Een spatiaal econometrische analyse van de determinanten van ondernemerschap

Transcriptie

1 STEUNPUNT ONDERNEMEN EN REGIONALE ECONOMIE NAAMSESTRAAT 61 BUS 3550 BE-3000 LEUVEN TEL FAX store@kuleuven.be Beleidsrapport STORE-B Een spatiaal econometrische analyse van de determinanten van ondernemerschap A. Aelvoet (Universiteit Gent) B. Merlevede (Universiteit Gent) December

2 Inhoudstafel 1. Ondernemerschap, innovatie en groei Determinanten van ondernemerschap Onderzoeksopzet Dataset Methodologische aspecten Variabelen Bevindingen Robuustheidsanalyse Besluit Bibliografie Bijlage A.1 Monte Carlo Simulatie Figuur 3 bias variantie ratio (n = 2) Figuur 4 bias variantie ratio (n = 3) Figuur 5 bias variantie ratio (n = 4) Figuur 6 bias variantie ratio (n =5) Figuur 7 bias variantie ratio (n = 10) Figuur 8 bias variantie ratio (n =20) Lijst met figuren Figuur 1 dataverwerking (rasteren) Figuur 2 dataverwerking (rasteren) Figuur 3 bias variantie ratio (n = 2) Figuur 4 bias variantie ratio (n = 3) Figuur 5 bias variantie ratio (n = 4) Figuur 6 bias variantie ratio (n =5) Figuur 7 bias variantie ratio (n = 10) Figuur 8 bias variantie ratio (n =20) Lijst met tabellen Tabel 1 Sectorindeling Tabel 2 Spatiale effecten van inputsharing bij uitgeverijen en geschreven media Tabel 3 Spatiale effecten van inputsharing in de bouwsector Tabel 4 Spatiale effecten van inputsharing in de R&D sector Tabel 5 Spatiale effecten van inputsharing in de entertainment sector Tabel 6 Spatiale effecten van labor pooling in de voedingsindustrie

3 Tabel 7 Spatiale effecten van labor pooling in de houtverwerkende nijverheid Tabel 8 Spatiale effecten van labor pooling in de chemische industrie Tabel 9 Spatiale effecten van labor pooling in de horeca Tabel 10 Spatiale effecten van labor pooling in de transportsector Tabel 11 Spatiale effecten van labor pooling in de vastgoedsector Tabel 12 Alternatieve sectorindeling Tabel 13 Spatiale effecten in de Distributie sector Tabel 14 Spatiale effecten in de Rest sector

4 1. Ondernemerschap, innovatie en groei De laatste 100 jaar ervaren we een continue toename van de levensstandaard. Voortdurende technologische vooruitgang is één van de belangrijkste drijvende krachten achter deze continue groei. Romer (1990) illustreert dit aan de hand van een eenvoudig gedachtenexperiment. Als we alle productiefactoren (land, grondstoffen, arbeid, en fysiek kapitaal) verdubbelen en de stand van de technologie constant houden, dan is het mogelijk om de productie te verdubbelen door replicatie van de reeds bestaande productieprocessen. Indien we de stand van de technologie vervolgens ook verhogen, dan zal dit resulteren in een verdere toename van de productie. Bijgevolg zal de productie per arbeider (ofwel het BBP per capita) eveneens stijgen. De welvaart vergroot. Hoe kan dit proces binnen een economische context vorm krijgen? Vooreerst hebben bedrijven er zelf belang bij om in innovatie en dus het verbeteren van de stand van de technologie te investeren. Het levert nieuwe of betere producten op, waarop men (tijdelijk) het monopolie verwerft. Innovaties kunnen ook leiden tot een betere organisatie van het productieproces, met lagere productiekosten en een sterkere concurrentiepositie tot gevolg. Wanneer een bedrijf een nieuwe technologie of product succesvol introduceert, zullen andere bedrijven dit trachten te kopiëren. Zelfs indien het bedrijf een patent kan nemen op de innovatie, dan nog heeft dit vaak slechts betrekking op een product specifiek onderdeel van de kennis. De niet patenteerbare verder toepasbare inzichten kunnen door andere bedrijven worden overgenomen. Door de verspreiding van deze kennis zal de productie, bij een constante inzet van de andere productiefactoren, stijgen. Het BBP per capita en de welvaart nemen toe. Het enige probleem in deze redenering is dat bedrijven mogelijks stoppen met te investeren in R&D omdat het rendement van een nieuwe uitvinding keer op keer verlaagt. Indien reeds veel producten (variëteiten) op de markt aanwezig zijn zal de rendabiliteit van nog een nieuw product (variëteit) (door hogere concurrentie) verlagen. In de economische groeimodellen lost men dit op door te veronderstellen dat de kost van een innovatie voldoende verlaagt naarmate de stand van de technologie verbetert. Zodoende ontstaat de volgende economische groei spiraal. Een bedrijf innoveert en krijgt een tijdelijk monopolie op het goed waardoor deze innovatie rendeert. De kennis verspreidt zich over de industrie waardoor de productiviteit en de welvaart verhoogt en de kost van een additionele innovatie verlaagt. Hierdoor zal er vervolgens weer een bedrijf interesse hebben in een additionele innovatie, waarna het verhaal 4

