Bronnen van regionaal economische vitaliteit

Bronnen van regionaal economische vitaliteit Een casestudie voor Rotterdam

Auteurs: Peter Louter Pim van Eikeren

Bureau Louter Rotterdamseweg 183c 2629 HD Delft Telefoon: 015-2682556 [email protected] www.bureaulouter.nl © Bureau Louter 2010 Niets uit deze uitgave mag worden verveelvoudigd, opgeslagen in een geautomatiseerd gegevensbestand, of openbaar gemaakt in enige vorm of op enige wijze, hetzij elektronisch, mechanisch, door fotokopieën, opnamen, of enig andere manier, zonder voorafgaande schriftelijke toestemming van Bureau Louter. Verwijzing naar resultaten uit het onderzoek is toegestaan, mits voorzien van een duidelijke bronvermelding, namelijk: ‘Bureau Louter (2010) Bronnen van regionaal economische vitaliteit’.

Leeswijzer Dit rapport bevat een verzameling van analyses die zicht geven op ruimtelijke verschillen in ‘economische vitaliteit’ en verklaringen voor die verschillen. Naast een inleidend hoofdstuk zijn er zeven thematische hoofdstukken. De inhoud daarvan is kort omschreven in paragraaf 1.2. De door Bureau Louter ontwikkelde gegevensbestanden en methodieken maken analyses voor elke stad en regio in Nederland mogelijk. Als concreet voorbeeld is in dit rapport steeds gekozen voor Rotterdam. Delen daarvan hebben als input voor de Economische Verkenning Rotterdam 2011 gediend. De hoofdstukken kunnen afzonderlijk van elkaar worden gelezen. Daardoor kan de lezer die thema’s uitkiezen waar de interesse vooral naar uitgaat. Elk hoofdstuk begint met een kader waarin de belangrijkste conclusies zijn samengevat. Veelal wordt daarin een onderscheid gemaakt tussen ‘algemene conclusies’ en specifieke ‘conclusies voor Rotterdam’. Per hoofdstuk is een zodanige selectie van conclusies gemaakt dat het inleidende kader niet meer tekst bevat dan een A4. Bij sommige wat langere hoofdstukken (zoals bijvoorbeeld hoofdstuk 3) beperken de conclusies zich dan ook tot de absolute hoofdzaken. De analyses zijn niet altijd even eenvoudig en vereisen een zekere mate van basiskennis over de thema’s die besproken worden. Wij adviseren wij om in ieder geval het (korte) hoofdstuk 1 door te nemen, omdat daarin wordt ingegaan op enige indelingen waarvan in het rapport veelvuldig gebruik wordt gemaakt. Om de leesbaarheid te verhogen staan methodologische achtergronden zo veel mogelijk in bijlagen. Desalniettemin beginnen sommige hoofdstukken toch met een korte toelichting op de wijze waarop de resultaten moeten worden geïnterpreteerd. In blauw gekleurde kaders is bovendien soms een technische toelichting opgenomen in de hoofdtekst. Ook zijn enkele geel gekleurde kaders opgenomen, met daarin een ‘verdiepende analyse’.

Inhoud 1

Inleiding

1

1.1 1.2

De locatiekeuzes van bedrijven en huishoudens Inhoud van het rapport

1 2

2

Basis- en surpluswerkgelegenheid

5

2.1 2.2 2.3

Inleiding Basis- en surpluswerkgelegenheid in Rotterdam Basis- en surpluswerkgelegenheid in stadsgewest Rotterdam

6 7 10

3

Specialisatie, diversificatie, groei en kennis

13

3.1 3.2 3.3 3.4

Inleiding Diversificatie Diversificatie en werkgelegenheidsgroei Kennisintensiteit en werkgelegenheidsgroei

14 14 17 22

4

Benchmarkmodel werkgelegenheid

31

4.1 4.2 4.3 4.4

Inleiding Structuur van het Benchmarkmodel Resultaten voor de stad Rotterdam Resultaten voor het stadsgewest Rotterdam

32 32 34 47

5

Innovatie

57

5.1 5.2 5.3

Inleiding Innovatie in Rotterdam op hoofdlijnen Innovatie in specifieke sectoren en clusters

58 58 62

6

Economische vitaliteit

69

6.1 6.2 6.3 6.4

Inleiding Het vitaliteitsweb: een toelichting Het vitaliteitsweb voor Rotterdam Het vitaliteitsweb voor stadsgewest Rotterdam

70 70 73 78

7

Verklarende analyse economische vitaliteit

85

7.1 7.2 7.3

Inleiding Verbanden binnen het vitaliteitsweb Verklarende analyses

86 86 93

8

Migratie en economie

97

8.1 8.2 8.3

Inleiding Migratie naar en vanuit Rotterdam naar leeftijd Migratie over lange en korte afstand

98 98 104

Bijlagen I

Gebiedsindelingen

109

II

Methode bepalen basis- en surpluswerkgelegenheid

II.1 II.2

Berekeningswijze basis- en surpluswerkgelegenheid Sectorindeling

113 113

114

III

Berekening indicatoren diversificatie, specialisatie en kennisintensiteit

117

IV

Methodologie Benchmarkmodel

119

IV.1 IV.2 IV.3 IV.4

Sectoren en locatiefactoren in het Benchmarkmodel Operationaliseren van locatiefactoren Schattingsresultaten Resultaten Benchmarkmodel per sector

119

V

Indicatoren innovatieprofiel

143

VI

Indicatoren vitaliteitsweb

VI.1 VI.2 VI.3 VI.4

Indicatoren voor de indeling in 83 gebieden Indicatoren voor de indeling in 40 regio’s Factoranalyses Woon- en leefmilieu en Kennis en innovatie Het bepalen van totaalscores per thema

148 148 153 153 157

120 126 130

Bureau Louter, november 2010 Bronnen van regionaal economische vitaliteit Een casestudie voor Rotterdam

1

Inleiding

1.1

De locatiekeuzes van bedrijven en huishoudens

Een gevolg van de kredietcrisis is dat het belang van een goed draaiende economie voor de welvaart weer in het middelpunt van de belangstelling kwam te staan. De kracht van de economie wordt niet alleen bepaald door het functioneren van de bedrijven, maar ook door ontwikkelingen in hun omgeving. Die ‘omgeving’ bestaat, naast ruimte om te vestigen en infrastructuur, ook uit factoren als het woonklimaat, culturele voorzieningen, de kwaliteiten en talenten van de bevolking en publieke voorzieningen. Een stad is namelijk mede aantrekkelijk als vestigingsplaats voor bedrijven wanneer deze ook aantrekkelijk is als vestigingsplaats voor hun belangrijkste ‘productiefactor’: mensen. Figuur 1.1

Locatiekeuzeprocessen

Beïnvloedbaarheid (Zeer) beperkt

Natuur

Bebouwing

Voorzieningen Wel

Ligging

Volksaard

Bereikbaarheid Ruimte •Auto •Lokaal •Onderwijs •OV •Wonen •Bovenlokaal •Beroepsbevolking •Digitaal •Werken

Wonen

Opleiding

Werken

Bron: Bureau Louter Wat bepaalt die aantrekkelijkheid? In de eerste plaats beïnvloeden wonen en werken elkaar (zie figuur 1.1). Een belangrijke reden voor het kiezen van een woonplaats is de nabijheid van geschikt werk. Bedrijven op hun beurt vestigen daar waar zij verwachten voldoende arbeidskrachten te vinden. Voor hoofdzakelijk op consumenten gerichte bedrijven vormt het ‘bevolkingsdraagvlak’ ook een belangrijke vestigingsplaatsfactor. Naast de onderlinge invloed tussen wonen en werken zijn er echter ook tal van andere factoren die een rol spelen bij de locatiekeuze van bedrijven en huishoudens. Ten eerste zijn er factoren als de natuurlijke omgeving, de bebouwing (met name de historische bebouwing), de ligging en de ‘volksaard’ (een moeilijk precies te benoemen factor, die verwant is met het begrip ‘bedrijfscultuur’). Deze zijn, in ieder geval op korte of middellange termijn, moeilijk beïnvloedbaar door beleid. Zij vormen in hoge mate een gegeven, waardoor sommige gebieden ‘van nature’ een voorsprong hebben op andere. Anders gezegd: zij vormen het ‘DNA’ van een stad of regio. Daarnaast zijn er factoren als voorzieningen, opleiding van de (beroeps-)bevolking, bereikbaarheid en ruimte die wel te beïnvloeden zijn door beleid. [email protected] tel. 015-2682556 www.bureaulouter.nl

1


De volledige set van factoren vormt het kader waarbinnen wonen en werken, in hun onderlinge samenhang, zich ontwikkelen. Dit verband is uiteraard tweezijdig. Ontwikkelingen op het gebied van wonen en werken zijn op hun beurt ook weer van invloed op de (vraag naar) voorzieningen, op veranderingen in het opleidingsniveau van de (beroeps-)bevolking, op de bereikbaarheid en op de beschikbare ruimte. In een stad of regio hangen al deze factoren met elkaar samen, niet alleen binnen de eigen stad of regio, maar ook tussen steden of regio’s. De economie van een gebied kan en mag dan ook niet geïsoleerd worden bekeken. De economie in een gebied wordt beïnvloed door, en beïnvloedt op haar beurt, alle andere facetten van dat gebied.

1.2

Inhoud van het rapport

In dit rapport staat een zoektocht naar nieuwe manieren om naar de economie van steden en regio’s te kijken. Economie is daarbij opgevat in brede zin, waarin ook thema’s als bijvoorbeeld het woonen leefmilieu, innovatie en de opleiding en talenten van de bevolking een rol spelen. In die zoektocht naar de bronnen van regionaal economische vitaliteit zal in hoofdstuk 2 eerst worden nagegaan in hoeverre steden of regio’s zijn ‘verzekerd’ van een bepaald aantal arbeidsplaatsen (‘basiswerkgelegenheid’) en hoe groot de speelruimte is voor het realiseren van ‘extra’ werkgelegenheid (‘surpluswerkgelegenheid’) boven het niveau van de basiswerkgelegenheid. Uit hoofdstuk 2 zal blijken dat het daarbij van groot belang is onderscheid te maken tussen economische sectoren. Evenals in de andere hoofdstukken is één stad geselecteerd als illustratie, namelijk Rotterdam. Aangegeven wordt waaraan Rotterdam vooral de ‘surpluswerkgelegenheid’ ontleent. Naast de specifieke economische sectoren waarin een stad of regio is gespecialiseerd, is ook de samenstelling van de bedrijvigheid van een gebied van belang. In hoofdstuk 3 wordt daar zicht op gegeven. De samenstelling van de bedrijvigheid kan op vele verschillende wijzen worden bepaald. Hier worden uit die veelheid aan mogelijkheden twee thema’s centraal gesteld. Het eerste thema is de mate waarin de samenstelling van de bedrijvigheid wat betreft de economische sectoren overeenkomt met of juist sterk afwijkt van het nationaal gemiddelde. Dat wordt aangeduid als ‘de mate van diversificatie’. Het tweede thema is de mate waarin de bedrijvigheid wordt overheerst door bedrijven waar relatief veel hoogopgeleiden werken of juist door sectoren waar veel laagopgeleiden werken. Dat wordt aangeduid als de ‘kennisintensiteit’. In hoofdstuk 3 zal worden nagegaan of er sprake is van een eenvoudig verband tussen de mate van diversificatie en de groei van het aantal arbeidsplaatsen en tussen de kennisintensiteit en de groei van het aantal arbeidsplaatsen. Vervolgens wordt in hoofdstuk 4 ingegaan op de vraag waardoor regionale verschillen in het aantal arbeidsplaatsen worden bepaald. Ofte wel: wat zijn de ‘drijvende krachten’ achter die verschillen? Dat wordt bepaald aan de hand van een statistisch model, het zogenaamde ‘Benchmarkmodel’, waarin de invloed van ‘locatiefactoren’ (factoren die regionale verschillen vertonen en die de vestigingsplaatskeuze van bedrijven en/of het bedrijfsfunctioneren beïnvloeden) op de omvang van een bedrijvigheid in een gebied wordt vastgesteld. Die invloed kan verschillen tussen economische sectoren. Aan de hand van het Benchmarkmodel kan ook de relatieve bijdrage van locatiefactoren aan de verklaring van verschillen in het aantal arbeidsplaatsen worden bepaald. Naast de huidige omvang van het aantal arbeidsplaatsen is ook de mate waarin een gebied in staat is tot vernieuwing van de economie van belang. Juist door vernieuwing worden namelijk weer nieuwe groeipaden mogelijk. In hoofdstuk 5 staat daarom ‘innovatie’ centraal. Aan de hand van diverse indicatoren wordt zicht gegeven op de innovatiekracht van steden en regio’s. Dat gaat dan [email protected] tel. 015-2682556 www.bureaulouter.nl

2


zowel om ‘inputs’ van het innovatieproces (zoals R&D en de vertegenwoordiging van kenniswerkers) als om de ‘output’ van het innovatieproces (zoals bijvoorbeeld het percentage van de omzet uit nieuwe producten of diensten). Ook wordt, aan de hand van de innovatie-enquête van het CBS, de mate van innovativiteit in steden en regio’s gemeten. In hoofdstuk 6 zijn de elementen die van invloed zijn op de economische vitaliteit van een stad of regio samengevoegd in een ‘vitaliteitsweb’. Daarin worden zeven thema’s onderscheiden. Voor elk thema is een score bepaald aan de hand van diverse indicatoren. De zeven thema’s zijn Economie, Arbeidsmarkt, Ligging en infrastructuur, Ruimte, Kennis en innovatie, Woon- en leefmilieu en Welvaart. In hoofdstuk 7 tenslotte wordt opnieuw het vitaliteitsweb als uitgangspunt genomen. Waar in hoofdstuk 6 vooral beschrijvingen plaatsvinden, worden in hoofdstuk 7 verbanden gelegd tussen de verschillende onderdelen van het vitaliteitsweb. Hoe staat het bijvoorbeeld met de balans van de economie en de welvaart in steden en regio’s en hoe staat het met de balans tussen de huidige economische kracht van de stad of regio en de economische vernieuwing? Naast figuren waarin dergelijke verbanden zichtbaar worden gemaakt, zal daarbij ook gebruik worden gemaakt van statistische methoden om de mate van samenhang te bepalen. Elk hoofdstuk wordt afgesloten met de belangrijkste conclusies. Kwesties van methodologische aard zijn veelal opgenomen in specifieke bijlagen. Gebiedsindelingen en indelingen van economische activiteiten Hier wordt in ieder geval al ingegaan op de gebiedsindeling. Dat is in dit rapport een door Bureau Louter ontwikkelde indeling in 83 gebieden. Nederland is daarbij ingedeeld in 43 stedelijke kernen, 24 suburbane gebieden en 16 landelijke gebieden. Daarvan vervullen er 30 een functie als kern of subkern van een stadsgewest1 (zie figuur 1.2). Naast de gedetailleerde indeling in 83 gebieden wordt gebruik gemaakt van een indeling in 40 gebieden, namelijk 24 stadsgewesten en 16 landelijke gebieden. In bijlage I staat daarover meer informatie. Economische activiteiten kunnen worden ingedeeld in bepaalde typen, zoals bijvoorbeeld landbouw, industrie, groothandel, onderwijs. Per hoofdstuk zal gebruik worden gemaakt van specifieke indelingen, soms om inhoudelijke redenen, soms in verband met de beschikbaarheid van gegevens. Op een aantal plaatsen in dit rapport zijn economische activiteiten samengevoegd tot drie brede categorieën2: • Materiaalgeoriënteerde activiteiten: de winning, productie en distributie van materiële goederen. • Informatiegeoriënteerde activiteiten: het verkrijgen, verwerken en verstrekken van informatie. • Personengeoriënteerde activiteiten: allerlei typen dienstverlening aan particulieren.

1

2

Van een eerdere versie van deze selectie van kernsteden is ook door diverse anderen gebruik gemaakt. Zie bijvoorbeeld Oort, F.G. van (2002) Agglomeration, economic growth and innovation en Market, G. (2009) De aantrekkelijke stad, VOC Uitgevers. De begrippen zijn geïntroduceerd in Louter, P.J. (1994) Materiaalgeoriënteerde, personengeoriënteerde en informatiegeoriënteerde activiteiten: een andere kijk op regionale werkgelegenheidsgroei. In: H. Scholten en S.C. de Groot (red.) Arbeidsmarkt en Sociale zekerheid, ‘Beleid in beweging’, Eburon Delft. Zie bijlage II.2 voor een overzicht van de typen economische activiteiten waar aangedacht moet worden.

[email protected] tel. 015-2682556 www.bureaulouter.nl

3


Figuur 1.2

Gebiedsindeling

Gebied Stadsgewest G4 Overige stadsgewest Landelijk gebied

Stedelijke kernen Kernsteden stadsgewesten Overige stedelijke kernen


4


2

Basis- en surpluswerkgelegenheid

In dit hoofdstuk wordt de werkgelegenheid per economische sector in een stad of regio verdeeld in een deel waarvan een stad of regio normaal gesproken min of meer verzekerd is en een deel waarvoor sprake is van ‘extra’ werkgelegenheid. Dat is aangeduid als respectievelijk basiswerkgelegenheid en surpluswerkgelegenheid. De analyse biedt inzicht in welke economische sectoren in het algemeen relatief veel surpluswerkgelegenheid leveren. Daarnaast staan de volgende vragen centraal: • In welke economische sectoren zijn er in Rotterdam veel arbeidsplaatsen vergeleken met andere steden en in welke weinig? Zie paragraaf 2.2. • Hoe zit dit op het niveau van het in dit hoofdstuk afgebakende stadsgewest Rotterdam? Zie paragraaf 2.3. Algemene conclusies: • In de Nederlandse steden ligt voor de helft van de werkgelegenheid de verdeling min of meer vast (basiswerkgelegenheid). Voor de overige helft is sprake van ‘keuzevrijheid’ (surpluswerkgelegenheid). De steden concurreren met elkaar om de surpluswerkgelegenheid en kunnen zich ook specialiseren. • Steden zijn vooral ‘verzekerd’ van een groot aantal arbeidsplaatsen in detailhandel, op enige afstand gevolgd door een ‘subtop’, bestaande uit groothandel, adviesbureaus vrijetijdsactiviteiten en ziekenhuizen. In het algemeen geldt dat het deel basiswerkgelegenheid vooral hoog is voor op personen gerichte diensten. • In de Nederlandse stadsgewesten ligt de verdeling van maar liefst tweederde deel van de werkgelegenheid min of meer vast. • Sectoren waarvan de verdeling over stadsgewesten voor een groot deel vastligt zijn vooral op personen gerichte diensten als detailhandel, vrijetijdsactiviteiten, alle typen onderwijs en zorg en overige diensten, alsmede (in iets mindere mate) bouwnijverheid en financiële diensten. Sectoren waarvoor vrij grote verschillen tussen stadsgewesten bestaan zijn industrie, groothandel en transport en kennisintensieve diensten (zoals bijvoorbeeld softwarebedrijven en adviesdiensten). Conclusies voor Rotterdam: • De belangrijkste bijdrage aan de surpluswerkgelegenheid wordt in Rotterdam geleverd door met de mainport samenhangende activiteiten (zoals goederenvervoer en chemie), door kennisintensieve diensten en door non-profit activiteiten (zorg, onderwijs, openbaar bestuur). • Rotterdam heeft gekozen voor drie speerpuntsectoren, namelijk het haven- en industriecomplex (HIC), medisch en zorg en de creatieve industrie. In de eerste twee speerpuntsectoren kent Rotterdam inderdaad veel surpluswerkgelegenheid, in de creatieve industrie echter niet. • Vergeleken met de andere drie grote steden is Rotterdam vooral een ‘productie/distributiestad’, in mindere mate een ‘kennis/informatiestad’ en in ongeveer gelijke mate een ‘consumptiestad’. • Vergeleken met de stadsgewesten van de andere drie grote steden leveren chemie, overig metaal, bouwnijverheid en goederenvervoer aanzienlijk meer surpluswerkgelegenheid in het stadsgewest Rotterdam. • Het stadsgewest Rotterdam ontleent het grootste deel van de surpluswerkgelegenheid aan ‘materiaalgeoriënteerde’ activiteiten. In de stadsgewesten van de drie andere grote steden leveren ‘personengeoriënteerde’ en, vooral, ‘informatiegeoriënteerde’ activiteiten juist het grootste deel van de surpluswerkgelegenheid. [email protected] tel. 015-2682556 www.bureaulouter.nl

5


2.1

Inleiding

In een stad zijn allerlei typen economische activiteiten te vinden. Sommige typen economische activiteiten komen vrijwel in gelijke mate in elke stad voor. Andere typen economische activiteiten concentreren zich vooral in een beperkt aantal steden, zoals in Rotterdam bijvoorbeeld havenactiviteiten. Dat is werkgelegenheid waarvoor in Rotterdam blijkbaar gunstige voorwaarden bestaan, naast de werkgelegenheid waarvan de stad min of meer is verzekerd. Om dit voor Rotterdam vast te stellen is gebruik gemaakt van een methodiek, waarbij het aantal arbeidsplaatsen binnen verschillende typen economische activiteiten is verdeeld in3: • ‘basiswerkgelegenheid’: de werkgelegenheid in een economische sector die, gezien de bevolkingsomvang, in ieder geval mag worden verwacht in een stad. Dit is een soort ‘minimumniveau’, waarop een stad normaal gesproken minstens mag rekenen. • ‘surpluswerkgelegenheid’: de boven de basiswerkgelegenheid uitstijgende ‘extra’ werkgelegenheid in een economische sector in een stad.

Verdieping: Over stuwende en verzorgende activiteiten In beschouwingen omtrent de economische structuur van steden en regio’s wordt van oudsher vaak een onderscheid gemaakt tussen ‘stuwende’ en ‘verzorgende’ bedrijvigheid. Door de voorganger van Ecorys, het NEI4, wordt stuwende bedrijvigheid gelijkgesteld aan exporterende bedrijvigheid (voornamelijk industrie)5. Elders6 wordt het begrip ‘regionaal-stuwende’ bedrijvigheid gebruikt. Dat is bedrijvigheid waarvan de vestigingsplaatskeuze niet hoofdzakelijk afhankelijk is van het lokaal of regionaal bevolkingsdraagvlak. Dat houdt een verruiming van het begrip stuwend in, omdat bijvoorbeeld ook zakelijke diensten die een nationaal (maar niet noodzakelijk internationaal) afzetgebied hebben als regionaal-stuwend kunnen worden aangemerkt. Ook vallen de ministeries in Den Haag volgens deze benadering binnen de regionaal-stuwende bedrijvigheid. Bij het afbakenen van wat ‘verzorgend’ en wat ‘stuwend’ is, wordt veelal een 0-1 benadering gekozen. Een sector wordt in het geheel als verzorgend of in het geheel als stuwend beschouwd. In de praktijk zal in veel sectoren echter sprake zijn van een mengvorm van verzorgende en stuwende activiteiten. Vanuit lokaal/regionaal perspectief is de basisvraag die schuilgaat achter de verzorgend-stuwend dichotomie van welk deel van de bedrijvigheid een gebied min of meer ‘verzekerd’ is (alleen al op basis van het bevolkingsdraagvlak) en voor welk deel van de bedrijvigheid geldt dat die als ‘extra’ kan worden aangemerkt. Bij die ‘extra’ werkgelegenheid gaat het om activiteiten die hun locatiekeuze maken los van de bevolkingsomvang7. Wanneer er sprake is van een keuze is er ook sprake van concurrentie. Sommige steden of regio’s hebben betere uitgangspunten voor het aantrekken van de ‘extra’ werkgelegenheid dan andere.

3 4 5

6 7

De methodiek is ontwikkeld in: Louter, P.J. (1992) Economische structuurverandering en regionale specialisatie, Erasmus Universiteit, EGI-onderzoekspublicaties 04. Nederlands Economisch Instituut (1984) Technologische vernieuwing en regionale ontwikkeling in Nederland, Rotterdam. Een consequentie hiervan is dat een bedrijf dat zelf geen buitenlandse klanten heeft, maar toelevert aan een ander bedrijf in Nederland dat wel exporteert, niet als ‘stuwend’ wordt beschouwd. In netwerkperspectief zou de toeleverancier eigenlijk ook als stuwend moeten worden aangemerkt. Louter, P.J. (1987) Regionaal-economische vernieuwing in Nederland, Erasmus Universiteit, EGI Discussiestuk 87-1. Waarbij ‘bevolkingsomvang’ wordt gezien als afzetmarkt. Daarnaast levert de bevolking ook arbeidskrachten. De kwaliteit daarvan vormt voor alle typen bedrijvigheid (ook stuwende) een belangrijke vestigingsplaatsfactor.


6


In bijlage II.1 staat de methodiek waarmee per economische sector is bepaald welk deel van de bedrijvigheid als ‘basiswerkgelegenheid’ (het lokaal- of regionaal verzorgende deel) kan worden beschouwd en welk deel als ‘surpluswerkgelegenheid’ (het lokaal- of regionaal-stuwende deel, ofte wel: de ‘extra’ werkgelegenheid). In paragraaf 2.2 staan de resultaten van de toepassing van de methodiek op Rotterdam. In paragraaf 2.3 is de methodiek toegepast op het niveau van het stadsgewest Rotterdam.

2.2

Basis- en surpluswerkgelegenheid in Rotterdam

In figuur 2.1 is de totale werkgelegenheid voor 27 economische sectoren en voor een indeling naar materiaal-, informatie- en personengeoriënteerde activiteiten8 onderscheiden in een deel basiswerkgelegenheid en een deel surpluswerkgelegenheid. De berekening van de basiswerkgelegenheid is daarbij gebaseerd op de 43 stedelijke kernen (zie figuur I.2 en bijlage I). De basiswerkgelegenheid per sector is gelijk aan het gemiddelde voor de 25% stedelijke kernen met het laagste aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar in die sector (zie bijlage II).

Technische toelichting. Dit moet u even weten: • •

•

Bij de onderverdeling naar economische sectoren is uitgegaan van een ‘kritische massa’ van minstens 100 duizend arbeidsplaatsen in Nederland. Voor sommige typen economische activiteiten geldt dat de locatie waar werknemers zijn geregistreerd voor een groot deel niet overeenkomt met de locatie waar zij daadwerkelijk werkzaam zijn. Om die reden zijn voor drie sectoren de resultaten wel berekend, maar niet weergegeven in de figuren, namelijk thuiszorg, schoonmaakbedrijven en uitzendkrachten. Binnen de gekozen methodiek is het mogelijk dat een (licht) negatieve surpluswerkgelegenheid resulteert. Wanneer dat het geval is, geldt voor de betreffende gemeente/regio dat de werkgelegenheid in die sector tot de laagst scorende gemeenten/regio’s in Nederland behoort.

Ruim helft van werkgelegenheid Rotterdam is basiswerkgelegenheid Gemiddeld kan in Nederlandse steden ongeveer de helft van de totale bedrijvigheid beschouwd worden als basiswerkgelegenheid (zie de verticale streep in het linkerdeel van figuur 2.1). Voor de andere helft van alle werkgelegenheid in Nederlandse steden geldt dat sprake is van ‘keuzevrijheid’ tussen steden (‘surpluswerkgelegenheid’). De steden concurreren met elkaar om de surpluswerkgelegenheid en kunnen zich ook specialiseren. De basiswerkgelegenheid is in Rotterdam gelijk aan 186.5 duizend arbeidsplaatsen (52% van alle arbeidsplaatsen in Rotterdam). De surpluswerkgelegenheid is 174.7 duizend arbeidsplaatsen. In sommige sectoren is het aantal arbeidsplaatsen waar een stad min of meer als basiswerkgelegenheid vanuit kan gaan beperkt. Uit het linkerdeel van figuur 2.1 blijkt dat dit vooral geldt voor land- en tuinbouw, alle sectoren in de industrie, goederenvervoer, de meeste sectoren in informatiegeoriënteerde bedrijvigheid, personenvervoer, overig onderwijs en veiligheid. Daarnaast zijn er twee typen bedrijvigheid waarvan de locatiekeuze voor ongeveer 80% is te verklaren uit het aantal inwoners, namelijk detailhandel en basisonderwijs9. Ook in 8 9

Zie bijlage II.2 voor een overzicht van de typen economische bedrijvigheid die tot de materiaal-, informatie- en personengeoriënteerde activiteiten zijn gerekend. Merk overigens het grote verschil op tussen basisonderwijs en ‘overig onderwijs’. Wanneer de sector ‘onderwijs’ als geheel zou zijn beschouwd, zou dit verschil zijn ‘uitgemiddeld’.


7


diverse andere personengeoriënteerde bedrijvigheid, in bouwnijverheid, in groothandel en in adviesbureaus is het percentage basiswerkgelegenheid hoger dan gemiddeld. De basiswerkgelegenheid per stad staat in het middelste deel van figuur 2.1 Dan blijkt dat steden vooral ‘verzekerd’ zijn van een groot aantal arbeidsplaatsen in detailhandel. Op gepaste afstand volgt een ‘subtop’, bestaande uit groothandel, adviesbureaus, vrijetijdsactiviteiten en ziekenhuizen. De basiswerkgelegenheid is vooral hoog indien het om een nationaal gezien omvangrijke sector gaat (in termen van arbeidsplaatsen; zie figuur II.2 in bijlage II) en indien het ‘aandeel’ basiswerkgelegenheid hoog is (zie het linkerdeel van figuur 2.1). Bij de onderverdeling naar materiaal-, informatie- en personengeoriënteerde activiteiten blijkt dat de basiswerkgelegenheid in steden vooral hoog is in personengeoriënteerde bedrijvigheid. Dat mocht ook enigszins worden verwacht, omdat personengeoriënteerde activiteiten voornamelijk uit bedrijvigheid bestaan die veelal als ‘regionaal-verzorgend’ wordt beschouwd. Vervolgens is het de vraag welke typen werkgelegenheid extra sterk vertegenwoordigd zijn in een stad. Het rechterdeel van figuur 2.1 geeft daar zicht op. Daarin is de surpluswerkgelegenheid weergegeven in Rotterdam en het gemiddelde in de overige grote steden als groep. Surpluswerkgelegenheid in Rotterdam sluit aan bij keuze speerpuntsectoren Ten eerste is het opvallend dat de sector met de meeste basiswerkgelegenheid, detailhandel, voor Rotterdam vrijwel geen surpluswerkgelegenheid levert. Rotterdam kent in die sector dus een aantal arbeidsplaatsen dat in ieder geval minstens verwacht mocht worden gezien de bevolkingsomvang, maar ook niet meer dan dat. Rotterdam kent wel een duidelijk surplus in goederenvervoer. Een aanzienlijke surpluswerkgelegenheid wordt verder gerealiseerd in energie en chemie, financiële activiteiten, adviesbureaus, overig onderwijs, ziekenhuizen, openbaar bestuur en veiligheid. De belangrijkste bijdrage aan de surpluswerkgelegenheid wordt dus geleverd door met de mainportfunctie samenhangende activiteiten, door kennisintensieve diensten en door non-profit activiteiten. Vergeleken met de andere drie grote steden is in Rotterdam de surpluswerkgelegenheid vooral hoger in energie en chemie en in goederenvervoer. Daarnaast scoort Rotterdam hoger in enkele industriesectoren en de bouwnijverheid, in de drie subsectoren in de zorgsector en in veiligheid. Dit patroon sluit grotendeels aan bij de door de gemeente gemaakte keuze van de speerpuntsectoren (haven- en industriecomplex en medisch en zorg)10. Uit de onderverdeling naar materiaal-, informatie- en personengeoriënteerde activiteiten blijkt dat Rotterdam veel meer surpluswerkgelegenheid heeft in materiaalgeoriënteerde bedrijvigheid dan de andere drie grote steden. Dat is vooral te danken aan de zeehavengerelateerde sectoren goederenvervoer en energie en chemie. Voor informatiegeoriënteerde bedrijvigheid scoren de andere drie grote steden juist hoger. Dat geldt zelfs voor elke van de zes onderliggende ‘informatiegeoriënteerde’ sectoren. Sectoren waarvoor de surpluswerkgelegenheid in Rotterdam sterk tot zeer sterk achterblijft bij het gemiddelde van de drie andere grote steden zijn kennisintensieve diensten als informatiegerelateerd, financiële activiteiten (vooral Amsterdam) en softwarebedrijven (vooral Utrecht), alsmede vrijetijdsactiviteiten (vooral in Amsterdam), openbaar bestuur (vooral Den Haag) en bestuursgerelateerd. Voor personengeoriënteerde activiteiten is het verschil tussen Rotterdam en de andere grote steden klein. Dat geldt ook voor de meeste van de elf onderliggende ‘personengeoriënteerde’ sectoren. Vergeleken met de andere drie grote steden is Rotterdam vooral een 10

De derde speerpuntsector, de creatieve industrie, is niet direct herkenbaar in de gehanteerde sectorindeling. De onderdelen daarvan zijn terug te vinden onder vrijetijdsactiviteiten, informatiegerelateerd en adviesbureaus. In alle drie scoort Rotterdam onder het gemiddelde van de andere drie grote steden.


8


‘productie/distributiestad’, in mindere mate een ‘kennis/informatiestad’ en in ongeveer gelijke mate een ‘consumptiestad’. Figuur 2.1

Basis- en surpluswerkgelegenheid voor steden, naar sector Aandeel in arbeidsplaatsen Nederland

Basiswerkgelegenheid Surpluswerkgelegenheid Banen per 1000 inw. 15-64 jaar Banen per 1000 inw. 15-64 jaar

Materiaalgeoriënteerd Land- en tuinbouw Energie en chemie High-tech en research V&G-industrie Overig metaal Overige industrie Sociale werkplaatsen Bouwnijverheid Groothandel Goederenvervoer Informatiegeoriënteerd Softwarebedrijven Informatiegerelateerd Financiele activiteiten Adviesbureaus Openbaar bestuur Bestuurgerelateerd Personengeoriënteerd Personenvervoer Detailhandel Vrijetijdsactiviteiten Basisonderwijs Overig onderwijs Ziekenhuizen Intramurale zorg Overige zorg Welzijn Veiligheid Overige diensten

66

0%

50%

100%

0

0%

50%

100%

0

10 20 30 40 50 60 -10 0

10 20 30 40 50 60

Materiaalgeoriënteerd Informatiegeoriënteerd Personengeoriënteerd

Aandeel in Nederland Basiswerkgelegenheid Surpluswerkgelegenheid

50 100 150 200 250

Basiswerkgelegenheid

0

50

100

150

200

Surpluswerkgelegenheid Rotterdam ♦ G3 (Amsterdam, Den Haag, Utrecht)

Bron: Bureau Louter


9

250


2.3

Basis- en surpluswerkgelegenheid in stadsgewest Rotterdam

De analyse waarbij onderscheid wordt gemaakt tussen de basiswerkgelegenheid en de surpluswerkgelegenheid kan ook worden uitgevoerd op het niveau van stadsgewesten. Ten eerste geeft dat zicht op de omvang van de bedrijvigheid die voor de Rotterdamse beroepsbevolking binnen aanvaardbare afstand bereikbaar is. Ten tweede kan er binnen stadsgewesten sprake zijn van een ‘taakverdeling’ tussen de stedelijke kern en het omliggend gebied. Denkbaar is dat er voor bepaalde typen economische activiteiten binnen de stedelijke kern weinig ruimte is, maar dat die bedrijvigheid elders in het stadsgewest ruim vertegenwoordigd is. Door Bureau Louter is een gebiedsindeling van Nederland opgesteld, die bestaat uit 24 stadsgewesten en 16 landelijke gebieden (zie bijlage I). Om de positie van het stadsgewest Rotterdam te bepalen is er voor gekozen om als referentiekader uit te gaan van de groep van 24 stadsgewesten. Op soortgelijke wijze als voor individuele gemeenten en steden is per economische sector de basiswerkgelegenheid en de surpluswerkgelegenheid bepaald (zie figuur 2.2). Het deel dat als ‘basiswerkgelegenheid’ kan worden beschouwd is dan hoger dan voor de 43 stedelijke kernen (namelijk tweederde deel). Economische sectoren die op of boven dat gemiddelde scoren zijn bouwnijverheid, financiële activiteiten, detailhandel, vrijetijdsactiviteiten, alle typen onderwijs en zorg, openbaar bestuur en overige diensten. Met uitzondering van financiële activiteiten zijn dat typen bedrijvigheid die in indelingen die zijn gebaseerd op de stuwend-verzorgend dichotomie veelal worden aangemerkt als ‘regionaal-verzorgend’. Desalniettemin blijkt zelfs voor die activiteiten op het niveau van stadsgewesten soms nog een aanzienlijke surpluswerkgelegenheid ‘te verdelen’ te zijn. In stadsgewest Rotterdam relatief veel materiaalgeoriënteerde bedrijvigheid Op het niveau van stadsgewest Rotterdam resulteert de meeste surpluswerkgelegenheid voor goederenvervoer, gevolgd door bouwnijverheid en groothandel, en op iets grotere afstand door adviesbureaus, energie en chemie, overig metaal en veiligheid. Vergeleken met de stadsgewesten van de andere drie grote steden leveren energie en chemie, overig metaal, bouwnijverheid en goederenvervoer aanzienlijk meer surpluswerkgelegenheid in het stadsgewest Rotterdam. De surpluswerkgelegenheid is gelijk aan of iets hoger dan in de groep van drie andere stadsgewesten in voedings- en genotmiddelenindustrie, sociale werkplaatsen, groothandel, ziekenhuizen, overige zorg en veiligheid. In alle andere sectoren is de surpluswerkgelegenheid lager (en soms ruim lager) dan in de groep van andere stadsgewesten met een grote stad. Het stadsgewest Rotterdam ontleent duidelijk het grootste deel van de surpluswerkgelegenheid aan materiaalgeoriënteerde activiteiten. In de stadsgewesten van de drie andere grote steden leveren personengeoriënteerde en, vooral, informatiegeoriënteerde activiteiten juist het grootste deel van de surpluswerkgelegenheid. Dit vormt een opvallend verschil in economische structuur tussen stadsgewest Rotterdam en de andere stadsgewesten met een grote stad. In het algemeen kenmerkend voor ‘materiaalgeoriënteerde activiteiten’ is de, vergeleken met informatiegeoriënteerde activiteiten, relatief grote ruimtebehoefte en het relatieve lage gemiddelde opleidingsniveau van de werknemers.


