Economische concentratie: de empirie

Transcriptie

1 Economische concentratie: de empirie JEROEN HINLOOPEN Universiteit van Amsterdam en Technische Universiteit Delft en CHARLES VAN MARREWIJK Erasmus Universiteit Rotterdam Eerste versie: december 2002; deze versie: februari 2003 Samenvatting Gezien de veelheid aan mogelijke analyses betreffende de spreiding van economische activiteit, in termen van wat (bevolking, toegevoegde waarde, keuze van sectoren), waar (globale regio s, landen, districten, steden) en hoe (structuur in spreiding en interactie) is er een verbluffende helderheid in uitkomst van die analyse, samengevat in de volgende zes gestileerde feiten (waarvan de laatste nieuw is): Er is ongelijkmatige spreiding ongeacht de soort economische activiteit. Er is ongelijkmatige spreiding ongeacht het geografische aggregatieniveau. Er is ongelijkmatige spreiding ongeacht het economische aggregatieniveau. Er is een opmerkelijke regelmaat in de spreiding van economische activiteit. Er is een opmerkelijke regelmaat in de interactie tussen economische centra. Er is een opmerkelijke regelmaat in de verdeling van comparatief voordeel. 1 / 40

2 1. Inleiding In oktober 2002 benaderden Steven Brakman en Harry Garretsen ons voor dit preadvies met als hoofddoel aannemelijk te maken dat economische activiteit niet homogeen over de ruimte is verdeeld. Hoewel er ook een aantal andere onderzoeksvragen werden gesteld waaraan we in de loop van dit artikel aandacht zullen besteden, zal de lezer in eerste instantie op de hoofdvraag wellicht reageren met: maar natuurlijk is economische activiteit niet homogeen over de ruimte verdeeld, dat weet toch iedereen! Een wandeling langs de blaarkoppen in Friesland op woensdagochtend geeft een heel ander beeld van economische activiteit dan een wandeling door de Rotterdamse koopgoot op zaterdagmiddag. Het is dus evident dat er sprake is van een ongelijkmatige verdeling. Toch is die directe reactie omtrent de evidentie van de ongelijkmatige verdeling om tenminste drie redenen niet terecht. Ten eerste moeten we preciseren wat we bedoelen met economische activiteit. Uiteraard zijn dit activiteiten waarbij mensen betrokken zijn, zodat een eerste indicatie van de verdeling van economische activiteit gegeven wordt door te kijken naar de verdeling van mensen over de wereldbol. De ene mens is echter, bijvoorbeeld dankzij verschillen in opleiding of de ter beschikking staande hoeveelheden kapitaal, infrastructuur en communicatie, veel produktiever dan de andere mens wat leidt tot een hogere toegevoegde waarde, zodat bij een analyse van de verdeling van economische activiteit met de verschillen in produktiviteit rekening moet worden gehouden. Die correctie voor produktiviteit moeten we echter weer niet te ver doorvoeren, aangezien empirisch blijkt dat deze positief samenhangt met het prijspeil, waarvoor dus ook weer voor gecorrigeerd moet worden. Dit brengt ons uiteindelijk op voor koopkracht gecorrigeerde toegevoegde waarde als maatstaf. Ten tweede moeten we het aggregatie niveau in beschouwing nemen, zowel geografisch als economisch. Het geografische aggregatie niveau kan zich richten op verschillen tussen globale regio s, zoals bijvoorbeeld gedefinieerd door de Wereldbank (zie verder), op verschillen tussen landen, op verschillen in regio s in landen, op verschillen tussen steden, en zelfs op verschillen in wijken binnen steden. Een en ander eventueel ingeperkt binnen een hoger aggregatie niveau. Het economische aggregatieniveau betreft de analyse van het type economische activiteit. 2 / 40

3 Dit kunnen alle geproduceerde goederen en diensten 1 zijn, het kan zich beperken tot een groep van produkten, zoals de landbouwsector of de dienstensector, of men kan zich richten op de analyse van slechts één of enkele produkten, zoals de bloementeelt of de filmindustrie. Ten derde kunnen we analyseren of er regelmatigheden te ondekken zijn, zowel in de (on)gelijkmatigheid van het spreidingspatroon als in de interactie tussen economische centra. We gaan dan dus verder dan de constatering dat de economische activiteit niet homogeen over de ruimte is verdeeld, maar proberen ook een eventuele structuur te ontdekken, die dan weer aanleiding geeft naar een verklaring voor die structuur te zoeken. Zo n verklaring kan van het first nature type zijn (exogeen van karakter: de houtindustrie is meestal gelokaliseerd in bosrijke omgeving; grote havens liggen meestal aan de monding van een bevaarbare rivier) of van het second nature type (endogeen van karakter: computeractiviteiten zijn geconcentreerd in Silicon Valley om gebruik te kunnen maken van lokaal aanwezige kennis; er zijn veel broodjeszaken in New York omdat er veel mensen wonen). Inzicht in die verklaringen kan weer aanleiding geven tot beleidsanalyse. In dit artikel zullen we wel aandacht besteden aan de structuur van de spreiding van economische activiteit, maar niet aan de verklaringen voor die structuur en ook niet aan beleidsaanbevelingen, aangezien beide uitgebreid aan bod komen in de overige preadviezen. Hoewel we aan de meeste van de boven genoemde aspecten aandacht besteden is er welbeschouwd een schier oneindige hoeveelheid combinaties die kunnen worden geanalyseerd betreffende type economische activiteit, verdeling- en spreiding, economische- en geografische aggregatie, interactie tussen economische centra, enzovoort. Het is dus des te opmerkelijker, en van belang voor de hierop volgende analyses, dat een aantal heldere en eenvoudige conclusies betreffende de spreiding van economische activiteit toch kan worden getrokken, zoals samengevat in de volgende zes gestileerde feiten (waarvan de laatste nieuw is): Er is ongelijkmatige spreiding ongeacht de soort economische activiteit. Er is ongelijkmatige spreiding ongeacht het geografische aggregatieniveau. Er is ongelijkmatige spreiding ongeacht het economische aggregatieniveau. 1 In het navolgende heeft de term goederen ook betrekking op diensten. 3 / 40