5 van vooraf aan herstart. 1 Merk op dat bedrijfsopstarten an sich niet volstaan om de bovenstaande economische groei spiraal gaande te houden. Het moet telkens bedrijven betreffen die nieuwigheden inzake producten, productietechnieken, en dergelijke introduceren. Technologische kennis in de meest ruime betekenis van het woord verspreidt zich echter niet automatisch. Er zijn een aantal kanalen waarlangs de innovatie van het ene bedrijf doorsijpelt naar andere ondernemingen. Een voor de hand liggende factor is arbeidsmobiliteit. Werknemers veranderen wel eens van werkgever en nemen heel wat best practices met zich mee (Grossman en Helpman, 1991). Maar ook werknemers die zelf een onderneming oprichten kunnen voor een aanzienlijke kennistransfer zorgen (zie Audretsch en Lehman (2005) en Audretsch (2007)). Dit verantwoordt meteen de beleidsrelevantie van het voorliggende onderzoek. Indien we het aantal opstartende bedrijven ( het ondernemerschap ) kunnen doen toenemen, dan kan dit voor meer kennistransfers tussen bedrijven zorgen, en zodoende voor een hogere economische groei. In het beleidsrapport Ondernemerschapskapitaal in Vlaanderen, België en Europa (STORE-B ) tonen Aelvoet en Merlevede reeds aan dat in België de prestaties inzake ondernemerschap sterke geografische verschillen tonen. In deze bijdrage zullen we de variabiliteit van deze prestaties trachten te verklaren door gebruik te maken van spatiaal econometrische analyses voor België. In wat volgt zullen we achtereenvolgens ingaan op de relevante wetenschappelijke literatuur (paragraaf 2), het onderzoeksopzet (paragraaf 3) en de voornaamste bevindingen (paragraaf 4). 1 Voor een theoretische uiteenzetting verwijzen we de lezer door naar het uitstekende werk van Grossman en Helpman (1991). 5

6 2. Determinanten van ondernemerschap Er bestaan velerlei verklaringen voor de grote regionale verschillen in start-ups. Eén van de eerste economen die hier een duidelijke visie op na hield was Marshall (1920). De uitgesproken concentratie van bedrijven in bepaalde delen van een land kende volgens hem drie oorzaken: 1. Natuurlijke voordelen: bedrijven vestigen zich in de buurt van grondstoffen die een hoge transportkost kennen. Dit maakt dat regio s die over zulke grondstoffen beschikken meer bedrijfsstichtingen laten optekenen. 2. Historisch toeval: de aanwezigheid van een hofhouding leidt tot de ontwikkeling van luxe industrieën. 3. Agglomeratiekrachten: de aantrekkelijke omstandigheden die bestaande bedrijven creëren voor nieuwkomers. Hierdoor zal een bedrijfsconcentratie, eens ze is ontstaan, meer nieuwkomers aantrekken. Marshall (1920) onderscheidde daarbij drie agglomeratiekrachten. Een eerste agglomeratiemechanisme zijn kennistransfers, ofwel het hoge tempo waaraan ondernemers ideeën kunnen uitwisselen met de nodige innovaties tot gevolg. Een tweede mechanisme is het delen van toeleveranciers ( inputsharing ). De grote bedrijfsaantallen maken het mogelijk om de productie van zeer specifieke halffabricaten aan gespecialiseerde toeleveringsbedrijven toe te kennen, met een betere arbeidsdeling en hogere productiviteit tot gevolg. Deze hogere productiviteit laat vervolgens toe om goedkoper te produceren, wat nieuwkomers aantrekt. Tot slot schept ook de grotere arbeidsmarkt mogelijkheden ( labor market pooling ). Door de aanwezigheid van een groter aantal bedrijven wordt de kans dat bedrijfsprestaties uiteenlopen ook groter, daardoor kan het gebeuren dat het ene bedrijf werknemers ontslaat, terwijl het andere volop aanwerft. Grotere arbeidsmarktmogelijkheden hebben dan als voordeel dat het expanderende bedrijf werknemers kan aanwerven zonder dat de loonkosten de pan uit swingen. Gedurende de twintigste eeuw hebben vele theoretici deze Marshalliaanse inzichten vertaald in moderne micro-economische modellen. Duranton en Puga (2003) bieden een uitstekend overzicht van het reeds gedane onderzoek. Daarbij plaatsen ze de uiteenlopende modellen in drie grote categorieën: delen, matchen en leren. In wat volgt geven we een beknopt overzicht van de voornaamste inzichten die dit microeconomische onderzoek heeft voorgebracht. Geïnteresseerde lezers, die de mechanismen tot in de details willen begrijpen, verwijzen we door naar Duranton en Puga (2003). 1. Bedrijven kunnen wederzijds voordeel putten uit het delen van uiteenlopende zaken: 6