10


Figuur 2.2

Basis- en surpluswerkgelegenheid voor regio’s, naar sector Aandeel in arbeidsplaatsen Nederland

Basiswerkgelegenheid (per 1000 inw. 15-64 jaar)

Surpluswerkgelegenheid (per 1000 inw. 15-64 jaar)

Materiaalgeoriënteerd Land- en tuinbouw Energie en chemie High-tech en research V&G-industrie Overig metaal Overige industrie Sociale werkplaatsen Bouwnijverheid Groothandel Goederenvervoer Informatiegeoriënteerd Softwarebedrijven Informatiegerelateerd Financiele activiteiten Adviesbureaus Openbaar bestuur Bestuurgerelateerd Personengeoriënteerd Personenvervoer Detailhandel Vrijetijdsactiviteiten Basisonderwijs Overig onderwijs Ziekenhuizen Intramurale zorg Overige zorg Welzijn Veiligheid Overige diensten

65

0%

50%

100% -10 0

0%

50%

100% 0

10 20 30 40 50 60 -10

0

10 20 30 40 50 60

Materiaalgeoriënteerd Informatiegeoriënteerd Personengeoriënteerd

Aandeel in Nederland Basiswerkgelegenheid Surpluswerkgelegenheid

50

100

150

200

250 0

Basiswerkgelegenheid

50

100

150

200

Surpluswerkgelegenheid SG Rotterdam ♦ Stadsgewesten G3 (Amsterdam, Den Haag, Utrecht)

Bron: Bureau Louter


250

11



12


3

Specialisatie, diversificatie, groei en kennis

In dit hoofdstuk wordt ingegaan op de relaties tussen specialisatie/diversificatie, werkgelegenheidsgroei en de kennisintensiteit van de bedrijvigheid. Het doel is om indicaties te krijgen of de bedrijvigheid in een stad of regio beter gespecialiseerd of gediversificeerd kan zijn om tot groei van de werkgelegenheid te komen en of een ‘kennisintensieve’ economie tot meer groei van de werkgelegenheid leidt. Achtereenvolgens staan de volgende vragen centraal: • Wat zijn de verschillen in de mate van diversificatie van de bedrijvigheid tussen steden en regio’s? Wat is de relatie tussen diversificatie en kennisintensiteit? Zie paragraaf 3.2. • Is er een verband tussen diversificatie en werkgelegenheidsgroei? Zie paragraaf 3.3. • Is er een verband tussen de kennisintensiteit van de bedrijvigheid en werkgelegenheidsgroei? Zie paragraaf 3.4. Algemene conclusies: • In het algemeen bestaat er een positief verband tussen de omvang van een gebied en de diversificatie van de bedrijvigheid (hier beschouwd als de mate waarin de samenstelling van de bedrijvigheid lijkt op het nationaal gemiddelde). De economie van de vier grote steden is echter aanzienlijk minder gediversificeerd (meer gespecialiseerd) dan op grond van hun omvang verwacht zou worden. • Het verband tussen diversificatie van de bedrijvigheid en kennisintensiteit is voor steden negatief. Wanneer steden relatief sterk gespecialiseerd zijn, is dat dus veelal in kennisintensieve sectoren. Voor landelijke en suburbane gebieden is sprake van een positief verband tussen diversificatie en kennisintensiteit. • Tussen de mate van diversificatie van de bedrijvigheid en de groei van de werkgelegenheid bestond in de periode 1995-2007 geen verband. • Steden herbergen weliswaar veel sectoren die, nationaal gezien, een hoge werkgelegenheidsgroei kennen, maar scoren binnen die sectoren vaak een groei onder het nationaal gemiddelde (een soort ‘wet van de remmende voorsprong’). Om groei te blijven realiseren moeten steden er in slagen zich steeds weer te specialiseren in nieuwe groeisectoren (vernieuwen). ‘Human capital’ vormt daarbij de drijvende kracht. • Tussen kennisintensiteit van de bedrijvigheid en werkgelegenheidsgroei bestond op regionaal niveau in de periode 1995-2007 geen verband. Evenals voor ‘groeisectoren’ in het algemeen geldt ook voor kennisintensieve sectoren dat een sterke huidige vertegenwoordiging geen garantie biedt voor groei in de toekomst. Gebieden met veel kennisintensieve bedrijvigheid (veelal steden) zullen er in moeten slagen aantrekkelijk te blijven voor steeds weer nieuwe, kennisintensieve (groei)sectoren. • In landelijke en suburbane gebieden is de gemiddelde kennisintensiteit van de bedrijvigheid duidelijk lager dan in steden, enkele uitzonderingen daargelaten. Conclusies voor Rotterdam: • Van de vier grote steden is de economie van Rotterdam het meest gediversificeerd. Tevens echter is de kennisintensiteit in Rotterdam het laagst. • Rotterdam is minder dan de andere grote steden gespecialiseerd in groeisectoren. Het ‘groeipotentieel’ van Rotterdam blijft daardoor sinds 1975 jaarlijks 0.4% achter bij Amsterdam en Utrecht. Gecorrigeerd voor dit ‘structuur effect’ heeft Rotterdam het laatste decennium een sterkere groei van de werkgelegenheid gekend dan Amsterdam en Utrecht. In de periode 1985-1999 bleef de groei in Rotterdam nog duidelijk achter. • Sinds 1990 is het opleidingsniveau van de werkzame beroepsbevolking in Rotterdam sterk toegenomen. Dat geldt overigens ook voor de andere drie grote steden, waarop Rotterdam nog altijd een aanzienlijke achterstand heeft wat betreft opleidingsniveau. [email protected] tel. 015-2682556 www.bureaulouter.nl

13


3.1

Inleiding

Elke stad of regio kent een specifieke opbouw van de bedrijvigheid. Een manier om die opbouw te duiden is de verdeling van de werkgelegenheid over economische sectoren (de ‘sectorstructuur’)11. Sommige steden of regio’s kennen een zeer specifieke sectorstructuur, die duidelijk afwijkt van het nationaal gemiddelde. Er is dan sprake van een sterke ‘relatieve specialisatie’ in één of meer economische sectoren, terwijl andere economische sectoren relatief zijn ondervertegenwoordigd. In andere steden of regio’s vormt de sectorstructuur in hoge mate een afspiegeling van de sectorstructuur in een ‘referentiegebied’ waarmee een vergelijking wordt gemaakt, bijvoorbeeld het nationaal gemiddelde12. Een stad of regio waarvoor dat geldt kent een ‘gediversificeerde’ sectorstructuur. In paragraaf 3.2 wordt zicht gegeven op regionale verschillen in de mate waarin de sectorstructuur ‘gediversificeerd’ is. Het is de vraag wat uit het oogpunt van de groei van het aantal arbeidsplaatsen gunstiger is: een meer gespecialiseerde of een meer gediversificeerde sectorstructuur. Dat is één van de twee vragen die centraal staan in dit hoofdstuk. In paragraaf 3.3 wordt daar zicht op gegeven. Vaak wordt een verband gelegd tussen de ‘kennisintensiteit’ van de bedrijvigheid in een stad of regio en de economische groei. De tweede vraag die in dit hoofdstuk centraal staat is of dat inderdaad zo is. Daartoe wordt in paragraaf 3.4 een eenvoudige analyse gepresenteerd, namelijk het verband tussen een ‘opleidingsindex’ (een score voor het gemiddeld opleidingsniveau van het personeel van de bedrijven en instellingen die in een stad of regio zijn gevestigd) en de groei van het aantal arbeidsplaatsen. Tevens is in die paragraaf een typologie opgesteld op basis van het gemiddeld opleidingsniveau van de werkzame beroepsbevolking in 43 stedelijke kernen en de ontwikkeling van dat gemiddeld opleidingsniveau sinds 1990.

3.2

Diversificatie

Voordat wordt ingegaan op de relaties tussen de diversificatie van de sectorstructuur en werkgelegenheidsgroei en tussen het opleidingsniveau en de werkgelegenheidsgroei, wordt stilgestaan bij de vraag hoe de mate van diversificatie van de sectorstructuur wordt bepaald. Daarvoor wordt gebruik gemaakt van de zogenaamde ‘Gini-coëfficiënt’. In bijlage III wordt aangegeven hoe deze maatstaf wordt berekend. Ook wordt daar aangegeven hoe begrippen als de kennisintensiteit van de bedrijvigheid (gemeten via de ‘opleidingsindex’), relatieve specialisaties en werkgelegenheidsgroei zijn berekend. De Gini-coëfficiënt is hoger naarmate de verdeling van de werkgelegenheid over economische sectoren in een gebied meer lijkt op de nationale verdeling. De score ligt tussen 0 en 1. Een score van 1 resulteert indien de sectorstructuur in een gebied exact gelijk is aan de nationale verdeling. In figuur 3.1 is de Gini-coëfficiënt weergegeven voor een indeling in 83 gebieden, bestaande uit 43 stedelijke kernen (onderverdeeld in Rotterdam, de andere drie grote steden en de resterende 39 stedelijke kernen), 24 suburbane gebieden en 16 landelijke gebieden (zie bijlage I). Er blijkt een positief verband te bestaan tussen de omvang van een gebied (in termen van het aantal arbeidsplaatsen) en de mate van diversificatie. Opvallend is daarbij wel dat juist de grote steden het verband ‘verstoren’. Zij blijken een veel minder gediversificeerde economie te hebben dan op 11

12

De opbouw van de bedrijvigheid kan overigens ook op andere manieren worden gemeten, bijvoorbeeld door niet uit te gaan van de verdeling van de werkgelegenheid over economische sectoren, maar van de verdeling van de toegevoegde waarde. Ook kan in plaats van de verdeling over economische sectoren worden uitgegaan van de verdeling van de arbeidsplaatsen over opleidingstypen of over beroepen. Ook hier zijn alternatieven denkbaar, bijvoorbeeld een vergelijking van de sectorstructuur van een stad met de groep van alle steden in een land.


14


grond van hun omvang en het gevonden verband tussen diversificatie en omvang verwacht mocht worden. (Dat geldt ook voor Haarlemmermeer, met Schiphol.) Van de vier grote steden is de economie van Rotterdam het meest gediversificeerd. Figuur 3.1 14

Relatie omvang bedrijvigheid en mate van diversificatie bedrijvigheid

Ln( Banen ult. 2007)

13.5 13 12.5 12

Haarlemmermeer

11.5 11 10.5 ♦ Rotterdam

10

♦ Andere G3

9.5

♦ Overige steden ♦ Suburbane gebieden

9

♦ Landelijke gebieden

0.6

0.65

0.7

0.75

0.8

0.85

0.9 Gini

In figuur 3.2 staat het verband tussen de diversificatie van de sectorstructuur en de ‘kennisintensiteit’ van de bedrijvigheid (hier eenvoudig gemeten als het gemiddeld opleidingsniveau van de werknemers bij bedrijven en instellingen in een gebied13). Opvallend is dat een negatief verband lijkt te bestaan tussen de kennisintensiteit en de mate van diversificatie: naarmate de Gini-coëfficiënt hoger is, tendeert de opleidingsindex af te nemen. Nadere beschouwing van de figuur leert overigens dat daar voor de ‘overige’ (niet-stedelijke) gebieden geen sprake van is. Voor de landelijke gebieden (die wat de combinatie van opleidingsindex en diversificatie betreft, vrij weinig onderlinge verschillen vertonen) lijkt eerder sprake te zijn van een licht positief verband tussen opleidingsindex en diversificatie. Ook voor de suburbane gebieden is sprake van een positief verband, met name wanneer de ‘uitbijter’ suburbaan gebied Leiden buiten beschouwing wordt gelaten. Voor de stedelijke kernen lijkt een negatief verband wel te bestaan, vooral wanneer de drie omcirkelde steden aan de linkerkant van de figuur niet zouden worden meegerekend. Uit onderliggende gegevens blijkt duidelijk ook wat het type sectoren is, waarin de drie andere grote steden blijkbaar gespecialiseerd zijn, namelijk vooral kennisintensieve typen bedrijvigheid (zie ook hoofdstuk 2). Rotterdam wijkt daar sterk van af. De economie van de havenstad is sterker gediversificeerd, maar ook minder kennisintensief dan de economie van de drie andere grote steden.

13

Zie bijlage III. De opleidingsindex ligt tussen 0 (slechts werknemers met een opleiding op basisniveau) en 4 (slechts werknemers met een wetenschappelijke opleiding).


15


Figuur 3.2 2.6

2.4

Relatie kennisintensiteit en mate van diversificatie bedrijvigheid

Kennisintensiteit

Ned.

Suburbs Leiden

2.2 Ned. 2

1.8 83 gebieden ♦ Rotterdam

1.6

♦ Andere G3 ♦ Overige steden ♦ Suburbane gebieden

1.4


0.6

0.65

0.7

0.75

0.8 0.85 0.9 Mate van diversificatie

Uit deze figuur blijkt dat het zeer de vraag is of een gediversificeerde economische structuur wel een doel op zich zou moeten zijn. Wanneer de specialisaties vooral bestaan uit kennisintensieve sectoren (en een redelijke spreiding daarbinnen) lijkt een gespecialiseerde economie geen slechte uitgangspositie te zijn, althans wanneer de impliciete veronderstelling dat kennisintensieve sectoren een grotere kans op groei van de werkgelegenheid kennen juist is. Dat neemt niet weg dat een sterk gespecialiseerde economie toch, redenerend vanuit de ‘portfoliotheorie14’ (zie bijlage III voor een toelichting bij dit begrip), een zekere mate van risico met zich meebrengt, ook al lijken de sectoren waarop de economie vooral is gebaseerd op dit moment sterk. Een combinatie van een gemiddeld niveau van diversificatie en een hoge kennisintensiteit van de bedrijvigheid lijkt een gunstige combinatie voor een goed economisch perspectief15. Overigens is de economische structuur niet de enige factor die het economisch perspectief bepaalt. Daarvoor zijn ook kenmerken van het vestigingsplaatsmilieu voor bedrijven van belang (zie hoofdstuk 4).

14

15

De portfoliotheorie heeft in eerste instantie betrekking op de opbouw van een aandelenportefeille. Daarbij kan men kiezen voor meer spreiding (minder risico, maar ook minder kans op veel winst of veel verlies) of voor minder spreiding (meer kans op veel winst, maar ook meer risico dat veel verlies wordt geboekt). Dit principe is naar analogie toe te passen op de verdeling van de bedrijvigheid over economische sectoren. Uiteraard zou een hoge mate van diversificatie en een relatief hoge kennisintensiteit de meest gunstige combinatie zijn. Dat kan echter per definitie niet, want een relatief hoge kennisintensiteit kan slechts worden gerealiseerd wanneer een gebied een duidelijke specialisatie kent in bepaalde kennisintensieve sectoren. En een duidelijke specialisatie houdt per definitie in dat de mate van diversificatie laag is.


16


3.3

Diversificatie en werkgelegenheidsgroei

In deze paragraaf wordt ingegaan op de vraag of er een verband bestaat tussen de mate van diversificatie van de lokale/regionale sectorstructuur en werkgelegenheidsgroei. Eerst is in figuur 3.3 het verband tussen diversificatie (de Gini-coëfficiënt) en het ‘groeipotentieel’ weergegeven. Het groeipotentieel is berekend als de werkgelegenheidsgroei die verwacht mag worden indien elke economische sector in een gebied exact groeit volgens het nationaal gemiddelde. Als in een gebied economische sectoren die nationaal gezien meer dan gemiddeld groeien zijn oververtegenwoordigd, zal het ‘groeipotentieel’ voor dat gebied hoger zijn dan het nationaal gemiddelde. In de periode ultimo 1995 tot ultimo 2007 nam het aantal arbeidsplaatsen in Nederland met gemiddeld 1.74% per jaar toe. Voor sommige steden was het groeipotentieel veel hoger, omdat sectoren met een sterke groei op nationaal niveau in de periode 1995-2007 daar in het basisjaar (ultimo 1995) relatief sterk waren vertegenwoordigd. In andere gebieden bleef het groeipotentieel juist duidelijk achter, omdat daar in het basisjaar sectoren waren oververtegenwoordigd, die nationaal gezien een lage of zelfs negatieve ontwikkeling van het aantal arbeidsplaatsen kenden in de periode 1995-2007. Het groeipotentieel lag voor Rotterdam in de periode 1995-2007 boven het nationaal gemiddelde, maar onder het gemiddelde van de andere drie grote steden. Figuur 3.3 2.6

Groeipotentiee1995-2007 x Gini 1995

Groeipotentieel

Ned.

Rijsw ijk

2.4 2.2 2 1.8

Ned.

1.6

Haarlemmermeer

1.4 1.2

♦ Rotterdam ♦ Andere G3

1 0.77

♦ Overige steden

Velsen

♦ Suburbane gebieden

0.8


0.5

0.55

0.6

0.65

0.7

0.75

0.8

0.85

0.9 Gini

Uit figuur 3.3 kunnen twee boodschappen worden afgelezen. Ten eerste nemen de verschillen tussen gebieden in groeipotentieel toe naarmate de sectorstructuur minder gediversificeerd is. Wanneer de sectorstructuur minder gediversificeerd is, neemt zowel de kans op duidelijke hogere groei dan gemiddeld als de kans op duidelijk lagere groei dan gemiddeld toe. Dat mocht verwacht worden en is ook een bekend verschijnsel volgens de portfoliotheorie. Ten tweede blijkt er een licht negatief verband te bestaan tussen de mate van diversificatie en het groeipotentieel. Een [email protected] tel. 015-2682556 www.bureaulouter.nl

17


verklaring hiervoor is dat het bij ‘gespecialiseerde’ gebieden veelal gaat om een relatieve oververtegenwoordiging in nationaal gezien sterk groeiende sectoren. Er doet zich overigens een groot verschil voor tussen steden enerzijds en landelijke gebieden anderzijds. Er lijkt voor steden een negatief verband te bestaan tussen groeipotentieel en diversificatie16 en voor landelijke gebieden een positie verband. Als steden zich specialiseren doen zij dat dus blijkbaar veelal in groeisectoren en als landelijke gebieden zich specialiseren doen zij dat vooral in economische sectoren met een lage groei. Ook voor suburbane gebieden lijkt dat laatste op te gaan, hoewel er ook vier suburbane gebieden zijn die een gespecialiseerde economie combineren met een sterke vertegenwoordiging van groeisectoren (namelijk: Haarlem/Velsen, Hilversum, Leiden. Utrecht/Zeist). Figuur 3.4 4.5

Gini 1995 x groei arbeidsplaatsen 1995-2007

Ontw ikkeling banen

Ned.

4 3.5 3 2.5 2 Ned. 1.5 1


0.5


0


0.5

0.55

0.6

0.65

0.7

0.75

0.8

0.85

0.9 Gini

De feitelijke ontwikkeling van het aantal arbeidsplaatsen wijkt veelal af van het groeipotentieel. Er zijn vele redenen denkbaar waarom een sector in een gebied niet groeit volgens het nationaal gemiddelde. De feitelijke groei kan daar zowel onder als boven liggen. In figuur 3.4 is het verband blootgelegd tussen de mate van diversificatie (in het basisjaar 1995) en de feitelijke ontwikkeling van het aantal arbeidsplaatsen (in de periode 1995-2007). Dan blijkt dat er nauwelijks sprake is van een verband. Opvallend is dat alle grote steden een feitelijke groei van 16

Opvallend is dat er slechts één duidelijke uitzondering bestaat, namelijk Velsen (met Corus). In 1995 was de sanering van traditionele economische sectoren, zoals bijvoorbeeld textiel en kleding, al grotendeels achter de rug. Wanneer figuur 3.3 zou zijn opgesteld voor de jaren zestig of jaren zeventig van de vorige eeuw, zouden gemeenten als Tilburg, Enschede en Almelo een positie links onderin de figuur hebben ingenomen. Voor de periode 1995-2007 lag hun score op het groeipotentieel rond het nationaal gemiddelde. In het verleden zou voor steden dus niet of minder een negatief verband tussen groeipotentieel en diversificatie zijn gevonden.


18


het aantal arbeidsplaatsen kenden die onder het nationaal gemiddelde lag, terwijl hun groeipotentieel boven het nationaal gemiddelde lag. Geconcludeerd kan dus worden dat er tussen de mate van diversificatie van de sectorstructuur en de feitelijk gerealiseerde groei van de werkgelegenheid geen verband kan worden geconstateerd voor de periode 1995-2007. Hoe kan het verschil tussen figuur 3.3 en figuur 3.4 nu worden verklaard? Eerst wordt daartoe het verband weergegeven tussen het structuur effect (groeipotentieel in afwijking van het nationaal gemiddelde) en het regionaal effect. Het regionaal effect is het verschil tussen de feitelijke groei van de werkgelegenheid en het groeipotentieel (de groei die op grond van de sectorstructuur verwacht mocht worden). Uit figuur 3.5 blijkt dat er sprake is van een licht negatief verband. Relatief veel gebieden met een hoog groeipotentieel kennen een laag regionaal effect en relatief veel gebieden met een laag groeipotentieel kennen een hoog regionaal effect17. Voor gebieden die een bovengemiddelde score en een benedengemiddelde score combineren kan de uiteindelijke totale werkgelegenheidsgroei zowel boven het nationaal gemiddelde (rechts van de 45-graden lijn die door het punt 0,0 in de figuur gaat) als er onder liggen (links van die 45-graden lijn). Rotterdam en de drie andere grote steden combineren alle een bovengemiddeld groeipotentieel met een benedengemiddeld regionaal effect. Per saldo resulteert een totale procentuele groei van de werkgelegenheid die voor alle grote steden onder het nationaal gemiddelde lag. Een combinatie van een positief structuur effect en een negatief regionaal effect resulteert voor maar liefst 25 van de 43 stedelijke kernen. Het is dus blijkbaar een kenmerk van steden dat zij veel groeisectoren herbergen, maar dat de groei binnen die sectoren vaak onder het nationaal gemiddelde ligt; een soort ‘wet van de remmende voorsprong’ dus18. Een combinatie van een negatief structuur effect en een positief regionaal effect resulteert voor 15 van de 24 suburbane gebieden en voor vrijwel alle (14 van de 16) landelijke gebieden. Zij compenseren hun ongunstige sectorstructuur dus veelal met relatief hoge groeicijfers binnen de sectoren. Het negatieve verband tussen het structuur effect en het regionaal effect treedt op indien voor het merendeel van de economische sectoren geldt dat een hoge vertegenwoordiging in de uitgangssituatie gepaard gaat met een relatief lage procentuele groei. Dat resulteert dan per economische sector in relatieve ruimtelijke deconcentratie. In figuur 3.6 staan de resultaten van een analyse waarin dat verband is onderzocht. Weergegeven is de mate waarin sprake is van een positief of negatief verband tussen de relatieve vertegenwoordiging in een basisjaar (1995)19 en de procentuele ontwikkeling van het aantal arbeidsplaatsen in een periode daarna (1995-2007). De ‘ruimtelijke deconcentratie’ is gemeten op het niveau van de 83 gebieden. In de figuur staat de

17

18

19

Zowel in het kwadrant rechtsboven als in het kwadrant linksonder liggen elf waarnemingen, terwijl daar op grond van het totaal aantal gebieden (83) per kwadrant 21 waarnemingen zouden worden verwacht. Daarbij moet worden benadrukt dat het hier gaat om procentuele groei. Wanneer het aantal arbeidsplaatsen zou worden uitgedrukt per duizend inwoners van 15 tot 65 jaar kunnen de resultaten anders uitvallen. Een cijfervoorbeeld: Twee gebieden hebben in het beginjaar beide 1.000 inwoners van 15 tot 65 jaar en in het eindjaar 1.100 inwoners van 15 tot 65 jaar. In gebied A neemt het aantal arbeidsplaatsen toe van 700 naar 847 en in gebied B (dat veel minder een ‘werkgelegenheidsfunctie’ vervult) van 350 naar 445. De procentuele groei is dan hoger in gebied B (27% tegen 21% in gebied A), maar uitgedrukt per 1.000 inwoners van 15 tot 65 jaar is de groei in gebied A hoger. In gebied A neemt het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar toe van 700 naar 770 (een toename van 70) en in gebied B van 350 naar 405 (een toename van 55). Dergelijke alternatieve berekeningen kunnen worden gemaakt, maar het wordt hier achterwege gelaten. Hiervoor is gebruik gemaakt van een ‘locatiequotiënt’: het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar, als index van het nationaal gemiddelde.


19


mate van statistische significantie van het verband, de zogenaamde t-waarde20. Van ruimtelijke deconcentratie is sprake wanneer de t-waarde negatief is, van ruimtelijke concentratie wanneer de t-waarde positief is. Figuur 3.5

1

Het verband tussen de vertegenwoordiging van groeisectoren (structuureffect) en de ontwikkeling van het aantal arbeidsplaatsen na correctie voor de structuur (regionaal effect), 1995-2007

Structuureffect

0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -2

-1.6

-1.2

-0.8

-0.4

0

0.4

0.8

1.2

1.6 2 2.4 Regionaal effect

♦ Rotterdam ♦ Andere G3 ♦ Overige steden ♦ Suburbane gebieden ♦ Landelijke gebieden

Uit figuur 3.6 blijkt dat tussen de relatieve vertegenwoordiging van de totale bedrijvigheid in een basisjaar en de procentuele ontwikkeling van het aantal arbeidsplaatsen daarna een (statistisch significant) positief verband bestond in de periode 1995-2007. Daar waar al veel bedrijvigheid was geconcentreerd, groeide die bedrijvigheid (in termen van het aantal arbeidsplaatsen) in de jaren daarna procentueel sterker dan gemiddeld. Wanneer het verband echter per sector wordt bepaald, blijkt dat er slechts twee sectoren zijn waarvoor sprake is van een positief verband (waarbij slechts voor land- en tuinbouw een statistisch significant verband resulteert). Voor maar liefst 18 van de 20 economische sectoren is het verband negatief (waarvan 12 maal statisch significant negatief). Dit op het eerste gezicht merkwaardige verband kan worden verklaard door samenstellingseffecten (het ‘structuureffect’ in figuur 3.5). In gebieden met een groot aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar (een hoge ’werkgelegenheidsfunctie’) zijn vooral sectoren met een hoge groei op nationaal niveau oververtegenwoordigd. Dat weegt op tegen het feit dat zij gemiddeld genomen per sector veelal een lagere procentuele groei kennen dan gebieden met een lage werkgelegenheidsfunctie. Deze constatering legt overigens wel direct een uitdaging bloot voor gebieden die momenteel een hoge werkgelegenheidsfunctie hebben. Voor vrijwel alle economische sectoren geldt dat zij een ‘levenscyclus’ doorlopen van snelle groei naar 20

Wanneer de t-waarde (in absolute zin) hoger is dan 2 is de kans dat sprake is van een statistisch significant verband groter dan 95%.


20


afnemende groei naar stabilisatie en tenslotte krimp. Wanneer gebieden met een hoge werkgelegenheidsfunctie er in het verleden in geslaagd zijn om vooral aan sectoren die zich nog in hun groeifase bevinden een goed ‘startmilieu’ te bieden, wil dat niet zeggen dat die situatie zo blijft. Ze zullen er steeds weer opnieuw in moeten slagen om aantrekkelijk te blijven voor nieuwe sectoren. Dat gebieden waar sectoren al relatief sterk zijn vertegenwoordigd daarna een minder sterke groei in procenten kennen in die sectoren dan gebieden waar die sectoren in 1995 nog niet sterk waren vertegenwoordigd, is een voorbeeld van de ‘wet van de remmende voorsprong’. Het is een in het vakgebied van de ruimtelijke economie bekend fenomeen, dat bekend staat als de ‘filtering down’ theorie. Vaak worden met name aan (grote) steden ‘agglomeratievoordelen’ toegedicht, waardoor zij meer potentie zouden hebben voor de groei van bedrijvigheid. Dat geldt echter nauwelijks binnen al langer bestaande economische sectoren. Daar is een gestage ‘uitdijing’ van bedrijvigheid vanuit het oorspronkelijke centrum de norm. Agglomeratievoordelen zijn vooral van belang waar het de potentie betreft om te komen tot vernieuwing. Wanneer stedelijke gebieden er steeds weer in slagen voorop te lopen bij het ontwikkelen van nieuwe economische sectoren (en dus een goed ‘startmilieu’ bieden voor sectoren die zich nog in de groeifase van hun levenscyclus bevinden), is het geen probleem wanneer zij voor die sectoren op termijn een minder sterke procentuele groei gaan vertonen dan regio’s die oorspronkelijk achterbleven, maar nu een inhaalslag maken. Een vitale, gezonde economie is vooral een economie die zich steeds weer vernieuwt. De denkkracht van de beroepsbevolking (zowel ondernemers als werknemers) is daarbij cruciaal. Dit ‘human capital’ vormt de basis voor vernieuwing en een ‘vitale’ veerkrachtige economie, waarin verlies van banen in de ene sector weer wordt opgevangen door winst van banen in andere, nieuwe sectoren. Figuur 3.6

Ruimtelijke deconcentratie 1996-2008

Sector Informatiegerelateerd Veiligheid Detailhandel Openbaar bestuur V&G-industrie Zorg en welzijn Personenvervoer Adviesbureaus Softwarebedrijven High-tech en research Onderwijs Energie en chemie Goederenvervoer Vrijetijdsactiviteiten Financiele activiteiten Bouwnijverheid Groothandel Overig metaal Overig industrie Totaal Land- en tuinbouw -6

-5

-4

-3

-2

-1

0

1

2

3 4 t-waarde

Materiaalgeoriënteerd Informatiegeoriënteerd Personengeoriënteerd Totaal


21


Verdieping: Werkgelegenheidsgroei 1975-2010 geanalyseerd De diversificatie van de economie en de kennisintensiteit wijken voor Rotterdam sterk af van de andere drie grote steden. Tabel 3.1 geeft zicht op de vraag of dat ook geldt voor de ontwikkeling van het aantal arbeidsplaatsen. Daarvoor vormen ontwikkelingen op lange termijn het uitgangspunt, namelijk een periode van 35 jaar, uitgesplitst in vier deelperioden (drie tienjaarsen één vijfjaarsperiode). Uit de tabel komen enkele zeer opvallende feiten naar voren: • Voor alle steden was in alle perioden het structuur effect positief. De grote steden worden dus gekenmerkt door een oververtegenwoordiging van sectoren met een hoger dan gemiddelde groei op nationaal niveau. Wel was het structuur effect in alle deelperioden in Rotterdam ongeveer 0.4% lager dan in Amsterdam en Utrecht. Uit het oogpunt van groei van de werkgelegenheid is de samenstelling van de bedrijvigheid in Rotterdam dus gunstiger dan het nationaal gemiddelde, maar ongunstiger dan in Amsterdam en Utrecht. • In de periode 1975-1984 en in het laatste decennium (2000-2009) heeft het aantal arbeidsplaatsen zich in Rotterdam gelijk ontwikkeld aan Amsterdam en Utrecht (wat betreft het gemiddelde van die twee: het aantal arbeidsplaatsen ontwikkelde zich in Rotterdam zelfs gunstiger dan in Amsterdam). Gecorrigeerd voor het structuur effect heeft Rotterdam het in die twee perioden zelfs beter gedaan dam Amsterdam en Utrecht. • Het verlies ten opzichte van Amsterdam en Utrecht is vooral geleden in de periode 19851994 (met name door saneringen in de haveneconomie, zoals bijvoorbeeld in de scheepsbouwindustrie) en in de periode 1995-1999 (toen Rotterdam niet meekwam in de hoge groei van kennisintensieve diensten, die met name in Amsterdam en Utrecht toen ‘booming’ waren). Tabel 3.1

Ontwikkeling arbeidsplaatsen, uitgesplitst naar componenten, vier grote steden

Stad Rotterdam

Periode 1975-1984 1985-1994 1995-1999 2000-2009

Structuur effect (% per jaar) 0.2% 0.0% 0.4% 0.3%

Totaal effect (% per jaar) -1.2% -2.2% -1.5% -0.2%

Regionaal effect (% per jaar) -1.4% -2.3% -1.9% -0.5%

Rotterdam t.o.v. Amsterdam en Utrecht

1975-1984 1985-1994 1995-1999 2000-2009

-0.4% -0.4% -0.3% -0.4%

0.0% -1.1% -2.0% 0.0%

0.4% -0.7% -1.7% 0.4%

Toelichting: Alle percentages zijn berekend als afwijking van het nationaal gemiddelde in de aangegeven periode. Structuureffect: Ontwikkeling arbeidsplaatsen indien elke economische sector in een stad zou groeien volgens het nationaal gemiddelde Totaal effect: Feitelijke ontwikkeling van het aantal arbeidsplaatsen Regionaal effect: Ontwikkeling arbeidsplaatsen na correctie voor de samenstelling van de bedrijvigheid (het structuur effect)

3.4

Kennisintensiteit en werkgelegenheidsgroei

In deze paragraaf wordt ingegaan op de vraag of er een verband bestaat tussen de kennisintensiteit van de lokale/regionale bedrijvigheid (gemeten via de opleidingsindex: een maat voor het gemiddeld opleidingsniveau van de werknemers bij de bedrijven en instellingen in een gebied) en groei van de werkgelegenheid. Eerst is in figuur 3.7 het verband weergegeven tussen kennisintensiteit (de opleidingsindex in het basisjaar 1995) en het ‘groeipotentieel’ (de groei die [email protected] tel. 015-2682556 www.bureaulouter.nl

22


zou resulteren indien voor elke sector in een gebied het aantal arbeidsplaatsen zou toenemen volgens het nationaal gemiddelde in de periode 1995-2007). Er blijkt voor de periode 1995-2007 sprake te zijn geweest van een positief verband: naarmate de kennisintensiteit van de bedrijvigheid in een gebied hoger was in het basisjaar 1995, was het groeipotentieel van de bedrijvigheid in een gebied ook hoger. Dat hangt samen met het feit dat ook nationaal gezien in de periode 1995-2007 een positief verband bestond tussen de kennisintensiteit van een sector en de groei van de werkgelegenheid. Vooral in steden nemen sectoren met een nationaal gezien hoge kennisintensiteit vaak een hoog aandeel in binnen de totale bedrijvigheid. Voor suburbane gebieden en vooral voor landelijke gebieden geldt dat veel minder. Slechts Velsen (vrij hoge opleidingsindex; zeer laag groeipotentieel) en Nieuwegein ((zeer hoog groeipotentieel, maar slechts een gemiddelde opleidingsindex) vallen duidelijk buiten de puntenwolk. In Rotterdam zijn zowel het groeipotentieel als de opleidingsindex lager dan in de andere drie grote steden. Figuur 3.7

2.6

Verband tussen kennisintensiteit bedrijvigheid (opleidingsindex 1995) en groeipotentieel 1995-2007 Ned.

