Påvirker regionale forhold bedrifters verdiskapning og innovasjonsevne? Jarle Aarstad Senter for nyskaping Høgskolen i Bergen

Transkript

1 Påvirker regionale forhold bedrifters verdiskapning og innovasjonsevne? Jarle Aarstad Senter for nyskaping Høgskolen i Bergen

2 Regionale forhold langs ulike Befolkningstetthet Skalafordeler og markedsstørrelse God tilgang til innsatsfaktorer (inkl. spesialisert arbeidskraft) Monetære eksternaliteter Relatert bransjemessig variasjon Overlappende og komplementær kunnskapsbase (ikke for lik, ikke for ulike - optimal kognitiv nærhet) Teknologiske eksternaliteter fra ressursdeling og ressursdeling som fremmer innovasjon produktive brudd Urelatert bransjemessig variasjon (kontrollvariabel) dimensjoner Befolkningstetthet Urelatert variasjon Relatert variasjon

3 Hypoteser H1: Foretak i befolkningstette regioner vil tendere å være mer verdiskapende (produktive) enn foretak i befolkningstynne regioner H2: Foretak i regioner med relatert bransjemessig variasjon vil ha høyere sannsynlighet for å være innovative enn foretak i regioner med mindre relatert variasjon

4 Data SSBs siste CIS-undersøkelse (Community innovation survey) , i samarbeid med Eurostat: Innovation in the business enterprise sector SSBs inndeling av Norge i 89 økonomiske regioner (samsvarer med NUTS4 i EU) SSB data om økonomiske regioners befolknings- og geografisk størrelse Alle norske foretak >50 ansatte Utvalg av foretak 5<50 Obligatorisk deltagelse Vi analyserer 6584 foretak i en rekke ulike bransjer lokalisert i 89 ulike regioner

5 Variabler på regionnivå Befolkningstetthet Antall innbyggere per flateenhet Urelatert bransjemessig variasjon (UV) Shannon entropimål på bakgrunn av foretaks bransjekoder på nivå 2 («grov» klassifisering av bransjer) n UV= k=1 s k,i ln(1/s k,i ), s k,i er andelen av foretak i bransje k in region i, dersom k=0 ln(1/s k,i )=0, n er antallet ulike bransjekoder på nivå 2

6 Variabler på regionnivå, forts. Relatert bransjemessig variasjon (RV) Shannon entropimål på bakgrunn av foretaks bransjekoder på nivå 5 ( fingradert klassifisering av bransjer) minus urelatert variasjon (UV) RV= l k,i N k=1 ln(1/l k,i ) - UV, l k,i er andelen av foretak i bransje k i region i, dersom k=0 ln(1/l k,i )=0, N er antallet ulike bransjekoder på nivå 5

7 Variabler på foretaksnivå Avhengige variabler (effektvariabler): Produktivitet: Inntekt per ansatt Innovasjon: Dummy (ja=1, nei=0) dersom foretaket i løpet av de 3 siste år har utviklet nye eller substansielt forbedrede produkter, tjenester eller produksjonsprosesser som er nye både for foretaket og dets marked I tillegg en rekke kontrollvariabler

8 Analyser Flernivå «mixed-effects» lineær og logistisk regresjon i Stata 13.1 Tar høyde for både regional og bransjemessig heterogenitet

9 Resultater Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 FIXED EFFECTS Constant -.072** -.096*** -.080*** (.026) (.021) (.021) (.021) (.021) (.021) (.020) Enterprise level Multidivisional enterprise (.034) (.034) (.034) (.034) Number of employees.174***.172***.170***.170*** (.013) (.013) (.013) (.013) Regional level Urel. variation * -.054* -.046* (.023) (.023) (.021) (.022) Rel. variation.099***.008 (.026) (.035) Population density (H1).128***.133***.156*** (.032) (.024) (.025) RANDOM EFFECTS Residiual (.017) (.014) (.013) (.013) (.014) (.013) (.015) Regional effect (.009) (.005) (.005) (.000) (.000) (.000) (.000) Industries within regions (.019) (.018) (.020) (.019) (.018) (.019) Wald χ *** 282.5*** 298.9*** 298.8*** 43.53*** Log likelihood Likelihood ratio χ *** *** *** *** *** *** *** Dependent variable: Productivity. N=6584, number of economic regions=89, number of industries within economic regions=2072, p<.10; * p<.05; ** p<.01; *** p<.001, two tailed tests of significance. Standard error in parentheses.

10 Resultater, forts. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 FIXED EFFECTS Constant -1.65*** -1.87*** -2.35*** -2.35*** -2.33*** -2.33*** -1.81*** -1.80*** (.056) (.060) (.068) (.070) (.069) (.068) (.063) (.063) Enterprise level Multidivisional enterprise (.124) (.124) (.124) (.124) Number of employees (.050) (.050) (.050) (.050) Productivity.133**.134**.134**.135** (.045) (.046) (.045) (.045) R&D per employee 1.53*** 1.53*** 1.53*** 1.53*** (.056) (.056) (.056) (.056) Regional R&D collab..547***.546***.547***.545*** (.138) (.138) (.138) (.138) National R&D collab (.154) (.154) (.154) (.154) Int R&D collab..762***.761***.749***.750*** (.159) (.159) (.159) (.159) Regional level Population density (.062) (.094) (.094) (.096) Urel. variation (.054) (.059) Rel. variation (H2).241*.225*.256**.216*** (.104) (.095) (.097) (.063) RANDOM EFFECTS Regional effect (.025) (.000) (.000) (.000) (.000) (.000) (.021) (.022) Industries within regions (.140) (.092) (.092) (.092) (.091) (.146) (.146) Wald χ *** *** *** *** 12.0** 11.76*** Log likelihood Likelihood ratio χ *** 199.2*** 27.58*** 25.54*** 20.99*** 21.82*** 185.5*** 185.3*** Dependent variable: Innovation. N=6584, number of economic regions=89, number of industries within economic regions=2072, p<.10; * p<.05; ** p<.01; *** p<.001, two tailed tests of significance. Standard error in parentheses

11 Resultater, forts. Unrelated variation - Population density + + (-) Productivity + Innovation Related variation Empirical Model

12 Resultater, forts. Odds ratios innovation Whole sample Multidivisional enterprises omitted 1 Figure 2. Odds ratio innovation as a function of related industrial variation at a regional level. Black line is based on Model 7, grey line based on the same model but which omits multidivisional enterprises from the sample.

13 Resultater, forts Minimum unrelated variation Median urelated variation Maxium urelated variation 1 Odds ratio innovation as a function of R&D per employee and regional unrelated variation