7 a. Het delen van niet-deelbare productiefactoren. Indien verschillende bedrijven van eenzelfde niet-deelbare productiefactor gebruik maken, dan kunnen zij de vaste kost over meer actoren spreiden. De vaste kost (per bedrijf) daalt bijgevolg naarmate meer bedrijven zich samen vestigen. Dit trekt verder nieuwe bedrijven aan. b. Het delen van toeleveringsbedrijven. Wanneer veel bedrijven zich samen vestigen kan er een groter aantal toeleveringsbedrijven ontstaan. Hierdoor is er een ruimere waaier aan inputs beschikbaar, en kan men de input mix verbeteren. c. Het delen van arbeidstaken. De toename van het bedrijfsaantal alsook de toename van het aantal toeleveringsbedrijven leidt tot een verregaande arbeidsdeling. d. Het delen van risico (labor market pooling): indien bedrijven dalende schaalopbrengsten hebben dan zal de negatieve correlatie van bedrijfsresultaten tot een wederzijds voordeel leiden. De bedrijven die verlies boeken en hun productie moeten inkrimpen zullen dankzij de kleinere schaal productiever worden. De expanderende bedrijven zullen de werknemers die door de andere ondernemingen worden ontslaan kunnen aanwerven, zonder dat het algemene loonpeil verhoogt (Krugman, 1991). 2. Bedrijven kunnen wederzijds voordeel putten uit diverse matching processen. a. Hold-up problemen. De aanwezigheid van een te klein aantal actoren kan hold-up problemen veroorzaken. We geven een voorbeeld ter illustratie (Helsley en Strange, 2007). Stel dat twee bedrijven gevestigd zijn in een regio. In een eerste fase kan bedrijf A beslissen om voor bedrijf B te produceren zonder dat men een prijs contractueel kan vastleggen (bvb. ten gevolge van onzekerheid inzake de kwaliteit van het eindproduct). In een tweede fase doet bedrijf B een bod dat door bedrijf A wordt aanvaard of verworpen. Indien bedrijf B zich optimaal gedraagt dan zal het bedrijf A aanmoedigen om een product te produceren, om in fase 2 de laagst aanvaardbare prijs te bieden, namelijk nul euro. Dit optimale gedrag indachtig zal bedrijf A in de eerste fase weigeren om een goed te produceren voor bedrijf B. Verdere arbeidsdeling wordt dus tegengehouden ten gevolge van een onvolledig contract (dat enkel de plichten van A duidelijk specifieert, maar niet die van bedrijf B). Er is sprake van een hold-up probleem. 7