Groeipotentieel Nieuw egein

Zeist

2.4 2.2 2 1.8

Ned

1.6 1.4 1.2


1

♦ Overige steden

Velsen

0.8

♦ Suburbane gebieden ♦ Landelijke gebieden

1.6

1.7

1.8

1.9

2

2.1 2.2 Opleidingsindex

Omdat kennisintensieve sectoren nationaal gezien meer kans hebben op werkgelegenheidsgroei (meer ‘groeipotentie’ op grond van hun sectorstructuur), zou verwacht mogen worden dat de werkgelegenheid ook sterker groeit in gebieden met veel kennisintensieve bedrijvigheid. In figuur 3.8 is het verband weergegeven tussen de feitelijk gerealiseerde ontwikkeling van de werkgelegenheid in de periode 1995-2007 en de kennisintensiteit in het basisjaar (1995). Dan blijkt dat er in de praktijk nauwelijks sprake is van een verband. Blijkbaar slagen gebieden met een hoge groeipotentie op grond van de kennisintensiteit van hun bedrijvigheid er niet in om die potentie ook om te zetten in een hoge werkgelegenheidsgroei vergeleken met gebieden met minder kennisintensieve bedrijvigheid. Een eerste indicatie van de redenen hiervoor kan worden ontleend aan figuur 3.6. In een aantal sterk kennisintensieve sectoren was in de periode 19952007 sprake van een sterke relatieve ruimtelijke deconcentratie (vooral in de sectoren [email protected] tel. 015-2682556 www.bureaulouter.nl

23


adviesbureaus, zorg en welzijn, openbaar bestuur, softwarebedrijven, high-tech/research en onderwijs). Gebieden waar die kennisintensieve sectoren in het basisjaar sterk waren vertegenwoordigd kenden in de jaren daarop een minder sterke groei dan gebieden waar die sectoren minder sterk waren vertegenwoordigd. In sectoren waar sprake was van ruimtelijke concentratie of een beperkte ruimtelijke deconcentratie was de kennisintensiteit in het basisjaar juist lager dan het nationaal gemiddelde (voorbeelden zijn land- en tuinbouw, overige industrie, overig metaal en bouwnijverheid). Evenals voor ‘groeisectoren’ in het algemeen geldt ook voor kennisintensieve sectoren (die veelal nationaal een relatief hoge groei kennen) dat een sterke huidige relatieve vertegenwoordiging geen garantie biedt voor toekomstige groei. Gebieden (veelal steden) met veel kennisintensieve bedrijvigheid zullen er in moeten slagen om aantrekkelijk te blijven voor steeds weer nieuwe kennisintensieve groeisectoren. Figuur 3.8

4.5

Verband tussen kennisintensiteit bedrijvigheid (opleidingsindex 1995) en ontwikkeling banen 1995-2007

Ontw ikkeling banen

Ned.

4 3.5 3 2.5 2 Ned 1.5 1


0.5


0


1.6

1.7

1.8

1.9

2

2.1 2.2 Opleidingsindex

In stedelijke gebieden is het gemiddeld opleidingsniveau van de werknemers bij bedrijven en instellingen veelal hoog21. De vraag is dan of dat wordt veroorzaakt door het type bedrijvigheid dat er voornamelijk is gevestigd. Indien in steden veel economische activiteiten zijn gevestigd waarvoor ook nationaal gezien het gemiddeld opleidingsniveau van de werknemers hoog is, mag verwacht worden dat ook het gemiddeld opleidingsniveau van de werknemers in steden hoog is. In figuur 3.9a is aangegeven in hoeverre dat klopt. Voor elke economische sector is daarin aangenomen dat het gemiddeld opleidingsniveau in een gebied gelijk is aan het nationaal gemiddelde. Komen er dan in een gebied relatief veel sectoren voor met een nationaal gezien hoog gemiddeld opleidingsniveau, dan zal een hoge score resulteren. 21

Die werknemers behoeven overigens niet in de gemeente te wonen. Gedeeltelijk gaat het om inkomende pendel. De gegevens zijn enigszins verouderd, maar geven waarschijnlijk nog een vrij accuraat beeld van de huidige situatie.


24


Figuur 3.9

Opleidingsindex bedrijvigheid, 2000/2003

Score

Score

1.09 of meer 1.06 tot 1.09 1.04 tot 1.06 1.00 tot 1.04 0.96 tot 1.00 0.93 tot 0.96 0.92 tot 0.93 onder 0.92

1.08 of meer 1.04 tot 1.08 1.03 tot 1.04 1.00 tot 1.03 0.98 tot 1.00 0.96 tot 0.98 0.94 tot 0.96 onder 0.94

a. Verwacht o.b.v. structuur 1.2

b. Regionale component

Regionale component 83 gebieden

Toelichting:

♦ Rotterdam

1.15

Verwacht o.b.v. structuur: Opleidingsindex indien voor elke sector in een gebied het gemiddelde opleidingsniveau gelijk zou zijn aan het nationaal gemiddelde.

♦ Andere G3 ♦ Overige steden

1.1


1.05

Regionale component: Feitelijke opleidingsindex gedeeld door opleidingsindex verwacht o.b.v. structuur.

1 0.95

Beide indices uitgedrukt als ratio t.o.v. Nederland = 1.

0.9 0.85 0.8 0.8

0.85

0.9

0.95

1

1.05 1.1 1.15 1.2 Verw acht o.b.v. structuur

c. Verband structuur en regionale component Uit de figuur blijkt dat steden in het algemeen een structuur van de bedrijvigheid hebben die wordt gekenmerkt door een hoog aandeel van sectoren met een nationaal gezien hoog gemiddeld opleidingsniveau. De hoogste scores resulteren voor de universiteitssteden Delft, Leiden, Utrecht en Groningen. Lage scores resulteren vooral in de landelijke gebieden in Overijssel/Achterhoek [email protected] tel. 015-2682556 www.bureaulouter.nl

25


en delen van het zuiden van Nederland. Vooral steden die van oudsher georiënteerd zijn op industrie scoren onder het nationaal gemiddelde, zoals Hengelo, Almelo en Doetinchem in het oosten, Zaanstad en Velsen in de Randstad en Oss, Tilburg, Venlo, Roermond en Sittard-Geleen in het zuiden. Wanneer vervolgens het feitelijk gemiddeld opleidingsniveau wordt vergeleken met het gemiddeld opleidingsniveau dat op grond van de samenstelling van de bedrijvigheid verwacht mocht worden, resulteert een ‘regionale component’. Die staat in figuur 3.9b. In de ‘rood’ gekleurde gebieden is het feitelijk gemiddeld opleidingsniveau hoger dan wat op grond van de samenstelling van de bedrijvigheid verwacht mocht worden, in de blauw gekleurde gebieden lager. Opvallend is dat de ruimtelijke patronen in figuur 3.9a en figuur 3.9b vrij sterk op elkaar lijken. Ook bij de regionale component zijn het vooral stedelijke gebieden die bovengemiddeld scoren. Blijkbaar combineren bepaalde gebieden (met name stedelijke gebieden) de eigenschap dat er veel economische sectoren met een nationaal gezien gemiddeld hoog opleidingsniveau van de werknemers zijn gevestigd met de eigenschap dat het opleidingsniveau daarin bovendien nog eens extra hoog is. Om na te gaan of dat inderdaad zo is, zijn de twee componenten in figuur 3.9c in een grafiek geplaatst. Er blijkt een positief verband te bestaan. De grafiek leert dat er enige algemene lessen zijn te trekken. Alle zestien landelijk gebieden scoren op beide componenten onder het nationaal gemiddelde. Dat geldt ook voor maar liefst 19 van de 24 suburbane gebieden. Uitzonderingen zijn hier de suburbane gebieden van Leiden, Hilversum en Utrecht (hoger dan het nationaal gemiddelde voor beide componenten) en van Eindhoven en Enschede/Hengelo (voor de regionale component een licht bovengemiddelde score). Voor de 43 stedelijke kernen zijn de resultaten meer divers. Twintig van de 43 stedelijke kernen combineren een hoger dan gemiddelde score op beide componenten en vijf een lager dan gemiddelde score op beide componenten (namelijk Almelo, Doetinchem, Sittard-Geleen, Venlo en Zaanstad22). Zes steden kennen een lager dan gemiddelde ‘structuurcomponent’, maar een hoger dan gemiddelde ‘regionale component’. Tenslotte zijn er nog twaalf steden, waarbij de structuurcomponent hoger is dan het gemiddelde, maar de regionale component lager. Rotterdam is één van die steden. Zowel wat betreft de structuurcomponent als wat betreft de regionale component blijft Rotterdam duidelijk achter bij de andere drie grote steden. In de ranglijst van het gemiddeld opleidingsniveau van de werknemers staan de andere drie grote steden alle in de top-5 (na Delft en Leiden). Binnen de groep van 43 stedelijke kernen neemt Rotterdam positie 24 in. Het opleidingsniveau kan ook vanuit een andere invalshoek worden beschouwd, namelijk dat van de in een gebied woonachtige werkzame beroepsbevolking. Zoals al eerder aangegeven kunnen er, als gevolg van woon-werk verkeer, tussen het gemiddeld opleidingsniveau naar werkplaats en het gemiddeld opleidingsniveau naar woonplaats verschillen bestaan. In figuur 3.10a en 3.10b staat de opleidingsindex voor 1990 en 2007/2009. Hierbij is gekozen voor een wat ruimere gebiedsindeling dan individuele gemeenten in verband met de statistische betrouwbaarheid23. De overgang van ’blauw’ naar ‘rood’ is in beide figuren gelegd bij het nationaal gemiddelde. Uit de legenda blijkt dat de gemiddelde opleidingsindex vanaf 1990 is toegenomen van 1.76 naar 2.12. In alle gebieden is het gemiddeld opleidingsniveau toegenomen, in het ene gebied echter meer dan in het andere. De verandering vanaf 1990 is weergegeven in figuur 3.10c. 22

23

Dit zijn voorbeelden van steden die het bij een overgang naar een kenniseconomie moeilijk zullen krijgen. Voor Zaanstad bijvoorbeeld geldt in feite dat het al meer als een suburbane gemeente van Amsterdam kan worden gekenschetst dan als een zelfstandige werkgelegenheidskern. Dat hangt samen met de steekproefgrootte van de bron van deze gegevens: de Enquête BeroepsBevolking van het CBS.


26


Figuur 3.10

Gemiddeld opleidingsniveau werkzame beroepsbevolking

Opleidingsindex

Opleidingsindex

2.11 of meer

2.51 of meer

1.95 tot 2.11

2.35 tot 2.51

1.85 tot 1.95

2.24 tot 2.35

1.76 tot 1.85

2.12 tot 2.24

1.69 tot 1.76

2.01 tot 2.12

1.64 tot 1.69

1.93 tot 2.01

1.58 tot 1.64

1.89 tot 1.93

minder dan 1.58

minder dan 1.89

a. 1990

b. 2007-2009 1

Opleidingsindex

Ontw ikkeling 2007-2009 t.o.v. 1990

0.8

0.54 of meer

Suburbaan Rotterdam

0.48 tot 0.54 0.40 tot 0.48 0.36 tot 0.40

0.6

♦ ♦ ♦ ♦ ♦

Rotterdam Andere G3 Overige steden Suburbane gebieden Landelijke gebieden

0.29 tot 0.36 0.26 tot 0.29 0.19 tot 0.26

0.4

minder dan 0.19

0.2

0 1.8

c. Ontwikkeling 1990 naar 2007/2009

2

2.2

2.4

2.6 2.8 2007-2009

d. Ontwikkeling opleidingsniveau vs. 2007-2009

Uit figuur 3.10b blijkt dat Leiden, Amsterdam en Utrecht behoren tot de gebieden met het hoogste gemiddelde opleidingsniveau van de werkzame beroepsbevolking. In de verstedelijkte ‘Randstadring’ ligt het opleidingsniveau veelal hoger dan het nationaal gemiddelde. Uitzonderingen zijn Zaanstad, Velsen, de Bollenstreek en het meest zuidelijke deel van de Randstad (het suburbaan gebied van Rotterdam en de stad Dordrecht). Het ruimtelijk patroon is vrij stabiel in de tijd (vergelijk figuur 3.10a met figuur 3.10b), hoewel er op detailniveau wel sprake is van enige verschuivingen. Die verschuivingen komen naar voren in figuur 3.10c. Opvallend is in ieder geval dat in alle vier grote steden het gemiddeld opleidingsniveau van de werkzame beroepsbevolking meer dan gemiddeld is toegenomen. Uit figuur 3.10d blijkt dat drie van de vier grote steden binnen de groep van 83 gebieden tot de top-5 van Nederland behoren wat betreft de toename van het gemiddeld opleidingsniveau van de werkzame beroepsbevolking. De grote steden zijn dus in toenemende mate aantrekkelijk geworden als woonplaats voor hoogopgeleiden. Dat geldt ook voor Rotterdam, overigens in iets mindere mate dan voor de [email protected] tel. 015-2682556 www.bureaulouter.nl

27


andere drie grote steden (Rotterdam neemt positie 9 in binnen de groep van 83 steden wat betreft de toename van het opleidingsniveau). Dat het opleidingsniveau van de werkzame beroepsbevolking in Rotterdam zo laag is, komt dus vooral door een historische erfenis. In 1990 was het gemiddeld opleidingsniveau van de werkzame beroepsbevolking in Rotterdam nog ruim lager dan het nationaal gemiddelde, inmiddels ligt het er boven. Uit figuur 3.10d komt naar voren dat de landelijke gebieden alle vrij dicht bij elkaar zijn gepositioneerd. Het gemiddeld opleidingsniveau in 2007/2009 ligt in alle landelijke gebieden onder het nationaal gemiddelde. Ook de toename van de opleidingsindex is veelal lager dan nationaal gemiddeld. Van de 16 landelijke gebieden zijn daarop vier uitzonderingen, waaronder het Groene Hart. De suburbane gebieden vertonen wat meer onderlinge verschillen. In zeven van de 24 gebieden (met de suburbs van Nijmegen als enige gebied buiten de Randstad) is het gemiddelde opleidingsniveau hoger dan het nationaal gemiddelde. Vooral het suburbaan gebied van Leiden scoort zeer hoog. In zes landelijke gebieden is de groei sinds 1990 hoger geweest dan het nationaal gemiddelde (waaronder de suburbs van Leiden en Amsterdam). Voor de steden zijn de onderlinge verschillen in niveau en in ontwikkeling veel groter dan voor de landelijke en suburbane gebieden. In het kader ‘Verdieping: Een typologie vaan stedelijke kernen naar opleidingsniveau’ staat een typologie van stedelijke kernen naar de opleidingsindex in 1990 en de ontwikkeling daarvan sindsdien. In het kader is aangegeven is dat het woonen leefmilieu van een stad een rol speelt bij het verklaren van de positie van een stad in de typologie. Daarnaast zijn er overigens nog andere factoren. Zo scoren de steden in de groep ‘laggards’ gemiddeld niet lager op het woonen leefmilieu dan de steden in de groepen ‘losing momentum’ en ‘catching up’. De terugval van deze steden lijkt dan ook vooral ingegeven door de ‘vraagkant’: het gaat om steden die minder in beeld zijn bij kennisintensieve bedrijven, onder andere in verband met hun nationaal perifere ligging. Ook staat er geen enkele universiteitsstad in de groep en is zelfs HBO-onderwijs er zeer beperkt vertegenwoordigd (enigszins met uitzondering van Heerlen). Niet alleen het woonen leefmilieu is bepalend voor de aantrekkelijkheid van een stad voor kenniswerkers. De economische kracht én de vestiging van hoger onderwijs en een prettig woonen leefmilieu kunnen die aantrekkelijkheid bepalen, liefst in combinatie met elkaar.


28


Verdieping: Een typologie van stedelijke kernen naar opleidingsniveau Steden vormen de arena waar de strijd om de kenniswerkers zich afspeelt. In tabel 3.2 zijn 43 stedelijke kernen getypeerd naar het opleidingsniveau van de werkzame beroepsbevolking in 1990 en de ontwikkeling daarvan sindsdien. Kernsteden zijn vet gemarkeerd, waarbij ‘subkernen’ (zie bijlage I) met ‘sub’ zijn aangegeven. Universiteitssteden zijn onderstreept. Tabel 3.2

Typologie 43 stedelijke kernen naar opleiding werkzame beroepsbevolking

Losing momentum Opleidingsindex in 1990 hoger dan nat. gemiddelde Ontwikkeling na 1990 lager dan nationaal gemiddelde Leeuwarden Sittard-Geleen Delft (sub) Hengelo (sub) Haarlemmermeer (sub) Assen Deventer Nieuwegein Zoetermeer Rijswijk Capelle a/d IJssel

Laggards Opleidingsindex in 1990 lager dan nat. gemiddelde Ontwikkeling na 1990 lager dan nationaal gemiddelde Apeldoorn Venlo Heerlen Velsen (sub) Almelo Doetinchem Zaanstad Roermond

Stars Opleidingsindex in 1990 hoger dan nat. gemiddelde Ontwikkeling na 1990 hoger dan nationaal gemiddelde Groningen Nijmegen Utrecht Amsterdam Leiden Eindhoven Maastricht Arnhem Amersfoort Hilversum Haarlem Den Haag Zeist (sub) Amstelveen Gouda Catching up Opleidingsindex in 1990 lager dan nat. gemiddelde Ontwikkeling na 1990 hoger dan nationaal gemiddelde Enschede Rotterdam Tilburg Zwolle Alkmaar Breda ’s-Hertogenbosch Dordrecht (sub) Oss

De ‘stars’ bestaan vrijwel uitsluitend uit (hoofd)kernen van stadsgewesten. Voor een groot deel gaat het om universiteitssteden. De groep ‘losing momentum’ bevat nauwelijks hoof(kernen) van stadsgewesten. Kernen in de Randstad (vooral de Zuidvleugel) zijn sterk vertegenwoordigd. Tot de ‘laggards’ behoren vooral nationaal perifeer gelegen steden (onder andere drie steden in Limburg). De groep ‘catching up’ bestaat weer grotendeels tot de (hoofd)kernen van stadsgewesten. Vier van de vijf Brabantse steden in de groep van 43 stedelijke kernen vallen binnen deze groep. Kennisintensivering van de economie lijkt in deze groep de drijvende kracht te zijn. In hoofdstuk 6 wordt een ‘vitaliteitsweb’ gepresenteerd. Eén van de thema’s daarin is het woonen leefmilieu. Aan alle 83 gebieden zijn op basis van diverse indicatoren, scores toegekend aan het woonen leefmilieu. Wordt daarvan een ranglijst gemaakt, dan staan maar liefst negen van de steden die in tabel 3.2 tot de ‘stars’ zijn gerekend in de top-10. (Apeldoorn is de uitzondering met plaats 7.) Steden met een hoog (en relatief snel toenemend) opleidingsniveau van de werkzame beroepsbevolking zijn dus vooral steden met een zeer gunstig woonen leefmilieu. Zowel voor de groep ‘losing momentum’ a;s voor de groep ‘catching up’ ligt de gemiddelde score op het woonen leefmilieu onder het gemiddelde van de 83 gebieden. Het is wellicht interessant om te onderzoeken welke factoren de positie in de typologie bepalen. [email protected] tel. 015-2682556 www.bureaulouter.nl

29



30


4

Benchmarkmodel werkgelegenheid

De ‘werkgelegenheidsfunctie’ (het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar) verschilt tussen gemeenten en regio’s. In dit hoofdstuk is aan de hand van het door Bureau Louter ontwikkelde Benchmarkmodel bepaald door welke locatiefactoren dat veroorzaakt wordt. Daarbij is een onderscheid gemaakt naar 16 economische sectoren. Nagegaan is ook of het feitelijk aantal arbeidsplaatsen hoger of lager is dan op grond van het model zou worden verwacht. Achtereenvolgens staan de volgende vragen centraal: • Welke locatiefactoren bepalen het aantal arbeidsplaatsen per sector in Rotterdam en scoort Rotterdam hoger of lager dan verwacht volgens het model? Zie paragraaf 4.3. • Dezelfde vragen, maar dan op het niveau van stadsgewest Rotterdam. Zie paragraaf 4.4. Algemene conclusies: • Locatiefactoren die voor veel economische sectoren een aanzienlijke bijdrage leveren aan de verklaring van regionale verschillen in het aantal arbeidsplaatsen zijn agglomeratievoordelen, de regionale centrumfunctie, de beschikbaarheid van ruimte en het gemiddeld opleidingsniveau van de beroepsbevolking. • Daarnaast zijn er diverse locatiefactoren die van belang zijn voor specifieke sectoren. Conclusies voor Rotterdam: • Rotterdam heeft 78 duizend arbeidsplaatsen meer dan op grond van het aantal inwoners verwacht zou mogen worden. Daarvan worden er 57 duizend verklaard door het Benchmarkmodel (het gevolg van de invloed van locatiefactoren) en heeft Rotterdam dus 21 duizend arbeidsplaatsen meer dan volgens het model verwacht zou worden. • Het grotere aantal arbeidsplaatsen dan verwacht via het Benchmarkmodel is te danken aan uitstralingseffecten van de haven in andere sectoren dan de transportsector zelf en aan de zorgsector (10 duizend arbeidsplaatsen meer dan verwacht via het model). • Vergeleken met de andere drie grote steden heeft Rotterdam geen gunstige locatiefactoren. Wanneer Rotterdam dezelfde locatiefactoren zou hebben als de andere drie grote steden, zouden er 50 duizend arbeidsplaatsen meer zijn. Dat is voor 90% het gevolg van het lage gemiddelde opleidingsniveau van de beroepsbevolking. • Feitelijk blijft het aantal arbeidsplaatsen in Rotterdam echter slechts 11 duizend achter bij de andere grote steden. Vergeleken met de andere drie grote steden zijn er in Rotterdam dus 39 duizend arbeidsplaatsen meer dan op grond van de locatiefactoren verwacht zou worden. Dat is voornamelijk het effect van de Rotterdamse haven. • Het grote aantal arbeidsplaatsen in de stad Rotterdam gaat gepaard met een laag aantal arbeidsplaatsen in de overige delen van het stadsgewest Rotterdam. Daar zijn er 37 duizend arbeidsplaatsen minder dan zou worden verwacht op basis van het Benchmarkmodel dan in de overige delen (exclusief de grote steden zelf) van de andere drie grote stadsgewesten. De bedrijvigheid is in stadsgewest Rotterdam dus veel meer geconcentreerd in de kernstad dan in de andere drie grote stadsgewesten. • Wanneer stadsgewest Rotterdam dezelfde locatiefactoren zou hebben als de andere drie grote stadsgewesten, zouden er in stadsgewest Rotterdam 127 duizend arbeidsplaatsen meer zijn. Dat is voor 71% (90 duizend arbeidsplaatsen) het gevolg van het lage gemiddelde opleidingsniveau van de beroepsbevolking. • De haven levert veel arbeidsplaatsen in directe en indirecte zin. Dat is echter niet genoeg. Met name het achterblijvende opleidingsniveau van de beroepsbevolking bezorgt de stad en het stadsgewest een achterstand bij het aantrekken van kennisintensieve diensten. Het opleidingsniveau van de beroepsbevolking moet omhoog. [email protected] tel. 015-2682556 www.bureaulouter.nl

31


4.1

Inleiding

Er bestaan lokale en regionale verschillen in relatieve vertegenwoordiging van economische activiteiten. Voor sommige gemeenten geldt dat er meer ‘surpluswerkgelegenheid’ is dan voor andere (zie hoofdstuk 2). In dit hoofdstuk staat de vraag centraal of dat toeval is of dat er bepaalde redenen zijn aan te wijzen waarom de ene gemeente hoger scoort dan de andere. Daarvoor is een al eerder ontwikkeld Benchmarkmodel24 uitgebreid en verfijnd. Via het Benchmarkmodel wordt per economische sector bepaald in hoeverre het verschil tussen de feitelijke werkgelegenheid in een gemeente en de werkgelegenheid die zou worden verwacht op basis van het aantal inwoners van 15 tot 65 jaar kan worden ‘verklaard’ uit de invloed van locatiefactoren (factoren die regionale verschillen vertonen en die de vestigingsplaatskeuze van bedrijven en/of het bedrijfsfunctioneren beïnvloeden). Dit wordt aangeduid als het ‘locatiefactoren effect’. Er is daarbij doelbewust voor gekozen om geen factoren op te nemen die representatief zijn voor gevoerd beleid. De modellen zijn dus beleidsvrij en pogen aan te geven wat de ‘natuurlijke krachten’ zijn bij vestigingsplaatskeuzes van bedrijven en instellingen25. Vervolgens blijft er veelal een verschil over tussen de feitelijke werkgelegenheid en de werkgelegenheid die via het Benchmarkmodel is gemeten. Dit verschil wordt in modeltechnische termen aangeduid als ‘het residu’. Hier zal het worden aangeduid als het ‘regionaal effect’ (waarbij de term ‘regionaal’ ook betrekking kan hebben op een individuele gemeente). In bijlage IV wordt nader stilgestaan bij de wijze waarop het Benchmarkmodel is opgesteld. Daar wordt ook een toelichting gegeven bij de diverse locatiefactoren die ten grondslag hebben gelegen aan de verklaring van ruimtelijke verschillen in omvang van de werkgelegenheid. Gezien de complexiteit van het model, zal in de hoofdtekst slechts beperkt worden ingegaan op technische details. In het vervolg van dit hoofdstuk wordt eerst in globale zin zicht gegeven op de werking van het Benchmarkmodel (paragraaf 4.2). Vervolgens worden de resultaten voor de gemeente Rotterdam weergegeven (in paragraaf 4.3), alsmede voor het stadsgewest Rotterdam (paragraaf 4.4). Hoewel de aandacht zich hier concentreert op Rotterdam, kunnen aan de hand van het model uitspraken worden gedaan over alle gemeenten in Nederland. Voor Rotterdam en het stadsgewest Rotterdam worden vooral de resultaten voor de groep van drie andere grote steden en hun stadsgewesten relevant geacht. Daarmee zal dan ook worden vergeleken.

4.2

Structuur van het Benchmarkmodel

Via het Benchmarkmodel worden ruimtelijke verschillen in werkgelegenheid verklaard uit locatiefactoren. Tussen economische sectoren bestaan er verschillen in het belang van bepaalde typen locatiefactoren. In totaal zijn er zestien economische sectoren waarvoor de invloed van locatiefactoren op het locatiegedrag is vastgesteld. In bijlage IV staan deze sectoren. Daarbij geldt dat twee sectoren een bijzondere positie innemen, omdat de plaats waar het werk wordt verricht vaak afwijkt van de plaats waar de werknemers zijn ingeschreven, namelijk uitzendkrachten en ambulante activiteiten. Resultaten voor de totale bedrijvigheid zullen zowel met als zonder die twee sectoren worden weergegeven. 24

25

Zie voor de eerste versie van het Benchmarkmodel: Louter, P.J. (1999) Economische netwerken; determinanten van de ruimtelijk-economische dynamiek, TNO Inro. In opdracht van het Ministerie van Economische Zaken. Overigens is het ook uiterst complex om gevoerd beleid (op verschillende ruimtelijke schaalniveaus) goed te meten. Er bestaan daarvoor geen goede, tussen gebieden exact vergelijkbare, gegevens.


32


Verdieping: Waarom is er sprake van een ‘regionaal effect’? Het is nog relevant om aan te geven waarom er sprake kan zijn van een regionaal effect (een ‘residu’). Daarbij speelt een rol dat bij het opstellen van het Benchmarkmodel een keuze is gemaakt voor ‘algemene’ locatiefactoren. Er is niet getracht om de ‘verklaringsgraad’ van het model te verhogen door specifiek voor een bepaalde gemeente geldende verklaringen op te voeren26, enkele uitzonderingen daargelaten (‘specifieke locatiefactoren’; zie paragraaf 4.2 en bijlage IV). Voor het bestaan van het ‘regionaal effect’ kunnen de volgende redenen bestaan: • Wanneer de analyses betrekking hebben op het niveau van individuele gemeenten kunnen keuzes zoals aanleg van een groot bedrijventerrein in de ene gemeente in plaats van een andere, naastgelegen gemeente (waar het bedrijventerrein met evenveel recht ook had kunnen worden aangelegd) van invloed zijn op de omvang van de werkgelegenheid. Bewust is er voor gekozen om indicatoren als de hoeveelheid bedrijventerreinen niet als ‘locatiefactor’ op te nemen. Ten eerste omdat dat dan min of meer per definitie tot een verklaring voor de omvang van de werkgelegenheid leidt en ten tweede omdat op die manier indirect beleidskeuzes worden ingebracht (de keuze om al dan niet bedrijventerreinen aan te leggen). • Niet-optimale modelspecificatie. De selectie van de keuze van relevante locatiefactoren en het juist meten van hun invloed is complex. Ondanks uitvoerige analyses mag niet worden uitgesloten dat sommige locatiefactoren ten onrechte niet zijn opgenomen. • Toeval. Veelal komen voor de vestiging van grote bedrijven op grond van de locatiefactoren meerdere locaties in aanmerking. Voor de gemeente die uiteindelijk wordt gekozen, zal dan een hoog regionaal effect resulteren (tenzij andere bedrijven in die sectoren juist op grote schaal niet kiezen voor die gemeente). • De invloed van beleid. Dat kan dan gaan om ‘goed’ of ‘slecht’ beleid (de effectiviteit van het beleid), maar ook om beleidskeuzes. Zo is het denkbaar dat een gemeente kiest voor een zeer terughoudend economisch beleid, bijvoorbeeld omdat men ‘hinder’ door bedrijvigheid wil vermijden en er in omliggende gemeenten toch voldoende bedrijvigheid is geconcentreerd. Maar het kan ook een keuze zijn om juist zeer actief de economie te stimuleren, desnoods ten koste van omliggende gemeenten. Soms liggen verklaringen voor een bestaand positief of negatief regionaal effect voor de hand, in andere situaties echter is het niet duidelijk welke van de hierboven aangegeven redenen de verklaring vormt voor het regionaal effect. Zoals in paragraaf 4.1 werd aangegeven, wordt in het Benchmarkmodel het verschil tussen het feitelijk aantal arbeidsplaatsen en het aantal arbeidsplaatsen dat zou worden verwacht op basis van het aandeel in het aantal inwoners van 15 tot 65 jaar verklaard uit twee componenten: ten eerste de invloed van locatiefactoren en ten tweede een onverklaarde ‘rest’ (of ‘residu’), aangeduid als het regionaal effect. In totaal zijn er 24 locatiefactoren. Om overzicht te houden zijn die bij de presentatie van de resultaten de locatiefactoren samengevoegd tot tien locatiefactortypen (zie tabel IV.1). Daaronder bevinden zich drie locatiefactoren die zijn aangeduid als ‘specifieke clusters’. Het gaat hier om de invloed van de twee mainports, de ministeries in Den Haag en de tuinbouw in het Westland. Het is een kwestie van smaak of de zeer sterke vertegenwoordiging van transport in Haarlemmermeer (Schiphol) en Rotterdam (de haven), van openbaar bestuur in Den Haag en van tuinbouw in 26

Zo is Corus gevestigd in Velsen, zodat voor die gemeente een zeer hoog regionaal effect voor de industrie resulteert. Dat is dan gehandhaafd, omdat juist hieruit de afwijking van die gemeente van het algemene beeld blijkt. Corus had op zich in het verleden namelijk ook op diverse andere locaties in Nederland gevestigd kunnen worden.


33


Westland nu als het gevolg van een specifieke ‘locatiefactor’ moet worden beschouwd of als een regionaal effect (dat dus niet uit locatiefactoren verklaard zou worden). Er is voor gekozen om de extra werkgelegenheid (bovenop wat normaal gesproken, op basis van ‘reguliere’ locatiefactoren verwacht zou mogen worden) in Haarlemmermeer en Rotterdam (transport), openbaar bestuur (Den Haag) en land- en tuinbouw (Westland) te beschouwen als het effect van een specifieke locatiefactor (‘specifieke clusters’)27. Desalniettemin zal, waar relevant, ook nog afzonderlijk de som van het regionaal effect en de specifieke clusters worden weergegeven in de tabellen en de figuren.

Technische toelichting. Dit moet u even weten: In het Benchmarkmodel kunnen de volgende ‘effecten’ worden onderscheiden: • ‘Verwacht o.b.v. PBB (potentiële beroepsbevolking)’: Dit wordt berekend als het aandeel van een gebied in het totaal aantal inwoners van 15 tot 65 jaar maal de totale werkgelegenheid in de sector in Nederland28. • ‘Feitelijk’: Het feitelijk aantal arbeidsplaatsen in het gebied. • Het ‘totaal effect’: het verschil tussen het ‘feitelijk’ aantal arbeidsplaatsen en het aantal arbeidsplaatsen volgens ‘Verwacht o.b.v. PBB’. Het totaal effect kan zowel positief als negatief zijn. De som van de totaal effecten over alle gebieden in Nederland is gelijk aan 0. • Uit het Benchmarkmodel resulteert een verwacht aantal arbeidsplaatsen op basis van de invloed van de locatiefactoren. Het verschil tussen het op basis van het Benchmarkmodel verwachte aantal arbeidsplaatsen en het op basis van de PBB verwachte aantal arbeidsplaatsen wordt aangeduid als het ‘locatiefactoren effect’. Ook het locatiefactoren effect kan voor een gebied zowel positief als negatief zijn en de scores over alle gebieden tellen op tot 0. • Tussen het feitelijk aantal arbeidsplaatsen en het op basis van het Benchmarkmodel verwachte aantal arbeidsplaatsen kan voor een gebied een verschil bestaan. Dat kan zowel positief als negatief zijn. Dit wordt aangeduid als het ‘regionaal effect’. De scores van de regionaal effecten over de gebieden tellen weer op tot 0. De effecten kunnen zowel in absolute zin (in aantallen arbeidsplaatsen) als in relatieve zin worden bepaald. De relatieve effecten worden steeds uitgedrukt als percentage van het aantal arbeidsplaatsen dat wordt verwacht op basis van het aantal inwoners van 15 tot 65 jaar (‘Verwacht o.b.v. PBB’).

4.3

Resultaten voor de stad Rotterdam

In tabel 4.1 staan de verschillende effecten weergegeven voor de zestien sectoren en de totale bedrijvigheid (met en zonder uitzendkrachten en ambulante activiteiten). Daarbij is het

27

28

Met het verwerken van effecten in de vorm van locatiefactoren van de mainports, de ministeries en het tuinbouwcomplex in andere sectoren dan respectievelijk transport, openbaar bestuur en de land- en tuinbouw is zeer terughoudend omgegaan, namelijk via het effect van Schiphol op enkele sectoren en het effect van het tuinbouwcluster op de groothandel (handel in tuinbouwproducten). Voor Rotterdam bijvoorbeeld zijn de effecten van de haven op andere sectoren dan transport opgevat als ‘regionale effecten’. Indien in een gebied 5% van de inwoners van 15 tot 65 jaar in Nederland woont en in een sector zijn er totaal in Nederland 400 duizend mensen werkzaam, dan is de werkgelegenheid ‘Verwacht o.b.v. PBB’ dus 20 duizend.


