731*
(0,044) (0,092) (0,242) (0,930)
podn1000 0,558*** 0,151*** 0,091* 0,153*
(0,041) (0,028) (0,026) (0,070)
mnez 0,029 0,020 0,032 0,107**
(0,022) (0,017) (0,016) (0,030)
prmzd -0,124*** -0,093*** -0,080*** 0,177*
(0,028) (0,016) (0,015) (0,074)
zdravz 0,017 -0,025 -0,025 -0,038
(0,052) (0,029) (0,027) (0,070)
sobbm -0,201*** 0,260*** 0,419*** 0,384**
(0,047) (0,066) (0,068) (0,098)
kultins 0,488*** -0,003 0,006 -0,025
(0,041) (0,027) (0,026) (0,092)
const. 2,17E-09 3.50e-09 5.29e-09 0,330**
(0,018) (0,066) (0,006) (0,102)
Number of observations 1008 1008 1008 1008
Chi2 380,77***
F test 248.54*** 56,13*** 20,30***
R2 0,6656 0,3943
within 0,231 0,3261
between 0,5828 0,5364
PANELOVÉ REGRESNÉ MODELY
coefficient spatial lag direct effect indirect effect total effect
std_pocf 0,655*** 0,337 0,652*** 0,305 0,958**
(0,175) (0,179) (0,174) (0,169) (0,277)
std_hustpop 2,743** 0,026 2,744** -0,070 2,674**
(0,905) (0,177) (0,905) (0,175) (0,906)
std_podn1000 0,124 -0,073 0,125 -0,075 0,049
(0,065) (0,055) (0,066) (0,054) (0,066)
std_mnez 0,096** -0,079 0,096** -0,080 0,016
(0,032) (0,043) (0,032) (0,043) (0,020)
std_prmzd 0,138* -0,219** 0,140** -0,218** -0,078*
(0,057) (0,076) (0,057) (0,076) (0,031)
std_zdravz -0,037 -0,091* -0,036* -0,088 -0,124**
(0,065) (0,044) (0,065) (0,045) (0,046)
std_sobbm 0,366*** 0,072 0,366 0,057 0,423***
(0,099) (0,095) (0,099) (0,092) (0,107)
std_kultins -0,027 0,028 -0,028 0,028 0,0004
(0,082) (0,046) (0,082) (0,045) (0,084)
Spatial Rho -0.036*
(0.016)
Počet pozorovaní 1008
R-sq
within 0,3730
between 0,5343
overall 0.5112
PRIESTOROVÝ PANELOVÝ DURBIN MODEL
ZÁVERY
• vzdelaný migrujú predovšetkým do regiónov s väčšími sídlami (najmä krajských miest a hlavného mesta)
• ďalej sú pri lokalizačných rozhodnutiach vedený pracovnými príležitosťami a ponúkanými mzdami – prítomnosť
vzťahujúcich efektov z okolitých regiónov
• pokiaľ sa chcú uplatniť v sektore VaV, nezamestnanosť v regióne nemusí predstavovať pull-faktor
• zistený pozitívny vplyv existencie univerzity v regióne na čistú migráciu vzdelaných, pôsobenie príťažlivých síl
vysokých škôl v tomto kontexte je však limitované len v rámci regiónu, v ktorom sa tieto inštitúcie nachádzajú a
významne nepresahuje za jeho hranice
• zistená tendencia rastúcej priestorovej koncentrácie vzdelaného obyvateľstva
• vplyv sobášov podľa bydliska muža, dostupnosti zdravotníckych zariadení, či kultúrnych inštitúcií na čistú
migráciu vzdelaných sa v priestorovom modeli nepotvrdil
H0: Prítomnosť univerzít v regiónoch pozitívne ovplyvňuje čisté migráciu vzdelaného obyvateľstva v regióne (α =
<0,05) - hypotézu prijímame
H0: Prítomnosť univerzít v regióne pozitívne ovplyvňuje čistú migráciu vzdelaných v okolitých regiónoch (α =
<0,05) - hypotézu zamietame a prijímame alternatívnu hypotézu H1: neexistuje štatisticky významný vzťah
medzi prítomnosťou univerzity v regióne a čistou migráciou vzdelaných v susedných regiónoch
ĎAKUJEM ZA POZORNOSŤ 