4 Er is een opmerkelijke regelmaat in de spreiding van economische activiteit. Er is een opmerkelijke regelmaat in de interactie tussen economische centra. Er is een opmerkelijke regelmaat in de verdeling van comparatief voordeel. 2. Globale regio s 2 Er zijn veel landen op de wereld. De Wereldbank onderscheidt op haar CD-ROM 207 verschillende landen, waarvan velen zo klein zijn dat u er wellicht nog nooit van gehoord heeft (Palau? Kiribati?). Door politieke strubbelingen is Taiwan, dat door China als een afvallige provincie wordt beschouwd, het enige significante land dat als aparte entiteit op dit databestand ontbreekt. Het is wel gegroepeerd opgenomen. De volgende paragraaf gaat wat dieper in op verschillen tussen landen. In deze paragraaf karakteriseren we groepen van landen gebaseerd op de indeling in globale regio s van de Wereldbank, te weten 3 : 1. EAP: East Asia and Pacific (incl. China en Indonesië) 2. ECA: (Oost) Europe and Central Asia (incl. Turkije en Rusland) 3. HIC: High Income Countries (incl. West Europa, Verenigde Staten en Japan) 4. LAC: Latin America and Caribbean (incl. Brazilië en Mexico) 5. MNA: Middle East and North Africa (incl. Egypte) 6. SAS: South Asia (incl. India) 7. SSA: Sub-Sahara Africa (incl. Nigeria en Zuid Afrika) Met uitzondering van de groep rijke landen (HIC) zijn dit geografisch min of meer coherente eenheden, hoewel de indeling van de Wereldbank ook is gebaseerd op sociale, politieke, economische en historische factoren. 4 Tabel 1 geeft basisinformatie betreffende bevolking, oppervlakte en produktie voor boven genoemde regio s. Volgens de Verenigde Naties lopen er sinds 12 oktober 1999 meer dan 6 miljard mensen rond op onze planeet, een verdubbeling in ongeveer 40 jaar. 5 Bijna een derde deel van die 6 miljard woont in Oost Azië (EAP; 1,85 miljard), meer dan 6 keer zoveel dan de 295 miljoen mensen in het Midden Oosten en Noord Afrika (MNA). De 2 Tenzij anders vermeld zijn alle data in paragraaf 2-4 afkomstig van de World Development Indicators CD-ROM 2002 en hebben betrekking op het jaar Data voor de rurale bevolkingsdichtheid zijn voor het jaar Gemakshalve gebruiken we de engelstalige namen en afkortingen. De exacte indeling wordt gegeven in de Appendix. 4 Soms ligt een verdere indeling van de groep rijke landen dus voor de hand, zie paragraaf 6. 5 Zie ook voor een veelheid aan andere bevolkingsweetjes. 4 / 40

5 andere globale regio s zitten qua bevolkingsaantal tussen deze twee uitersten in. Uiteraard geven deze absolute getallen nog geen informatie over de verdeling van de bevolking aangezien de globale regio s ook sterk verschillen in oppervlakte. Het totale aardoppervlak is ongeveer 130 miljoen km 2, wat betekent dat er gemiddeld zo n 47 mensen per km 2 wonen. De rijke landen vormen de grootste globale regio (HIC; 30,9 miljoen km 2 ), gevolgd door (Oost) Europa en Centraal Azië (ECA; 23,8 miljoen km 2 ). De kleinste regio is Zuid Azië (SAS; 4,8 miljoen km 2 ). Aangezien er op dit aggregatieniveau een negatieve samenhang is tussen oppervlakte en bevolking, is de verdelingsmaatstaf bevolking per oppervlakte eenheid (hier: personen per km 2 ) ongelijkmatiger verdeeld dan de absolute bevolkingsaantallen. De hoogste dichtheid (283) wordt gemeten in Zuid Azië (SAS). Dit is meer dan 14 keer zo veel als de laagste dichtheid (20) van (Oost) Europa en Centraal Azië (ECA). Tabel 1 Basisinformatie globale regio s (2000) EAP ECA HIC LAC MNA SAS SSA Wereld Bevolking Oppervlakte 16,0 23,8 30,9 20,1 11,0 4,8 23,6 130,1 BNP BNP, ppp Bevolkingsdichtheid BNP dichtheid BNP, ppp dichtheid Oppervlakte in miljoen km 2 ; bevolking in miljoenen; BNP = Bruto Nationaal Product in $ miljard; ppp = purchasing power parity; BNP ppp in $ miljard, bevolkingsdichtheid in personen per km 2, BNP en BNP ppp dichtheid in $ 1000 per km 2 ; data voor 2000 De ongelijke verdeling van mensen over de globale regio s geeft slechts een beperkt inzicht in de verdeling van economische activiteit. De ene mens is immers veel produktiever dan de andere, bijvoorbeeld dankzij betere scholing, de beschikking over krachtige machines, goede (spoor/water-)wegen, efficiënte communicatie, een stabiel en veilig rechtssysteem, enzovoort. Teneinde deze economische produktie te kunnen vergelijken moeten we drie stappen nemen. Ten eerste moet een goed functionerend statistisch bureau accurate informatie verzamelen betreffende de waarde van miljoenen verschillende goederen die worden geleverd door alle bedrijven in een gebied. Dit gebeurt uiteraard in lokale valuta, dus euro s in Nederland, dollars in 5 / 40

6 Amerika en peso s op de Filippijnen. Ten tweede moeten we bepalen wat we gaan vergelijken tussen verschillende gebieden: de produktie van alle goederen, van bepaalde goederen, geproduceerd in het gebied (binnenlands produkt) of door produktiemiddelen in eigendom van de inwoners van een gebied (nationaal produkt). Ten derde moeten we bepalen hoe we de verzamelde informatie voor de verschillende gebieden gaan vergelijken. In deze paragraaf concentreren we ons op een vergelijking van het bruto nationaal product (BNP) aangezien dit de beste indicatie geeft van alle mogelijke soorten economische activiteit. 6 Het BNP geeft de marktwaarde van alle goederen geproduceerd door produktiemiddelen in handen van de inwoners van een gebied. Daarbij worden dus letterlijk appels met peren vergeleken, uitgedrukt in eenzelfde binnenlandse waarde-eenheid. Voor een internationale vergelijking kunnen we dan gebruik maken van de gemiddelde wisselkoers die in de desbetreffende periode op de valutamarkt tot stand kwam. Op deze manier gemeten produceerde de wereld in 2000 een totale waarde van $ miljard aan goederen, een waarlijk astronomisch getal. Uiteraard is die produktie met $ miljard het grootst in de rijke landen (HIC). Dit is meer dan 82 keer zo veel als de produktie van $ 303 miljard in Sub-Sahara Afrika (SSA). Meestal concentreert de aandacht binnen de economie zich op verschillen in produktie per hoofd van de bevolking. Zoals boven gememoreerd zijn die verschillen ook hier van belang en het moge duidelijk zijn dat ze substantieel zijn. Voor de mate van spreiding van economische activiteit is echter de interactie tussen bevolkingsdichtheid en per capita produktiviteitsverschillen van belang, zodat we direct naar de dichtheidsmaatstaf produktie per oppervlakte eenheid (hier: BNP $1000 per km 2 ) gaan. Dan blijkt dat de produktie dichtheid met $ 807 duizend per km 2 voor de rijke landen (HIC) meer dan 62 keer zo groot is als voor hekkesluiter Afrika (SSA) met $ 13 duizend per km 2. Het lijkt, naar aanleiding van bovenstaande, dat de verdeling van economische activiteit beduidend schever is dan de verdeling van de bevolking. Daar past echter een kanttekening bij aangezien de manier van vergelijken (gebruik maken van de gemiddelde wisselkoers in de desbetreffende periode) leidt tot een overschatting van 6 Op dit aggregatieniveau is er vrijwel geen verschil tussen binnenlands- en nationaal produkt. 6 / 40