34


locatiefactoren effect nog uitgesplitst in de bijdragen van een viertal brede groepen van locatiefactoren, namelijk: • Agglomeratie en ruimte (de som over ‘nationale ligging’, ‘regionale centrumfunctie’ en ‘ruimtedruk’ in tabel IV.1). Dit geeft het totaal effect aan van agglomererende effecten (voordelen van ruimtelijke clustering van activiteiten) en desagglomererende factoren (nadelen van ruimtegebrek en congestie). • Opleiding: het effect van het opleidingsniveau van de beroepsbevolking in de regio. • Overige locatiefactoren: de overige locatiefactoren, bestaande uit de locatiefactortypen Europese ligging, infrastructuur, kenmerken bevolking, woonomgeving en clustereffecten (zie tabel IV.1). • Het effect van specifieke clusters. De bijdragen van de diverse locatiefactoren aan het ‘locatiefactoren effect’ zijn alle in afwijking van het nationaal gemiddelde bepaald. Voor elke locatiefactor geldt dat de som van de bijdragen over alle gebieden in Nederland optelt tot 0. Naast het regionaal effect is tevens de som van het regionaal effect plus het effect van de specifieke clusters weergegeven in tabel 4.1. Dat leidt uiteraard slechts tot van het regionaal effect afwijkende resultaten voor transport, land- en tuinbouw en openbaar bestuur en voor de totale bedrijvigheid. Naast de effecten in absolute zin staan in tabel 4.2 de effecten in relatieve zin. Tabel 4.1

Benchmarkmodel: absolute effecten Rotterdam vergeleken met nationaal gemiddelde

Sector

Bijdragen brede typen locatiefactoren Totaal Locatie- Agglo- Oplei- Overig Specieffect factoren meratie ding fieke effect en clusters ruimte

Verwacht o.b.v. Pbb

Feitelijk

29.6 17.5 10.1 18.9 9.2 10.2

22.9 14.2 35.2 17.9 0.7 17.7

-6.7 -3.3 25.1 -1.0 -8.5 7.5

-6.3 -2.1 25.1 -3.1 -8.6 6.1

-4.5 -1.5 3.6 -3.2 -8.0 7.2

0.2 -0.3 0.0 0.1 0.0 -0.7

-2.0 -0.2 -1.1 0.0 -0.3 -0.3

0.0 0.0 22.6 0.0 -0.3 0.0

-0.3 -1.3 0.0 2.1 0.1 1.4

Regionaal effect en specifieke clusters -0.3 -1.3 22.6 2.1 -0.2 1.4

10.1 28.9 26.8 14.3

10.8 47.5 25.2 16.7

0.7 18.5 -1.6 2.5

3.5 14.9 -0.6 1.6

4.8 13.9 0.4 2.0

-0.9 -1.4 0.0 0.0

-0.5 2.4 -1.1 -0.4

0.0 0.0 0.0 0.0

-2.8 3.6 -1.0 0.9

-2.8 3.6 -1.0 0.9

16.2 20.7 18.1 39.0 10.9 15.6

17.2 26.7 24.9 51.2 18.0 27.3

1.0 6.1 6.8 12.3 7.1 11.7

-1.1 5.0 4.8 2.1 8.1 7.3

2.6 3.2 0.8 4.2 8.1 7.9

0.0 -0.6 -0.5 -2.5 0.0 0.0

-3.8 4.0 4.5 0.4 0.0 -0.6

0.0 -1.6 0.0 0.0 0.0 0.0

2.2 1.1 2.0 10.1 -1.0 4.4

2.2 -0.5 2.0 10.1 -1.0 4.4

Totaal 296.1 374.3 78.2 Totaal * 269.6 328.9 59.4 *) Totaal excl. uitzendkrachten en ambulante activiteiten

56.8 41.3

41.7 25.7

-6.6 -6.6

0.9 1.5

20.7 20.7

21.4 18.0

42.1 38.7

Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector Uitzendkrachten Ambulante activiteiten


Regionaal effect

35


Tevens zijn figuren opgesteld. In figuur 4.1 zijn de effecten grafisch weergegeven, in termen van het absoluut aantal arbeidsplaatsen (links) en in relatieve zin (rechts). Daarbij zijn de bijdragen van de locatiefactoren verder uitgesplitst dan in de tabel, namelijk in tien locatiefactortypen. In figuur IV.1 in bijlage IV.4 staan de resultaten voor elk van de zestien economische sectoren in absolute zin en in figuur IV.2 staan de relatieve effecten per sector. Figuur 4.1

Benchmarkmodel: effecten Rotterdam vergeleken met nationaal gemiddelde, totale bedrijvigheid Arbeidsplaatsen (x1000)

Locatiefactortypen Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters

Relatief

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte

a. Totaal Arbeidsplaatsen (x1000)

Locatiefactortypen Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters

Relatief

-150 -100

-50

0

50

100

-30%

-15%

0%

15%

30%

-150 -100

-50

0

50

100

-30%

-15%

0%

15%

30%

Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte

b. Totaal exclusief uitzendkrachten en ambulante activiteiten [email protected] tel. 015-2682556 www.bureaulouter.nl

36


Uit tabel 4.1 blijkt dat op grond van het aandeel van Rotterdam in het totaal aantal inwoners van 15 tot 65 jaar in Nederland een aantal arbeidsplaatsen verwacht zou worden van 296 duizend. Het feitelijk aantal arbeidsplaatsen (inclusief zelfstandigen, kleine banen en uitzendkrachten) is 374 duizend. Bij bedrijven en instellingen in Rotterdam werken dus 78 duizend mensen meer dan op grond van het bevolkingsaandeel verwacht zou worden. Dat kan voor het grootste deel worden toegeschreven aan het locatiefactoren effect (57 duizend arbeidsplaatsen). Rotterdam heeft dus gunstige locatiefactoren voor de vestiging van bedrijvigheid. Het grootste deel van het positieve locatiefactoren effect ontleent Rotterdam aan ‘agglomeratie en ruimte’. Uit figuur 4.1 blijkt dat de nationale ligging en de regionale centrumfunctie beide sterk positief bijdragen aan het aantrekken van bedrijvigheid (elk rond de 60 duizend banen). Daar staat tegenover dat het gebrek aan ruimte Rotterdam 80 duizend arbeidsplaatsen kost. Agglomererende en desagglomererende effecten leiden echter per saldo tot een ruime plus. De overige locatiefactoren dragen nauwelijks bij aan het positieve locatiefactoren effect. Uit figuur 4.1 blijkt dat dit het saldo is van kleine positieve en kleine negatieve bijdragen. Opvallend is dat de opleiding van de beroepsbevolking een negatief effect heeft van bijna 7 duizend arbeidsplaatsen. Dat hangt samen met het vrij lage opleidingsniveau (onder het nationaal gemiddelde) in het voor Rotterdamse bedrijven relevante arbeidsmarktgebied. Uit tabel IV.2 blijkt dat het opleidingsniveau voor de meeste economische sectoren (overigens niet altijd) een positief effect heeft op de omvang van de werkgelegenheid. Omdat het opleidingsniveau in Rotterdam laag is, resulteert daarom voor die stad een licht negatief effect. De ‘specifieke clusters’ tenslotte hebben een aanzienlijke bijdrage aan het locatiefactoren effect, van bijna 21 duizend arbeidsplaatsen. Uit tabel 4.1 blijkt dat dit het saldo is van een grote positieve bijdrage in de sector transport en kleine negatieve bijdragen in de sectoren land- en tuinbouw en openbaar bestuur. Het positieve effect in transport is het saldo van plus 24.4 duizend arbeidsplaatsen extra (bovenop wat op grond van ‘reguliere’ locatiefactoren verwacht zou worden) als gevolg van de Rotterdamse haven en min 1.8 duizend arbeidsplaatsen doordat Schiphol niet in Rotterdam is gevestigd. Dat laatste is een correctie op het feit dat aan Haarlemmermeer een groot ‘specifieke clusters’ effect wordt toegewezen aan transport (in verband met Schiphol). Omdat alle bijdragen van locatiefactoren nationaal op moeten tellen tot 0, moet voor de andere gemeenten een correctie worden doorgevoerd29. Voor Rotterdam bedraagt die negatieve correctie dus 1.8 duizend arbeidsplaatsen. Ook voor land- en tuinbouw (correctie voor de tuinbouw in Westland) en openbaar bestuur (correctie voor de ministeries in Den Haag) is onder de specifieke clusters een negatieve correctie doorgevoerd. Van het locatiefactoren effect zijn overigens ruim 15 duizend arbeidsplaatsen te danken aan uitzendkrachten en ambulante activiteiten, waarvan eerder werd aangegeven dat niet zeker is dat de werknemers in die sector ook in Rotterdam werken. Naast het sterk positieve locatiefactoren effect kent Rotterdam ook een aanzienlijk positief regionaal effect van maar liefst 21 duizend arbeidsplaatsen. Zoals al eerder aangegeven, is moeilijk te bepalen waaraan dat positieve regionaal effect is te danken. Denkbaar is dat het om uitstralingseffecten van de Rotterdamse haven in sectoren buiten de transport gaat. Daarvoor biedt het onderscheid naar economische sectoren wellicht aanwijzingen. Dan blijkt dat het regionaal effect zeer hoog is voor de zorgsector (10 duizend arbeidsplaatsen). Dat hangt niet samen met uitstralingseffecten van de haven. Voor andere sectoren met positieve regionaal effecten, zoals de bouwnijverheid, ambulante activiteiten (waar onder andere schoonmaakbedrijven toe behoren) en wellicht het banken verzekeringswezen en zakelijke diensten geldt mogelijk wel dat er sprake is van uitstralingseffecten van de haven. In tabel 4.2 staan de relatieve effecten (als percentage van het aantal arbeidsplaatsen dat op basis van het aantal inwoners van 15 tot 65 jaar zou worden verwacht). Dan blijkt dat er in Rotterdam 29

Die negatieve correctie is gelijk aan het aandeel van een gemeente in het totaal aantal inwoners van 15 tot 65 jaar maal het effect van Schiphol op transport in Haarlemmermeer.


37


26% meer mensen werken dan op grond van het bevolkingsaandeel zou worden verwacht en dat de locatiefactoren verantwoordelijk zijn voor een plus van 19% en het regionaal effect voor een plus van 7%. Tabel 4.2

Benchmarkmodel: relatieve effecten Rotterdam vergeleken met nationaal gemiddelde

Sector


Bijdragen brede typen locatiefactoren Totaal Locatie- Agglo- OpleiOverig Specieffect factoren meratie ding fieke effect en clusters ruimte

Regionaal effect

Regio-naal effect en specifieke clusters

-23% -19% 249% -5% -92% 74%

-21% -12% 249% -16% -93% 60%

-15% -9% 36% -17% -86% 70%

1% -2% 0% 1% 0% -7%

-7% -1% -11% 0% -4% -3%

0% 0% 225% 0% -4% 0%

-1% -7% 0% 11% 1% 13%

-1% -7% 225% 11% -2% 13%

6% 64% -6% 17%

35% 51% -2% 11%

48% 48% 2% 14%

-8% -5% 0% 0%

-5% 8% -4% -3%

0% 0% 0% 0%

-28% 13% -4% 6%

-28% 13% -4% 6%

6% 29% 38% 32% 65% 75%

-7% 24% 27% 6% 74% 47%

16% 16% 5% 11% 74% 50%

0% -3% -3% -6% 0% 0%

-23% 19% 25% 1% 0% -4%

0% -8% 0% 0% 0% 0%

13% 5% 11% 26% -9% 28%

13% -2% 11% 26% -9% 28%

-2% -2%

0% 1%

7% 8%

7% 7%

14% 14%

Totaal 26% 19% 14% Totaal * 22% 15% 10% *) Totaal excl. uitzendkrachten en ambulante activiteiten

Het onderscheid naar economische sectoren maakt duidelijk dat het effect van de locatiefactoren per saldo vooral voor dienstensectoren positief is (zie de kolom ‘Locatiefactoren effect’ in tabel 4.1). Naast transport (als gevolg van de haven) is het locatiefactoren effect vooral sterk positief voor zakelijke diensten. Er zijn echter ook diverse sectoren met een negatief locatiefactoren effect. Dat geldt vooral voor de (‘materiaalgeoriënteerde’) sectoren industrie, land- en tuinbouw, bouwnijverheid en groothandel, alsmede (in lichte mate) voor detailhandel en vrijetijdsactiviteiten. Bij de materiaalgeoriënteerde activiteiten is vooral ‘agglomeratie en ruimte’ verantwoordelijk voor het negatieve effect. Uit figuur IV.1 en figuur IV.2 in bijlage IV.4 (waarin de effecten van de verschillende locatiefactoren per sector zijn weergegeven) blijkt dat ‘agglomererende effecten’ (nationale ligging en regionale centrumfunctie) voor die sectoren niet opwegen tegen de desagglomererende effecten (ruimtedruk). Bij detailhandel en vrijetijdseffecten spelen vooral de overige locatiefactoren een rol. Voor detailhandel hangt het samen met het lage gemiddeld inkomen in Rotterdam (relatief weinig koopkracht) en voor vrijetijdsactiviteiten hangt het vooral samen met de bij het nationaal gemiddelde achterblijvende kenmerken van de woonomgeving. Zo blijkt uit tabel IV.2 dat de nabijheid van droog natuurlijk terrein, bos en gebouwde omgeving (met name een historische binnenstad) een positief effect hebben op het aantal arbeidsplaatsen in vrijetijdsactiviteiten (en het ontbreken daarvan dus een negatief effect). Voor de details per economische sector wordt verder verwezen naar de figuren IV.1 en IV.2. Wat [email protected] tel. 015-2682556 www.bureaulouter.nl

38


opvalt is dat nationale ligging, regionale centrumfunctie en ruimtedruk de grootste bijdrage aan de verklaring van het locatiefactoren effect leveren. Van effecten van enkele duizenden arbeidsplaatsen is verder in zakelijke diensten en openbaar bestuur sprake voor infrastructuur (zowel ligging aan het wegennet als de bereikbaarheid per trein) en in vrijetijdsactiviteiten voor woonomgeving. Zoals eerder aangegeven is vooral voor de zorgsector sprake van een sterk positief regionaal effect. Het feitelijk aantal arbeidsplaatsen ligt maar liefst 10 duizend arbeidsplaatsen boven wat er op grond van de locatiefactoren verwacht mocht worden. Het locatiefactoren effect is overigens niet groot (slechts 2 duizend arbeidsplaatsen). Blijkbaar is Rotterdam niet ‘van nature’ een typische stad voor veel bedrijvigheid in de zorgsector. Met name de vestiging van het academisch ziekenhuis levert echter zeer veel extra arbeidsplaatsen. ICT is de sector met het grootste negatieve regionaal effect (bijna 3 duizend arbeidsplaatsen; relatief is dat 28% minder dan op grond van het bevolkingsaandeel mocht worden verwacht). Rotterdam vergeleken met drie andere grote steden Hiervoor is Rotterdam vergeleken met het nationaal gemiddelde. Rotterdam kan echter ook worden vergeleken met de drie andere grote steden. Rotterdam is vergelijkbaar gemaakt met die andere drie grote steden door de effecten voor die andere drie grote steden te ‘schalen’ naar de omvang van Rotterdam. In tabel 4.3 is het verschil in aantal arbeidsplaatsen tussen Rotterdam en de andere drie grote steden weergegeven. Tabel 4.3

Benchmarkmodel: absolute effecten Rotterdam vergeleken met andere drie grote steden

Sector

Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Banken en verzekeringen ICT Zakelijke diensten Detailhandel Ov. consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector Uitzendkrachten Ambulante activiteiten

Totaal effect

Locatiefactoren effect

11.6 -1.0 28.8 5.5 -0.4 -11.0 -12.8 -5.0 -0.6 1.9 -10.0 -23.5 -0.2 3.3 -3.0 5.5

6.1 -2.7 26.7 1.8 2.7 -6.2 -10.5 -13.2 -0.8 -0.3 -11.9 -23.7 -4.9 -12.2 -0.2 -0.8

Bijdragen brede typen locatiefactoren AggloOplei- Overig Specimeratie ding fieke en ruimte cluster s

Regionaal effect

Regionaal effect en specifieke clusters

-2.4 0.5 -0.1 -1.3 -0.5 0.2 0.2 0.8 1.2 0.4 0.5 -0.8 -0.7 -2.9 -0.2 0.0

6.1 -3.8 0.0 3.1 0.0 -6.3 -7.5 -13.9 0.0 0.0 0.0 -4.0 -3.3 -15.3 0.0 0.0

2.4 0.6 1.6 0.0 3.2 -0.2 -3.1 -0.1 -2.0 -0.7 -12.5 -2.7 -1.0 5.9 0.0 -0.8

0.0 0.0 25.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 -16.1 0.0 0.0 0.0 0.0

5.4 1.7 2.1 3.7 -3.1 -4.8 -2.3 8.2 0.2 2.2 1.9 0.1 4.7 15.5 -2.9 6.3

5.4 1.7 27.2 3.7 -3.1 -4.8 -2.3 8.2 0.2 2.2 1.9 -16.0 4.7 15.5 -2.9 6.3

Totaal -11.0 -50.0 -5.0 Totaal * -13.5 -49.0 -4.8 *) Totaal excl. uitzendkrachten en ambulante activiteiten

-44.8 -44.8

-9.2 -8.5

9.0 9.0

38.9 35.5

48.0 44.5

In tabel 4.4 staan de verschillen in relatieve zin. In figuur 4.2 staan de verschillen tussen Rotterdam en de andere drie grote steden in aantallen arbeidsplaatsen (waarbij de arbeidsplaatsen [email protected] tel. 015-2682556 www.bureaulouter.nl

39


voor die andere drie grote steden zijn geschaald naar de omvang van Rotterdam). In figuur 4.3 is het verschil in termen van het absolute aantal arbeidsplaatsen tussen Rotterdam en de andere drie grote steden uitgesplitst naar economische sectoren. Daarbij is onderscheid gemaakt tussen de locatiefactortypen nationale ligging, regionale centrumfunctie, ruimtedruk, opleidingsniveau en de groep van overige locatiefactortypen (exclusief de bijdrage van de specifieke clusters, die afzonderlijk is weergegeven). In figuur 4.4 gebeurt dat ook, maar dan in relatieve termen. Tabel 4.4 steden

Benchmarkmodel: relatieve effecten Rotterdam vergeleken met andere drie grote

Sector

Totaal effect



39% -6% 285% 29% -4% -108% -126% -17% -2% 13% -62% -114% -1% 8% -28% 35%

21% -15% 265% 9% 30% -61% -104% -46% -3% -2% -74% -115% -27% -31% -1% -5%

Bijdragen brede typen locatiefactoren AggloOplei- Overig Specimeratie ding fieke en ruimte clusters

Regionaal effect


-8% 3% -1% -7% -5% 2% 2% 3% 5% 3% 3% -4% -4% -7% -1% 0%

21% -22% 0% 16% 0% -61% -74% -48% 0% 0% 0% -19% -18% -39% 0% 0%

8% 3% 16% 0% 35% -2% -31% 0% -7% -5% -77% -13% -5% 15% 0% -5%

0% 0% 249% 0% 0% 0% 0% 0% 0% 0% 0% -78% 0% 0% 0% 0%

18% 10% 21% 20% -34% -47% -23% 28% 1% 15% 12% 1% 26% 40% -26% 40%

18% 10% 270% 20% -34% -47% -23% 28% 1% 15% 12% -78% 26% 40% -26% 40%

Totaal -4% -17% -2% Totaal * -5% -18% -2% *) Totaal excl. uitzendkrachten en ambulante activiteiten

-15% -17%

-3% -3%

3% 3%

13% 13%

16% 17%

De vergelijking met de andere drie grote steden leidt tot enige opvallende resultaten. Eerst wordt de totale bedrijvigheid in beschouwing genomen. Dan blijkt dat de locatiefactoren voor vestiging van bedrijvigheid in Rotterdam duidelijk ongunstiger zijn dan in de drie andere grote steden (zie tabel 4.3). In het hypothetische geval dat Rotterdam exact dezelfde locatiefactoren zou hebben als de andere grote steden, zouden er maar liefst 50 duizend arbeidsplaatsen meer zijn in Rotterdam (zie het ‘locatiefactoren effect’). Uit de uitsplitsing naar locatiefactoren blijkt dat het relatief lage opleidingsniveau in de Rotterdamse regio 90% van dat verschil verklaart. In absolute zin gaat het om een voor Rotterdam negatief effect van 45 duizend arbeidsplaatsen (een relatief effect ten opzichte van het totaal aantal arbeidsplaatsen verwacht t.o.v. PBB van -15%; zie tabel 4.4). In grafische vorm blijkt dat uit figuur 4.2. Daaruit wordt ook duidelijk dat de, vergeleken met de andere drie grote steden, wat minder grote regionale centrumfunctie van Rotterdam een negatief effect heeft op het aantal arbeidsplaatsen van enkele procenten en de, ook weer vergeleken met de andere grote steden, iets minder grote ruimtedruk een positief effect van enkele procenten. Per saldo zijn ook de bijdragen van agglomeratie en ruimte en van de overige locatiefactoren in Rotterdam iets lager dan in de andere drie grote steden. Wel positief is het effect van de specifieke locatiefactoren. Dat is het saldo van een positief effect in transport (de haven) en een [email protected] tel. 015-2682556 www.bureaulouter.nl

40


negatief effect in verband met de vestiging van de ministeries in Den Haag (wat dus meetelt als ‘specifiek cluster effect’ voor de andere drie grote steden). Het regionaal effect is voor Rotterdam aanzienlijk hoger dan voor de andere drie grote steden. Het verschil is maar liefst 39 duizend arbeidsplaatsen (zie het kader ‘Regionaal effecten in de vier grote steden’). Figuur 4.2

Benchmarkmodel: relatieve effecten Rotterdam vergeleken met andere drie grote steden, totale bedrijvigheid

Bijdrage locatiefactoren Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters

Relatief effect*

Absoluut effect **

x1000 4 -1 -12 7 -45 -3 2 -6 -4 9

1% 0% -4% 2% -15% -1% 1% -2% -1% 3% -20%

-10%

0%

10%

Locatiefactoren effect Regionaal effecten Totaal effecten Agglomeratie en ruimte -20%

-10%

0%

10%

20%

-50

-25

0

25

50

-17% 13% -4%

-50 39 -11

-2%

-5

20%

-50

-25

0

25

50

* Relatief effect: In % van het aantal arbeidsplaatsen dat op basis van het aantal inwoners van 15 tot 65 jaar verwacht zou worden ** Absoluut effect: In duizenden arbeidsplaatsen

Bij het onderscheid naar economische sectoren wordt eerst ingegaan op het locatiefactoren effect. Om nog meer zicht te krijgen op de werking van het model zal daar wat uitvoeriger bij worden stilgestaan (zie tabel 4.3). Voor een aantal sectoren geven de voor Rotterdam geldende locatiefactoren aanleiding tot een aanzienlijk lager verwacht aantal arbeidsplaatsen dan in de andere grote steden (gegeven de voor die steden geldende locatiefactoren). Dat zijn: • Openbaar bestuur (-23.7 duizend). Vooral de bijdrage van de specifieke clusters in Den Haag speelt hier een rol. In mindere mate geldt dat voor het opleidingsniveau. In relatieve zin is het locatiefactoren effect zelfs -115%30 (zie tabel 4.4). Als met de invloed van locatiefactoren rekening wordt gehouden, wordt het aantal arbeidsplaatsen in openbaar bestuur voor Rotterdam vrijwel exact voorspeld (een regionaal effect van 0.1 duizend). • Zakelijke diensten (-13.2 duizend). Dat wordt volledig verklaard door het (vergeleken met de andere drie grote steden) lage opleidingsniveau van de beroepsbevolking. Wanneer bedrijven waar veel hoogopgeleiden werken de keuze hebben, zullen zij 30

Dat het locatiefactoren effect minder dan -100% kan zijn, hangt samen met de manier waarop het gemeten is, namelijk als percentage van het aantal arbeidsplaatsen dat op basis van het aandeel in het aantal 15- tot 65-jarigen werd verwacht (‘Verwacht o.b.v. PBB’; zie tabel 4.1). Een cijfervoorbeeld: Wanneer het aantal via het Benchmarkmodel berekende arbeidsplaatsen en het aantal arbeidsplaatsen verwacht o.b.v. PBB in Rotterdam beide 10 duizend zijn, maar in de andere drie grote steden (na schaling naar de omvang van Rotterdam) volgens de berekening met het Benchmarkmodel 21.5 duizend, zou dat voor Rotterdam resulteren in een locatiefactoren effect van -11.5 duizend, ofte wel: -115% van het aantal arbeidsplaatsen ‘Verwacht o.b.v. PBB’.


41


•

•

•

•

•

31

gemiddeld genomen niet in eerste instantie voor Rotterdam kiezen. Het feitelijke aantal arbeidsplaatsen in zakelijke diensten is echter ruim 8 duizend hoger dan verwacht werd op basis van het Benchmarkmodel. Rotterdam presteert dus ‘tegen de stroom in’ vrij goed voor zakelijke diensten. Mogelijk hangt dat mede samen met uitbestedingen door havengerelateerde bedrijvigheid. Dat is echter een veronderstelling. Het Benchmarkmodel levert daar geen bewijs voor. Zorgsector (-12.2 duizend). Ook hier levert het lage opleidingsniveau van de regionale beroepsbevolking de volledige verklaring voor het negatieve locatiefactoren effect. Tegenover het negatieve locatiefactoren effect staat echter een zeer groot positief regionaal effect van ruim 15 duizend arbeidsplaatsen. Dat kan niet volledig worden verklaard door de vestiging van een academisch ziekenhuis, want daar is in Amsterdam en Utrecht ook sprake van. Een uitsplitsing naar deelsegmenten binnen de zorgsector zou hier wellicht duidelijkheid kunnen scheppen31. Vrijetijdsactiviteiten (-11.9 duizend). Dit sterk negatieve locatiefactoren effect wordt volledig verklaard door de ‘overige factoren’. Uit tabel IV.2 blijkt dat kenmerken van de bevolking (zoals bijvoorbeeld het gemiddeld inkomen) en kenmerken van de woonomgeving (zoals bijvoorbeeld de nabijheid van droog natuurlijk terrein - denk aan het strand in Den Haag -, bos - niet al te ver van Utrecht -, en de gebouwde omgeving denk aan de binnenstad van Amsterdam) een belangrijke bijdrage leveren aan het aantal arbeidsplaatsen in vrijetijdsactiviteiten. Rotterdam scoort daarop overwegend lager dan de andere drie grote steden. Het regionaal effect is overigens licht positief, dus rekening houdend met de invloed van locatiefactoren presteert Rotterdam niet slecht. ICT (-10.5 duizend). Het lage opleidingsniveau levert hier weer de voornaamste verklaring voor het negatieve locatiefactoren effect. Het feitelijk aantal arbeidsplaatsen blijft nog achter bij wat via het Benchmarkmodel was berekend. Rotterdam vervult, gezien de score van -126% voor het relatieve totaaleffect, vergeleken met de andere grote steden een bescheiden rol als ICT-stad. Bank- en verzekeringswezen (-6.2 duizend). Ook dit wordt weer volledig verklaard door het lage opleidingsniveau van de beroepsbevolking in de Rotterdamse regio. Daarnaast is ook het regionaal effect vrij sterk negatief. Zeker wanneer rekening wordt gehouden met het feit dat het banken verzekeringswezen een relatief kleine sector is, zijn er relatief weinig arbeidsplaatsen in Rotterdam. Vergeleken met de andere drie grote steden is het relatief totaal effect zelfs -108%. In Amsterdam en Utrecht is de financiële sector veel sterker vertegenwoordigd. Kleine tot zeer kleine negatieve locatiefactoren effecten resulteren voor groothandel, detailhandel, overige consumentendiensten, onderwijs, uitzendkrachten en ambulante activiteiten. Veelal wordt dat overigens gecompenseerd door (eveneens kleine) positieve regionaal effecten. Voor deze typen economische activiteiten wijkt het aantal arbeidsplaatsen in Rotterdam dus niet sterk af van de andere grote steden. Slechts voor ambulante activiteiten is sprake van een wat groter positief regionaal effect. Dat hangt

Het gemiddeld opleidingsniveau levert een belangrijke bijdrage aan de lage score op het locatiefactoren effect. Het opleidingsniveau is bepaald voor de totale regionale beroepsbevolking. Mogelijk is het gemiddeld opleidingsniveau in onderwijsrichtingen die relevant zijn voor de zorgsector echter wel hoog in de Rotterdamse regio (zodat dit geen belemmering vormt voor de vestiging van instellingen in de zorgsector waar hoogopgeleiden werken). Mogelijk ook zijn in Rotterdam juist segmenten in de zorgsector oververtegenwoordigd waar, vergeleken met de andere grote steden, relatief veel laag- of middelbaar opgeleiden werken. Ook hier geldt weer dat het Benchmarkmodel dient voor een eerste globale diagnose. Voor gedetailleerde verklaringen is nader onderzoek nodig.


42


mogelijk samen met uitbesteding door havengerelateerde bedrijvigheid aan de (tot de ambulante activiteiten gerekende) schoonmaakbedrijven.

Verdieping: Regionaal effecten in de vier grote steden Het regionaal effect van Rotterdam is +21.4 duizend. Het negatief regionaal effect voor de som over de drie andere grote steden is -17.6 duizend arbeidsplaatsen, wanneer dat zou worden herschaald naar de omvang van Rotterdam. Dat is het saldo van een regionaal effect van vrijwel 0 voor Amsterdam (het Benchmarkmodel voorspelt voor die stad zeer exact het feitelijke aantal arbeidsplaatsen) en een aanzienlijk negatief regionaal effect voor zowel Utrecht als Den Haag. Utrecht heeft (in relatieve zin) het hoogste locatiefactoren effect van alle Nederlandse gemeenten. Het feitelijk aantal arbeidsplaatsen blijft daar bij achter. Een mogelijke verklaring hiervoor is dat, als gevolg van de aanleg van Leidsche Rijn, het aantal inwoners in Utrecht de laatste jaren snel zeer sterk is toegenomen (met maar liefst 22% in de laatste tien jaar). Het feitelijk aantal arbeidsplaatsen heeft zich daar blijkbaar nog niet bij aangepast. Daarvoor zijn twee mogelijke verklaringen. Ten eerste is het bekend dat bij de aanleg van zeer grote Vinexwijken (of zeer sterke groei van het aantal inwoners in een korte periode in het algemeen) de ontwikkeling van het aantal arbeidsplaatsen met enige vertraging volgt. Ten tweede heeft Utrecht de laatste jaren weinig nieuwe grootschalige bedrijvigheidslocaties ontwikkeld (zie bijvoorbeeld het niet doorgaan in de oorspronkelijke vorm van het Utrecht City Project). Voor Den Haag is er een andere verklaring voor het grote negatieve effect. Daar is sprake van een zeer groot positief specifieke clusters effect in de sector openbaar bestuur. De som van het regionaal effect en het specifieke clusters effect is voor Den Haag zelfs positief (+9.2 duizend). Een mogelijke verklaring is dat de in Den Haag zeer omvangrijke sector openbaar bestuur een dermate groot beslag op de beroepsbevolking legt dat in andere sectoren het feitelijk aantal arbeidsplaatsen achterblijft bij wat op grond van de locatiefactoren zou worden verwacht. (Zo kent Den Haag bijvoorbeeld een aanzienlijk negatief regionaal effect voor zakelijke diensten.) Dergelijke ‘wegdrukeffecten’ gelden overigens voor Rotterdam niet. Die stad kent zowel een positief regionaal effect als een positief specifieke clusters effect (voor transport). Bespiegelingen zoals deze vormen de kern van de filosofie achter het Benchmarkmodel. De doelstelling is het vinden van het effect van algemeen geldende invloeden van locatiefactoren. De resulterende regionaal effecten geven aan waar gemeenten opvallend afwijken van hetgeen op basis van die locatiefactoren werd verwacht. Dat vormt dan de basis voor bespiegelingen over de oorzaken daarvoor. Voor sommige sectoren is het locatiefactoren effect voor Rotterdam juist hoger dan voor de drie andere grote steden. De voornaamste zijn: • Transport (26.7 duizend). Duidelijk is dat dit het gevolg is van de Rotterdamse haven (zie de score op ‘specifieke clusters’)32. • Industrie (6.1 duizend arbeidsplaatsen). Opvallend is dat het opleidingsniveau hier een positieve bijdrage levert aan het locatiefactoren effect. Dat hangt samen met het feit dat werknemers in de industrie gemiddeld lager zijn opgeleid dan werknemers in kennisintensieve diensten en de non-profit sector. Voor de industrie is dus veelal juist een voldoende aanbod van laag- en middelbaar opgeleiden een belangrijke locatiefactor. Hier profiteert Rotterdam dus van het, vergeleken met de andere drie grote steden, lage opleidingsniveau in de regio. Daarnaast is bovendien sprake van een positief regionaal 32

Er moet worden benadrukt dat dit niet de totale werkgelegenheidseffecten van de Rotterdamse haven zijn. Ook buiten de transportsector zijn er diverse direct havengerelateerde activiteiten (denk bijvoorbeeld aan de chemie). Aan de invloed van de Rotterdamse haven moeten bovendien de ‘uitstralingseffecten’ (uitbestedingen door havengerelateerde bedrijven aan in Rotterdam gevestigde toeleveranciers) worden toegevoegd.


43


effect. Dat is zeer waarschijnlijk het gevolg van de aanwezigheid van de haven. Met name in de olieraffinage/chemie is daardoor veel bedrijvigheid gevestigd in Rotterdam. Ook het positieve regionaal effect in de bouwnijverheid is daardoor waarschijnlijk te verklaren. Enerzijds doordat de offshore-industrie (die tot de bouwnijverheid wordt gerekend) van oudsher in Rotterdam is gevestigd en anderzijds door uitbestedingen van havengerelateerde bedrijvigheid aan bedrijven in de bouw. De bijdragen van de diverse locatiefactoren aan de verklaring van het aantal arbeidsplaatsen per sector zijn samengevat in figuur 4.3 (in aantallen arbeidsplaatsen) en in figuur 4.4 (in percentages van het aantal arbeidsplaatsen dat op basis van het aantal inwoners van 15 tot 65 jaar zou worden verwacht). Omdat daarin wordt gecorrigeerd voor de (nationale) verschillen in omvang tussen sectoren, worden de bijdragen van de locatiefactoren besproken aan de hand van figuur 4.4. In de twee figuren zijn ook de regionaal effecten weergegeven. De bijdragen van de specifieke clusters zijn afzonderlijk vermeld. Uit figuur 4.4 blijkt duidelijk dat het verschil in het locatiefactoren effect tussen Rotterdam en de andere drie grote steden hoofdzakelijk wordt veroorzaakt door verschillen in het regionaal opleidingsniveau. Dat geldt vooral voor kennisintensieve diensten (banken verzekeringswezen, ICT, zakelijke diensten) en, in iets mindere mate, voor de drie non-profit sectoren (openbaar bestuur, onderwijs en de zorgsector). Overigens levert het opleidingsniveau voor sommige sectoren geen statistisch significante bijdrage aan de verklaring van de gemeentelijke verschillen in het aantal arbeidsplaatsen (in transport en in op consumenten georiënteerde activiteiten als detailhandel, overige consumentendiensten en vrijetijdsactiviteiten) en is in sommige activiteiten een gemiddeld laag opleidingsniveau (en dus relatief veel laag- en middelbaar opgeleiden) een voordeel (in industrie en bouwnijverheid). Het opleidingsniveau heeft dus als het ware een ‘ruimtelijk uitsorterende werking’ op de bedrijvigheidsamenstelling. Per saldo is het effect voor Rotterdam negatief op het totaal aantal arbeidsplaatsen, vergeleken met de andere drie grote steden, zoals duidelijk blijkt uit figuur 4.4. Daarnaast vervult Rotterdam ook wat minder dan de andere drie grote steden (gemiddeld, als groep) een regionale centrumfunctie. Daarentegen verliest Rotterdam iets minder dan de andere drie grote steden arbeidsplaatsen als gevolg van ruimtedruk. Voor de overige locatiefactoren resulteert voor de totale bedrijvigheid een licht negatief effect. Dat hangt vooral samen met het sterk negatieve effect voor vrijetijdsactiviteiten en in iets mindere mate voor ICT33. Resumerend: Rotterdam kent vooral een negatief locatiefactoren effect (vergeleken met de andere drie grote steden) in kennisintensieve diensten, de non-profit sector en vrijetijdsactiviteiten. De voor Rotterdam kenmerkende locatiefactoren zijn voor de vestiging van bedrijvigheid in informatiegeoriënteerde bedrijvigheid en (in mindere mate) personengeoriënteerde activiteiten dus minder geschikt dan in de andere drie grote steden. Voor de vestiging van materiaalgeoriënteerde activiteiten daarentegen zijn de voor Rotterdam kenmerkende locatiefactoren juist wat gunstiger dan in de andere drie grote steden. Terwijl het locatiefactoren effect vergeleken met de andere drie grote steden negatief uitpakt voor Rotterdam, is het regionaal effect juist sterk positief. Vooral voor de non-profit sectoren zorgsector en, in wat mindere mate, onderwijs is het aantal arbeidsplaatsen hoger dan op grond van de locatiefactoren verwacht mocht worden. Maar ook in de materiaalgeoriënteerde activiteiten (industrie, groothandel, transport, bouwnijverheid), in zakelijke diensten en in ambulante activiteiten scoort Rotterdam vergeleken met de andere drie grote steden gunstig na correctie voor de invloed van locatiefactoren. Daarbij spelen onder andere (mogelijk zelfs vooral) uitstralingseffecten van de haven een rol. 33

ICT-bedrijven blijken een duidelijke voorkeur te hebben voor vestiging in een provinciehoofdstad, mogelijk vanwege het imago. Rotterdam is geen provinciehoofdstad.