8 Indien ook bedrijf C zich in deze regio vestigt en in de tweede fase mee kan bieden dan zal het optimale gedrag van bedrijf B wijzigen. Bedrijf C zal immers bereid zijn om iedere prijs te bieden die voor hem winstgevend is. Dit indachtig zal bedrijf B in de laatste fase evenveel bieden als het hoogste bod dat door bedrijf C kan worden uitgebracht. Hierdoor zal bedrijf A ditmaal wel bereid zijn om een goed te produceren voor bedrijf B. De arbeidsdeling en productiviteit nemen, net als het aantal nieuwkomers, toe. b. Matching op de arbeidsmarkt. Doordat het aantal vragers en aanbieders van arbeid op een bepaalde plek stijgt zal het minder lang duren vooraleer een vacature wordt ingevuld. Dit zorgt voor lagere zoekkosten. 3. Bedrijven kunnen van elkaar leren. Doordat werknemers tijdens hun loopbaan van werk veranderen kunnen inzichten inzake arbeidsorganisatie, van het ene bedrijf op het andere worden overgedragen. Naast deze micro-economische verklaringen spelen ook andere factoren een rol. Zo maakte Saxenian (1994) duidelijk dat de organisatie van de economische activiteit in vele kleine ondernemingen een essentieel ingrediënt is voor de creatie van nieuwe bedrijven. Meer specifiek tracht hij op anekdotische wijze het succes van Silicon Valley vis à vis Route 128 te verklaren vanuit de structuur van kleine jonge ondernemingen die in de eerste regio bestond. Verder zijn nog verschillende andere verklaringen voorgesteld, maar het bewijsmateriaal is niet steeds even sterk. In dit rapport concentreren we ons op de identificatie van het effect van agglomeratiekrachten op start-ups in België. 2 2 Verder werk binnen deze onderzoekslijn zal aandacht besteden aan de heterogeniteit in start-ups, i.e. ondernemingsgrootte, succesvolle versus niet succesvolle start-ups. 8

9 3. Onderzoeksopzet 3.1 Dataset De voor dit onderzoek gebruikte dataset is gebaseerd op verschillende jaargangen van de Amadeus databank. De Amadeus databank, uitgegeven door Bureau van Dijk Electronic Publishing, bevat bedrijfsgegevens voor verschillende sectoren overheen heel Europa. Omwille van de hoge detailgraad is deze dataset zeer geschikt voor een fijnmazige analyse. Zo is de postcode, industriecode, ondernemingsvorm, tewerkstelling, productiviteit, rendabiliteit, van veel opgenomen bedrijven bekend of kan dit berekend worden. Het gebruik van de Amadeus databank brengt echter enkele beperkingen met zich mee die steeds in het achterhoofd gehouden moeten worden bij cijfers en studies naar verbanden. Zo worden inactieve bedrijven automatisch uit de dataset verwijderd, waardoor je op basis van 1 versie niet kunt nagaan hoeveel bedrijven er voordien actief waren. Wij lossen dit probleem op door verscheidene jaarlijkse versies in onze databank te integreren. Desalniettemin nemen we niet alle bedrijven waar. Het aantal waargenomen bedrijven varieert daarbij naargelang tijd en ruimte. Het is dus niet omdat we een quasi exhaustieve steekproef hebben van een bepaalde sector in België dat dit ook voor bijvoorbeeld Duitsland het geval is. De dekkingsgraad van deze databank is voor België echter zeer hoog, waardoor ze uitermate geschikt is voor fijnmazige econometrische analyses zoals deze hier worden gedaan. De voor dit onderzoek gebruikte dataset is identiek aan degene waar het beleidsrapport Ondernemerschapskapitaal in Vlaanderen, België en Europa (STORE-B ) op is gebaseerd. Voor meer gedetailleerde informatie over de dataset verwijzen we de lezer door naar het voornoemde beleidsrapport. 3.2 Methodologische aspecten In ons onderzoek naar de determinanten van ondernemerschapskapitaal moeten we een aantal problemen het hoofd bieden. Een eerste probleem is de heterogene geografie van de verschillende Belgische postcodegebieden. Empirische resultaten kunnen dan enkel gebruikt worden om uitspraken te doen over hoe ver een effect reikt in termen van buurregio s, waardoor je enkel kunt nagaan of het effect reikt tot de aangrenzende regio s, of tot de aangrenzende regio s van aangrenzende regio s, enz. Gelet op de zeer wisselende omvang van de bestudeerde geografische eenheden zijn we niet in staat om de absolute reikwijdte van de effecten in afstand (kilometer) uit te drukken of te bestuderen. Bovendien tonen Glaeser et al. (2010) aan dat het niet corrigeren voor geografische heterogeniteit aanleiding kan geven tot inconsistente schattingen van de agglomeratie effecten, wat tot foute conclusies kan leiden. 9