7 de waarde van de produktie in de rijke landen ten opzichte van de arme landen. Daarbij is het onderscheid verhandelbare / niet-verhandelbare goederen van belang. Aangezien verhandelbare goederen, zoals de naam aangeeft, getransporteerd kunnen worden of op een andere manier in een ander gebied kunnen worden aangeboden (hoewel soms tegen aanzienlijke kosten), concurreren aanbieders van verhandelbare goederen min of meer direct met elkaar op de markt op basis van de gangbare wisselkoers op de valutamarkt, die mede daardoor wordt bepaald. Niet-verhandelbare goederen daarentegen worden lokaal geproduceerd en geconsumeerd, zodat van internationale concurrentie niet echt sprake is. Aangezien (i) de verschillende sectoren in de economie concurreren voor dezelfde arbeider, zodat (ii) de loonvoet in de economie de gemiddelde arbeidsproduktiviteit weerspiegelt en (iii) de produktiviteitsverschillen tussen landen voor niet-verhandelbare goederen kleiner zijn dan voor verhandelbare goederen, leidt een convertering van de waarde van de produktie van niet-verhandelbare goederen op basis van de reguliere wisselkoers tot een onderschatting van die waarde voor minder ontwikkelde landen. Op basis van de reguliere wisselkoers kost het je wellicht $15 om je haar te laten knippen in Chicago tegen maar $1 in Tanzania voor dezelfde knipbeurt. Ga je naar James Bond s Die Another Day in Rotterdam dan kost dat $8, terwijl dezelfde film op de Filippijnen $1.50 kost. Om voor bovengenoemde prijsverschillen voor met name niet-verhandelbare goederen te corrigeren verzamelt het International Comparison Project (ICP) van de Verenigde Naties data over de prijzen van goederen voor vrijwel alle landen van de wereld. Op basis daarvan berekent ze voor koopkracht gecorrigeerde (purchasing power parity = ppp) wisselkoersen. Tabel 1 geeft ook een overzicht van het BNP ppp van de diverse globale regio s, waarbij dus voor koopkrachtverschillen van de reguliere wisselkoers is gecorrigeerd. Dit geeft een beter beeld van de daadwerkelijke economische activiteit in een gebied. De totale wereldproduktie is dan $ miljard, waarvan de rijke landen (HIC) $ voor hun rekening nemen, ofwel meer dan 23 keer zo veel als de $ van Afrika (SSA). Berekenen we nu de produktiedichtheid in $ duizend per km 2, dan zijn de rijke landen met $ 802 duizend nog steeds koploper. Dit is meer dan 18 keer zo veel als de $ 44 duizend per km 2 van Afrika (SSA). Hoewel de verschillen in produktiedichtheid dus aanzienlijk kleiner 7 / 40

8 zijn na correctie voor koopkrachtverschillen is nog steeds sprake van een ongelijkmatige verdeling. Conclusie Voor de hier besproken globale regio s bestaan er grote verschillen in verdeling van economische activiteit. De relatieve dichtheidsverschillen (hoogste dichtheid / laagste dichtheid) zijn groot voor zowel de bevolkingsdichtheid (meer dan 14 keer), de BNP dichtheid (meer dan 62 keer) en de voor koopkracht gecorrigeerde BNP dichtheid (meer dan 18 keer). 3. Landelijke concentratie Nadat we in de vorige paragraaf de ongelijkmatigheid van de verdeling van economische activiteit hebben geïllustreerd voor globale regio s, besteden we in deze paragraaf aandacht aan de verschillen tussen landen, initieel voor alle landen van de wereld en aan het eind van de paragraaf voor de landen van Sub-Sahara Afrika (SSA), één van de globale regio s van paragraaf 2. Figuur 1 Variatie in bevolkingsdichtheid; 195 landen (2000) Histogram bevolkingsdichtheid (inw./km 2 ); 195 landen meer De Wereldbank geeft voor 195 landen informatie betreffende de bevolkingsdichtheid. Gemiddeld wonen er 47 mensen per km 2. Dit varieert op landen-niveau echter van 6587 voor Singapore (maar liefst 140 keer het wereldgemiddelde) tot 0,16 voor 8 / 40

9 Groenland (behorend bij Denemarken) of, indien we alleen echte landen bekijken, tot 1,53 voor Mongolië. De verschillen tussen landen zijn dus enorm, zie ook Figuur 1. Daarbij merken we op dat de dichtheid van de stadstaat Singapore een forse uitschieter is, namelijk 5 keer zo hoog als de dichtheid van 1260 inwoners per km 2 van de nummer twee Bermuda. Tabel 2 geeft een overzicht van de 15 landen met de hoogste bevolkingsdichtheid. Dit zijn allen geografisch kleine gebieden, met uitzondering van Bangladesh (nummer 4), Zuid Korea (nummer 10) en Nederland (nummer 11). Het is derhalve niet verwonderlijk dat slechts een minderheid van het aantal landen, zo n 40%, een bevolkingsdichtheid onder het wereldgemiddelde heeft. Zoals geïllustreerd in Figuur 2 zijn de dichtsbevolkte landen ter wereld geografisch sterk geconcentreerd in Zuidoost Azië en Europa, met hier en daar regionale uitschieters in Afrika en Midden Amerika. Figuur 2 Geografische spreiding van bevolkingsdichtheid; 195 landen (2000) Bevolkingsdichtheid (inw/km2) 120 to 6,590 (55) 70 to 120 (34) 50 to 70 (20) 30 to 50 (26) 0 to 30 (52) Zoals uiteen gezet in paragraaf 2 is het voor een adequaat beeld van de spreiding van economische activiteit beter te corrigeren voor de produktiviteit van de inwoners van een land en de verschillen in koopkracht. De Wereldbank rapporteert de relevante informatie voor 160 landen, met een gemiddelde voor koopkracht gecorrigeerde geschatte produktiewaarde van $ 342 duizend per km 2 in Tabel 2 geeft ook de 15 landen met de hoogste produktiedichtheid. Koploper is wederom Singapore met een produktiewaarde van $164,05 miljoen per km 2, maar liefst 480 keer het wereld- 9 / 40