44


Figuur 4.3

Benchmarkmodel:Rotterdam vergeleken met andere drie grote steden, per economische sector, in arbeidsplaatsen (* 1000)

Effect locatiefactoren Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector

Legenda Effect locatiefactoren: ♦ Saldo Nationale ligging Centrumfunctie Ruimtedruk Opleidingsniveau Overig

Uitzendkrachten Ambulante activiteiten -20

-15

-10

-5

0

5

10

15

20

-80

-60

-40

-20

0

20

40

60

80

-20

-15

-10

-5

0

5

10

15

20

-80

-60

-40

-20

0

20

40

60

80

Totaal Totaal exclusief* Regionaal effect Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector Uitzendkrachten Ambulante activiteiten

Totaal Totaal exclusief*

Specifieke clusters Transport Land- en tuinbouw Openbaar bestuur

25.1

Totaal specifieke clusters -20

-15

-10

-5

0

5

10

15

*) Totaal excl. uitzendkrachten en ambulante activiteiten [email protected] tel. 015-2682556 www.bureaulouter.nl

45

20


Figuur 4.4

Benchmarkmodel:Rotterdam vergeleken met andere drie grote steden, economische sector, relatief (in %)

Effect locatiefactoren Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector Uitzendkrachten Ambulante activiteiten

per


-125%

-100%

-75%

-50%

-25%

0%

25%

50%

-25%

-20%

-15%

-10%

-5%

0%

5%

10%

-125%

-100%

-75%

-50%

-25%

0%

25%

50%

-50%

-40%

-30%

-20%

-10%

0%

10%

20%

Totaal Totaal exclusief* Regionaal effect Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector Uitzendkrachten Ambulante activiteiten

Totaal Totaal exclusief*

Specifieke clusters Transport Land- en tuinbouw Openbaar bestuur

249%

Totaal specifieke clusters -125%

-100%

-75%

-50%

-25%

0%

25%

50%


46


4.4

Resultaten voor het stadsgewest Rotterdam

Geconstateerd is dat in de stad Rotterdam, na correctie voor de invloed van locatiefactoren, vergeleken met de drie andere grote steden, bedrijven en instellingen relatief veel arbeidsplaatsen leveren. Als een mogelijke verklaring hiervoor werden de uitstralingseffecten van de haven geopperd. Een andere mogelijkheid is dat, vergeleken met de andere drie grote steden, op een ruimer regionaal schaalniveau (van stadsgewesten) in het Rotterdamse stadsgewest een groter deel van de bedrijvigheid in de kernstad is geconcentreerd dan in de stadsgewesten van de andere drie grote steden34. Om dat laatste te onderzoeken is het Benchmarkmodel in deze paragraaf toegepast op het niveau van stadsgewesten35. Eerst is het Rotterdamse stadsgewest daarbij vergeleken met het nationaal gemiddelde, vervolgens met de groep stadsgewesten van de drie andere grote steden. Dezelfde analyses als voor de stad Rotterdam zijn uitgevoerd voor het stadsgewest Rotterdam (zie de tabellen 4.5, 4.6, 4.7 en 4.8) en de figuren 4.5, 4.6, 4.7 en 4.8). Uit tabel 4.5 blijkt dat op grond van het aandeel van het stadsgewest Rotterdam in het totaal aantal inwoners van 15 tot 65 jaar in Nederland een aantal arbeidsplaatsen verwacht zou worden van 740 duizend. Het feitelijk aantal arbeidsplaatsen (inclusief zelfstandigen, kleine banen en uitzendkrachten) is 723 duizend. Bij bedrijven en instellingen in stadsgewest Rotterdam werken dus 17 duizend mensen minder dan op grond van het bevolkingsaandeel verwacht zou worden. Dat is het saldo van een negatief locatiefactoren effect (-22 duizend arbeidsplaatsen) en een licht positief regionaal effect (5 duizend arbeidsplaatsen). Uit figuur 4.5 blijkt dat de nationale ligging en, in mindere mate, de regionale centrumfunctie positief bijdragen aan het aantrekken van bedrijvigheid. Daar staat tegenover dat gebrek aan ruimte het stadsgewest Rotterdam ongeveer 130 duizend arbeidsplaatsen kost. Agglomererende en desagglomererende effecten vallen per saldo vrijwel tegen elkaar weg. Voor agglomeratie en ruimte resulteert namelijk een kleine positieve bijdrage van 3 duizend arbeidsplaatsen. De invloed van de overige locatiefactoren telt per saldo op tot een licht negatief effect (van -13 duizend). Uit figuur 4.5 blijkt dat dit het saldo is van kleine positieve en kleine negatieve bijdragen. De opleiding van de beroepsbevolking heeft een negatief effect van 26 duizend arbeidsplaatsen. Dat hangt samen met het vrij lage opleidingsniveau (onder het nationaal gemiddelde) in het stadsgewest Rotterdam. Voor het stadsgewest van een grote stad is dat opmerkelijk. Uit tabel IV.2 blijkt dat het opleidingsniveau veelal (overigens niet altijd) een positief effect heeft op de omvang van de werkgelegenheid. Omdat het opleidingsniveau in het stadsgewest Rotterdam laag is, resulteert daarom voor dat stadsgewest een licht negatief effect. De ‘specifieke clusters’ tenslotte hebben een positieve bijdrage aan het locatiefactoren effect, van 14 duizend arbeidsplaatsen.

34

35

Ook een combinatie van deze twee effecten speelt mogelijk een rol. Doordat de haven binnen Rotterdam aan de rand van het grondgebied ligt, wonen er relatief veel werknemers buiten de stad (op de grootschalige haventerreinen, dat wil zeggen Vondelingenplaat en alle gebieden ten westen daarvan, woont zelfs 80% van de werknemers buiten Rotterdam). Daardoor is in de delen van het Rotterdamse stadsgewest waar veel mensen in de haven werken, mogelijk minder bedrijvigheid gevestigd (als gevolg van concurrentie bij het aantrekken van personeel door op het grondgebied van Rotterdam gevestigde havengerelateerde bedrijvigheid). Zie figuur I.2 voor de afbakening van de stadsgewesten van de vier grote steden.


47


Tabel 4.5

Benchmarkmodel: absolute effecten stadsgewest Rotterdam vergeleken met nationaal gemiddelde

Sector

Bijdragen brede typen locatiefactoren Totaal Locatie- Agglo- Oplei- Overig Specieffect factoren meratie ding fieke effect en clusters ruimte

Verwacht o.b.v. Pbb

Feitelijk

74.0 43.7 25.2 47.1 23.1 25.5

54.1 48.8 51.7 48.9 9.2 25.8

-19.9 5.1 26.5 1.8 -13.9 0.3

-14.2 0.2 22.6 -2.6 -14.3 1.7

-13.1 2.1 5.9 -4.0 -12.2 5.5

2.8 -1.8 0.0 1.4 0.0 -3.0

-3.8 -0.1 -2.2 0.0 -1.4 -0.8

0.0 0.0 18.9 0.0 -0.8 0.0

-5.7 4.8 3.9 4.4 0.5 -1.4

Regionaal effect en specifieke clusters -5.7 4.8 22.8 4.4 -0.4 -1.4

25.3 72.3 67.0 35.7

18.8 76.3 59.9 36.5

-6.5 4.0 -7.1 0.9

0.5 5.8 -2.1 0.5

5.3 11.9 -2.1 0.4

-3.7 -6.8 0.0 0.0

-1.1 0.7 0.1 0.1

0.0 0.0 0.0 0.0

-7.0 -1.8 -5.0 0.4

-7.0 -1.8 -5.0 0.4

40.5 51.6 45.2 97.3 27.3 39.1

30.5 42.8 42.7 91.8 29.7 55.5

-10.0 -8.8 -2.5 -5.5 2.4 16.4

-13.4 -6.0 -2.1 -12.3 8.3 5.7

-5.4 -0.9 -2.3 -3.4 8.3 7.1

0.0 -2.6 -2.2 -9.9 0.0 0.0

-8.1 1.5 2.3 0.9 0.0 -1.4

0.0 -4.0 0.0 0.0 0.0 0.0

3.5 -2.8 -0.4 6.8 -5.9 10.7

3.5 -6.8 -0.4 6.8 -5.9 10.7

Totaal 739.7 723.0 -16.8 Totaal * 673.4 637.8 -35.6 *) Totaal excl. uitzendkrachten en ambulante activiteiten

-21.7 -35.7

3.2 -12.2

-25.8 -25.8

-13.2 -11.8

14.1 14.1

4.9 0.1

19.0 14.2


Regionaal effect

Het regionaal effect voor het stadsgewest Rotterdam is klein. Het wijkt minder dan een procent af van het aantal arbeidsplaatsen dat via het Benchmarkmodel werd berekend. De berekening van de invloed van locatiefactoren op het aantal arbeidsplaatsen is dus voor het stadsgewest zeer accuraat. Uit het onderscheid naar economische sectoren blijkt dat dit het saldo is van positieve regionaal effecten voor onder andere groothandel, transport, bouwnijverheid, vrijetijdsactiviteiten, de zorgsector en ambulante activiteiten en negatieve regionaal effecten voor onder andere industrie, ICT, detailhandel, openbaar bestuur en uitzendkrachten. Uit tabel 4.6 blijkt dat voor uitzendkrachten en ambulante activiteiten sprake is van aanzienlijke regionaal effecten36, maar dat in de overige 14 sectoren slechts drie maal sprake is van een regionaal effect van meer dan 10% in absolute zin. Ook per sector levert het Benchmarkmodel op het niveau van het stadsgewest Rotterdam dus een goede inschatting van het feitelijk aantal arbeidsplaatsen.

36

Zoals al eerder is aangegeven, kan dat voor deze sectoren samenhangen met het feit dat de werknemers in een andere gemeente werken dan de locatie waar het bedrijf waar zij op de loonlijst staan, is gevestigd.


48


Figuur 4.5

Benchmarkmodel: effecten stadsgewest Rotterdam vergeleken met nationaal gemiddelde, totale bedrijvigheid


Arbeidsplaatsen (*1000)

Relatief

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

Locatiefactoren effect Regionaal effecten Totaal effecten Agglomeratie en ruimte

a. Totaal Bijdrage locatiefactoren Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters

Arbeidsplaatsen (*1000)

Relatief

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

-150 -100

-50

0

50

100 -30%

-15%

0%

15%

30%

Locatiefactoren effect Regionaal effecten Totaal effecten Agglomeratie en ruimte

b. Totaal exclusief uitzendkrachten en ambulante activiteiten Van het totale locatiefactoren effect leveren uitzendkrachten en ambulante activiteiten een positieve bijdrage van 14 duizend arbeidsplaatsen. Exclusief die sectoren is het locatiefactoren effect zelfs -36 duizend arbeidsplaatsen in plaats van -22 duizend arbeidsplaatsen. In tabel 4.6 staan de relatieve effecten (als percentage van het aantal arbeidsplaatsen dat op basis van het aantal inwoners van 15 tot 65 jaar zou worden verwacht). Dan blijkt dat er in het stadsgewest Rotterdam 2% minder mensen werken dan op grond van het bevolkingsaandeel zou worden verwacht. Dat is het saldo van een negatief locatiefactoren effect van 3% en een positief regionaal [email protected] tel. 015-2682556 www.bureaulouter.nl

49


effect van 1%. Eerder werd geconstateerd dat voor Rotterdam een positief regionaal effect van 21.4 duizend resulteert (7%). Voor het stadsgewest als geheel is het regionaal effect slechts 4.9 duizend (1%). Dat betekent dat het regionaal effect in de overige delen van het stadsgewest -16.5 duizend is (-5%). De werkgelegenheid concentreert zich dus binnen het stadsgewest meer binnen de stad Rotterdam dan op grond van de locatiefactoren verwacht zou worden. Uit een vergelijking tussen de regionaal effecten voor de stad Rotterdam (in tabel 4.1) en het stadsgewest Rotterdam (in tabel 4.5) blijkt dat dit vooral geldt voor de industrie, voor kennisintensieve diensten, voor de detailhandel en voor de non-profit sectoren. Een sector als de groothandel is overigens binnen het stadsgewest juist minder sterk in Rotterdam geconcentreerd dan op grond van de invloed van de locatiefactoren mocht worden verwacht. Tabel 4.6

Benchmarkmodel: relatieve effecten stadsgewest Rotterdam vergeleken met nationaal gemiddelde

Sector

Totaal effect



-27% 12% 105% 4% -60% 1% -26% 6% -11% 2% -25% -17% -6% -6% 9% 42%

-19% 1% 90% -5% -62% 7% 2% 8% -3% 1% -33% -12% -5% -13% 30% 15%

Totaal -2% -3% Totaal * -5% -5% *) Totaal excl. uitzendkrachten en ambulante activiteiten


Regionaal effect


-18% 5% 23% -8% -53% 22% 21% 16% -3% 1% -13% -2% -5% -4% 30% 18%

4% -4% 0% 3% 0% -12% -15% -9% 0% 0% 0% -5% -5% -10% 0% 0%

-5% 0% -9% 0% -6% -3% -4% 1% 0% 0% -20% 3% 5% 1% 0% -4%

0% 0% 75% 0% -4% 0% 0% 0% 0% 0% 0% -8% 0% 0% 0% 0%

-8% 11% 16% 9% 2% -5% -28% -2% -7% 1% 9% -5% -1% 7% -22% 27%

-8% 11% 91% 9% -2% -5% -28% -2% -7% 1% 9% -13% -1% 7% -22% 27%

0% -2%

-3% -4%

-2% -2%

2% 2%

1% 0%

3% 2%

Op basis van de locatiefactoren kan met het Benchmarkmodel voor het stadsgewest Rotterdam een aanzienlijk negatief effect (minder arbeidsplaatsen dan verwacht volgens het aandeel van 15tot 65-jarigen) worden berekend voor industrie, land- en tuinbouw, vrijetijdsactiviteiten, openbaar bestuur en de zorgsector. Vergeleken met ‘de gemiddelde regio’ zijn de locatiefactoren in stadsgewest Rotterdam blijkbaar relatief ongunstig voor de vestiging van die typen bedrijven en instellingen. Positief zijn de locatiefactoren vooral voor transport (voornamelijk door het specifieke cluster ‘haven van Rotterdam’), zakelijke diensten, uitzendkrachten en ambulante activiteiten


50


Stadsgewest Rotterdam vergeleken met drie andere stadsgewesten van grote steden Op soortgelijke wijze als voor de stad Rotterdam, kan het stadsgewest Rotterdam worden vergeleken met de stadsgewesten van de andere drie grote steden. Dat is gebeurd in de tabellen 4.7 en 4.8 en de figuren 4.6, 4.7 en 4.8. In tabel 4.7 zijn de resultaten van het Benchmarkmodel voor stadsgewest Rotterdam vergeleken met het gemiddelde van de andere drie grote stadsgewesten. Evenals bij de vergelijking van Rotterdam met de andere drie grote steden is deze vergelijking gemaakt door de andere drie grote stadsgewesten te ‘herschalen’ naar de omvang van Rotterdam. Dan blijkt dat er in het stadsgewest Rotterdam maar liefst 125 duizend arbeidsplaatsen minder zijn dan in de andere drie grote stadsgewesten. Dat is volledig het gevolg van minder gunstige locatiefactoren voor stadsgewest Rotterdam dan voor de andere drie grote stadsgewesten. Het verschil in locatiefactoren effect tussen stadsgewest Rotterdam en de andere grote stadsgewesten is namelijk -127 duizend en het verschil in regionaal effect +2 duizend. Mochten in het stadsgewest Rotterdam de locatiefactoren dus gelijk zijn aan de locatiefactoren in de andere drie grote stadsgewesten, dan zouden er in stadsgewest Rotterdam niet 723 duizend arbeidsplaatsen zijn, maar 850 duizend. Tabel 4.7

Benchmarkmodel: absolute effecten stadsgewest Rotterdam vergeleken met andere drie grote stadsgewesten

Sector


Totaal effect


16.4 -2.7 17.2 10.6 -4.0 -21.4 -30.5 -32.8 -6.2 -0.1 -19.4 -37.7 -8.5 -5.6 -10.0 9.9

20.9 -10.0 11.5 4.8 -1.2 -12.9 -18.1 -30.5 -1.6 -2.1 -23.9 -33.2 -9.4 -20.5 1.0 -1.9

Totaal -124.8 -127.0 Totaal * -124.7 -126.1 *) Totaal excl. uitzendkrachten en ambulante activiteiten


Regionaal effect


0.1 0.2 1.3 -2.2 -0.8 -0.3 0.5 -0.2 2.0 0.5 -0.3 0.1 0.6 1.1 1.0 1.3

14.0 -8.0 0.0 7.0 0.0 -12.7 -15.1 -28.7 0.0 0.0 0.0 -8.3 -6.9 -31.4 0.0 0.0

6.8 -2.1 3.6 0.0 3.6 0.2 -3.6 -1.6 -3.5 -2.6 -23.6 -6.0 -3.1 9.8 0.0 -3.2

0.0 0.0 6.6 0.0 -4.0 0.0 0.0 0.0 0.0 0.0 0.0 -19.0 0.0 0.0 0.0 0.0

-4.4 7.3 5.7 5.8 -2.8 -8.5 -12.4 -2.3 -4.6 2.0 4.5 -4.5 1.0 14.9 -11.0 11.8

-4.4 7.3 12.3 5.8 -6.8 -8.5 -12.4 -2.3 -4.6 2.0 4.5 -23.5 1.0 14.9 -11.0 11.8

4.8 2.5

-90.0 -90.0

-25.5 -22.2

-16.4 -16.4

2.3 1.5

-14.1 -14.9

Dat het locatiefactoren effect voor stadsgewest Rotterdam zo ver achterblijft bij dat van de andere grote stadsgewesten, hangt voor het overgrote deel (71%) samen met het lage opleidingsniveau. Daardoor alleen al zijn er in het stadsgewest Rotterdam 90 duizend arbeidsplaatsen minder dan in de andere stadsgewesten. Ook de ‘specifieke clusters’ dragen negatief bij aan het locatiefactoren effect voor stadsgewest Rotterdam, vergeleken met de andere drie grote stadsgewesten. Het effect van de haven voor de sector transport in stadsgewest Rotterdam telt minder zwaar dan het effect van Schiphol in transport, de Haagse ministeries in openbaar bestuur en het Westlandse [email protected] tel. 015-2682556 www.bureaulouter.nl

51


tuinbouwcomplex in land- en tuinbouw in de andere grote stadsgewesten37. De overige locatiefactoren resulteren per saldo in ruim 25 duizend arbeidsplaatsen minder in stadsgewest Rotterdam dan in de andere stadsgewesten. In figuur 4.6 zijn die effecten (in relatieve zin) verder uitgesplitst. Het regionaal effect bedraagt voor de stad Rotterdam plus 39 duizend arbeidsplaatsen (vergeleken met de andere drie grote steden; zie tabel 4.3). Voor het stadsgewest Rotterdam is het regionaal effect plus 2 duizend arbeidsplaatsen (vergeleken met de andere grote stadsgewesten). Voor de overige delen van het stadsgewest Rotterdam is daarom sprake van een negatief regionaal effect (vergeleken met de overige delen van de andere grote stadsgewesten) van 37 duizend arbeidsplaatsen. Veel meer dan in de andere grote stadsgewesten is de werkgelegenheid in het stadsgewest Rotterdam dus geconcentreerd in de kernstad. Op regionaal niveau (het niveau van de stadsgewesten) vallen verschillen in regionaal effect tussen Rotterdam en de andere drie grote steden vrijwel weg. Figuur 4.6

Benchmarkmodel: relatieve effecten stadsgewest Rotterdam vergeleken met andere drie grote stadsgewesten, totale bedrijvigheid


Absoluut effect ** (x1000) 12 -19 11 13 -90 -10 -1 -7 -15 -16

Relatief effect *

-20%

-15%

-10%

-5%

0%

5%

10%

15%

Locatiefactoren effect Regionaal effecten Totaal effecten

20% -127 2 -125

Agglomeratie en ruimte

5 -20%

-15%

-10%

-5%

0%

5%

10%

15%

20%

In tabel 4.8 staan de resultaten van het Benchmarkmodel in relatieve zin. Daaruit blijkt dat er in het stadsgewest Rotterdam 17% minder arbeidsplaatsen zijn dan in de andere drie grote stadsgewesten. Het regionaal effect is 0%. Met behulp van het Benchmarkmodel wordt het totaal aantal arbeidsplaatsen dus vrijwel perfect voorspeld. Dat geldt echter niet voor elke economische sector. Het onderscheid naar economische sectoren staat ook in de tabellen 4.7 en 4.8 en is bovendien grafisch weergegeven in figuur 4.7 en 4.8. Daarin is ‘agglomeratie en ruimte’ verder uitgesplitst (naar nationale ligging, regionale centrumfunctie en ruimtedruk) en zijn de effecten van de specifieke clusters afzonderlijk weergegeven (onderaan de figuur). Bij de bespreking van de resultaten wordt vooral ingegaan op de relatieve effecten (zie tabel 4.8 en figuur 4.8), omdat daarin is gecorrigeerd voor de omvang van de sectoren. Uiteraard zijn echter ook de absolute 37

Nogmaals moet worden benadrukt dat de Rotterdamse haven meer effecten heeft dan alleen in de transportsector. Dat geldt overigens ook voor Schiphol, de ministeries en het Westlandse tuinbouwcomplex.


52


effecten (tabel 4.7 en figuur 4.7) van belang wanneer het gaat om de betekenis per sector voor het stadsgewest Rotterdam in termen van het aantal arbeidsplaatsen. In figuur IV.3 en figuur IV.4 in bijlage IV.4 zijn de effecten van de verschillende locatiefactoren per sector weergegeven. Tabel 4.8

Benchmarkmodel: relatieve effecten stadsgewest Rotterdam vergeleken met andere drie grote stadsgewesten

Sector

Totaal effect



22% -6% 68% 23% -17% -84% -121% -45% -9% 0% -48% -73% -19% -6% -37% 25%

28% -23% 46% 10% -5% -50% -72% -42% -2% -6% -59% -64% -21% -21% 4% -5%

Totaal -17% -17% Totaal * -19% -19% *) Totaal excl. uitzendkrachten en ambulante activiteiten

Bijdragen brede typen locatiefactoren AggloOpleiOverig Specimeratie ding fieke en ruimte clusters

Regionaal effect


0% 0% 5% -5% -4% -1% 2% 0% 3% 1% -1% 0% 1% 1% 4% 3%

19% -18% 0% 15% 0% -50% -60% -40% 0% 0% 0% -16% -15% -32% 0% 0%

9% -5% 14% 0% 16% 1% -14% -2% -5% -7% -58% -12% -7% 10% 0% -8%

0% 0% 26% 0% -17% 0% 0% 0% 0% 0% 0% -37% 0% 0% 0% 0%

-6% 17% 23% 12% -12% -34% -49% -3% -7% 6% 11% -9% 2% 15% -40% 30%

-6% 17% 49% 12% -29% -34% -49% -3% -7% 6% 11% -46% 2% 15% -40% 30%

1% 0%

-12% -13%

-3% -3%

-2% -2%

0% 0%

-2% -2%

Voor de meeste economische sectoren is het locatiefactoren effect van stadsgewest Rotterdam ten opzichte van de andere grote stadsgewesten negatief. Dat geldt vooral voor kennisintensieve diensten (banken verzekeringswezen, ICT, zakelijke diensten), vrijetijdsactiviteiten en openbaar bestuur. Met name voor materiaalgeoriënteerde activiteiten zijn de locatiefactoren echter juist relatief gunstig in het stadsgewest Rotterdam (zie industrie, transport en bouwnijverheid). Niet alleen de locatiefactoren zijn ongunstig voor het banken verzekeringswezen en ICT, dat geldt ook voor het regionaal effect. Positieve regionaal effecten zijn weer vooral te vinden in materiaalgeoriënteerde activiteiten (groothandel, transport, bouwnijverheid), maar ook in de zorgsector. Het patroon van de bijdragen van de locatiefactoren aan het locatiefactoren effect lijkt voor de stadsgewesten vrij sterk op dat voor de steden, wanneer Rotterdam wordt vergeleken met de drie andere grote steden (vergelijk figuur 4.8 met figuur 4.4). Het achterblijvende locatiefactoren effect is voor kennisintensieve diensten, en wat mindere mate, non-profit activiteiten en groothandel, weer vooral het gevolg van het lage gemiddelde opleidingsniveau. Een verschil is dat de nationale ligging een wat sterker negatief effect heeft op het niveau van stadsgewesten. Dat hangt samen met het feit dat relatief veel van de suburbs van Rotterdam relatief decentraal liggen (met name de gebieden ten zuiden van Rotterdam), vergeleken met de suburbs van de andere drie grote steden. [email protected] tel. 015-2682556 www.bureaulouter.nl

53


Figuur 4.7

Benchmarkmodel: stadsgewest Rotterdam vergeleken met andere drie grote stadsgewesten, per economische sector, in arbeidsplaatsen (* 1000)




-30

-20

-10

0

10

20

30

40

Totaal Totaal exclusief* Regionaal effect Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector

-150

-100

-50

0

50

100

150


-30

-20

-10

0

10

20

30

40

Totaal Totaal exclusief* Specifieke clusters Transport Land- en tuinbouw Openbaar bestuur

-150

-100

-50

0

50

100

150

Totaal specifieke clusters -40

-30

-20

-10

0

10

20

30

40


54


Figuur 4.8

Benchmarkmodel: stadsgewest Rotterdam vergeleken met andere drie grote stadsgewesten, per economische sector, relatief (in %)



Uitzendkrachten Ambulante activiteiten -100%

-75%

-50%

-25%

0%

25%

50%

Totaal Totaal exclusief* Regionaal effect Industrie Groothandel Transport Bouwnijverheid Land- en tuinbouw Bank- en verzekeringswezen ICT Zakelijke diensten Detailhandel Overige consumentendiensten Vrijetijdsactiviteiten Openbaar bestuur Onderwijs Zorgsector

-25%

-20%

-15%

-10%

-5%

0%

5%

10%

Uitzendkrachten Ambulante activiteiten -100%

-75%

-50%

-25%

0%

25%

50%

Totaal Totaal exclusief* Specifieke clusters Transport Land- en tuinbouw Openbaar bestuur

-25%

-20%

-15%

-10%

-5%

0%

5%

10%

Totaal specifieke clusters -100%

-75%

-50%

-25%

0%

25%

50%

*) Totaal excl. uitzendkrachten en ambulante activiteiten


55



56


5

Innovatie

Naast de kracht van de huidige economie is het voor een vitale economie ook van belang dat vernieuwing (‘innovatie’) plaatsvindt. In dit hoofdstuk wordt nagegaan in hoeverre er sprake is van regionale verschillen in innovativiteit in Nederland. Daarbij gaat vooral de aandacht uit naar de positie die Rotterdam daarin inneemt. De volgende vragen staan centraal: • Hoe innovatief is het Rotterdam bedrijfsleven, met name vergeleken met de andere drie grote steden? Zie paragraaf 5.2. • Wat zijn de innovatieprestaties van Rotterdam in specifieke sectoren? Zie paragraaf 5.3. Algemene conclusies: • Bij een onderscheid naar twaalf economische sectoren, blijkt dat de innovativiteit het hoogst is in chemie en kunststof, ICT en research, metalelectro en technisch advies. Het laagst is de innovativiteit in detailhandel/horeca, transport en bouwnijverheid. Conclusies voor Rotterdam: • Via een bewerking door Bureau Louter van de innovatie-enquête van het CBS zijn scores op zeven indicatoren voor innovativiteit bepaald voor het gemiddelde over de jaren 2004, 2006 en 2008. Voor zes van de zeven indicatoren scoort Rotterdam onder het nationaal gemiddelde en onder het gemiddelde van de drie andere grote steden. Rotterdam scoort relatief goed op organisatorische innovaties. • Bij een onderscheid naar drie brede sectoren (industrie, distributie en zakelijke diensten) blijft de innovativiteit in Rotterdam voor alle drie brede sectoren achter bij het gemiddelde van de andere drie grote steden. • Er is echter ook goed nieuws. Tussen 2004 en 2008 heeft de innovativiteit zich in alle drie brede sectoren in Rotterdam gunstiger ontwikkeld dan het nationaal gemiddelde. De innovativiteit lag in 2008 in Rotterdam wat hoger dan het nationaal gemiddelde voor distributie en zakelijke diensten. En voor niet-technische innovaties (organisatorische innovaties en marktinnovaties) presteerde Rotterdam in 2008 beter dan het nationaal gemiddelde. • Binnen een groep van 38 gebieden is Rotterdam wat betreft de innovatieprestaties tussen 2004 en 2008 gestegen van positie 34 naar positie 25. Dat is nog steeds een matige prestatie, maar het gaat wel duidelijk de goede kant op. • Wordt het totale innovatieproces, van input tot output beschouwd via een innovatieprofiel (dat bestaat uit 15 indicatoren), dan blijkt dat Rotterdam vergeleken met het nationaal gemiddelde vrij goed scoort op ‘inputindicatoren’ als het aantal studenten en het aantal kenniswerkers, maar zeer matig op R&D. Op technische innovaties scoort Rotterdam onder het gemiddelde, op niet-technische innovaties boven het nationaal gemiddelde. Wat betreft het percentage omzet uit nieuwe producten blijft Rotterdam duidelijk achter bij het nationaal gemiddelde. • In totaal presteert Rotterdam voor acht van de 15 indicatoren beter dan het nationaal gemiddelde, vergeleken met de andere drie grote steden presteert Rotterdam echter slechts twee maal beter. • Bij een gedetailleerd onderscheid naar twaalf economische sectoren blijkt onder andere dat Rotterdam relatief goed scoort op de innovativiteit in transport (een omvangrijke sector in Rotterdam). • Opvallend is dat Rotterdam wat betreft de innovativiteit vaak onder het nationaal gemiddelde scoort voor de (nationaal gezien) meest innovatieve sectoren. Relatief goed scoort Rotterdam juist in sectoren met, nationaal gezien, lage innovatieprestaties. [email protected] tel. 015-2682556 www.bureaulouter.nl

57


5.1

Inleiding

Een belangrijke factor in de concurrentiekracht van bedrijven is de mate waarin zij tot vernieuwing weten te komen. Die vernieuwing, ook wel aangeduid als ‘innovatie’ (het succesvol naar de markt brengen van nieuwe producten of diensten) moet breed worden opgevat. Naast zogenaamde ‘technische innovatie’ (productinnovaties en procesinnovaties; zie bijlage V voor een toelichting op deze begrippen) speelt ook niet-technische innovatie (zoals marktinnovaties en organisatorische innovaties) een rol. Het belang van innovatie kan worden gemeten aan de hand van inputs van het innovatieproces (zoals investeringen in Research&Development en de samenwerking in innovatieprocessen) en aan de outputs van het innovatieproces (zoals het percentage van de omzet dat wordt ontleend aan nieuwe producten of diensten). Naast industrie, waarin de productinnovaties veelal bestaan uit nieuwe producten, kan ook in de dienstverlening sprake zijn van productinnovaties, in de vorm van nieuwe diensten. Innovatie moet dus breder worden opgevat dan alleen ‘nieuwe vindingen’ waarop octrooi kan worden aangevraagd. Van dit brede innovatiebegrip wordt in dit hoofdstuk uitgegaan. In paragraaf 5.2 wordt eerst de innovativiteit in Rotterdam op hoofdlijnen onderzocht. De innovatieprestaties voor de totale bedrijvigheid, soms onderscheiden in drie brede sectoren (industrie, distributie en zakelijke diensten) staan daarin centraal. Vervolgens wordt in paragraaf 5.3 de innovativiteit in specifieke clusters en sectoren onderzocht. Rotterdam wordt daarbij vergeleken met de drie andere grote steden en met het nationaal gemiddelde.

5.2

Innovatie in Rotterdam op hoofdlijnen

Voor verschillende innovatie-indicatoren (R&D, samenwerking bij innovaties, vier typen innovaties, aandeel nieuwe producten in de omzet) zijn scores bepaald voor Rotterdam en de andere drie grote steden (zie figuur 5.1). Weergegeven zijn de gemiddelde scores over de jaren 2004, 2006 en 2008 voor de stuwende bedrijvigheid. Daarbij is gebruik gemaakt van een bewerking door Bureau Louter van de CIS-enquête van het CBS. Binnen de totale stuwende bedrijvigheid is een onderscheid gemaakt naar drie brede economische sectoren. De score voor Rotterdam is daarbij steeds uitgedrukt als index ten opzichte van het Nederlands gemiddelde en vergeleken met de drie andere grote steden. Voor zes van de zeven innovatie-indicatoren scoort Rotterdam voor de totale stuwende bedrijvigheid onder het nationaal gemiddelde en veelal ook onder het gemiddelde van de andere drie grote steden. Dat geldt met name voor de R&D-uitgaven en het percentage van de omzet uit nieuwe producten. Voor alle drie onderscheiden typen stuwende bedrijvigheid realiseert Rotterdam wel een bovengemiddelde score op organisatorische innovatie, maar niet op ‘technische innovatie’ (producten procesinnovaties). Uiteraard kan de hoogte van de scores samenhangen met de samenstelling van de bedrijvigheid. Indien in een gebied veel bedrijvigheid is gevestigd met een nationaal gezien lage innovatiegraad, mag verwacht worden dat de innovatiegraad van de totale stuwende bedrijvigheid in dat gebied niet hoog is, vergeleken met het nationaal gemiddelde. Daarom is voor de totale stuwende bedrijvigheid een ’voor de sectorsamenstelling gecorrigeerde score’ voor de totale stuwende bedrijvigheid bepaald in figuur 5.1. Een waarde hoger dan 1 wijst daarbij op betere innovatieprestaties dan op grond van die bedrijvigheidsamenstelling verwacht mocht worden. Ook gecorrigeerd voor de sectorsamenstelling scoort Rotterdam voor de meeste innovatieindicatoren onder het nationaal gemiddelde.