10 Om tot beleidsrelevante inzichten te komen hebben we daarom de ruwe data gerasterd. Dit houdt in dat we over heel België een raster met vierkanten hebben gelegd en de bedrijven vervolgens hebben herverdeeld. Figuur 1 illustreert dit proces grafisch. Om tot geen al te grote vervormingen te komen hebben we daarbij de volgende verdeelsleutel toegepast: indien een aandeel x van postcodegebied p in vierkant A ligt, dan wordt een deel x van de in postcode p gevestigde bedrijven aan vierkant A toegewezen. Op deze manier krijgen alle bedrijven een nieuwe locatie toegewezen zonder dat nieuwe bedrijven uitgevonden worden. Figuur 2 illustreert dit proces voor sector de entertainmentsector. Een tweede probleem is de moeilijke identificatie van de onderscheiden agglomeratie effecten. Ieder agglomeratie-effect zorgt voor een hogere (arbeids)productiviteit in de desbetreffende regio, wat op zijn beurt leidt tot een hogere vraag naar en een hogere prijs van de betreffende input (loon) (Rosenthal en Strange, 2004). De aanwezige agglomeratiemechanismen uiten zich dus allemaal onder ongeveer dezelfde vorm, waardoor de individuele effecten niet eenvoudig kunnen nagegaan worden. 10

11 Figuur 1 - Correctie voor geografische heterogeniteit Figuur 2 Herallocatie van bedrijven en correctie voor geografische heterogeniteit (227) (227) (230) (158) 0-0 (299) (81) (24) (23) (44) 5-10 (52) 0-5 (31) 11

12 3.3 Variabelen De identificatie van specifieke agglomeratiekrachten is zoals gezegd niet eenvoudig. Dit kan enkel enerzijds door een aantal meetbare eigenschappen te zoeken die uniek zijn aan ieder type agglomeratie-effect en anderzijds door de overige agglomeratiemechanismen te vatten in zogenaamde container -variabelen. De door ons gebruikte container-variabelen zijn forward en backward linkages. Forward linkages voor industrie k in regio r meten we daarbij als: Met de fractie van de output die industrie k aan industrie i toelevert en het aantal bedrijven uit industrie i dat in regio r aanwezig is. Deze informatie halen we uit de input-output tabellen voor België opgesteld door het Federaal Planbureau. Indien industrie k een groot deel van zijn output aan industrie i verkoopt, en er zijn veel bedrijven uit industrie i in regio r aanwezig, dan zal deze aan zeer veel bedrijven kunnen toeleveren. Op deze manier controleren we (deels) voor de vraag die in regio r aanwezig is. Backward linkages voor industrie k in regio r meten we als: Met de fractie inputs die industrie k uit industrie i betrekt, en het totaal aantal bedrijven uit industrie i dat aanwezig is. Indien industrie k een groot deel van zijn inputs uit industrie i betrekt, en er veel bedrijven uit sector i aanwezig zijn, dan kan deze potentieel heel veel inputs toegeleverd krijgen. Op deze manier controleren we voor de voordelen die een bedrijf ondervindt door veel verschillende toeleveranciers te hebben. Merk op dat deze variabele de impact van alle mechanismes die opereren via relaties met toeleveranciers vat. Hieronder definiëren we nog een variabele die specifiek het mechanisme van inputsharing probeert te vatten. Naast deze container variabelen hebben we ook twee agglomeratiekrachten expliciet in onze analyse opgenomen: labor pooling en inputsharing. Labor pooling betreft de baten die bedrijven ondervinden door een negatieve correlatie tussen hun respectievelijk performatie (i.e. de ene expandeert terwijl de andere inkrimpt, zie sectie twee). Dit mechanisme gaat met andere woorden gepaard met bedrijven die personeel ontslaan, en andere 12