10 W o r l d C o u n t r i e s Economische concentratie: de empirie Hinloopen en van Marrewijk, 2003 gemiddelde, 8 keer zo hoog als de $20,15 miljoen van nummer twee Malta en bijna 14 keer zo hoog als de $12,5 miljoen van nummer drie Nederland. In de top 15 staan ook grotere landen zoals Japan (nummer 4), Zuid Korea (nummer 7), het Verenigd Koninkrijk (nummer 9), Duitsland (nummer 11) en Italië (nummer 13), met als gevolg dat zo n 57% van de landen een produktiedichtheid onder het wereldgemiddelde heeft. Zeven landen behoren zowel tot de top 15 in bevolkingsdichtheid als tot de top 15 in produktiedichtheid. Er is dan ook, zoals verwacht en gesuggereerd door de stevige eerste plaats van Singapore in beide gevallen, op landen niveau een positieve samenhang tussen bevolkingsdichtheid en produktiedichtheid: de correlatiecoëfficiënt is 0,73. In geografisch opzicht is er ook sprake van clustering van produktiedichtheid rond de drie kernen van rijke landen: Europa, Japan en de Verenigde Staten, zie Figuur 3. Van de minder ontwikkelde landen valt de hoge produktiedichtheid van Bangladesh (nummer 26), de Filippijnen (nummer 39) en Sri Lanka (nummer 41) op. Inderdaad, allemaal landen met een hoge bevolkingsdichtheid, respectievelijk 4 e, 32 e en 23 e op de ranglijst van 195 landen. Figuur 3 Geografische spreiding van produktiedichtheid; 160 landen (2000) Produktiedichtheid (miljoen US $ ppp / km2) 4 to 165 (13) 3 to 4 (2) 2 to 3 (5) 1 to 2 (20) 0 to 1 (148) 10 / 40

11 Tabel 2 Top 15 dichtheid economische activiteit (2000) * land popdens land bnpdens 1 Singapore Singapore 164,05 2 Bermuda Malta 20,15 3 Malta Nederland 12,15 4 Bangladesh Japan 9,43 5 Bahrain Barbados 9,33 6 Malediven 920 Belgium 8,58 7 Barbados 621 Zuid Korea 8,28 8 Mauritius 584 Israel 5,84 9 Aruba 532 Ver. Koninkrijk 5,84 10 Zuid Korea 479 Mauritius 5,81 11 Nederland 470 Duitsland 5,74 12 San Marino 450 Zwitserland 5,53 13 Puerto Rico 442 Italië 4,60 14 Libanon 423 Malediven 3,90 15 Virgin eil. 356 Denemarken 3,43 * popdens = bevolkingsdichtheid (personen per km 2 ); bnpdens = BNP ppp dichtheid ($ miljoen per km 2 ) Als we de globale regio s van paragraaf 2 verdelen in alle samenstellende landen, zoals we hierboven hebben gedaan, is het aan de ene kant niet verwonderlijk dat de ongelijkheid van de verdeling toeneemt. Zoals we hebben gezien is de mate waarin de ongelijkheid van de verdeling toeneemt weer wel verwonderlijk. We kunnen echter ook op een andere manier geografisch desaggregeren. Na de constatering dat economische activiteit ongelijkmatig gespreid is op het niveau van globale regio s kunnen we ook inzoomen op één van die regio s en de mate van spreiding binnen die regio bekijken. Als voorbeeld nemen we Sub-Sahara Afrika, een vrij coherente geografische regio die samengesteld is uit een behoorlijk aantal (48) individuele landen. Tabel 3 geeft een overzicht van de landen in Sub-Sahara Afrika met de hoogste en laagste bevolkingsdichtheid en de hoogste en laagste produktie-dichtheid, alsmede van het gemiddelde van beide variabelen voor Sub-Sahara Afrika als geheel. 11 / 40

12 Tabel 3 Variatie in dichtheid binnen Sub-Sahara Afrika (SSA; 2000) * Gemiddelde dichtheid gebied popdens gebied bnpdens SSA 28 SSA 44 Hoogste dichtheid land popdens land bnpdens Mauritius 584 Mauritius Rwanda 345 Kaap Verdië 525 Burundi 265 Comoren 444 Comoren 250 Zuid Afrika 321 Seychellen 181 Rwanda 317 Laagste dichtheid land popdens land bnpdens Centr. Afr. Rep. 6,0 Centr. Afr. Rep. 6,9 Gabon 4,8 Niger 6,3 Botswana 2,8 Tsjaad 5,3 Mauretanië 2,6 Congo, Rep. 5,1 Namibië 2,1 Mauretanië 4,2 * popdens = bevolkingsdichtheid (personen per km 2 ); bnpdens = BNP ppp dichtheid ($ duizend per km 2 ) De gemiddelde bevolkingsdichtheid in Sub-Sahara Afrika is 28 inwoners per km 2. Dit varieert echter van een dichtheid van 584 voor Mauritius, meer dan 20 keer het gemiddelde, tot 2,1 voor Namibië, nog geen 10% van het gemiddelde. De produktiedichtheid varieert op een soortgelijke manier van het gemiddelde van $44 duizend ppp per km 2 in 2000, met een hoogste dichtheid van $5.809 duizend voor Mauritius, meer dan 130 keer het gemiddelde, tot een laagste dichtheid van $4,2 duizend voor Mauretanië, nog geen 10% van het gemiddelde. Voor beide spreidingsmaatstaven zijn de verschillen binnen de globale regio Sub-Sahara Afrika dus enorm. Ook dit keer is er een duidelijke samenhang tussen bevolkingsdichtheid en produktiedichtheid: voor de 42 landen waarvoor data beschikbaar zijn is de correlatiecoëfficiënt tussen beide variabelen 0, / 40

13 Conclusie Op een lager geografisch aggregatieniveau, in dit geval op landelijk niveau, is sprake van een versterking van de ongelijkmatige spreiding van economische activiteit, zowel voor bevolking als voor produktie (gemeten in toegevoegde waarde, ook na correctie voor koopkrachtverschillen). 4. Nog dieper, regionale periferie en urbane concentratie In deze paragraaf zullen we eerst de procedure die we gebruikten aan het eind van paragraaf 3 (in meer detail kijken naar de samenstellende landen van de globale regio Sub-Sahara Afrika) nog een keer toepassen op de samenstellende regio s van een land (in dit geval Nederland). Vervolgens illustreren we de centrum periferie structuur van Europa op regionaal niveau op basis van een periferie index. Tot slot illustreren we de dynamische tendens van toenemende economische concentratie op stedelijk niveau voor de wereld als geheel. De regionale indeling binnen de Europese Unie heeft drie detaillerings niveau s, te weten NUTS I, NUTS II en NUTS III. Op NUTS I niveau wordt Nederland in 4 regio s opgedeeld (Noord, Oost, West en Zuid). Die worden op NUTS II niveau opgesplitst in 12 delen (de 12 provincies), die op hun beurt op NUTS III niveau worden onderverdeeld in 40 samenstellende regio s, zie Tabel 4 (voor de periferie indices in de tabel: zie verder). In 1997 was de gemiddelde bevolkingsdichtheid in Nederland is 380 inwoners per km 2. Op NUTS III niveau varieerde dit van 86 voor Zuidwest Friesland (23% van het gemiddelde) tot voor de agglomeratie s Gravenhage (740% van het gemiddelde). In 1996 was de gemiddelde produktiedichtheid in Nederland ECU per km 2. Dit varieerde van voor Zuidwest Friesland (17% van het gemiddelde) tot voor de agglomeratie s Gravenhage (839% van het gemiddelde). Zoals gesuggereerd door de stabiele eerste en laatste plaats van dezelfde regio in beide lijsten is de samenhang tussen de hier gemeten dichtheden groot: op NUTS III niveau is de correlatiecoëfficiënt tussen de dichtheid van de bevolking en de dichtheid van de produktie in Nederland 0, / 40