58


Figuur 5.1

Scores op innovatie-indicatoren naar brede stuwende sectoren, Rotterdam en andere drie grote steden (G3) , gemiddelde 2004, 2006 en 2008 Index, Ned. = 1 Positie Rotterdam

Industrie R&D-uitgaven per 1000 inw. 15-64 jaar % Samenwerking bij innovatie % Productinnovaties % Procesinnovaties % Organisatorische innovaties % Marktinnovaties % Omzet nieuwe producten Distributie R&D-uitgaven per 1000 inw. 15-64 jaar % Samenwerking bij innovatie % Productinnovaties % Procesinnovaties % Organisatorische innovaties % Marktinnovaties % Omzet nieuwe producten Zakelijke diensten R&D-uitgaven per 1000 inw. 15-64 jaar % Samenwerking bij innovatie % Productinnovaties % Procesinnovaties % Organisatorische innovaties % Marktinnovaties % Omzet nieuwe producten Totaal R&D-uitgaven per 1000 inw. 15-64 jaar % Samenwerking bij innovatie % Productinnovaties % Procesinnovaties % Organisatorische innovaties % Marktinnovaties % Omzet nieuwe producten

36 5 32 34 11 12 38 16 22 32 25 10 34 22 2.9

31 25 34 33 4 32 37 0

♦

14 23 26 23 16 22 22

0.5

1

1.5

2

Rotterdam G3 voor sectorsamenstelling gecorrigeerde score

Toelichting: Positie: plaats Rotterdam in ranglijst van 38 gebieden G3 = Amsterdam, Den Haag , Utrecht

Bron: CBS innovatie-enquête 2004, 2006 en 2008; Bewerking: Bureau Louter In de Economische Verkenning 2008 werd over Rotterdam geconstateerd: ‘Het opvoeren van de innovativiteit vormt een belangrijke uitdaging’. Die uitspraak was gebaseerd op gegevens uit 2004. In deze Economische Verkenning zijn gegevens over 2008 verwerkt. In figuur 5.2 staan de scores (in de vorm van rapportcijfers) voor de stuwende bedrijvigheid en de drie deelsectoren daarbinnen. Dit rapportcijfer is samengesteld op basis van de zeven innovatie-indicatoren. Tevens zijn de scores per indicator voor de totale stuwende bedrijvigheid weergegeven, als index ten opzichte van het nationaal gemiddelde. Dit is vergeleken met de drie andere grote steden. Daarnaast is de ontwikkeling sinds 2004 berekend.


59


Figuur 5.2

Innovatiegraad Rotterdam en groep van drie grote steden, 2008 en ontwikkeling 2004-2008

Totaal

Rapportcijfer Rotterdam G3

2008

Positie 2004 2008 34 25

Verandering 2004-2008

Industrie

Rotterdam G3

37

24

Distributie

Rotterdam G3

20

13

Zakelijke diensten

Rotterdam G3

11

19

3

4

5

6

7

8

9

10

-2

2008

-1

0

1

2

Positie 2004 2008 30 26

RnD-uitgaven per 1000 inw. 15-64 jaar

Index Nederland = 1, Rotterdam G3

% Samenwerking bij innovatie

Rotterdam G3

26

33

% Productinnovaties

Rotterdam G3

32

27

% Procesinnovaties

Rotterdam G3

30

29

% Organisatorische innovaties

Rotterdam G3

6

9

% Marktinnovaties

Rotterdam G3

32

11

% Omzet nieuwe producten

Rotterdam G3

37

38

0

Verandering 2004-2008

1

2 -1

0

1

Toelichting: Positie: plaats Rotterdam in ranglijst van 38 gebieden G3 = Amsterdam, Den Haag , Utrecht

Bron: CBS innovatie-enquête 2004, 2006 en 2008; Bewerking: Bureau Louter In industrie en distributie is de innovatiegraad in Rotterdam toegenomen tussen 2004 en 2008. Dat geldt niet voor de zakelijke diensten (waarvoor sprake is van een licht afname). Per saldo is de innovatiegraad ook voor de totale stuwende bedrijvigheid toegenomen. Voor alle drie brede sectoren en voor de totale stuwende bedrijvigheid scoort Rotterdam lager dan de andere grote steden. Voor de afzonderlijke innovatie-indicatoren geldt dat Rotterdam in 2008 wat betreft ‘niettechnische innovaties’ (het percentage bedrijven met organisatorische innovaties en het percentage bedrijven met marktinnovaties) boven het nationaal gemiddelde scoort. Voor R&Duitgaven en het percentage van de omzet uit nieuwe producten blijft Rotterdam duidelijk achter [email protected] tel. 015-2682556 www.bureaulouter.nl

60


bij het nationaal gemiddelde. Voor de andere drie grote steden resulteren voor alle indicatoren scores rond of boven het nationaal gemiddelde. Voor alle zeven innovatie-indicatoren scoort Rotterdam lager dan het gemiddelde van de andere drie grote steden. In de periode 2004-2008 heeft Rotterdam de scores op een aantal indicatoren zien verbeteren (zie het rechterdeel van figuur 5.2). Het gaat dus de goede kant op met de innovativiteit van het Rotterdams bedrijfsleven. Dat geldt vooral voor het percentage van de bedrijven met marktinnovaties. De andere drie grote steden zagen hun scores overigens voor alle zeven innovatie-indicatoren toenemen. In figuur 5.3 staat een door Bureau Louter ontwikkelde ‘innovatieketen’. Figuur 5.3

De innovatieketen

Bron: Bureau Louter De basis van een goed functionerende kenniseconomie wordt gevormd door een goed opgeleide (beroeps)bevolking. Opleiding, on-the-job training en ervaring leiden gezamenlijk tot ‘human capital’. Bedrijven tappen af van dit kennispotentieel (hun werknemers, in het bijzonder de hoogopgeleide kenniswerkers), maken specifiek gebruik van het denkwerk in hun R&Dafdelingen of proberen kennis hun bedrijf in te trekken via samenwerking met andere bedrijven bij innovatieprocessen. Het denkwerk en de nieuwe ideeën kunnen leiden tot verschillende vormen van innovatie. Deze vernieuwing kan zowel technologisch als niet-technologisch zijn. Uiteindelijk zou innovatie tot economische effecten moeten leiden in de vorm van groei van de omzet en de toegevoegde waarde. Dat leidt weer tot groei van het aantal arbeidsplaatsen of het verminderen van de afname daarvan.


61


In figuur 5.4 is een ‘innovatieprofiel’ opgesteld waarin de complete innovatieketen, van opleiden tot de valorisatie (het in ‘geld omzetten’) van kennis wordt gekwantificeerd (zie bijlage V voor een beschrijving van de indicatoren). Figuur 5.4

Scores op innovatieprofiel, Rotterdam en groep van drie grote steden, gemiddelde 2004, 2006 en 2008 Relatieve score, Nederland = 1

Opleiden

Studenten Studenten techniek Kenniswerker Totaal Technici Research R&D per inwoner % Samenwerkend Innovatie Octrooien High-tech Octrooien overig % Productinnnovaties % Procesinnovaties % organisatorische innovaties % marktinnovaties Effecten % Omzet nieuwe producten Technologisch hoogwaardig Kennisintensieve diensten 0

♦

0.5

1

1.5

2

2.5

Rotterdam Gemiddelde G3

Bron: Bureau Louter, o.b.v. diverse statistieken (CBS EBB, CBS innovatie-enquête, Cfi, LISA) Voor indicatoren aan de ‘inputkant’ van innovatieprocessen, namelijk het aantal studenten en het aantal kenniswerkers scoort Rotterdam veelal boven het nationaal gemiddelde. Voor een andere ‘inputindicator’, research, daarentegen liggen de scores onder het nationaal gemiddelde. In Rotterdam worden veel octrooien aangevraagd, overigens voornamelijk bij het hoofdkantoor van Unilever. Op technische innovaties (producten procesinnovaties) scoort Rotterdam onder het nationaal gemiddelde, maar op niet-technische innovaties (organisatorische en marktinnovaties) boven het nationaal gemiddelde. Opmerkelijk laag is het percentage van de omzet uit nieuwe producten of diensten. Terwijl Rotterdam op de indicatoren in het innovatieprofiel afwisselend boven en onder het nationaal gemiddelde scoort, geldt dat bij een vergelijking met de andere drie grote steden niet. Slechts voor twee van de 15 indicatoren scoort Rotterdam beter dan de drie andere grote steden.

5.3

Innovatie in specifieke sectoren en clusters

De analyses in paragraaf 5.2 geven zicht op de innovatieprestaties van het ‘gemiddelde bedrijf’ in Rotterdam, soms onderscheiden naar drie brede sectoren. Voor individuele bedrijven geldt uiteraard dat zij soms hoger en soms lager scoren dan het gemiddelde wat betreft hun innovatieprestaties. Ook kunnen bepaalde specifieke sectoren of ‘clusters’ van bedrijvigheid soms hoger of lager scoren dan gemiddeld. Aan de hand van gegevens uit de CIS-enquêtes is dit onderzocht. Daarbij geldt dat om redenen van statistische betrouwbaarheid is uitgegaan van een minimum van vijftig waarnemingen per economische sector. Aan de mate waarin uitsplitsingen


62


naar sectoren mogelijk zijn, bestaan dus grenzen. In bijlage V wordt aangegeven hoe de sectoren en ‘speerpuntsectoren’ zijn afgebakend38. Naast de analyse in dit hoofdstuk, waarin gemeten innovatieprestaties centraal staan, is ook een andere, meer kwalitatieve, analyse mogelijk. Daarin wordt uitgegaan van beoordelingen van de verschillende bouwstenen van een innovatiesysteemmodel39. In deze paragraaf staan twee vragen centraal. Ten eerste is het de vraag in hoeverre tussen sectoren verschillen in innovatieprestaties bestaan. Ten tweede is het vervolgens de vraag of Rotterdam hoger of lager dan het nationaal gemiddelde scoort en of de innovatieprestaties hoger of lager zijn dan het gemiddelde van de andere drie grote steden. Tabel 5.1

Innovativiteit van sectoren in Nederland vergeleken, gemiddelde 2004, 2006 en 2008

Sector

Vestigingen

Score obv Rang obv Score

Positie obv Rang obv Score

Vestigingen % Rotterdam

Chemie en kunststof ICT en research Metalelectro Technisch advies Overige industrie Financiële diensten Groothandel Overig Adviesdiensten Bouw Transport Detailhandel, horeca

1128 1328 3738 730 3716 827 3585 6037 1283 3100 2358 4196

11.4 10.3 10.1 8.4 7.9 7.1 6.4 5.3 4.4 2.7 2.6 1.3

2.48 2.07 2.30 1.63 1.29 1.11 0.99 0.89 0.76 0.48 0.56 0.41

1 2 3 4 5 6 7 8 9 10 11 12

1 3 2 4 5 6 7 8 9 11 10 12

5.2% 4.2% 2.0% 7.4% 1.4% 8.2% 2.3% 5.3% 5.5% 2.9% 8.7% 3.1%

Speerpuntsectoren HIC Creatieve sector

5396 870

6.3 6.6

1.26 1.10

8 7

6 7

6.0% 6.2%

Totaal 32181 3.9% Toelichting: De tabel is gebaseerd op zeven indicatoren voor innovatie (zie figuur 5.5 voor de indicatoren). Per indicator is voor elke sector de nationale score uitgedrukt als index van de score voor de totale bedrijvigheid. Vervolgens heeft per indicator de sector met de hoogste score 12 punten gekregen, de volgende 11 punten, enzovoorts. Het gemiddelde van de scores over de zeven indicatoren is aangegeven als ‘obv Rang’. Tevens is direct een gemiddelde score bepaald van de zeven indexcijfers (aangegeven als ‘obv score’). Via het totaal aantal behaalde punten is vervolgens de positie bepaald volgens de rang respectievelijk de score. Tevens is in de tabel het totaal aantal vestigingen in Nederland per sector weergegeven en het aandeel dat Rotterdam daarbinnen inneemt.

Van de twaalf onderscheiden sectoren worden de hoogste scores op innovativiteit gerealiseerd door chemie en kunststof, ICT en research en metalelectro, op enige afstand gevolgd door technische diensten (zoals architectenbureaus en ingenieursbureaus). Onderaan de lijst staan detailhandel en horeca, transport en bouw.

38

39

Bij het afbakenen van ‘speerpunsectoren’ is aangesloten bij de keuze van de gemeente Rotterdam, namelijk het ‘haven-industrieel complex’, de ‘creatieve sector’ en ‘medisch en zorg’. Voor die laatste speerpuntsector zijn geen gegevens bekend, omdat in de CIS-enquête bedrijven uit de nonprofit sector zijn uitgesloten. Zie Nauta, F. en P. Veling (mei 2010) Herijking innovatiebeleid Rotterdam; naar regionale ecosystemen van innovatie.


63


Naast de twaalf sectoren zijn tevens de innovatieprestaties voor twee van de drie speerpuntsectoren weergegeven40. De scores ‘obv Rang’ en ‘obv Score’ zijn gebaseerd op de positie die het HIC en de creatieve sector per indicator in zouden nemen in de ranglijst van twaalf sectoren. Dan blijkt dat deze twee speerpuntsectoren, nationaal gezien, wat betreft hun innovatieprestaties tot de middenmoot van de lijst met sectoren behoren. In figuur 5.5 staan de innovatieprestaties in de twaalf sectoren en twee speerpuntsectoren weergegeven. Naast het nationaal gemiddelde staan daarin ook de scores voor Rotterdam en voor de drie andere grote steden. Alle scores zijn per innovatie-indicator uitgedrukt ten opzichte van nationale gemiddelde score voor de totale bedrijvigheid. Een score hoger dan 1 wijst dus op een bovengemiddelde innovatieprestatie voor de betreffende indicator, een score lager dan 1 op een benedengemiddelde innovatieprestatie. In tabel 5.2 is op eenvoudige wijze een samenvatting van de resultaten weergegeven, namelijk door te tellen hoeveel maal Rotterdam hoger scoort dan het nationaal gemiddelde respectievelijk dan de andere drie grote steden. Dat is per (speerpunt)sector gedaan en per innovatie-indicator. De sectoren zijn geordend naar de mate van innovativiteit (op basis van de rang; zie tabel 5.1). Bij de sectoren loopt de score van 0 tot en met 7, bij de innovatie-indicatoren van 0 tot en met 14. Als referentie is in tabel 5.2 tevens het aantal maal weergegeven dat de andere drie grote steden boven het nationaal gemiddelde scoren. Rotterdam scoort vaak onder het nationaal gemiddelde voor de (nationaal gezien) meest innovatieve sectoren. Relatief goed presteert Rotterdam in sectoren met, nationaal gezien, lage innovatieprestaties. Daarbij is het gunstig dat de innovatieprestaties relatief goed zijn voor transport, een sector met veel bedrijven in Rotterdam. Op de twee speerpuntsectoren liggen de scores voor de meeste innovatie-indicatoren onder het nationaal gemiddelde, zowel voor het HIC als voor de creatieve sector41. Rotterdam blijft, enkele uitzonderingen daargelaten, op meer indicatoren achter bij de drie grote steden dan bij het nationaal gemiddelde. Dat geldt opvallend genoeg vooral voor transport. Rotterdam scoort daarvoor gunstiger dan het nationaal gemiddelde, maar de drie andere grote steden gemiddeld nog gunstiger. Ook voor de twee Rotterdamse speerpuntsectoren blijven de innovatieprestaties veelal achter bij het gemiddelde van de andere drie grote steden. Naast de insteek via (speerpunt)sectoren kunnen de innovatieprestaties ook worden beoordeeld via de insteek van de innovatie-indicatoren. In totaal kan Rotterdam per indicator 14 maal hoger scoren dan het nationaal gemiddelde (want er zijn twaalf sectoren en twee speerpuntsectoren). Wanneer de helft van de scores hoger is dan het nationaal gemiddelde, resulteert een score van 7. Slechts voor organisatorische innovaties ligt het aantal bovengemiddelde scores hoger. Rotterdam presteert ongeveer gelijk aan de andere drie grote steden voor procesinnovaties en organisatorische innovaties. Voor andere indicatoren blijft Rotterdam achter. Dat geldt met name voor de R&D-intensiteit en voor het percentage van de omzet uit nieuwe producten of diensten. Voor de andere grote steden resulteren veelal meer scores boven het nationaal gemiddelde dan voor Rotterdam. Dat geldt voor alle sectoren, met uitzondering van technisch advies en overige industrie en dat geldt voor alle innovatie-indicatoren, met uitzondering van procesinnovaties.

40 41

In bijlage V is aangegeven hoe die speerpuntsectoren zijn afgebakend. Binnen het HIC kan dat overigens mede veroorzaakt zijn door samenstellingseffecten. Wanneer binnen de sectoren die tot het HIC zijn gerekend in Rotterdam transportbedrijven een groot aandeel innemen, zal dat de totaalscore voor het HIC ongunstig beïnvloeden, omdat die sector in het algemeen (nationaal gezien) laag scoort op de innovatie-indicatoren.


64


Figuur 5.5

Innovatieprofielen per sector Adviesdiensten

ICT en research

% R&D in omzet % Samenwerkend % Productinnovaties % Procesinnovaties % Organisatorische inn. % Marktinnovaties % Omzet nieuwe producten

8.8

0

1

2

3

4

0

Technisch advies

1

2

3

4

3

4

Financiële diensten

% R&D in omzet % Samenwerkend % Productinnovaties % Procesinnovaties % Organisatorische inn. % Marktinnovaties % Omzet nieuwe producten 0

1

2

3

4

0

Metalelectro

1

2

Chemie en kunststof

% R&D in omzet % Samenwerkend % Productinnovaties % Procesinnovaties % Organisatorische inn. % Marktinnovaties % Omzet nieuwe producten

5.1

0

1

2

3

4

4.3

0

Overige industrie

1

2

3

4

1

2

3

4

2

3

4

Bouw


1

2

3

4

0

Groothandel

Transport


♦ ♦

Nederland Rotterdam G3


1

2

3

4

0

1

Score totale bedrijvigheid Voor elke indicator 1 1

65


Figuur 5.5

Innovatieprofielen per sector, vervolg Detailhandel, Horeca

Overig


1

2

3

4

0

Speerpuntsectoren HIC

1

2

3

4

2

3

4

Creatieve sector


Tabel 5.2

1

2

3

4

0

1

Innovatieprestaties Rotterdam vergeleken met nationaal gemiddelde en andere drie grote steden Rotterdam dan nationaal gemiddelde

Aantal maal hoger (maximaal 14) Rotterdam dan andere Andere grote steden dan grote steden nationaal gemiddelde

Sectoren (7 scores) Chemie en kunststof ICT en research Metalelectro Technisch advies Overige industrie Financiële diensten Groothandel Overig Adviesdiensten Bouw Transport Detailhandel, horeca

2 2 1 2 3 2 1 2 4 3 6 4

1 1 1 2 4 3 2 2 2 2 1 1

5 5 3 1 3 5 2 6 5 6 7 7

Speerpuntsectoren (7 scores) HIC Creatieve sector

1 2

1 1

4 5

Indicatoren (14 scores) % R&D in omzet % Samenwerkend % Productinnovaties % Procesinnovaties % Organisatorische innovaties % Marktinnovaties % Omzet nieuwe producten

3 5 5 5 8 4 5

1 4 2 7 6 3 1

8 10 11 5 12 10 8

In het kader ‘Innovatie in clusters’ staat een korte samenvatting van een recent onderzoek waarin een innovatiesysteem-model op kwalitatieve wijze is ingevuld. Evenals in de kwantitatieve [email protected] tel. 015-2682556 www.bureaulouter.nl

66


analyses in de voorgaande delen van dit onderzoek komt hieruit een gemengd beeld naar voren van de innovativiteit van het Rotterdams bedrijfsleven, met sterke, maar ook zwakke punten.

Verdieping: Innovatie in clusters (Onderzoek Nauta en Veling) In Nauta, F. en P. Veling (mei 2010) Herijking innovatiebeleid Rotterdam; naar regionale ecosystemen van innovatie is de innovatiekracht van Rotterdam tegen het licht gehouden. Het doel van het project was om: • de kwaliteit van het innovatiesysteem in de regio in kaart te brengen voor de thema’s waar de gemeente zich de afgelopen jaren op heeft gericht (haven, medisch, creatief en duurzame energie); • aanbevelingen te doen om de innovatiesystemen binnen deze thema’s te versterken. Dit onderzoek is complementair aan de analyse zoals die in dit hoofdstuk is uitgevoerd. Ten eerste richten Nauta en Veling zich meer op de ‘voorwaarden’ voor innovatie via een innovatiesysteem-model met twintig indicatoren, terwijl in dit hoofdstuk meer de nadruk ligt bij het meten van de innovatieprestaties. Ten tweede richten Nauta en Veling zich op een deel van de bedrijvigheid (geselecteerde clusters), terwijl in dit hoofdstuk het volledige stuwende Rotterdamse bedrijfsleven wordt onderzocht, met een onderscheid naar economische sectoren. Ten derde baseren Nauta en Veling zich op literatuuronderzoek en interviews, terwijl in dit hoofdstuk gebruik wordt gemaakt van statistisch materiaal. Nauta en Veling komen, met de Rotterdamse speerpuntsectoren als uitgangspunt tot een aantal clusters (of clusters-in-wording), waarvan het innovatiesysteem-model wordt gevuld, namelijk: logistiek, deltatechnologie, CO2-opslag, medische technologie en architectuur. Daarnaast zijn er kwalitatieve beschrijvingen voor zorg, media, duurzame energie en ‘energiebesparing en decentrale energie opwekking stedelijke omgeving’. In onderstaand overzicht staan steeds drie sterke punten en drie zwakke punten (waarvan sommige kansen vormen) per cluster. Rotterdamse clusters Haven logistiek

Sterk Zwak Zeer veel massa, internationale uitstraling Weinig starters Veel kennis/ gekwalificeerd personeel Vermarkten kennis buiten de regio (kans!) Ondersteuning lokale/regionale overheid Weinig aandacht voor R&D (zorgelijk!) Deltatechnologie Veel massa, internationale uitstraling Weinig aandacht voor starters Veel kennis/ gekwalificeerd personeel Gebrek aan risicokapitaal Aandacht voor netwerkvorming Organiserend vermogen in de regio Chemie: CO2 opslag Zeer grote potentiële markt Nog geen bewezen technologie (kans!) Veel massa (uitstoot CO2) Geen financiering voor netwerkvorming Steun nationaal innovatieklimaat Wel visie, weinig beleidsbudget Medische technologie Veel risicokapitaal beschikbaar Weinig massa (productiebedrijven) Voldoende gekwalificeerd personeel Weinig R&D bij bedrijven Ondersteuning lokale/regionale overheid Weinig ondersteuning netwerkvorming Architectuur Internationale uitstraling Impuls R&D nodig Hoog gekwalificeerd personeel Conjunctuurgevoelig Veel starters en spin-offs Weinig buitenlandse opdrachten (kans!) Bron: Interpretatie door Bureau Louter van onderzoek Nauta en Veling (2010)

Geen van de clusters scoort hoog op alle onderdelen van het innovatiesysteem-model. De inventarisatie van Nauta en Veling leert wel dat CO2 opslag en medische technologie wat meer zwakke punten kennen dan de andere drie clusters (waarbij aan CO2 opslag wel veel marktpotentie wordt toegedicht). Wat de kwalitatieve beschrijving betreft signaleren Nauta en Veling het volgende: • Zorg is vooral regionaal dienstverlenend en leent zich niet voor een clusterachtig innovatiebeleid. • Media kan niet opboksen tegen Amsterdam/Hilversum. Gericht innovatiebeleid ligt hier niet voor de hand. • Het ontwikkelen van een hoogwaardig innovatiesysteem voor duurzame chemie verdient veel investering in tijd en energie van de gemeente. • Het Rotterdam Climate Initiative (met de wens om een innovatief cluster rondom energiebesparing en duurzame energieopwekking te ontwikkelen) moet worden gezien als een milieuproject en niet als een innovatieproject. [email protected] tel. 015-2682556 www.bureaulouter.nl

67



68


6

Economische vitaliteit

In dit hoofdstuk is een vitaliteitsweb opgesteld, dat bestaat uit zeven thema’s (economie, ruimte, ligging en infrastructuur, arbeidsmarkt, kennis en innovatie, woonen leefmilieu en welvaart). Elk thema is opgebouwd uit een aantal meetbare indicatoren. Op die wijze kunnen steden en regio’s onderling worden vergeleken wat betreft hun economische vitaliteit. In dit hoofdstuk staan de volgende vragen centraal: • Hoe scoort Rotterdam op de verschillende thema’s van het vitaliteitsweb? In hoeverre verschilt Rotterdam van de andere drie grote steden? Zie paragraaf 6.3. • Dezelfde vragen, maar dan voor het Rotterdamse stadsgewest. Zie paragraaf 6.4. Algemene conclusies: • Steden scoren in het algemeen vrij goed op Economie, maar minder goed op Welvaart. Dat hangt samen met woon-werk verkeer. Veel hoogopgeleiden die in steden werken, wonen in de omliggende suburbs. • Steden scoren in het algemeen hoog op Ligging en infrastructuur, maar duidelijk onder het nationaal gemiddelde op Ruimte (als gevolg van de grote druk op de ruimte). • Op thema’s die samenhangen met ‘human capital’, zoals Woon- en leefmilieu, Kennis en innovatie en Arbeidsmarkt scoren steden in het algemeen boven het nationaal gemiddelde. Conclusies voor Rotterdam: • Rotterdam scoort zeer goed op Economie (gebaseerd op indicatoren voor efficiency, massa en ondernemerschap). Dat gaat gepaard met gunstige scores op ‘harde’ locatiefactoren als Ligging en infrastructuur en (vergeleken met de andere drie grote steden) Ruimte. • Rotterdam scoort onder het nationaal gemiddelde op Kennis en innovatie. Dat gaat gepaard met ongunstige scores op ‘zachte’ locatiefactoren (samenhangend met ‘human capital’) als het Woon- en leefmilieu en (vergeleken met de andere drie grote steden) Arbeidsmarkt. • Opmerkelijk laag scoort de stad Rotterdam op Welvaart. Bij een vergelijking met 83 gebieden zijn er slechts twee gebieden waar de score op Welvaart lager is dan voor Rotterdam. • Op alle zeven thema’s blijft stadsgewest Rotterdam achter bij het gemiddelde van de andere drie grote stadsgewesten. Het verschil is daarbij klein voor Ligging en infrastructuur en Ruimte. • Ook voor Economie blijft stadsgewest Rotterdam duidelijk achter bij het gemiddelde voor de andere drie grote stadsgewesten. Bij de vergelijking tussen de stad Rotterdam en de andere drie grote steden is dat niet het geval. Het suburbane deel van het stadsgewest Rotterdam kent dus een duidelijk minder hoge score op Economie dan de suburbane delen van de andere drie grote stadsgewesten. • Stadsgewest Rotterdam blijft vooral duidelijk achter bij de drie andere grote stadsgewesten wat betreft de drie thema’s die samenhangen met human capital, namelijk Woon- en leefmilieu, Kennis en innovatie en Arbeidsmarkt. • Ook wat betreft Welvaart scoort stadsgewest Rotterdam lager dan de andere drie grote stadsgewesten. Het verschil is echter kleiner dan tussen de stad Rotterdam en de andere drie grote steden. Dat maakt duidelijk dat de lage score op Welvaart in stadsgewest Rotterdam vooral samenhangt met de kernstad Rotterdam.


69


6.1

Inleiding

In dit hoofdstuk wordt een ‘vitaliteitsweb’ gepresenteerd. Dat is opgebouwd uit zeven thema’s. Voor elk van die thema’s zijn scores bepaald met behulp van diverse indicatoren. In dit hoofdstuk vindt een beschrijvende analyse van het vitaliteitsweb plaats. In hoofdstuk 7 volgen verklarende analyses, waarbij verschillende thema’s in het vitaliteitsweb met elkaar in verband worden gebracht. In hoofdstuk 6.2 wordt het vitaliteitsweb toegelicht. Uitgebreider gebeurt dat overigens in bijlage VI, waarin onder andere de specificatie van de verschillende indicatoren is toegelicht. Vervolgens wordt een toepassing van het vitaliteitsweb gepresenteerd voor de gemeente Rotterdam (zie paragraaf 6.3). Rotterdam wordt daarin vergeleken met het gemiddelde van de andere drie grote steden en met het gemiddelde van de dertig kernsteden. Vervolgens staat in paragraaf 6.4 het vitaliteitsweb op het niveau van de veertig regio’s, waaronder stadsgewest Rotterdam, Daarbij wordt stadsgewest Rotterdam vergeleken met het gemiddelde van de stadsgewesten van de andere drie grote steden.

6.2

Het vitaliteitsweb: een toelichting

Het vitaliteitsweb Bestaat uit zeven thema’s. Daarbij geldt dat voor de thema’s Economie en Arbeidsmarkt onderscheid is gemaakt tussen materiaalgeoriënteerde, informatiegeoriënteerde en personengeoriënteerde activiteiten. Voor het thema Ruimte en voor het thema Kennis en innovatie is onderscheid gemaakt tussen materiaalgeoriënteerde en informatiegeoriënteerde activiteiten. Voor het thema Ligging en infrastructuur is geen onderscheid gemaakt naar typen bedrijvigheid. Deze vijf thema’s hebben gemeen dat geredeneerd wordt vanuit de bedrijvigheid in een gebied. Bij de thema’s Woon- en leefmilieu en Welvaart wordt geredeneerd vanuit de inwoners van het gebied. Per thema wordt nu een toelichting gegeven: • Economie. De score op Economie is gebaseerd op drie pijlers, namelijk massa, efficiency en ondernemerschap. Deze worden respectievelijk geoperationaliseerd via arbeidsproductiviteit, het aantal arbeidsplaatsen per duizend inwoners van 15 tot 65 jaar (de ‘werkgelegenheidsfunctie) en het aantal starters per duizend inwoners van 15 tot 65 jaar. Daarnaast is een onderscheid gemaakt tussen materiaalgeoriënteerde, informatiegeoriënteerde en personengeoriënteerde bedrijvigheid. Daarmee wordt bepaald of in een gebied sprake is van een breed pakket aan bedrijvigheid (een gediversificeerde economie). • Ruimte. Onderscheid wordt gemaakt tussen ruimte voor materiaalgeoriënteerde bedrijvigheid en informatiegeoriënteerde bedrijvigheid. Voor materiaalgeoriënteerde bedrijvigheid zijn relevant de indicatoren intensiteit ruimtegebruik (nadelig naarmate het ruimtegebruik in een gebied intensiever is; zie ook het Benchmarkmodel in hoofdstuk 4), het aantal hectares bedrijventerrein, het aantal terstond uitgeefbare hectares bedrijventerrein en de over een recente periode uitgegeven hectares bedrijventerrein. Voor informatiegeoriënteerde activiteiten zijn relevant de indicatoren voorraad kantoorruimte, aanbod kantoorruimte en nieuwbouw kantoorruimte42. 42

‘Aanbod kantoorruimte’ is de enige indicator van alle indicatoren in het vitaliteitsweb waaraan niet de beoordeling gunstig of ongunstig wordt gekoppeld. Enerzijds biedt een hoog aanbod (leegstand in bestaande kantoorgebouwen plus in aanbouw zijnde kantoren waarvoor nog geen huurder is gevonden) een ruime keus voor bedrijven die kantoorruimte zoeken, anderzijds vormt


70


•

•

•

•

43

Ligging en infrastructuur. Deze indicatoren zijn alle ontleend aan het Benchmarkmodel (zie hoofdstuk 4). Daar werd ook duidelijk dat niet alle indicatoren even belangrijk zijn voor het verklaren van regionale verschillen in omvang van de bedrijvigheid en dat de betekenis van een indicator voor het verklaren van die verschillen varieert tussen economische sectoren. Daarmee is bij het vaststellen van de gewichten om te komen tot een totaalscore rekening gehouden (Zie bijlage VI.2). De indicatoren spelen een rol op verschillende ruimtelijke schaalniveaus, namelijk respectievelijk de Europese ligging, de nationale ligging en potentiaal en de regionale centrumfunctie. Daarnaast spelen de bereikbaarheid per trein en de ligging aan het wegennet een rol bij het verklaren van lokale verschillen binnen de regio. Arbeidsmarkt. Bij dit thema is geredeneerd vanuit de aanbodkant van de arbeidsmarkt: de omvang en het niveau van de beroepsbevolking in de regio. Dit is relevant voor de vestigingsplaatskeuze van bedrijven en instellingen. Er zijn vijf indicatoren, namelijk de participatiegraad van laag en middelbaar opgeleiden, de participatiegraad van hoog en wetenschappelijk opgeleiden, het aantal kenniswerkers, het aantal studenten (HBO en universiteit) en het gemiddeld opleidingsniveau (de opleidingsindex). In bijlage VI.2 is ingegaan op de specificatie van de indicatoren en de overwegingen waarom zij zijn geselecteerd. Er is onderscheid gemaakt tussen de opleidingsrichtingen technisch, economisch en verzorgend. Hoewel het verband niet exact één-op-één is, kunnen deze opleidingsrichtingen relevant worden geacht voor respectievelijk materiaalgeoriënteerde, informatiegeoriënteerde en personengeoriënteerde bedrijvigheid. Tenslotte is de migratieratio toegevoegd. Dat is de verhouding van inkomende en uitgaande migranten in de leeftijdscategorie 18-49 jaar, waarbij de verhuisafstand minimaal 35 kilometer is. Kennis en innovatie. Daar waar bij het thema Economie vooral de huidige betekenis en de ‘massa’ van de bedrijvigheid in een gebied wordt gemeten, levert het thema Kennis en innovatie zicht op de vernieuwing van de bedrijvigheid. Er is gebruik gemaakt van de indicatoren die centraal stonden in het hoofdstuk Innovatie (hoofdstuk 5). Onderscheid is gemaakt tussen materiaalgeoriënteerde en informatiegeoriënteerde bedrijvigheid43. Woon- en leefmilieu. Bij de keuze van een woonplaats zijn verschillende aspecten relevant. Met name woonmotieven, werkmotieven en opleidingsmotieven spelen een rol. Vooral voor kenniswerkers wordt de uiteindelijke keuze van de woonplaats bepaald door de nabijheid van geschikt werk in de regio en door de kwaliteit van het woonen

een zeer hoog aanbod een aanwijzing dat de balans van vraag en aanbod in een gebied volledig zoek is, waarbij de indicator vooral de kans op grootschalige sloop of transformatie van kantoorgebouwen aangeeft. Bij het bepalen van de totaalscore voor Ruimte voor ondernemen wordt aan aanbod kantoorruimte daarom geen gewicht toegekend. Desalniettemin vormt de indicator een interessant gegeven en is deze daarom opgenomen in het vitaliteitsweb. De enige uitzondering is ‘kenniswerkers techniek’. Kenniswerkers in de techniek werken namelijk zeker niet uitsluitend bij materiaalgeoriënteerde bedrijvigheid, maar ook bij informatiegeoriënteerde bedrijvigheid (zoals bij ICT-bedrijven, bij technische adviesdiensten zoals architectenbureaus en ingenieursbureaus en bij onderzoeksinstellingen). Zie Louter, P.J. en W. van Eikeren (2010) De regionale arbeidsmarkt voor technici tot 2016, Bureau Louter, Delft. (In opdracht van Platform Bèta Techniek.)


71


•

leefmilieu44. Het woonen leefmilieu omvat verschillende aspecten. Er is hier gekozen voor tien indicatoren45. Welvaart. Via dit thema wordt zicht gekregen op de samenstelling van de bevolking van een gebied in termen van het inkomen en de positie op de arbeidsmarkt. Er moet daarbij op worden gewezen dat een rechtstreekse relatie met de vijf thema’s die samenhangen met de bedrijvigheid hier minder voor de hand ligt dan het lijkt. Binnen stadsgewesten kan namelijk sprake zijn van een ruimtelijke verdeling tussen de kernstad en de ‘suburbane’ delen van het stadsgewest, waarbij de omvang en kwaliteit van de bedrijvigheid het hoogst is in de kernstad, terwijl de meest welvarende inwoners juist in de suburbs wonen. Met name hoogopgeleide werknemers van de bedrijven en instellingen in de kernstad wonen namelijk vaak buiten de stad46.