13 bedrijven die personeel aannemen; beide goed observeerbare gebeurtenissen. Op basis van deze vaststelling meten Overman en Puga (2009) het potentieel voor labor pooling voor industrie i in region r als volgt: Daarbij staat voor het aantal werknemers in bedrijf n uit sector i met vestigingsplaats r, voor het aantal werknemers in sector i in regio r en N voor het totale aantal bedrijven uit sector i die in regio r aanwezig zijn. Voor een bedrijf n is het batig om sterk te expanderen (hoge ) op een ogenblik dat de eigen sector inkrimpt (negatieve ). In dit geval zal de n-de term ( ) uit bovenstaande som een hoge waarde aannemen. Het gemiddelde van al deze bedrijfservaringen levert bijgevolg een goede indicatie voor de voordelen die men haalt uit labor pooling. Ook voor inputsharing is er een goede indicator. Onder inputsharing verstaan we de meer efficiënte input-mix die bedrijven kunnen kiezen indien er een brede waaier aan toeleveringsbedrijven aanwezig is. Daarbij gaan we uit van bedrijven die een aantal onderling niet inruilbare grondstoffen nodig hebben om te kunnen produceren. Zo kan een frituur zijn productie niet constant houden door aardappelen in te ruilen voor frituurvet. Je hebt beide nodig om te produceren. Economen spreken in dit verband over complementaire productiefactoren. Echter voor iedere noodzakelijke grondstof kan een bedrijf kiezen tussen verschillende types, die hij eventueel eigenhandig kan combineren. Zo kan een frituur opteren voor een dierlijk vet, een plantaardige olie, of een uniek mengsel van beide. Economen spreken in dit verband van substitueerbare productiefactoren : je kan de ene variant frituurvet vervangen (substitueren) door een andere. Kortom: we veronderstellen dat een bedrijf een aantal complementaire productiefactoren nodig heeft, waarbij die voor iedere complementaire productiefactor een bepaald type (of een combinatie van types) kan kiezen. Via input-output tabellen van het Federaal Planbureau achterhalen we welke complementaire productiefactoren een sector nodig heeft. Daarenboven weten we op basis van de Amadeus databank hoeveel toeleveranciers er per sector aanwezig zijn in elke regio, wat ons een indicatie levert van de breedte van het gamma. Aldus bekomen we de volgende indicator voor inputsharing in industrie k en regio r. 13

14 Daarbij staat voor de fractie inputs die industrie k uit industrie i betrekt, voor de variance ratio (een indicatie voor de verscheidenheid ) van industrie i in regio r en voor het totale aantal industrieën. We delen de sectoren in op basis van de NACE 2 digit code. Aangezien we ook de NACE 4 digit code van ieder bedrijf kennen kunnen we aldus per sector nagaan hoe gevarieerd het aanbod is door te berekenen hoeveel bedrijven er aanwezig zijn van ieder type (per NACE 4 digit code) en door vervolgens de modus van deze verdeling te berekenen. Het totale aantal bedrijven in een sector (NACE 2 digit) wordt in de bovenstaande formule weergegeven door n, de modus van de NACE 4 digit verdeling door de relatieve frequentie van modus(nr). In bijlage B tonen we aan dat onze maatstaf voor inputsharing steeds een waarde tussen nul en één aanneemt. Deze indicator kan als volgt begrepen worden. De hele economie is ingedeeld in I sectoren. Daarbij geeft weer welk percentage van de grondstoffen sector k aankoopt van sector i. Is dit percentage hoog (respectievelijk laag), dan is sector i een belangrijke (respectievelijk onbelangrijke) toeleverancier van sector k en dan maakt de juiste keuze van een bepaald grondstoftype veel (respectievelijke weinig) uit. De variance ratio geeft vervolgens weer hoe breed het productgamma van sector i in regio r is. Is dit zeer groot (respectievelijk zeer klein) dan zal de variance ratio een hoge waarde (respectievelijk lage waarde) aannemen. Dat betekent dat i de term hoog zal zijn indien industrie k intensief gebruik maakt van industrie i én industrie i over een uitgebreid productgamma beschikt. Door deze termen op te tellen van alle I industrieën bekomen we zodoende een goede indicatie voor de potentiële baten uit inputsharing. De aanwezigheid van de variantie ratio in de indicator van inputsharing stelt ons voor een extra uitdaging. Indien we de spreiding van de bedrijven binnen iedere sector willen kennen dient iedere geografische eenheid voor iedere sector tenminste 2 bedrijven te herbergen. Om na te gaan hoeveel bedrijven we per sector nodig hebben om tot een redelijke inschatting van de variantie ratio te komen hebben we een Monte Carlo simulatie uitgevoerd. Deze vertrok daarbij telkens van de verschillende empirische distributies die we in de verschillende Belgische gemeenten en sectoren 14