14 Tabel 4 Economische activiteit in Nederland en periferie indices * ; deel I dichtheid periferie index pop. prod. gdp gdp pop labour Nederland ecu pps force NL1 Noord-Nederland NL11 Groningen NL111 Oost-Groningen NL112 Delfzijl e.o NL113 Overig Groningen NL12 Friesland NL121 Noord-Friesland NL122 Zuidwest-Friesland NL123 Zuidoost-Friesland NL13 Drenthe NL131 Noord-Drenthe NL132 Zuidoost-Drenthe NL133 Zuidwest-Drenthe NL2 Oost-Nederland NL21 Overijssel NL211 Noord-Overijssel NL212 Zuidwest-Overijssel NL213 Twente NL22 Gelderland NL221 Veluwe NL222 Achterhoek NL223 Arnhem/Nijmegen NL224 Zuidwest-Gelderland NL23 Flevoland NL3 West-Nederland NL31 Utrecht NL32 Noord-Holland / 40

15 Tabel 4 Economische activiteit in Nederland en periferie indices * ; deel II dichtheid periferie index pop. prod. gdp gdp pop labour ecu pps force NL321 Kop van Noord-Holland NL322 Alkmaar e.o NL323 IJmond NL324 Agglom. Haarlem NL325 Zaanstreek NL326 Groot-Amsterdam NL327 Het Gooi en Vechtstreek NL33 Zuid-Holland NL331 Aggl. Leiden & bollenst NL332 Agglom.'s-Gravenhage NL333 Delft en Westland NL334 Oost Zuid-Holland NL335 Groot-Rijnmond NL336 Zuidoost Zuid-Holland NL34 Zeeland NL341 Zeeuwsch-Vlaanderen NL342 Overig Zeeland NL4 Zuid-Nederland NL41 Noord-Brabant NL411 West-Noord-Brabant NL412 Midden-Noord-Brabant NL413 Noordoost-Noord-brabant NL414 Zuidoost-noord-brabant NL42 Limburg (NL) NL421 Noord-Limburg NL422 Midden-Limburg NL423 Zuid-Limburg * Bevolkingsdichtheid in personen per km 2 (1997); produktiedichtheid in ECU duizend per km 2 (1996). Bronnen: dichtheid: berekeningen op basis van Eurostat data; periferie indices: Copus (1999), zie tekst. 15 / 40

16 In het bovenstaande is afdoende gebleken dat economische activiteit, op verschillende manieren gemeten en voor diverse aggregatieniveau s, ongelijkmatig verdeeld is. In de regionale economie ontstond al geruime tijd geleden de behoefte de mate van ongelijke verdeling vorm te geven, met daaraan gekoppeld de identificatie en analyse van centrum periferie structuren. Aan de basis van dit onderzoek ligt de markt potentie benadering van Harris (1954), die voor lokaties (counties) in de Verenigde Staten een indicator voor de potentiële marktomvang berekende door rekening te houden met de omvang van economische markten in de omgeving, gecorrigeerd voor afstand tot die markt. De vraag van beleidsmakers naar de economische gevolgen van centrum periferie structuren leidde Keeble, Owens en Thompson (1981) ertoe de benadering van Harris te gebruiken voor de constructie van een periferiteitsindex voor de regio s van de Europese Unie op NUTS I niveau. In de loop der jaren zijn de procedures voor het berekenen van zo n periferiteitsindex steeds gedetailleerder geworden en steeds verder verfijnd, met als voorlopig eindresultaat de studie van Andrew Copus (1999) van 1105 europese regio s (NUTS III niveau voor de Europese Unie, aangevuld met 19 europese landen). Voor iedere regio definieert Copus een centrum (meestal de grootste stad, soms het geometrische centrum), en berekent zeer gedetailleerde reistijden naar de andere centra, rekening houdend met het type weg, veerdiensten, wachttijden voor veerdiensten en bij het passeren van de grens van een land, rijsnelheden in gebergte en drukke stedelijke centra, verplichte rusttijden voor chauffeurs, enzovoort. 7 Vervolgens berekent hij het potentieel voor iedere regio op basis van vergelijking (1). M j (1) P i =, waarbij j D ij P i M j D ij potentieel voor regio i economische massa in regio j afstand tussen regio i en regio j Een adequate economisch-theoretische verklaring voor de structuur van vergelijking (1) is niet zo eenvoudig te geven, wat heeft geleid tot veel economisch onderzoek 16 / 40

17 resulterend in de nieuwe economische geografie of geografische economie benadering, zie Fujita, Krugman en Venables (1999) en Brakman, Garretsen en van Marrewijk (2001). Voor de afstanden tussen de regio s in vergelijking (1) gebruikt Copus de boven beschreven reistijden. Voor de economische massa van de regio gebruikt hij vier indicatoren: gdp ecu bruto regionaal produkt gdp pps bruto regionaal produkt met correctie voor koopkracht pop bevolkingsomvang labour force omvang van de beroepsbevolking Tot slot berekent hij op basis van de uitkomst een periferie index van 0 voor de meest centrale regio (met het hoogste potentieel) tot 100 voor de meest afgelegen regio (met het laagste potentieel). Welke maatstaf gebruikt wordt als indicator voor economische massa blijkt nauwelijks van belang, zie tabel 5. Tabel 5 Correlatiecoëfficiënten voor Copus periferie indices gdp ecu gdp pps pop labor force gdp ecu gdp pps pop labour force Tabel 4 geeft ook de uitkomst van de Copus (1999) periferie berekeningen voor de 40 NUTS III regio s van Nederland. Ook hier maakt de gebruikte indicator voor economische massa nauwelijks verschil (de laagste correlatiecoëfficiënt is 0,996). In alle gevallen is de meest centraal gelegen regio Noord Limburg. In drie van de vier gevallen wordt Delfzijl e.o. gekwalificeerd als de meest perifeer gelegen regio in Nederland, alleen op basis van de omvang van de beroepsbevolking wordt de Kop van Noord Holland als zodanig aangemerkt. Het valt direct op dat de regio met de hoogste economische dichtheid (de agglomeratie s Gravenhage) niet wordt gekenschetst als de meest centrale regio van Nederland (namelijk, afhankelijk van de index, op een 14 e of 16 e plaats). De belangrijkste reden is uiteraard dat de Copus periferie indices de centrum periferie structuren op Europees niveau identificeren, en dus rekening houden met de ligging van de Nederlandse regio s ten opzichte van alle andere regio s binnen Europa, gecorrigeerd voor afstanden. De drie Limburgse regio s vormen 7 De afstand van de regio naar zichzelf is 1/3 van de as van de kleinste rechthoek die de regio omvat. 17 / 40