Voor Kennis en innovatie en Woon- en leefmilieu is een groot aantal indicatoren onderscheiden. Het is moeilijk om vast te stellen wat het ‘gewicht’ per indicator zou moeten zijn bij het bepalen van de totaalscore per thema. Daarom is voor deze thema’s gebruik gemaakt van een tussenstap. Via factoranalyse is vastgesteld welke blokken van onderling sterk samenhangende indicatoren kunnen worden onderscheiden. De daaruit resulterende ‘factorscores’ worden dan als het uitgangspunt genomen bij het bepalen van de totaalscores. In bijlage VI.3 staat een beschrijving van de uitkomsten van de factoranalyses. De factoranalyses zijn zowel uitgevoerd voor het vitaliteitsweb op het niveau van 83 gebieden als voor het vitaliteitsweb op het niveau van 40 regio’s. Voor het Woon- en leefmilieu zijn alle indicatoren opgenomen in één factoranalyse. Voor Kennis en innovatie zijn twee factoranalyses uitgevoerd, namelijk één voor materiaalgeoriënteerde en één voor informatiegeoriënteerde bedrijvigheid. De volgende factoren resulteerden uit de factoranalyse: • Op het niveau van 83 gebieden voor Woon- en leefmilieu: voorzieningen, natuurlijke omgeving en ambiance. • Op het niveau van 83 gebieden voor Kennis en innovatie (materiaalgeoriënteerd): hoogwaardige industrie en innovatieprestaties. • Op het niveau van 83 gebieden voor Kennis en informatie (informatiegeoriënteerd): hoogwaardige diensten, nieuwe diensten en ‘organisatie en markten’. • Op het niveau van 40 gebieden voor Woon- en leefmilieu: voorzieningen, natuurlijke omgeving en ambiance. • Op het niveau van 40 gebieden voor Kennis en innovatie (materiaalgeoriënteerd): hoogwaardige industrie, technische innovatie en overige innovatie. • Op het niveau van 40 gebieden voor Kennis en informatie (informatiegeoriënteerd): kenniswerkers, innovatie en hoogwaardige diensten.

44

45

46

Er bestaat een sterk statistisch verband tussen woningprijzen enerzijds en de omvang van relevante werkgelegenheid en het woonen leefmilieu anderzijds. Kenniswerkers kunnen, gezien hun gemiddeld hogere inkomen, het zich permitteren om een duurdere woning te kopen en zijn bovendien aanzienlijk mobieler (zij verhuizen veel meer interregionaal dan laag en middelbaar opgeleiden). Dit is een verdere uitwerking van Louter, P.J. en W. van Eikeren (2010) Het woonmilieu in Nederlandse gemeenten, Bureau Louter, Delft. Dit rapport is opgesteld naar aanleiding van de bijdrage van Bureau Louter aan het (jaarlijkse) Elsevier onderzoek naar ‘De beste woongemeente’. Dat is de voornaamste reden waarom relaties tussen de thema’s beter kunnen worden gelegd op het niveau van regio’s (zie hoofdstuk 7).


72


6.3

Het vitaliteitsweb voor Rotterdam

In figuur 6.1 staan de resultaten voor de onderliggende indicatoren van het vitaliteitsweb, voor Rotterdam, het gemiddelde van de drie grote steden en het gemiddelde van de 30 kernen of subkernen van stadsgewesten. Alle scores zijn onderling vergelijkbaar gemaakt door ze uit te drukken als z-scores (zie de technische toelichting).

Technische toelichting z-scores. Dit moet u even weten: Voor alle indicatoren zijn de uitkomsten berekend in de vorm van z-scores. Daardoor wordt gecorrigeerd voor de grote mate in spreiding in de oorspronkelijke scores van de indicatoren en wordt de mate waarin op een indicator hoger of lager dan gemiddeld wordt gescoord vergelijkbaar gemaakt tussen indicatoren. Bij z-scores wordt het gemiddelde voor alle waarnemingen op 0 gezet en gedeeld door de standaarddeviatie. Het gevolg hiervan is dat voor elke indicator ongeveer 16% van de gebieden een score hoger dan 1 behaalt en ook ongeveer 16% een score lager dan -1 (zie onderstaande figuur). Een score hoger dan 2 wordt naar verwachting door 2.5% van de gebieden gerealiseerd. Dat geldt ook voor een score lager dan -2. Figuur: Normale verdeling en kans op scores

De analyses zijn uitgevoerd op een indeling in 83 gebieden in Nederland (zie bijlage I voor het kaartbeeld): 43 stedelijke kernen (individuele gemeenten), 24 suburbane gebieden (samenvoegingen van gemeenten) en 16 landelijke gebieden (samenvoegingen van gemeenten). De score van Rotterdam is, naast de gemiddelde score voor de andere drie grote steden, echter vergeleken met de groep van 30 kernen of subkernen van stadsgewesten. In de figuur zijn tevens, met behulp van ‘stoplichtkleuren’ zeer gunstige scores (z-score hoger dan 1) en zeer ongunstige scores (z-score lager dan -1) weergegeven.


73


Figuur 6.1

Indicatoren vitaliteitsweb, Rotterdam, drie grote steden en G30 Oordeel Positie* Z-scores Z-score

Economie M: Arbeidsproductiviteit M: Arbeidsplaatsen per inw. 15-64 jaar M: Starters per inw. 15-64 jaar I: Arbeidsproductiviteit I: Arbeidsplaatsen per inw. 15-64 jaar I: Starters per inw. 15-64 jaar P: Arbeidsproductiviteit P: Arbeidsplaatsen per inw. 15-64 jaar P: Starters per inw. 15-64 jaar

● ● ● ●

Ruimte voor ondernemen Ruimte-intensiteit Voorraad bedrijventerreinen Terstond uitgeefbaar bedrijventerreinen Netto uitgegeven bedrijventerreinen Voorraad kantoorruimte Aanbod kantoorruimte Nieuwbouw kantoorruimte

●

Ligging en infrastructuur Europese ligging Nationale ligging Agglomeratie-effecten Regionale centrumfunctie Bereikbaarheid per trein Ligging aan wegennet

● ●

Arbeidsmarkt Participatie techniek, laag/middelbaar Participatie techniek, hoog opgeleid Nabijheid kenniswerkers techniek Studenten techniek HBO/WO Gemiddeld opleidingsniveau techniek Participatie economisch, laag/middelbaar Participatie economisch, hoog opgeleid Nabijheid kenniswerkers economisch Studenten economisch HBO/WO Gemiddeld opleidingsniveau economisch Participatie verzorgend, laag/middelbaar Participatie verzorgend, hoog opgeleid Nabijheid kenniswerkers verzorgend Studenten verzorgend HBO/WO Gemiddeld opleidingsniveau verzorgend Migratieratio (lange afstand)

●

● -3

-2

-1

0

1

2

1 16 3 14 10 12 11 22 13

3.0 -0.4 2.3 0.8 1.3 1.0 0.8 0.6 0.9

24 13 9 16 13 8 22

-1.1 0.2 0.1 -0.3 0.9 1.1 0.5

17 9 2 20 18 14

-0.4 0.8 2.5 0.7 1.0 0.6

22 18 17 12 15 27 20 11 5 12 13 6 19 14 16 7

-0.3 0.0 0.2 0.7 0.3 -0.4 -0.1 0.7 1.3 0.6 0.5 0.7 -0.3 0.2 0.2 1.7

3

*) Positie Rotterdam in ranglijst van 30 kernsteden Algemeen relevante indicator M (verwant aan) materiaalgeorienteerde bedrijvigheid I (verwant aan) informatiegerelateerde bedrijvigheid P (verwant aan) personengeorienteerde bedrijvigheid ♦ Gemiddelde Amsterdam, Den Haag en Utrecht ♦ Gemiddelde G30 ● Zeer gunstige score ● Zeer ongunstige score


74


Figuur 6.1

Vervolg Oordeel Positie* Z-scores Z-score

Kennis en innovatie M: Uitgaven R&D M: Samenwerking bij innovatie M: Hoogopgeleiden techniek M: % productinnovaties M: % procesinnovaties M: % organisatorische innovaties M: % marktinnovaties M: % omzet uit nieuwe producten M: High-tech bedrijvigheid M: Medium-tech bedrijvigheid I: Uitgaven R&D I: Samenwerking bij innovatie I: Hoogopgeleiden economisch I: % productinnovaties I: % procesinnovaties I: % organisatorische innovaties I: % marktinnovaties I: % omzet uit nieuwe producten I: ICT I: Creatieve diensten I: Adviesdiensten

● ● ● ●

●

Factorscores Kennis en innovatie M: Hoogwaardige industrie M: Innovatieprestaties I: Hoogwaardige diensten I: Nieuwe diensten I: Organisatie en markten Woon- en leefmilieu Nabijheid natuur Waardering leefomgeving Concentratie monumentale gebouwen Nabijheid onderwijs Nabijheid medische zorg Nabijheid kindervoorzieningen Nabijheid cultuur Nabijheid cafes Nabijheid restaurants Nabijheid luxe detailhandel

● ● ● ● ●

Factorscores Woon- en leefmilieu Nabijheid voorzieningen Natuurlijke omgeving Ambiance

● ●

Welvaart Inkomen per inwoner Inkomen per huishouden Bruto participatiegraad Netto participatiegraad % Werklozen, hoog opgeleid % Werklozen, laag/midd. opgeleid % inwoners met bijstandsuitkering -3 -2 *) Positie Rotterdam in ranglijst van 30 kernsteden


● ● ● ● ● ● -1

0

1

2

26 22 17 28 27 13 26 29 28 10 18 22 9 23 17 18 23 9 21 16 9

-0.6 -0.2 0.6 -1.1 -1.0 0.4 -0.7 -1.3 -1.1 0.7 0.6 -0.2 1.1 -0.3 -0.2 0.2 -0.1 0.8 0.2 0.5 0.9

27 25 15 18 22

-0.7 -0.6 0.8 -0.1 -0.2

28 29 21 2 6 4 17 18 18 15

-1.3 -2.3 -0.2 1.5 1.6 1.7 0.3 0.0 0.2 0.6

4 30 24

1.4 -1.8 -0.5

23 28 26 26 20 30 29

-0.8 -1.8 -1.6 -2.1 -1.1 -2.9 -2.9

3

75


Per thema kan het volgende worden geconcludeerd. Economie Voor Economie ligt het resultaat van de stad Rotterdam boven het gemiddelde van de andere drie grote steden. Gemeten naar massa, efficiency en ondernemerschap presteert de Rotterdamse economie uitstekend47. Slechts het aantal arbeidsplaatsen in materiaalgeoriënteerde activiteiten ligt onder het nationaal gemiddelde (maar ruim boven het gemiddelde van de andere drie grote steden). De arbeidsproductiviteit in materiaalgeoriënteerde activiteiten is het hoogst van alle 83 gebieden. Dat hangt samen met de zeer hoge productiviteit in olieraffinage/petrochemie en havengerelateerd transport. Vergeleken met de andere drie grote steden is de Rotterdamse economie sterker in materiaalgeoriënteerde activiteiten, maar minder sterk in informatiegeoriënteerde activiteiten. Dat komt overeen met de bevindingen uit hoofdstuk 2. Ruimte voor ondernemen In Rotterdam is de ruimte-intensiteit hoog. Dat geldt echter ook voor de andere drie grote steden en de kernsteden in het algemeen. Vergeleken met de andere drie grote steden vormt gebrek aan ruimte in Rotterdam dus minder een belemmering voor groei. Wat bedrijventerreinen betreft, scoort Rotterdam duidelijk hoger dan de andere drie grote steden48, wat kantoren betreft lager. Dat sluit weer aan bij de relatief (vergeleken met de andere grote steden) sterke oriëntatie op materiaalgeoriënteerde bedrijvigheid en minder sterke oriëntatie op informatiegeoriënteerde bedrijvigheid. Ligging en infrastructuur De ligging ten opzichte van Europese economische zwaartepunten is voor Rotterdam wat gunstiger dan voor de andere drie grote steden, maar de nationale ligging is wat minder gunstig (met name vergeleken met Utrecht). De bereikbaarheid per trein is weliswaar hoog, maar minder hoog dan gemiddeld in de andere drie grote steden. Voor de overige indicatoren is de score ongeveer gelijk aan de score voor de andere drie grote steden. Daarbij valt vooral de zeer hoge score op agglomeratie-effecten op. Arbeidsmarkt Bij het thema arbeidsmarkt is een groot aantal indicatoren onderscheiden. Bij die indicatoren is naast het arbeidsaanbod in een gebied zelf tevens het arbeidsaanbod in de omliggende gebieden meegewogen (zie bijlage VI). Vergeleken met de andere drie grote steden presteert Rotterdam op slechts 3 van de 16 indicatoren beter. De positieve uitzonderingen zijn de participatiegraad van laag/middelbaar opgeleiden in de richting techniek en van hoog opgeleiden in de richting verzorgend en het aantal studenten in de richting economie. Vooral wat betreft het aantal kenniswerkers en het gemiddeld opleidingsniveau blijft Rotterdam in alle drie opleidingsrichtingen ruim achter bij de andere drie grote steden (waarbij de scores voor Rotterdam overigens veelal nog wel boven het nationaal gemiddelde liggen). Uit de resultaten van het Benchmarkmodel (hoofdstuk 4) bleek al dat dit een belangrijke reden is waarom kennisintensieve bedrijvigheid minder snel voor Rotterdam kiest. Vooral naar kwalitatieve aspecten beschouwd, verschilt de arbeidsmarkt voor Rotterdam dus van de andere grote steden. Naar kwantiteit gemeten (de participatiegraad) scoort Rotterdam overwegend niet veel lager dan de andere drie grote steden (en soms zelfs hoger). Vergeleken met de andere drie grote steden zijn er in Rotterdam aanzienlijk minder studenten in de richting

47 48

Binnen de lijst van 83 gebieden neemt Rotterdam hier positie 3 in, weliswaar na Utrecht en Amsterdam, maar ruim voor Den Haag, dat slechts een positie in de subtop inneemt. Dat hangt mede samen met de beschikbaarheid van zeehaventerreinen.


76


verzorgend. Dat geldt met name voor universiteitsstudenten49. De migratieratio over lange afstand tenslotte is voor Rotterdam sterk positief. Dan nog blijft deze achter bij het gemiddelde voor de andere drie grote steden. Met name Utrecht en Amsterdam kennen op deze indicator een zeer hoge score (zie paragraaf 7.3). Kennis en innovatie Bij kennis en innovatie is een onderscheid gemaakt tussen materiaalgeoriënteerde activiteiten (industrie, groothandel en transport) en informatiegeoriënteerde activiteiten (kennisintensieve diensten). Rotterdam scoort laag op materiaalgeoriënteerde activiteiten. Dat geldt overigens ook voor de andere grote steden. Grote steden presteren op Kennis en innovatie in materiaalgeoriënteerde activiteiten lager dan het gemiddelde van de dertig kernsteden. Op informatiegeoriënteerde activiteiten scoort Rotterdam wat beter, hoewel de score op de factor ‘hoogwaardige diensten’ achterblijft bij de andere drie grote steden. Alles bij elkaar blijft de score van Rotterdam voor 17 van de 21 indicatoren achter bij het gemiddelde van de andere drie grote steden. Dat geldt ook ten opzichte van het gemiddelde van de 30 kernsteden. Ook uit hoofdstuk 5 bleek al dat Rotterdam niet sterk scoort op Kennis en innovatie. Samen met het opleidingsniveau van de beroepsbevolking vormt dit het belangrijkste aandachtspunt voor het Rotterdams economisch beleid. Woon- en leefmilieu De diverse indicatoren voor Woon- en leefmilieu zijn via factoranalyse teruggebracht naar drie factoren. Rotterdam scoort uitstekend op de nabijheid van voorzieningen, evenals de andere drie grote steden. Wat betreft de nabijheid van onderwijs, medische zorg en kindervoorzieningen behoort Rotterdam tot de nationale top. Minder goed scoort Rotterdam op natuurlijke omgeving en (vooral vergeleken met de andere drie grote steden) ambiance. Daar moet bij worden opgemerkt dat de twee laatstgenoemde factoren moeilijk beïnvloedbaar zijn met beleid (zie ook figuur 1.1). Wanneer niet al natuur in de omgeving aanwezig is, zullen er voor grootscheepse natuurontwikkeling in grootstedelijke gebieden veelal nauwelijks mogelijkheden zijn. En de ambiance wordt voor een groot deel bepaald door de aanwezigheid van een historische binnenstad (zie de indicator ‘concentratie monumentale gebouwen’). Tevens werd uit hoofdstuk 4 duidelijk dat Rotterdam niet de meest geschikte locatiefactoren heeft voor een ruime vertegenwoordiging van vrijetijdsactiviteiten (cultuur, cafés, restaurants). Tot die locatiefactoren behoren overigens ook weer de nabijheid van natuur en de aanwezigheid van een aantrekkelijke binnenstad. Welvaart De stad Rotterdam scoort zeer zwak op Welvaart. Voor alle zeven indicatoren blijft de score ruim achter bij het nationaal gemiddelde, bij het gemiddelde voor de andere drie grote steden en bij het gemiddelde voor de 30 kernsteden. Voor vijf van de zeven indicatoren behoort Rotterdam tot de vijf kernsteden met de laagste score. Vooral het percentage laag/middelbaar opgeleide werklozen en het percentage bijstandstrekkers is zeer hoog. In figuur 6.2 staan de totaalscores per thema, op basis van een gewogen score van de indicatoren die tot het thema behoren (zie bijlage VI.4). Rotterdam kan worden vergeleken met het nationaal gemiddelde (dat altijd gelijk is aan 0), met het gemiddelde voor de overige drie grote steden en met het gemiddelde voor de 30 kernsteden. De goede score op Economie gaat vooral samen met goede prestaties op de ‘harde factoren’. Voor Ligging en infrastructuur staat Rotterdam, net als de andere drie grote steden, zeer sterk. Op 49

In Rotterdam zijn er binnen de richting verzorgend slechts universitaire opleidingen in de richting medisch. Dat is overigens een belangrijke sector in de Rotterdamse economie.


77


Ruimte scoort Rotterdam onder het nationaal gemiddelde. Dat is echter gangbaar voor steden: vergeleken met de andere drie grote steden presteert Rotterdam op Ruimte relatief goed. Zwakker staat Rotterdam ervoor bij de thema’s die samenhangen met ‘human capital’. De scores voor Arbeidsmarkt en vooral Woon- en leefmilieu zijn voor Rotterdam lager dan voor de andere drie grote steden. En hoewel het verschil niet groot is, bereikt Rotterdam ook voor Kennis en innovatie niet het niveau van de andere drie grote steden (die gemiddeld ook iets lager scoren dan het nationaal gemiddelde). Een duidelijke min resulteert voor Welvaart. Slechts Enschede en Heerlen scoren daarop lager dan Rotterdam. Ook voor de andere drie grote steden en de groep van kernsteden liggen de scores op Welvaart overigens ruim onder het nationaal gemiddelde. In steden, met name in grote steden, wonen weliswaar veel hoogopgeleiden, maar ook groepen die minder sterk staan op de arbeidsmarkt. De gemiddelde welvaart is er daardoor veelal lager dan in de suburbs, waar veel van de hoogopgeleiden wonen die in de stad werken. Dat geldt in sterke mate voor Rotterdam. Figuur 6.2

Vitaliteitsweb Rotterdam, gemiddelde drie grote steden en gemiddelde G30

Steden Rotterdam Overge G3

Economie Ec 3 2

G30 We Welvaart

1

Ru Ruimte

0 -1 -2 -3 Woon- en Wo leefmilieu

Ligging en infrastructuur

Kennis en innovatie K&I

Arbeidsmarkt Am

Weergegeven zijn de z-scores. Een hoge score is gunstig. Het gemiddelde voor de 83 gebieden is 0.

6.4

Het vitaliteitsweb voor stadsgewest Rotterdam

In figuur 6.3 staan de scores op de indicatoren van het vitaliteitsweb op het niveau van de veertig regio’s. Weergegeven is het stadsgewest Rotterdam en het gemiddelde van de stadsgewesten van de andere drie grote steden. De positie van stadsgewest Rotterdam is bepaald binnen de totale groep van 40 regio’s (stadsgewesten plus landelijke gebieden).


78


Figuur 6.3

Indicatoren vitaliteitsweb, stadsgewest Rotterdam en andere grote stadsgewesten Oordeel Positie*

Z-scores

Z-score Economie M: Arbeidsproductiviteit M: Arbeidsplaatsen per inw. 15-64 jaar M: Starters per inw. 15-64 jaar I: Arbeidsproductiviteit I: Arbeidsplaatsen per inw. 15-64 jaar I: Starters per inw. 15-64 jaar P: Arbeidsproductiviteit P: Arbeidsplaatsen per inw. 15-64 jaar P: Starters per inw. 15-64 jaar

● ●

Ruimte voor ondernemen Ruimte-intensiteit Voorraad bedrijventerreinen Terstond uitgeefbaar bedrijventerreinen Netto uitgegeven bedrijventerreinen Voorraad kantoorruimte Aanbod kantoorruimte Nieuwbouw kantoorruimte

●

Ligging en infrastructuur Europese ligging Nationale ligging Agglomeratie-effecten Regionale centrumfunctie Bereikbaarheid per trein Ligging aan wegennet

● ●

Arbeidsmarkt Participatie techniek, laag/middelbaar Participatie techniek, hoog opgeleid Nabijheid kenniswerkers techniek Studenten techniek HBO/WO Gemiddeld opleidingsniveau techniek Participatie economisch, laag/middelbaar Participatie economisch, hoog opgeleid Nabijheid kenniswerkers economisch Studenten economisch HBO/WO Gemiddeld opleidingsniveau economisch Participatie verzorgend, laag/middelbaar Participatie verzorgend, hoog opgeleid Nabijheid kenniswerkers verzorgend Studenten verzorgend HBO/WO Gemiddeld opleidingsniveau verzorgend Migratieratio (lange afstand)

●

-3

-2

-1

0

1

2

2 25 6 15 9 13 8 25 20

2.4 -0.3 1.2 0.4 0.7 0.5 0.5 -0.4 0.0

36 27 25 31 11 5 14

-1.1 -0.4 -0.4 -0.7 0.8 1.0 0.5

22 10 2 22 20 8

-0.3 0.8 2.1 0.0 0.2 1.0

29 13 20 18 19 34 33 14 9 16 11 5 23 10 17 5

-0.3 0.4 -0.1 -0.2 0.0 -0.9 -0.6 0.4 0.9 0.1 0.5 1.0 -0.3 0.2 0.0 0.8

3

*) Positie stadsgewest Rotterdam in ranglijst van 40 regio's Algemeen relevante indicator M (verwant aan) materiaalgeorienteerde bedrijvigheid I (verwant aan) informatiegerelateerde bedrijvigheid P (verwant aan) personengeorienteerde bedrijvigheid ♦ Gemiddelde stadsgewest Amsterdam, Den Haag en Utrecht ● Zeer gunstige score ● Zeer ongunstige score


79


Figuur 6.3

Vervolg Oordeel Positie*

Z-scores

Z-score Kennis en innovatie M: Uitgaven R&D M: Samenwerking bij innovatie M: Hoogopgeleiden techniek M: % productinnovaties M: % procesinnovaties M: % organisatorische innovaties M: % marktinnovaties M: % omzet uit nieuwe producten M: High-tech bedrijvigheid M: Medium-tech bedrijvigheid I: Uitgaven R&D I: Samenwerking bij innovatie I: Hoogopgeleiden economisch I: % productinnovaties I: % procesinnovaties I: % organisatorische innovaties I: % marktinnovaties I: % omzet uit nieuwe producten I: ICT I: Creatieve diensten I: Adviesdiensten

●

Factorscores Kennis en innovatie M: Hoogwaardige industrie M: Technische innovatie M: Overige innovatie I: Kenniswerkers I: Innovatie I: Hoogwaardige diensten Woon- en leefmilieu Nabijheid natuur Waardering leefomgeving Concentratie monumentale gebouwen Nabijheid onderwijs Nabijheid medische zorg Nabijheid kindervoorzieningen Nabijheid cultuur Nabijheid cafes Nabijheid restaurants Nabijheid luxe detailhandel

● ● ● ● ●

Factorscores Woon- en leefmilieu Nabijheid voorzieningen Natuurlijke omgeving Ambiance

● ●

Welvaart Inkomen per inwoner Inkomen per huishouden Bruto participatiegraad Netto participatiegraad % Werklozen, hoog opgeleid % Werklozen, laag/midd. opgeleid % inwoners met bijstandsuitkering -3 -2 -1 *) Positie stadsgewest Rotterdam in ranglijst van 40 regio's


● ● 0

1

2

16 19 15 34 33 21 34 37 15 22 17 27 9 30 24 25 25 12 25 19 31

0.0 -0.2 0.4 -0.8 -0.8 -0.1 -0.9 -1.2 0.3 0.0 0.2 -0.4 0.8 -0.6 -0.2 -0.1 -0.3 0.7 -0.4 -0.1 -0.6

33 30 12 12 26 25

-0.7 -0.5 0.6 0.5 -0.4 -0.4

36 40 15 4 6 4 23 25 26 21

-1.3 -2.1 -0.2 1.4 1.1 1.3 -0.1 0.0 -0.3 0.0

3 39 29

1.5 -1.6 -0.6

15 33 29 32 20 35 39

0.1 -0.8 -0.5 -0.8 0.2 -1.1 -2.4

3

80


Per thema kan het volgende worden geconcludeerd. Economie Evenals voor de stad Rotterdam scoort het stadsgewest op veel indicatoren boven het nationaal gemiddelde. Voor materiaalgeoriënteerde activiteiten presteert stadsgewest Rotterdam beter dan het gemiddelde voor de stadsgewesten van de andere grote steden. Voor informatiegeoriënteerde activiteiten en ook (meer dan op het niveau van de steden) voor personengeoriënteerde activiteiten scoort stadsgewest Rotterdam echter minder sterk dan de stadsgewesten van de andere drie grote steden. Ruimte voor ondernemen Evenals op het niveau van steden zijn de scores op de indicatoren die samenhangen met bedrijventerreinen gunstiger voor stadsgewest Rotterdam dan voor de stadsgewesten van de andere drie grote steden. Wel liggen de scores op het niveau van stadsgewesten onder het nationaal gemiddelde en is het voordeel van Rotterdam op het niveau van stadsgewesten minder groot dan op het niveau van steden. Evenals voor steden blijven de prestaties voor indicatoren die samenhangen met kantoren voor stadsgewest Rotterdam achter bij het gemiddelde van de stadsgewesten voor de andere drie grote steden. Op het niveau van stadsgewesten blijft Rotterdam verder achter bij Amsterdam, Den Haag en Utrecht dan op het niveau van de steden. In het algemeen geldt voor het thema Ruimte voor ondernemen dus dat de scores in de suburbane delen van het stadsgewest voor Rotterdam minder gunstig zijn voor de stadsgewesten van de andere drie grote steden. Ligging en infrastructuur Vergeleken met de stadsgewesten van de andere drie grote steden, scoort stadsgewest Rotterdam, evenals de stad, wat hoger op Europese ligging, wat lager op nationale ligging en ongeveer gelijk op agglomeratie-effecten. De regionale centrumfunctie is uiteraard op het niveau van stadsgewesten wat lager dan op het niveau van steden. Dat geldt zowel voor Rotterdam als voor de stadsgewesten van de andere drie grote steden. De bereikbaarheid per trein is in stadsgewest Rotterdam lager dan in de stadsgewesten van de andere drie grote steden. De ligging aan het wegennet is ruim hoger dan het nationaal gemiddelde. Dat geldt zowel voor stadsgewest Rotterdam als voor de stadsgewesten van de andere drie grote steden. Arbeidsmarkt Evenals op het niveau van de kernstad Rotterdam zijn de scores voor het stadsgewest Rotterdam vrij gunstig wat de participatie op de arbeidsmarkt betreft. In stadsgewest Rotterdam is met name de participatiegraad onder technisch opgeleiden op laag/middelbaar en hoog niveau hoger dan in de stadsgewesten van de andere drie grote steden. Over het geheel beschouwd blijft stadsgewest Rotterdam echter overwegend (12 van de 16 indicatoren) achter bij het gemiddelde voor de stadsgewesten van de andere drie grote steden. Vooral de nabijheid van kenniswerkers en het gemiddeld opleidingsniveau scoren in alle drie richtingen in stadsgewest Rotterdam duidelijk lager dan in de stadsgewesten van de andere drie grote steden. Eerder werd in hoofdstuk 4, met behulp van het Benchmarkmodel, al berekend dat er in stadsgewest Rotterdam 90 duizend arbeidsplaatsen meer zouden zijn indien het opleidingsniveau gelijk zou zijn aan dat de stadsgewesten van de andere drie grote steden. Kennis en innovatie De stad Rotterdam scoort veelal lager op Kennis en innovatie dan de andere drie grote steden. Ook op het niveau van stadsgewesten geldt dat. Voor maar liefst 17 van de 21 indicatoren is de score voor stadsgewest Rotterdam lager dan het gemiddelde voor de stadsgewesten van de andere drie grote steden. En slechts vijf maal wordt een score boven het nationaal gemiddelde [email protected] tel. 015-2682556 www.bureaulouter.nl

81


gerealiseerd. Vergeleken met de andere drie stadsgewesten is er in stadsgewest Rotterdam wel wat meer hoogwaardige industrie gevestigd (high-tech bedrijvigheid en medium-tech bedrijvigheid). In het algemeen geldt dat de achterstand van stadsgewest Rotterdam op de andere drie grote stadsgewesten voor materiaalgeoriënteerde activiteiten kleiner is dan voor informatiegeoriënteerde activiteiten. Woon- en leefmilieu Op de nabijheid van voorzieningen als onderwijs, medische zorg en kindervoorzieningen zijn de scores voor stadsgewest Rotterdam zeer hoog en vergelijkbaar met de andere drie grote stadsgewesten. Evenals voor de steden blijven de prestaties van stadsgewest Rotterdam echter achter bij de andere drie grote stadsgewesten wat betreft de natuurlijke omgeving (die overigens ook in de andere grote stadsgewesten duidelijk onder het nationaal gemiddelde scoort) en ambiance. De score op ambiance wordt vooral gedragen door de centrale stad. Op het niveau van de stadsgewesten is het verschil tussen Rotterdam en de andere drie grote steden overigens kleiner dan op het niveau van de kernsteden. Welvaart De scores op alle zeven indicatoren zijn voor stadsgewest Rotterdam minder ongunstig dan voor de stad Rotterdam. Dat hangt samen met het feit dat het welvaartsniveau in de suburbs hoger is dan in de kernstad. Evenals op het niveau van de steden blijven de prestaties echter voor stadsgewest Rotterdam achter bij de andere drie grote stadsgewesten. Wel is het werkloosheidspercentage in Rotterdam op het niveau van de stadsgewesten vergeleken met de andere stadsgewesten duidelijk minder ongunstig dan op het niveau van de kernsteden. Het werkloosheidspercentage onder hoog opgeleiden is zelfs lager dan het nationaal gemiddelde. En het gemiddeld inkomen per inwoner is iets hoger dan het nationaal gemiddelde. Een duidelijk verschil met de drie grote steden blijft ook op het niveau van stadsgewesten de lage participatiegraad in stadsgewest Rotterdam. De lage participatiegraad wordt vooral veroorzaakt door het relatief lage opleidingsniveau van de potentiële beroepsbevolking (de 15- tot 65-jarigen). Bekend is dat in het algemeen de participatiegraad toeneemt naarmate het opleidingsniveau hoger is. In figuur 6.4 staan de totaalscores per thema voor stadsgewest Rotterdam en het gemiddelde van de andere drie grote stadsgewesten. Voor alle zeven thema’s is de score voor stadsgewest Rotterdam lager dan het gemiddelde voor de stadsgewesten van de andere drie grote steden. Voor Ruimte voor ondernemen en Ligging en infrastructuur is het verschil overigens klein. Voor de andere vijf thema’s is het verschil groter. De scores voor stadsgewest Rotterdam liggen ruim boven het nationaal gemiddelde voor Economie en Ligging en infrastructuur. Voor Arbeidsmarkt is de score ook iets hoger dan het nationaal gemiddelde. Er is echter al op gewezen dat de gemiddelde score voor de andere drie grote stadsgewesten nog veel hoger is. De lager dan gemiddelde score voor Ruimte voor ondernemen mag min of meer verwacht worden voor stedelijke gebieden. Voor de overige grote stadsgewesten blijft de gemiddelde score ook achter bij het nationaal gemiddelde.. Stadsgewest Rotterdam presteert niet alleen lager dan het nationaal gemiddelde, maar ook ruim lager dan het gemiddelde voor de andere drie grote stadsgewesten op de thema’s Welvaart, Woon- en leefmilieu en Kennis en innovatie.


82


Figuur 6.4

Vitaliteitsweb Rotterdam en gemiddelde andere grote stadsgewesten Stadsgewesten Rotterdam Overge G3

We Welvaart

Economie Ec 3 2 1

Ru Ruimte

0 -1 -2 -3 Woon- en Wo leefmilieu

Ligging en infrastructuur

Kennis en innovatie Arbeidsmarkt K&I Am Weergegeven zijn de z-scores. Een hoge score is gunstig. Het gemiddelde voor de 40 regio’s is 0.


83



84


7

Verklarende analyse economische vitaliteit

In hoofdstuk 6 werden scores bepaald voor de zeven thema’s van het vitaliteitsweb. Het is de vraag of tussen die thema’s statistische verbanden bestaan. Een eerste aanzet om dat te onderzoeken, wordt in dit hoofdstuk geleverd. Achtereenvolgens staan de volgende vragen centraal: • In hoeverre bestaan er relaties wanneer de thema’s van het vitaliteitsweb paarsgewijs met elkaar in verband worden gebracht? Zie paragraaf 7.2. • In hoeverre kunnen regionale verschillen in score op de thema’s Economie, Arbeidsmarkt en Kennis en innovatie worden verklaard uit één of meer van de andere thema’s uit het vitaliteitsweb? Zie paragraaf 7.3. Algemene conclusies: • Ligging en infrastructuur hangt zeer sterk samen met Economie. Er is, met andere woorden, sprake van een zeer sterk verband tussen agglomeratievoordelen en de economische kracht. Ook tussen de (omvang en kwaliteit) van de Arbeidsmarkt en Economie bestaat een sterk positief verband. • De relaties tussen Kennis en innovatie en andere thema’s zijn veelal positief, maar niet in sterke mate. Innovatieve bedrijvigheid lijkt geneigd te zijn om zich te vestigen in gebieden met een goed Woon- en leefmilieu. • Intrigerend is dat er op het niveau van de hier afgebakende regio’s nauwelijks statistische verbanden bestaan tussen Welvaart en de andere thema’s. Daarvoor zijn verschillende verklaringen denkbaar. Dat zou nader onderzocht kunnen worden. • Tussen Ruimte en Arbeidsmarkt bestaat een negatief verband. Dat hangt waarschijnlijk samen met het feit dat in die gebieden waar veel ruimte beschikbaar is veelal typen bedrijvigheid gevestigd zijn waar relatief weinig hoog opgeleiden werken. • Tussen Economie en Kennis en innovatie bestaat een positief verband. Opvallend is dat voor alle vier grote steden de score op Economie duidelijk hoger is dan op Kennis en innovatie. Dat kan betekenen dat grote steden zich vooral concentreren op economische activiteiten waar innovatie een wat minder grote rol speelt. • Regionale verschillen in scores op Economie worden vooral verklaard door ‘klassieke’ locatiefactoren als Ligging en infrastructuur en Ruimte. Arbeidsmarkt en Woon- en leefmilieu dragen wel bij aan de verklaring, maar in meer bescheiden mate. • Regionale verschillen in scores op Arbeidsmarkt hangen vooral positief samen met Economie (en op gedetailleerd ruimtelijk schaalniveau met Woon- en leefmilieu). Ruimte hangt negatief samen met Arbeidsmarkt (zoals al eerder aangegeven). • Regionale verschillen in Kennis en innovatie worden voor informatiegeoriënteerde activiteiten in sterkere mate verklaard door de andere thema’s dan voor materiaalgeoriënteerde activiteiten. Vooral het Woon- en leefmilieu hangt positief samen met Kennis en innovatie. Voor informatiegeoriënteerde activiteiten levert ook Economie een bijdrage aan de verklaring van de regionale verschillen. Conclusies voor Rotterdam: • De score op Economie is voor Rotterdam zeer hoog, de score op Welvaart zeer laag. Het verschil is vooral zeer groot voor de stad. Op het niveau van het stadsgewest is er minder sprake van, hoewel ook dan de score op Welvaart duidelijk lager is dan op Economie. • Rotterdam heeft een hoogproductieve economie, maar wist in het verleden relatief weinig banen te creëren. Voor Rotterdam is het belangrijk om enerzijds de hoogproductieve delen van de economie verder te ontwikkelen en anderzijds sectoren met veel kansen op groei van werkgelegenheid te stimuleren. [email protected] tel. 015-2682556 www.bureaulouter.nl

85


7.1

Inleiding

In het vorige hoofdstuk is het economische vitaliteitsweb gepresenteerd en besproken. Die beschrijving was verklarend van aard. Verbanden tussen de verschillende onderdelen van het vitaliteitsweb werden niet gelegd. Dat zal in dit hoofdstuk wel gebeuren, zij het in bescheiden mate50. In paragraaf 7.2 is bepaald wat de statistische verbanden zijn tussen de zeven thema’s waaruit het vitaliteitsweb is opgebouwd. Voor een viertal combinaties van thema’s wordt het verband blootgelegd door middel van grafieken. Dat gebeurt zowel op het niveau van 83 gebieden als op het niveau van 40 regio’s. Verbanden zijn weergegeven tussen ‘Economie’ en ‘Ligging en infrastructuur’, tussen ‘Kennis en innovatie’ en ‘Woon- en leefmilieu’, tussen ‘Economie’ en ‘Kennis en innovatie’ en tussen ‘Economie’ en ‘Welvaart’. Vervolgens is in paragraaf 7.3 door middel van regressieanalyse bepaald in hoeverre regionale verschillen in de scores op ‘Economie’, op ‘Arbeidsmarkt’ en op ‘Kennis en innovatie’ kunnen worden verklaard door de andere thema’s.