15 hebben kunnen waarnemen tijdens de periode Vervolgens zijn we nagegaan hoe de vertekening zich gedraagt naarmate we de steekproef groter maken. Op basis van deze gegevens hebben we het ideale aantal bedrijven dat in iedere sector van iedere geografische eenheid aanwezig moet zijn vastgelegd op vier. Leggen we onze norm lager, dan kunnen we meer regio s behouden maar met een erg grote bias. Leggen we onze norm hoger dan vallen er dermate veel regio s weg dat statistische besluitvorming moeilijk wordt. Het is dan ook belangrijk om te vermelden dat deze studie de meest afgelegen regio s heeft moeten weren en zodoende een territorium heeft overgehouden dat grosso modo overeenkomt met de Vlaamse ruit met uitlopers naar Luik, Namen en de kust. Meer informatie over de Monte Carlo simulatie vindt u terug in bijlage. We zullen in de analyse ook expliciet controleren voor verschillen in concurrentiegraad door middel van de Herfindahl Index: ( ) Daarbij staat voor het marktaandeel waarover bedrijf n in industrie i beschikt. De Herfindahl is nul indien er zeer veel concurrentie is (veel bedrijven met elk een klein marktaandeel) en 1 indien er sprake is van een monopolie. Tot slot controleren we ook voor natuurlijke voordelen door drie dummy variabelen te introduceren, die 1 zijn indien een bedrijf dicht bij (afstand minder dan 2,5 km) een autostrade, spoorweg of rivier ligt en 0 in het andere geval. Merk op dat kennistransfers (als agglomeratiekracht) zéér moeilijk te meten zijn. We kunnen hiervoor hooguit gebruik maken van patentcitaties. We nemen deze dan ook niet op in de analyse. Onze afhankelijke variabele wordt ten slotte gemeten als het gemiddelde aantal toetreders per duizend inwoners tijdens de periode Vooraleer over te gaan op onze onderzoeksresultaten vermelden we nog de gehanteerde sectorindeling. 15

16 Tabel 1 - Sectorindeling Sector Nace 2digit code Grondstofdelving en energieproducten 10, 11, 12, 13, 14, 40 Voedingsindustrie 15, 16 Houtnijverheid 20 Uitgeverijen en geschreven media 21, 22 Chemische industrie 24, 25, 26 Metaal industrie 27, 28 Meubelnijverheid 36 Bouwsector 45 Verkoop en verhuur van voertuigen 50, 71 Groot- en detailhandel 51 Horeca 55 Transportsector 60, 61, 62 Toeleveranciers transportsector 63 Financiële sector 65, 66, 67 Vastgoedsector 70 Research and Development 72, 73 Entertainment sector 92 16

17 4. Bevindingen. Vooraleer in te gaan op impactanalyse brengen we drie concepten aan: de gemiddelde directe impact, de gemiddelde totale impact en de gemiddelde indirecte impact. De gemiddelde directe impact geeft het (gemiddelde) effect van een toename van een onafhankelijke variabele weer op het aantal bedrijfsstichtingen in dezelfde regio. De gemiddelde indirecte impact het (gemiddelde) effect van een toename van een onafhankelijke variabele op het aantal bedrijfsstichtingen in alle andere regio s weer. Tot slot geeft de gemiddelde totale impact geeft het (gemiddelde) effect van een toename van een onafhankelijke variabele op het aantal bedrijfsstichtingen in alle regio s weer (direct + indirect effect). Onze spatiaal-econometrische analyse laat niet enkel toe om het effect in te delen in de drie hierboven vermelde kanalen (namelijk impact op de eigen bedrijfsstichtingen, alle bedrijfsstichtingen of bedrijfsstichtingen in alle andere regio s), maar laat ook toe om deze effecten te verdelen over de ruimte ( spatiale partitionering ). Een toename in een variabele op regio r zal immers een effect hebben op het aantal bedrijfsstichtingen in regio r, maar mogelijks ook op het aantal bedrijfstoenamen in de buurregio s van regio r. En via deze buurregio s ook op de buren van deze buurregio s, enz. Spatiale econometrie stelt ons instaat om al deze effecten op te splitsen in effecten op de eigen regio, de directe buren, de buren van de buren, enzovoort. Merk op dat het mogelijk is dat een toename in een agglomeratiekracht in regio r voor een toename in de bedrijfsstichtingen in de eigen regio zorgt, ten koste van de buurregio s. Dit is vanuit beleidsstandpunt niet triviaal: willen we de bedrijfsstichtingen in de ene regio aanmoedigen, dan kan deze actie ook (negatieve) gevolgen hebben voor de buurregio s. De onderhavige studie laat echter niet toe om grote besluiten te trekken hieromtrent: de spatiaal gepartitioneerde effecten in onze analyse zijn slechts zelden significant. Dit heeft wellicht te maken met de kleinere omvang van deze effecten (t.a.v. het nietgepartitioneerde effect) en het relatief beperkt aantal regio s dat we overhouden. 3 Uit onze analyse blijkt dat zowel de geschreven media (inclusief uitgeverijen), als de bouw-, R&D en entertainmentsector gevoelig zijn voor de aanwezigheid van een uitgebreid arsenaal aan toeleveringsbedrijven (inputsharing). Vanuit theoretisch oogpunt hoeft dit niet te verwonderen. Al deze sectoren zijn verbonden met toeleveranciers die een duidelijke impact zullen hebben op de prijs en kwaliteit van het eindproduct. Zo kan een projectontwikkelaar afhankelijk zijn van de diensten die 3 Merk op dat we de bedrijven in 19 sectoren hebben opgedeeld, en dat we enkel die regio s hebben overgehouden waarvoor er in iedere sector tenminste 3 bedrijven aanwezig zijn. Hierdoor verliezen we een groot deel van het Belgische territorium. 17