18 tesamen met Zuidoost Noord-Brabant dankzij hun ligging in de nabijheid van de Randstad én het Ruhrgebied én Brussel én enzovoort dan ook altijd de top vier van meest centraal gelegen regio s in Nederland. De eerste regio in de Randstad is Utrecht (op de 5 e plaats). De regio s in Groningen, Friesland en Drente plus de Kop van Noord Holland zijn vanuit een Nederlandse optiek meer perifeer gelegen. Figuur 4 Centrum periferie structuren in Europa (o.b.v. GDP pps) Bron: berekeningen op basis van Copus (1999). 18 / 40

19 Op Europees niveau wordt echter geen van de Nederlandse regio s in de periferie gerangschikt, aangezien ook Delfzijl e.o. altijd in de bovenste helft van de rangschikking te vinden is. Om dit op niet al te gedetailleerd niveau te illustreren, maar wel gebruik te maken van de gedetailleerde berekeningen van Andrew Copus, geeft Figuur 4 een beeld van de Europese centrum periferie structuur op NUTS I niveau, gebaseerd op de gemiddelde score van de samenstellende delen van de regio op NUTS III niveau (bruto regionaal produkt, voor koopkracht gecorrigeerd). In een Europese context vormt Zuid Nederland deel van een uitgestrekte kern, waarvan ook Vlaanderen, Brussel, Noordrijn-Westfalen, Hessen en Rijnland-Palts deel uitmaken. In het verlengde daarvan ligt Londen, en als losse identiteit maakt ook Parijs deel uit van de kern. Vrijwel geheel België, Nederland en West Duitsland zijn economisch zeer centraal gelegen. Meer op zichzelf staande economisch centraal gelegen gebieden worden naast Parijs gevormd door Lombardije (Milaan), Berlijn en Madrid. Ook is duidelijk dat sommige aanstaande EU leden, met name Polen, Tsjechië en Slowakije, gunstiger gelegen zijn ten opzichte van de Europese economische kern dan een aantal huidige EU leden, met name Griekenland, Finland, Zweden, Portugal, Spanje, Ierland, Schotland en delen van Italië. Kijken we gedetailleerder naar de ruimtelijke verdeling van economische activiteit binnen de regio van een land, dan zijn we aangeland bij de verdeling van dorpen en steden in die regio. Wereldwijd is al lange tijd een voortgaand proces van verstedelijking gaande. Van de 3021 miljoen mensen die in 1960 op de aarde rondliepen leefden er 1017 miljoen, dat wil zeggen bijna 34%, in de stad. 8 In de daarop volgende 40 jaar verdubbelde het aantal inwoners van de aarde tot 6057 miljoen in 2000, maar steeg het aantal inwoners in urbane gebieden met 180% tot 2848 miljoen, ofwel 47% van de totale bevolking. Dit betekent dus niet dat de rurale gebieden ontvolkt raken, aangezien het aantal inwoners daar in de periode steeg met 60% van 2004 miljoen tot 3210 miljoen, maar wel dat het aantal inwoners in de stad sneller stijgt. Op basis van dit groeitempo leven er in 2009 meer mensen in de stad dan op het platteland. 8 De bevolking die leeft in als stedelijk aangeduid gebied. Daarbij zij opgemerkt dat deze definitie per land kan verschillen. Dit leidt tot een onderschatting van verstedelijking in met name China en India. 19 / 40

20 Het proces van verstedelijking heeft zich in veel landen al veel eerder voltrokken. In Nederland, bijvoorbeeld, steeg de urbane bevolking slechts 4,4%, van 85,0% in 1960 tot 89,4% in Van de in paragraaf 2 genoemde globale regio s is de verstedelijking in de periode in procenten het sterkst gestegen in Middenen Zuid-Amerika (LAC; van 49,3% tot 75,4%) en in relatieve termen in Sub-Sahara Afrika (SSA; van 14,5% tot 34,4%). Aangezien het verstedelijkingsproces in de rijke landen in 1960 al grotendeels voorbij was is de stijging in absolute en relatieve termen in die periode het laagst in de rijke landen (HIC; van 67,8% tot 78,9%). Dit verstedelijkingsproces is geïllustreerd in Figuur 5. Figuur 5 Verstedelijking in de wereld; globale regio s ( ) Urbane populatie (% van totaal) HIC MNA Wereld SSA Wereld HIC SSA MNA Het is overigens niet zo dat binnen een land het merendeel van de bevolking in slechts een paar mega-steden leeft. Volgens de Wereldbank (2000) leefde het merendeel (63,5%) van de urbane populatie in 1995 in kleine of middelgrote steden (bevolking kleiner dan 1 miljoen), tegen 21,4% in grote steden (bevolking 1 tot 5 miljoen) en slechts 15,1% in mega-steden (bevolking boven de 5 miljoen). Het aantal megasteden is in de loop van de 20 e eeuw echter wel sterk gestegen; in 1900 was Londen (met 6,5 miljoen inwoners) de enige mega-stad, terwijl in 2000 maar liefst 16 steden zelfs meer dan 10 miljoen inwoners hebben. De ongelijke spreiding van economische activiteit is dus ook binnen steden enorm, zie paragraaf / 40