18 loodgieters, stukadoors, als zelfstandige aan het bedrijf toeleveren. Indien deze projectontwikkelaar in een bepaalde regio een ruimere keuze heeft dan kan hij er voor opteren om meer kwalitatieve (of net goedkopere) vakmannen in te huren om zodoende de prijs en kwaliteit van het eindproduct beter af te stemmen op de wensen van de klant. Ook in de entertainment sector kunnen we zulke redenering maken. Zo zal de aanwezigheid van een breed gamma aan artiesten de programmering van heel wat (lokale) theaters, kunnen verbeteren waardoor deze wederom een beter eindproduct afleveren. Daarbij merken we telkens een bijzonder spatiaal patroon op: indien het gamma aan toeleveringsbedrijven toeneemt in een regio dan zal dat een positief effect hebben op het aantal bedrijfsstichtingen in de eigen regio, maar een negatief effect op het aantal bedrijfsstichtingen in de buurregio s. De buren van de buurregio s worden dan weer positief beïnvloed, en de vierde orde buren opnieuw negatief, We nemen een effect waar dat uitdijt als concentrische golven in het water. Op zich is dit een interessante bevinding. Indien men het ondernemerschap in een bepaalde regio wil aanmoedigen door het gamma aan toeleveranciers (op willekeurige wijze) te doen toenemen, dan zal dit bedrijfsoprichtingen onttrekken aan de onmiddellijk aangrenzende regio s. Het aantal extra bedrijfsoprichtingen in de ene regio zal echter het verlies daarvan in de aangrenzende regio s ruim compenseren (vandaar dat het totale cumulatieve effect steeds significant positief is). Hoewel de parameterschattingen het bovenstaande geografische patroon onthullen merken we op dat deze (spatiaal gepartitioneerde) effecten vrijwel nooit significant zijn. Dit heeft vermoedelijk te maken met de veel lagere waarde van de populatieparameters, wat het onderscheidingsvermogen 4 van de T-tests verlaagt. Merk ook op dat de ene sector beduidend gevoeliger is voor inputsharing dan de andere. Hieromtrent springt voornamelijk de R&D sector in het oog waar een toename van inputsharing maar liefst 4 maal hoger ligt dan in de mediasector, die het tweede grootste effect op zijn conto schrijft. Meer specifiek zullen maatregelen die het ondernemerschap in de NACE sectoren 24, 28, 36 (verwerkende nijverheid) stimuleren (bvb. door sectorspecifieke knelpunten te verhelpen) vervolgens het aantal start-ups in de R&D sector doen toenemen. Gelet op het belang van de R&D sector voor de productiviteit in andere sectoren (door de verspreiding van nieuwe kennis en productieprocessen) zal dit waarschijnlijk ook de algemene economische groei ten goede komen. 4 Het onderscheidingsvermogen is de kans dat we de nulhypothese (hier: er is geen effect) verwerpen indien deze fout is. 18

19 19

20 Tabel 2 Spatiale effecten van inputsharing bij uitgeverijen en geschreven media Cumulatieve effecten Effect INPSH Standaardfout T-statistiek Directe effect INPSH Indirecte effect INPSH e e-76 Totale effect INPSH ** Spatiaal gepartitioneerde effecten (totale effect) Effect INPSH Standaardfout T-statistiek 0-7 km km km km km Tabel 3 Spatiale effecten van inputsharing in de bouwsector Cumulatieve effecten Effect INPSH Standaardfout T-statistiek Directe effect INPSH ** Indirecte effect INPSH e e-166 Totale effect INPSH ** Spatiaal gepartitioneerde effecten (totale effect) Effect INPSH Standaardfout T-statistiek 0-7 km km km km e km e e-05 20