21 Conclusie Een fractale dimensie van de ongelijke verdeling van economische activiteit wordt duidelijk nu ook op regionaal gebied binnen landen en voor steden de economische activiteit zeer ongelijk verdeeld blijkt. Dit maakt het mogelijk op regionaal niveau centrum periferie structuren te identificeren. De mate van verstedelijking, die sterk verschilt van land tot land, neemt wereldwijd nog steeds toe. 5. De fractale dimensie van regelmaat in concentratie Nu we de mate van ongelijke verdeling van economische activiteit afdoende hebben geïllustreerd wordt het tijd aandacht te besteden aan de onderliggende empirische structuur van die ongelijkmatige verdeling. Dit doen we op twee manieren. In deze paragraaf gaan we dieper in op de opmerkelijke regelmatigheid in de ruimtelijke verdeling van economische activiteit zelf (de Pareto verdeling, of populairder De Wet van Zipf). In de volgende paragraaf gaan we dieper in op de even opmerkelijke regelmaat van de interactie tussen economische centra (de graviteitsrelatie). Beide overduidelijke empirische wetmatigheden hebben aanleiding gegeven tot uitgebreid theoretisch onderzoek ter onderbouwing van die wetmatigheden. Zoals uiteen gezet in de inleiding van dit artikel laten we de ontwikkelingen in die theoretische onderbouwing hier verder buiten beschouwing. De regelmaat in de spreiding van economische activiteit is het meest efficiënt te illustreren aan de hand van de verdeling van de grootte van stedelijke agglomeraties. Deze komen in vele soorten en maten; het merendeel is relatief klein, of in ieder geval van min of meer overzienbare omvang. Een aantal steden is echt groot, met ettelijke miljoenen inwoners. Overigens is het begrip groot door de groeiende wereldbevolking wel aan inflatie onderhevig. Bij het begin van onze jaartelling was de stad Rome qua aantal inwoners uitzonderlijk groot, volgens de Nieuw Zeelandse classicus Art Pomeroy in ieder geval , maar gezien het gebrek aan betrouwbare data zouden het er ook 1 miljoen hebben kunnen zijn. Tegenwoordig zijn er daarentegen meer dan 400 steden met meer dan 1 miljoen inwoners (zie onder). 21 / 40

22 Figuur 6 Regelmaat in de spreiding van stedelijke agglomeraties voor de wereld De Wet van Zipf voor agglomeraties in de wereld; Rotterdam 5 Amsterdam ln(rang) 4 3 Moskou ln(rang) = *ln(grootte) R 2 = New York ln(grootte) Seoul Tokyo Een bekend probleem bij het vergelijken of meten van de grootte van steden is het onderscheid tussen de stedelijke agglomeratie en de gemeentegrenzen. De laatste zijn meestal ontstaan via een complex proces van historische evolutie, annexatie en toeval. De rangschikking van grootte van steden strikt op basis van gemeentegrenzen geeft derhalve meestal een slecht beeld van de economisch relevante grootte. De gemeente Rotterdam had bijvoorbeeld op 1 november 2002 volgens het Centraal Bureau voor de Statistiek inwoners. Direkt onder de rook van Rotterdam (soms letterlijk) liggen bijvoorbeeld ook de gemeenten Schiedam met inwoners en Capelle aan den IJssel met inwoners. In economisch opzicht zijn die twee gemeenten (en anderen) in zo sterke mate vervlochten met de economie van Rotterdam dat het beter is te spreken van één stedelijke agglomeratie. De hier gebruikte data van de toonaangevende website van Thomas Brinkhoff 9 baseert de grootte van de stedelijke 9 Alle data in deze paragraaf komen van die website, zie Th. Brinkhoff: Principal Agglomerations and Cities of the World, ; gegevens dateren van 12 november / 40

23 agglomeratie dan ook voor alle landen van de wereld op een zo consistent mogelijke berekening van de centrale stad (of soms centrale steden, zoals bij het Ruhrgebied) en daar economisch bij behorende gemeenten. Volgens Thomas Brinkhoff waren er 408 agglomeraties in de wereld met meer dan 1 miljoen inwoners in 2002, waarvan Tokyo (inclusief Yokohama en Kawasaki) met 35,1 miljoen inwoners de grootste was, gevolgd door New York (21,65 miljoen) en Seoul (21,35 miljoen). Op de 15 e plaats staat Moskou (13,2 miljoen), de grootste Europese agglomeratie. Ook Amsterdam (170 e plaats: 2,1 miljoen) en Rotterdam (350 e plaats: 1,175 miljoen) komen op de lijst voor, waaruit meteen blijkt dat de aangrenzende gemeenten geacht worden mede deel uit te maken van de agglomeratie. Om de regelmaat in spreiding van economische activiteit te illustreren rangschikken we de steden naar grootte. De grootste stad (Tokyo) geven we rangnummer 1. De op één na grootste stad (New York) geven we rangnummer 2, enzovoort. We nemen nu van iedere stad de natuurlijke logaritme van het rangnummer van de stad en de natuurlijke logaritme van de grootte van de stad. Als we een plot maken van de op deze wijze berekende 408 datapunten is het resultaat Figuur 6. Met uitzondering van de allergrootste steden (een bekend fenomeen in deze literatuur, zie Brakman, Garretsen en van Marrewijk (2001), hoofdstuk 7) liggen de datapunten vrijwel exact op een rechte lijn. Een eenvoudige regressie verklaart 98,32% van de variantie (zie Figuur 6). Op basis van haar grootte is het voorspelde rangnummer voor Amsterdam bijvoorbeeld 166, akelig dicht bij het werkelijke rangnummer van 170 (voor Rotterdam is de voorspelde rang 365 en de werkelijke rang 350). De negatieve relatie tussen rangnummer en grootte geldt, uiteraard, door de manier waarop de data geconstrueerd zijn. Bijzonder opmerkelijk is echter de bijna perfecte log-lineaire relatie tussen deze twee grootheden, die een sterke mate van regelmaat en voorspelbaarheid van de spreiding van economische activiteit illustreert. De wat excentrieke wetenschapper George Kingsley Zipf is de eerste die systematisch dit soort verbanden onderzocht (Zipf, 1949), zodat we wel spreken van de Wet van Zipf. 23 / 40

24 Figuur 7 Regelmaat in de spreiding van stedelijke agglomeraties voor Europa De Wet van Zipf voor Agglomeraties in Europa; Rotterdam Amsterdam 3 ln(rang) 2 Parijs Istanbul 1 ln(rang) = *ln(grootte) R 2 = Londen Moskou ln(grootte) Het fractale karakter van de regelmaat in de spreiding van economische activiteit zullen we op een soortgelijke wijze illustreren als bij de ongelijkheid van die spreiding. Ten eerste door te laten zien dat die regelmaat zich ook voordoet als we ons beperken tot een globale regio van de wereld, in dit geval het werelddeel Europa. Ten tweede door deze exercitie te herhalen voor één van de landen van Europa, in dit geval Duitsland. Met 13,2 miljoen inwoners is Moskou de grootste agglomeratie van Europa, gevolgd door Londen (11,85 miljoen), Istanbul (10,65 miljoen) en Parijs (9,8 miljoen). Binnen Europa komt Amsterdam op de 25 e plaats en Rotterdam op de 61 e plaats. Soortgelijke berekeningen als eerder verricht op globaal niveau leiden wederom tot de Wet van Zipf, zie Figuur 7 (het probleem met de grootste steden is minder opmerkelijk dan bij Figuur 6). Een simpele regressie verklaar 98,76% van de variantie: de data liggen wederom bijna perfect op een log-lineaire lijn. De krachten die een rol spelen op globaal niveau om orde in de chaos te scheppen, spelen blijkbaar een soortgelijke rol op Europees niveau. 24 / 40

25 Figuur 8 Regelmaat in de spreiding van stedelijke agglomeraties voor Duitsland De Wet van Zipf voor agglomeraties in Duitsland (1996) 4 3 ln(rang) 2 1 Stuttgart 0 ln(rang) = *ln(grootte) Berlijn R 2 = Essen ln(grootte) In 1996 was in Duitsland Essen (5,93 miljoen inwoners) de grootste agglomeratie, gevolgd door Berlijn (4,06 miljoen), Stuttgart (2,52 miljoen), Hamburg (2,46 miljoen) en Frankfurt (1,87 miljoen). Het resultaat van de berekeningen is geïllustreerd in Figuur 8. Wederom liggen de steden bijna exact op een log-lineaire lijn. Een eenvoudige regressie verklaart 97,62% van de variantie. Ook op landelijk niveau spelen dus soortgelijke regulerende economische krachten een rol als op europees en wereld niveau. Brakman, Garretsen en van Marrewijk (2001, hoofdstuk 7) en Soo (2002) geven een gedetailleerd overzicht van de Wet van Zipf voor alle landen waarvoor de data beschikbaar zijn. In het algemeen geldt dat ongeacht de grootte van een land, haar politieke systeem, de culturele, sociale of etnische achtergrond de Wet van Zipf met opmerkelijke strengheid regeert: ze gaat bijvoorbeeld vrijwel perfect op voor de Verenigde Staten, Brazilië, Frankrijk, India, Rusland, China, enzovoort. Conclusie Er is een fractale dimensie in de regelmaat van de spreiding van economische activiteit, kortheidshalve aangeduid met de Wet van Zipf. Deze empirische wetmatigheid gaat op voor de wereld als geheel, voor werelddelen en voor landen. 25 / 40

26 6. Regelmaat in interactie Niet alleen de geografische spreiding van economische activiteit is opmerkelijk regelmatig in haar ongelijkheid, ook de interactie tussen economische centra in de vorm van internationale handelsstromen is dit. In deze paragraaf geven we eerst een beeld van de structuur van die interactie op het niveau van de globale wereldregio s die besproken zijn in paragraaf 2. Vervolgens gaan we dieper in op de regelmaat van de interactie op landelijk niveau. Het is wenselijk de groep rijke landen (HIC) verder onder te verdelen in drie subgroepen: West Europa, Noord Amerika en AustralAzië. Zodoende ontstaan, in combinatie met de 6 ontwikkelingsregio s, 9 globale regio s. Ons overzicht is gebaseerd op de handelsdata die recentelijk verzameld zijn door het Centre for International Data van de Universiteit van Californië. 10 Dit betreft een overzicht van bilaterale handelsstromen tussen 170 landen op jaarbasis, opgesplitst naar een kleine digit sectoren volgens de Standard Industrial Trade Classification (SITC). Eerst zijn alle handelsstromen geaggreerd tot landenniveau om vervolgens de intraregionale (tussen landen binnen een regio) en inter-regionale (tussen regio s) handelsstromen te bepalen. Met een gecombineerd totaal van meer dan 75% van de wereldhandelsstromen zijn de drie ontwikkelde regio s de drie grootste handelsregio s. Dit beeld wordt bovendien versterkt als bedacht wordt dat deze drie regio s tesamen slechts 16% van de totale wereldbevolking uitmaken. Verreweg de belangrijkste regio binnen deze groep is West Europa, met bijna 42% van de wereldexporten (en ruim 40% van de wereldimporten). Dit is meer dan twee keer zo veel als de andere twee ontwikkelde regio s (Noord Amerika en AustralAzië) die beide ongeveer 17% van de wereldexporten voor hun rekening nemen. Van de ontwikkelingsregio s is Zuidoost Azië de belangrijkste, met bijna 10% van de wereldexporten, gevolgd door Latijns Amerika, met ruim 5% van de wereldexporten. Opvallend klein zijn de aandelen van Zuid Azië (minder dan 1%) en Sub-Sahara Afrika (iets meer dan 1%). 10 Meer informatie is verkrijgbaar op: De gegevens zijn beschikbaar voor de jaren 1970 tot en met Om een zo up-to-date mogelijk beeld te geven 26 / 40

27 Voor de hier onderscheiden 9 regio s als geheel geldt dat maar liefst 41,4% van de wereldhandel intra-regionale handel is. Er is echter een groot verschil tussen de diverse regio s voor wat betreft de mate van intra-regionale handel. Zuid Azië (SAS; 2%), het Midden Oosten en Noord Afrika (MNA; 3%) en Sub-Sahara Afrika (SSA; 4%) hebben een uitgesproken laag intra-regionaal handelsniveau. Deze regio s zijn voor hun exporten aangewezen op de (verder weg gelegen) andere delen van de wereld. Oost Europa en Centraal Azië (ECA; 31%) en Noord Amerika (Nam; 35%) hebben een vrij hoog percentage intra-regionale handel. Alle regio s worden in dit opzicht echter ruimschoots overschaduwd door West Europa, dat tweederde van haar handel realiseert binnen haar regiogrenzen. West Europa is niet alleen verreweg de belangrijkste handelsregio in de wereld, het is ook de enige regio die boven het wereldgemiddelde intra-regionale handelsniveau uitsteekt. De informatie over de structuur van de internationale handelsstromen kan op een zeer doeltreffende manier worden gevisualiseerd. Aangezien er 9 globale regio s onderscheiden worden, zijn er in principe 9 8 = 72 inter-regionale en 9 intraregionale handelsstromen. Indien we de getallen echter afronden naar het dichtsbijzijnde gehele percentage blijken er van die 81 waarnemingen slechts 30 een waarde van 1 of hoger te hebben. Door deze overgebleven waarnemingen gestructureerd weer te geven ontstaat een overzichtelijk en inzichtelijk beeld van de structuur van de wereldhandelsstromen, zie figuur 9. Onmiddellijk valt op dat Zuid Azië nauwelijks deel uitmaakt van de mondiale economie: geen van haar handelsstromen is groot genoeg om figuur 9 te halen. Ook de centrale rol van West Europa (wellicht mede gebaseerd op haar koloniale verleden) en het regionale karakter van de handelsstromen valt op: de intra-regionale handelsstromen (met landen in de buurt) zijn groot en de inter-regionale handelsstromen richten zich ook met name op naburige globale regio s. Dit lokale aspect van de interactie tussen economische centra, dat wil zeggen de relatief grote handelsstromen naar naburige centra, staat centraal in de eerder genoemde regelmaat in interactie waar we ons nu op gaan richten, bekend als de graviteitsrelatie. beperken wij ons in dit artikel tot de gegevens uit 1996 omdat de gegevens voor 1997 nog te veel 27 / 40