7.2

Verbanden binnen het vitaliteitsweb

De thema’s in het vitaliteitsweb staan niet alleen naast elkaar, maar hangen in meerdere of mindere mate ook samen. Nu in hoofdstuk 6 voor de verschillende thema’s van het vitaliteitsweb scores zijn bepaald, is het de vraag wat de samenhang is tussen die thema’s. De mate van samenhang staat in tabel 7.1. Dat is gedaan voor 40 regio’s, omdat sommige verbanden, bijvoorbeeld tussen Arbeidsmarkt en Economie vooral op regionaal niveau gelden. De samenhang tussen Economie en Ligging en infrastructuur is zeer hoog. Ligging (op diverse ruimtelijke schaalniveaus) is dus in sterke mate bepalend voor de huidige kracht van de economie. Anders gezegd: er is sprake van een sterk verband tussen agglomeratievoordelen en economische kracht. Ook tussen Arbeidsmarkt en Ligging en infrastructuur bestaat een vrij sterk positief verband. De samenhang tussen Ruimte en de andere thema’s is veelal negatief. Daar waar sprake is van een gunstige ligging (Ligging en infrastructuur) is de ruimte vaak schaars. Ook lijkt er een soort ‘trade-off’ te bestaan tussen Ruimte en Arbeidsmarkt. Dat verband loopt indirect. In gebieden met veel ruimte vestigen zich vooral typen bedrijvigheid waar relatief weinig hoogopgeleiden werken (wat bijdraagt aan een lage score op Arbeidsmarkt). De relaties tussen Kennis en innovatie en de andere thema’s zijn veelal positief, maar niet in sterke mate. Een uitzondering vormt het vrij sterke verband tussen Kennis en innovatie en het Woon- en leefmilieu. Dat kan duiden op een neiging van innovatieve bedrijvigheid om zich te vestigen in gebieden met een goed Woon- en leefmilieu om daarmee aantrekkelijk te zijn voor hoogopgeleid personeel. Het verband tussen Economie en Arbeidsmarkt is zeer sterk positief. Zeer opvallend tenslotte is dat er nauwelijks statistische samenhang bestaat tussen Welvaart en de andere thema’s, ook niet tussen Welvaart en Economie en tussen Welvaart en Arbeidsmarkt. Mogelijk bestaan die samenhangen op een nog hoger ruimtelijk schaalniveau dan dat van 50

Hier zijn nog tal van andere statistische methoden en technieken denkbaar. De structuur van het vitaliteitsweb, met zeven thema’s, die elk zijn opgebouwd (meetbaar zijn gemaakt) uit diverse indicatoren is bijvoorbeeld bij uitstek geschikt voor een methode als LVPLS (Latent Variables Partial Least Squres). Zie bijvoorbeeld Knaap, G.A. van der en P.J. Louter (1988) Regionale variaties in economische gezondheid, Erasmus Universiteit Rotterdam. Het LVPLS-model bestaat namelijk uit latente variabelen (de thema’s), die elk zijn opgebouwd uit een aantal manifeste variabelen (de indicatoren).


86


stadsgewesten. Zo scoren bijvoorbeeld de landelijke gebieden Bollenstreek en Groene Hart zeer hoog op Welvaart. Zij maken geen deel uit van één stadsgewest, maar profiteren wel van de kracht van de economie in verschillende omliggende verstedelijkte gebieden. Een tweede mogelijke verklaring is dat de Welvaart een gemiddelde is. Zoals eerder al werd aangegeven, zijn stedelijke gebieden van oudsher plaatsen waar zowel veel kansrijken als veel kansarmen zich concentreren. Dat resulteert in gemiddelde scores op Welvaart, terwijl desalniettemin sprake kan zijn van een hoge score op Economie (waardoor zowel kansrijken zich vestigen voor hun werk, als kansarmen omdat zij hopen werk te vinden). Het zal duidelijk zijn dat hier, met name wat betreft het vaststellen van oorzaak en gevolg, nog veel uitdagingen voor onderzoek liggen. Tabel 7.1

Relaties tussen thema’s vitaliteitsweb (scores R-kwadraat), niveau 40 regio’s Economie

Ruimte

Ligging en infrastructuur 0.76 0.36

Arbeidsmarkt 0.65 0.29 0.68

Kennis en innovatie 0.23

Woon- en leefmilieu 0.39 0.26 0.50 0.48 0.44

Welvaart

Economie 0.09 Ruimte 0.09 0.11 Ligging 0.76 0.36 0.22 Arbeidsmarkt 0.65 0.29 0.68 0.21 0.15 Kennis 0.23 0.22 0.21 Woonmilieu 0.39 0.26 0.50 0.48 0.44 Welvaart 0.11 0.15 Toelichting: De R-kwadraat kan liggen tussen 0 (in het geheel geen samenhang) en 1 (een perfecte samenhang). De samenhang kan zowel positief als negatief zijn. Alleen statistisch significante verbanden zijn weergegeven 0.09 Negatief verband 0.76 Positief verband

Tussen de verschillende onderdelen van het vitaliteitsweb bestaan dus verbanden. Op vier verbanden gaan we hier nader in. Economie versus Ligging en infrastructuur (figuur 7.1) Economie is opgebouwd uit indicatoren die representatief zijn voor massa, efficiency en ondernemerschap. Bepaald wordt hiermee vooral de huidige economische kracht van een gebied. Indicatoren die representatief zijn voor economische vernieuwing staan onder Kennis en innovatie. En groeicijfers maken ook geen onderdeel uit van het thema Economie51. Ligging en infrastructuur blijkt in hoge mate samen te hangen met de economische kracht. Dat geldt zowel op het niveau van de 83 gebieden als op het niveau van de 40 regio’s. Steden en stadsgewesten scoren in het algemeen hoger op beide thema’s. En binnen de groep steden scoren de vier grote steden vervolgens weer hoger dan het stedelijk gemiddelde. Rotterdam neemt, na Amsterdam en Utrecht, de derde positie in. Dat geldt voor zowel Economie als voor Ligging en infrastructuur. Op het niveau van stadsgewesten blijft Rotterdam overigens wat verder achter op de stadsgewesten Amsterdam en Utrecht. Eerder werd al geconstateerd dat, binnen het eigen stadsgewest, Rotterdam veel meer de kar moet trekken dan Amsterdam en Utrecht in hun stadsgewest. Kennis en innovatie versus Woon- en leefmilieu (figuur 7.2) De mate waarin gebieden komen tot economische vernieuwing komt vooral naar voren in het thema Kennis en innovatie. Daarin wordt gebruik gemaakt van minder ‘klassieke’ indicatoren dan 51

Indien een gebied vooral veel bedrijvigheid heeft in bedrijvigheid die zich bevindt in de laatste fasen van de levenscyclus kan veel massa gepaard gaan met verlies aan arbeidsplaatsen. Hoewel de score op Economie op dit moment dan nog hoog kan zijn, is vernieuwing noodzakelijk. Anders zal de economische kracht van een gebied langzaam maar zeker terugvallen.


87


bij het thema Economie. Daardoor verschuift de focus van de ‘gevestigde orde’ naar andere typen indicatoren, die vooral representatief zijn voor de ontwikkeling naar een ‘kenniseconomie’. Uit tabel 7.1 bleek dat het thema kennis en innovatie vrij sterk samenhangt met het thema ‘woonen leefmilieu’. Een mogelijke verklaring hiervoor is dat bij economische sectoren die voorop lopen in de ontwikkeling naar een kenniseconomie meer dan bij het thema Economie, de ruimtelijke vestigingspatronen nog wat minder duidelijk vastliggen. Daardoor komen ook andere locatiefactoren dan bijvoorbeeld Ligging en infrastructuur en Ruimte voor ondernemen nadrukkelijk in beeld bij de vestigingsplaatsbeslissingen. Blijkbaar is het woonen leefmilieu bij uitstek een dergelijke factor. Daarbij moet wel worden opgemerkt dat het verband minder overtuigend is dan het verband tussen Economie en Ligging en infrastructuur. Steden scoren gemiddeld genomen hoger dan suburbane en landelijke gebieden. Dat geldt zowel voor Kennis en innovatie als voor Woon- en leefmilieu. In tegenstelling tot figuur 7.1 zijn er in figuur 7.2 echter ook steden die wat minder goed scoren en landelijke en suburbane gebieden die wat beter scoren. Ook valt op dat de grote steden niet meer dan de gemiddelde stad hoge scores realiseren op Kennis en innovatie. Rotterdam blijft duidelijk achter bij Utrecht en Amsterdam, zowel op het niveau van de stad als op het niveau van het stadsgewest. Het stadsgewest Den Haag scoort op Kennis en innovatie beter dan de stad Den Haag zelf. Dat hangt samen met de hoge scores van Rijswijk en Delft op dit thema. Economie versus Kennis en innovatie: Huidige kracht en vernieuwing (figuur 7.3) Zoals al aangegeven, kan Economie vooral worden opgevat als de huidige economische kracht, gemeten in termen van efficiency, massa en ondernemerschap. Kennis en innovatie benadrukt vooral de vernieuwingskracht van de economie (R&D, innovatie, hoogwaardige bedrijvigheid). Tussen de huidige economische kracht en economische vernieuwing blijkt een positief verband te bestaan. Steden scoren in het algemeen hoger op beide dimensies. Wat echter opvalt in de figuur is dat de score op Economie (de huidige economische kracht) voor alle grote steden hoger is dan de score op Kennis en innovatie. Ook voor Rotterdam resulteert een score op Kennis en innovatie die aanzienlijk lager is dan de score op Economie. Dat kan betekenen dat grote steden niet voldoende vernieuwingskracht hebben om hun huidige sterke economische positie te handhaven. Het kan echter ook betekenen dat grote steden zich concentreren op economische activiteiten waar innovatie een wat minder grote rol speelt. Gedacht kan worden aan hoogwaardige voorzieningen. Economie versus Welvaart (figuur 7.4) Op het niveau van de 83 gebieden is het verband tussen Economie en Welvaart licht negatief, op het niveau van de 40 regio’s is het licht positief. Dat verschil wordt verklaard door het feit dat in de indeling in 83 gebieden stedelijke kernen en hun suburbane gebieden zijn gescheiden. Hoewel sommige steden een hoge score op Economie combineren met een hoge score op Welvaart, zijn er ook diverse steden waar een sterke economie samengaat met een lage welvaart. Rotterdam is daar bij uitstek een voorbeeld van. Dat geldt vooral voor de stad. Op het niveau van het stadsgewest Rotterdam is er aanzienlijk minder sprake van. Hoewel in de Rotterdamse suburbs het welvaartsniveau boven het nationaal gemiddelde ligt, is dat niet voldoende om voor de zeer lage score van de stad Rotterdam te compenseren. In de andere drie grote steden ligt de score op Welvaart ook op (Utrecht) of onder (Amsterdam en Den Haag) het nationaal gemiddelde, maar zorgt het hoge welvaartsniveau in de rest van het stadsgewest ervoor dat het welvaartsniveau in de stadsgewesten boven (Utrecht en Den Haag) of net onder (Amsterdam) het nationaal gemiddelde ligt.


88


Figuur 7.1

Verband tussen Economie en Ligging en infrastructuur (weergegeven zijn de zscores)

3 Ligging en infrastructuur 2

1

0

-1


-2


Economie


-3 -3

-2

-1

0

1

2

3

a. 83 gebieden 3 Ligging en infrastructuur 2

1

0

-1

♦ ♦ ♦ ♦

-2 Economie -3 -3

-2

-1

0

1

2

Stadsgewest Rotterdam Andere drie grote stadsgewesten Overige stadsgewesten Landelijke gebieden

3

b. 40 regio's


89


Figuur 7.2

Verband tussen Kennis en innovatie en Woon- en leefmilieu (weergegeven zijn de z-scores)

3 Woon- en leefmilieu 2

1

0

-1


-2

♦ Overige steden

Kennis en innovatie


-3 -3

-2

-1

0

1

2

3

a. 83 gebieden 3 Woon- en leefmilieu 2

1

0

-1

♦ ♦ ♦ ♦

-2 Kennis en innovatie -3 -3

-2

-1

0

1

2


3

b. 40 regio's


90


Figuur 7.3

Verband tussen Economie en Kennis en innovatie (weergegeven zijn de z-scores)

2

3.2 Eindhoven

Kennis en innovatie 1

0

-1

♦ Rotterdam -2

♦ Andere G3 ♦ Overige steden Economie


-3 -2

-1

0

1

2

3

a. 83 gebieden 2

3.1 Eindhoven (SG)

Kennis en innovatie 1

0

-1

-2

Leeuw arden (SG)

♦ ♦ ♦ ♦

Economie

-3 -2

-1

0

1

2


3

b. 40 regio's


91


Figuur 7.4

Verband tussen Economie en Welvaart (weergegeven zijn de z-scores)

2 Welvaart

1 Suburbs Rotterdam

0

-1

♦ Rotterdam -2

♦ Andere G3 ♦ Overige steden Economie


-3 -2

-1

0

1

2

3

a. 83 gebieden 2 Welvaart

1

0

-1

-2

♦ ♦ ♦ ♦

Economie -3 -2

-1

0

1

2


3

b. 40 regio's De sterk tegengestelde score op Economie en Welvaart voor de stad Rotterdam wordt door twee factoren bepaald. Ten eerste profiteren inwoners van buiten Rotterdam van de economische kracht van de stad (zie ook de in de figuur weergegeven score voor de suburbs van Rotterdam). Velen werken er in goed betaalde ‘Rotterdamse banen’, onder andere in het havengebied. Dat levert echter niet de volledige verklaring, want ook op het niveau van de stadsgewesten blijft de score op Welvaart achter bij de score op Economie. Een waarschijnlijke verklaring is hier dat de [email protected] tel. 015-2682556 www.bureaulouter.nl

92


economie van Rotterdam zeer veel toegevoegde waarde levert, vooral in materiaalgeoriënteerde bedrijvigheid (de arbeidsproductiviteit is zeer hoog), maar dat dit maar gedeeltelijk wordt vertaald in welvaart van de inwoners. Op langere termijn beschouwd is het aantal banen in de zeehavengerelateerde bedrijvigheid teruggelopen, juist als gevolg van de sterke groei van de arbeidsproductiviteit: meer productie met minder mensen. De sterke economie van Rotterdam is dus prima voor de BV Nederland (onder andere via belastinginkomsten), maar de vertaling naar welvaart voor de inwoners van Rotterdam is veel minder evident. Voor Rotterdam is het belangrijk om enerzijds de hoogproductieve delen van de economie verder te ontwikkelen en anderzijds sectoren met veel kans op groei van de werkgelegenheid te stimuleren.

7.3

Verklarende analyses

In de figuren 7.1 tot en met 7.4 staat vier maal de samenhang tussen twee thema’s. Daarnaast kan worden nagegaan of regionale verschillen in de score op een thema kan worden verklaard door de bijdrage van meerdere indicatoren. Om dat na te gaan zijn in tabel 7.2 enige eenvoudige analyses uitgevoerd (zowel op het niveau van 83 gebieden als op het niveau van 40 regio’s). In het kader staat een korte technische toelichting. Met andere statistische methoden zou dit eventueel nog verder uitgewerkt kunnen worden. Tabel 7.2a

Verklaring Economie

Gebiedsindeling

Ruimte

t-waarde verklarende variabele Ligging en Arbeidsmarkt Woon- en leefmilieu infrastructuur

83 gebieden

6.1

15.3

40 gebieden

4.8

7.3

Tabel 7.2b

2.5 3.0

0.83 0.87

Verklaring Arbeidsmarkt

Gebiedsindeling

Economie

t-waarde verklarende variabele Ruimte Woon- en leefmilieu

83 gebieden

3.8

-6.0

40 gebieden

8.1

-3.7

Tabel 7.2c

R-kwadraat

2.0

R-kwadraat 0.64 0.74

Verklaring Kennis en innovatie

Gebiedsindeling 83 gebieden Totaal Materiaalgeoriënteerd Infomatiegeoriënteerd 40 gebieden Totaal Materiaalgeoriënteerd Infomatiegeoriënteerd [email protected] tel. 015-2682556 www.bureaulouter.nl

Ruimte

3.5 2.7 2.1

2.0

t-waarde verklarende variabele Ligging en Woon- en infrastructuur leefmilieu 3.5 5.9

Economie

R-kwadraat

3.3 2.4 2.9

0.34 0.10 0.53

5.5 2.3 3.8

0.44 0.14 0.64

3.2

93


In tabel 7.2a zijn de regionale scores op Economie verklaard. De verschillen in de huidige economische kracht (gemeten via massa, efficiency en ondernemerschap) worden vooral verklaard door regionale verschillen in ‘klassieke’ locatiefactoren als Ligging en infrastructuur en Ruimte. Op het niveau van 83 gebieden levert het Woon- en leefmilieu nog een bescheiden bijdrage, op het niveau van 40 gebieden de Arbeidsmarkt. In figuur 7.5 staan de scores op Ligging en infrastructuur en Ruimte. Tussen die twee bestaat een licht negatief verband. (De R-kwadraat is 0.36; zie tabel 7.1). In de figuur is een lijn weergegeven met combinaties van Ligging en infrastructuur en Ruimte die tot een score van 0 voor Economie leiden. Rechts van die lijn resulteert de combinatie van Ligging en infrastructuur en Ruimte in een verwachte score op Economie boven het nationaal gemiddelde, links in een verwachte score onder het nationaal gemiddelde. Daarbij moet worden aangetekend dat het effect van Woon- en leefmilieu (dat ook een positief effect heeft op Economie) niet in deze figuur is verwerkt. Wanneer sprake is van een zeer hoge scoren op Woon- en leefmilieu is de verwachte score voor een gebied dus hoger dan wat verwacht zou worden op grond van de scores op Ligging en infrastructuur en Ruimte. In de figuur geldt dat bijvoorbeeld voor Zeist en Hilversum. Uit de figuur kan worden afgelezen dat (afgezien van de invloed van Woon- en leefmilieu) voor Haarlem en Flevoland ongeveer een zelfde score op Economie verwacht zou worden. De redenen waarom zijn echter volstrekt verschillend. Van alle gebieden heeft Flevoland de hoogste score op Ruimte en Haarlem de laagste. De score op Ligging en infrastructuur is echter voor Haarlem duidelijk hoger dan voor Flevoland. Haarlemmermeer scoort vrij hoog op Ligging en infrastructuur, maar toch duidelijk lager dan de vier steden als Amsterdam en Utrecht. Haarlemmermeer scoort echter wel zeer hoog op Ruimte.

Technische toelichting regressieanalyse: Dit moet u even weten De resultaten in tabel 7.2 zijn bereikt via Weighted Least Squares. Dat is een vorm van regressieanalyse waarbij grote gebieden meer gewicht krijgen bij het bepalen van verbanden tussen variabelen. In regressieanalyse worden regionale verschillen in een ‘te verklaren variabele’ verklaard uit één of meer ‘verklarende variabelen’. Alleen verklarende variabelen die statistisch significant bijdragen aan de verklaring van regionale verschillen in de te verklaren variabele worden geselecteerd. Deze zijn weergegeven in tabel 7.2. Om aan te geven hoe sterk een verklarende variabele bijdraagt aan de verklaring is gebruik gemaakt van de t-waarde. Er is sprake van 95% kans dat er tussen een verklarende en een te verklaren variabelen sprake is van een statistisch significant verband wanneer de t-waarde gelijk is aan 2 (een positief verband) of -2 (een negatief verband). Daarnaast is in de tabel de R-kwadraat weergegeven. Deze geeft aan welk percentage in de regionale verschillen in score op de te verklaren variabele wordt verklaard door de weergegeven verklarende variabelen. De R-kwadraat ligt tussen 0 (in het geheel geen verklaring) en 1 (volledige verklaring). Wanneer verklarende variabelen onderling zeer sterk samenhangen, kunnen zij niet gelijktijdig in een regressieanalyse worden opgenomen. Daarvoor zijn statistische redenen (dit probleem wordt aangeduid als ‘multicollineariteit). In dat geval is gekozen voor de verklarende variabele met de hoogste verklaringsgraad. In tabel 7.2b zijn de regionale scores op Arbeidsmarkt verklaard. Op het niveau van 83 gebieden hangt een hoge score op Arbeidsmarkt positief samen met Economie en Woon- en leefmilieu. Een sterke Economie leidt tot hoge scores op Arbeidsmarkt in de vorm van hoge participatiegraden en relatief veel hoogopgeleiden. Daarnaast draagt een prettig wonen leefmilieu bij aan de score op Arbeidsmarkt, waarschijnlijk omdat hoogopgeleiden bij voorkeur wonen in of nabij een gebied met een prettig woonen leefmilieu. (Op het niveau van 40 regio’s levert Woon- en leefmilieu geen significante bijdrage. Blijkbaar is de woonplaatskeuze van [email protected] tel. 015-2682556 www.bureaulouter.nl

94


kenniswerkers vooral relevant op een ruimtelijk lager schaalniveau.) Ruimte tenslotte hangt negatief samen met Arbeidsmarkt. Zoals al eerder aangegeven, is er blijkbaar sprake van een ‘trade-off’ tussen Ruimte en Arbeidsmarkt. Daar waar veel Ruimte beschikbaar is, zijn vooral typen bedrijvigheid geconcentreerd met weinig hoogopgeleiden. Ook zal in dergelijke gebieden de participatie op de arbeidsmarkt veelal niet hoog zijn. Dat leidt tot lage scores op Arbeidsmarkt in die gebieden waar de scores op Ruimte juist hoog zijn. Figuur 7.5 3

Invloed van Ruimte en Ligging/Infrastructuur op score Economie

Ligging/ Infrastructuur 2

1

Amsterdam

2

Utrecht Den Haag 0

Rotterdam

Gouda Capelle ad IJssel

Nieuw egein 's-Hertogenbosch

Leiden

Hilversum Eindhoven

1 Zeist

Haarlemmermeer

Breda

Haarlem -1 0

-2 -1 Flevoland

Zeeland

Drenthe

Overijssel

Fryslan

Suburb Maastricht

Oost-Groningen

-2 Suburb Groningen Suburb Leeuw arden

Ruimte -3 -3

-2

-1

0

83 gebieden

1

♦ Overige steden

2 1 0 -1


-2


♦ Landelijke gebieden Onderstreepte gemeenten behoren tot top-10 van thema Economie


2

3 Effect op score Economie van Ligging/ infrastructuur en Ruimte

95


In tabel 7.2c tenslotte zijn de regionale scores op kennis en innovatie verklaard. Voor materiaalgeoriënteerde activiteiten is de verklaringsgraad zeer laag. Voor informatiegeoriënteerde activiteiten resulteert wel een vrij hoge verklaringsgraad. Op het niveau van 83 gebieden leveren Ligging en infrastructuur, Woon- en leefmilieu en Ruimte (waarbinnen ook kantoorruimte valt) een statistisch significante bijdrage aan het verklaren van regionale verschillen in de score op Kennis en innovatie. Dat is een combinatie van meer ‘klassieke’ typen locatiefactoren als Ligging en infrastructuur en Ruimte en een meer op ‘human capital’ gebaseerd type locatiefactoren als Woon- en leefmilieu. Op het niveau van 40 regio’s wijken de resultaten vrij sterk af van de resultaten op het niveau van 83 regio’s. Dat hangt onder andere samen met het feit dat Economie hier een grotere bijdrage aan de verklaringsgraad levert dan Ligging en infrastructuur52. De enige verklarende variabele die een statistisch significante bijdrage levert aan de totaalscore voor Kennis en innovatie is Woon- en leefmilieu. Meer klassieke locatiefactoren als Ligging en infrastructuur en Ruimte ontbreken hier. Voor informatiegeoriënteerde activiteiten levert naast Woon- en leefmilieu ook Economie eens statistisch significante bijdrage. Dat wijst op een verband tussen de huidige kracht van de Economie en de (met ‘vernieuwing samenhangende’) score op Kennis en innovatie, voor zover het om informatiegeoriënteerde activiteiten gaat. Voor materiaalgeoriënteerde activiteiten wordt een dergelijk verband niet gevonden. Zoals al eerder aangegeven gaat het bij het zoeken naar verbanden tussen de verschillende onderdelen van het vitaliteitsweb nog slechts om een eerste schot voor de boeg. Nadere analyses zouden meer inzicht kunnen verschaffen in oorzaak-gevolg relaties.

52

Economie en Ligging en infrastructuur hangen onderling sterk samen. In dat geval moet een keuze worden gemaakt voor één van de twee verklarende variabelen (zie de opmerkingen over ‘multicollineariteit’ in het kader met de technische toelichting).


96


8

Migratie en economie

In dit hoofdstuk wordt aandacht besteed aan de relatie tussen economie en demografie (in het bijzonder migratie). Bevolkingskrimp, de oorzaken daarvan en de gevolgen staan momenteel in het middelpunt van de belangstelling. Achtereenvolgens staan de volgende vragen centraal: • Wat zijn de ruimtelijke migratiepatronen vanuit en naar Rotterdam, met een onderscheid naar leeftijd? Zie paragraaf 8.2. • In hoeverre bestaan er regionale verschillen in het relatief belang van migratie over korte en lange afstand? In hoeverre kan migratie over lange afstand worden verklaard door de thema’s die centraal stonden in het vitaliteitsweb uit hoofdstuk 6 Zie paragraaf 8.3. Algemene conclusies: • Motieven voor migratie over lange afstand (meer dan 35 kilometer) zijn vooral onderwijs (rond de twintig jaar) en economie (werk). Alle landelijke gebieden verliezen inwoners als gevolg van migratie over lange afstand. Tussen stadsgewesten bestaan er grote onderlinge verschillen. Stadsgewesten in de Randstad, in Noord-Brabant en in zuidelijk Gelderland kennen een positief migratiesaldo over lange afstand, de meeste nationaal perifeer gelegen stadsgewesten verliezen inwoners als gevolg van migratie over lange afstand. • De meeste landelijke gebieden verliezen ook inwoners als gevolg van migratie over korte afstand. Dat onderstreept de huidige trend van concentratie van bevolking in stedelijke gebieden. • Regionale verschillen in migratie over lange afstand worden voor een zeer groot deel verklaard door het thema Economie uit het vitaliteitsweb. Daarnaast draagt ook het Woon- en leefmilieu bij aan de verklaring, maar dan vooral waar binnen een regio men precies wil wonen. Conclusies voor Rotterdam: • De migratie vanuit andere steden met veel HBO- en universitair onderwijs naar Rotterdam is veelal hoger dan andersom. Dat wordt vooral veroorzaakt door de leeftijdsklasse 25-39 jaar. Zij verhuizen waarschijnlijk naar Rotterdam om werkmotieven. Ten opzichte van Amsterdam is het migratiesaldo in die leeftijdsklasse overigens negatief voor Rotterdam. • Rotterdam verliest de laatste tien jaar per saldo ruim 3 duizend inwoners per jaar als gevolg van binnenlandse migratie. Dat komt volledig voor rekening van vijf omliggende gemeenten. Naar andere gebieden in Nederland is afwisselend sprake van (kleine) positieve of negatieve migratiesaldi. • Rotterdam kent een positief migratiesaldo in de leeftijdsklasse 18-24 jaar, maar negatieve migratiesaldi in de andere leeftijdsklassen. • Vanuit Rotterdam migreren relatief weinig inwoners in de leeftijdsklasse 17-20 jaar. Dat wordt onder andere veroorzaakt door het feit dat de kans dat Rotterdammers gaan studeren (HBO of universiteit) laag is, vergeleken met vrijwel alle andere kernsteden. • Naast de uitdaging om te voorkomen dat er in Rotterdam sprake is van een ‘brain drain’ (het feit dat een stad hoog opgeleiden verliest aan andere gebieden omdat men elders gaat studeren of omdat men na het afstuderen elders gaat werken) is het ook relevant dat het eigen Rotterdamse potentieel meer wordt benut door het aantal Rotterdammers dat gaat studeren op te voeren (‘brain gain’). • Rotterdam wint per saldo inwoners door migratie over lange afstand, maar veel minder dan Amsterdam en Utrecht. Het verlies van inwoners als gevolg van migratie over korte afstand is voor Rotterdam overigens hoger dan de winst door lange afstand migratie. [email protected] tel. 015-2682556 www.bureaulouter.nl

97


8.1

Inleiding

Bij het thema Arbeidsmarkt in het vitaliteitsweb (zie hoofdstuk 6) was het opvallend dat Rotterdam op de migratieratio over lange afstand weliswaar boven het nationaal gemiddelde scoorde, maar ruim achterbleef bij de andere drie grote steden, vooral op het niveau van stadsgewesten. In het debat rond ‘bevolkingskrimp’ richt de aandacht zich steeds meer op economie als drijvende kracht achter demografische ontwikkelingen, met name wat betreft migratie53. In dit hoofdstuk zal daarop worden ingegaan. In paragraaf 8.2 staan (binnenlandse) migratiepatronen vanuit en naar Rotterdam. Daarbij speelt leeftijd een belangrijke rol. Er zal onder andere specifieke aandacht worden besteed aan de vraag of er meer verhuisd wordt vanuit Rotterdam naar andere universiteitssteden of andersom In paragraaf 8.3 wordt een onderscheid gemaakt tussen migratie over korte afstand en migratie over lange afstand. De motieven die daaraan ten grondslag liggen verschillen. Bij migratie over lange afstand gaat het vooral om werken studiemotieven, bij migratie over korte afstand om woonmotieven. Er wordt een typologie van gebieden opgesteld op basis van het migratiesaldo over korte afstand en het migratiesaldo over lange afstand. De paragraaf wordt afgesloten met een verklarende analyse voor regionale verschillen in migratie over lange afstand.

8.2

Migratie naar en vanuit Rotterdam naar leeftijd

In figuur 8.1 staat de migratie naar en vanuit Rotterdam per gemeente, alsmede het migratiesaldo. Volgens verwachting neemt de migratiekans (het aantal migranten naar en vanuit Rotterdam per inwoner van een gemeente) af naarmate de afstand groter is (zie figuur 8.1a en figuur 8.1b). Naast afstand speelt ook een rol of in een gemeente veel hoger onderwijs is gevestigd. Vanuit gemeenten als Leeuwarden, Groningen, Enschede, Arnhem, Nijmegen, Eindhoven en Maastricht is de kans op migratie naar Rotterdam bijvoorbeeld hoger dan vanuit gemeenten in de omgeving van die steden. Vanuit Wageningen en Utrecht is de kans dat men naar Rotterdam verhuist zelfs hoger dan gemiddeld. Het gaat hier hoofdzakelijk om afgestudeerden die in Rotterdam gaan werken en om jongeren die in Rotterdam gaan studeren (of promoveren). De stroom naar Rotterdam vanuit de onderwijssteden is veelal hoger dan andersom. Daar zal later in deze paragraaf nog op worden ingegaan. Uit figuur 8.1c blijkt dat Rotterdam per saldo vooral inwoners verliest aan omliggende gemeenten, aan gemeenten ten zuiden van de stad en aan diverse gemeenten in de Noordvleugel van de Randstad. Zeer opvallend is het positieve saldo ten opzichte van gemeenten in het Groene Hart. Dat hangt overigens mede samen met de geringe woningbouw in dat gebied in de periode 1998-2008. Ten opzichte van de meeste op grotere afstand van Rotterdam gelegen gebieden resulteert een positief migratiesaldo. Dat geldt onder andere voor regio’s met een universiteit, zoals Overig Groningen, Twente, Zuidoost-Brabant en Zuid-Limburg. Migratie is in hoge mate leeftijdsspecifiek. Daarom is het migratiesaldo in figuur 8.2 uitgesplitst naar vier leeftijdsklassen. In de leeftijdsklasse 0-17 jaar gaat het vrijwel uitsluitend om kinderen/jongeren die in gezinsverband verhuizen. Figuur 8.2a is daarom representatief voor de verhuisbewegingen van gezinnen. De migratiesaldi daarvoor zijn overwegend negatief, met name ten opzichte van gemeenten in de omgeving van Rotterdam.

53

Het belang van het verband tussen economie en demografie was een belangrijk thema in Louter, P.J. en W. van Eikeren (2009) Bevolkingsafname in Nederland, Bureau Louter, Delft (in opdracht van het Ministerie van BZK).


98


Figuur 8.1

Migratie naar en vanuit Rotterdam

8 of meer 4 tot 8 2 tot 4 1 tot 2 0.5 tot 1 0.25 tot 0.5 0.125 tot 0.25 Minder dan 0.125 Rotterdam

a. Naar Rotterdam 5.20 of meer 2.67 tot 5.20 0.91 tot 2.67 0.00 tot 0.91 0.00 tot 0.00 -1.09 tot 0.00 -4.71 tot -1.09 -21.05 tot -4.71 Minder dan -21.05 Rotterdam

b. Vanuit Rotterdam Toelichting: In figuur a staat per gemeente het aantal migranten naar Rotterdam per inwoner van die gemeente. Dat is berekend als index van het nationaal gemiddelde, dat gelijk is aan 1. In figuur b staat de migratie uit Rotterdam naar de gemeenten, uitgedrukt per inwoner van die gemeente, en berekend als index. In figuur c staat het migratiesaldo (inkomende min uitgaande migratie) voor Rotterdam ten opzichte van het weergegeven gebied, uitgedrukt per 1000 inwoners in dat gebied. Rood gekleurd zijn gebieden ten opzichte waarvan Rotterdam een positief migratiesaldo kent.

c. Saldo


99


Figuur 8.2

Migratiesaldo naar leeftijdklasse

0.68 of meer 0.25 tot 0.68 0.12 tot 0.25 0.00 tot 0.12 0.00 tot 0.00 -0.45 tot 0.00 -1.41 tot -0.45 -6.04 tot -1.41 Minder dan -6.04 Rotterdam

a. 0-17 jaar


c. 25-39 jaar



b. 18-24 jaar


d. 40-64 jaar

100


Er zijn echter ook uitzonderingen, zoals het positieve migratiesaldo ten opzichte van Amsterdam en de positieve migratiesaldi ten opzichte van nationaal perifeer gelegen gebieden (in het Noorden, in Limburg, in noordelijk Noord-Holland)54. In de leeftijdsklasse 18-24 jaar resulteren vrijwel uitsluitend positieve migratiesaldi voor Rotterdam, met uitzondering van Barendrecht, Schiedam, Vlaardingen en Amsterdam. Jongeren verhuizen veelal meer naar Rotterdam om er te gaan studeren of werken dan dat er Rotterdammers uit die leeftijdsklasse naar elders verhuizen. Voor de leeftijdsklasse 25-39 jaar overheersen juist negatieve migratiesaldi voor Rotterdam, vooral in de Randstad. Daarbuiten realiseert Rotterdam vooral winst ten opzichte van gebieden met een belangrijke hoger onderwijsfunctie. Zeer waarschijnlijk gaat het hierbij om mensen die na afgestudeerd te zijn verhuizen naar Rotterdam voor werk. Voor de leeftijdsklasse 40-64 jaar tenslotte zijn de migratiesaldi voor Rotterdam overwegend negatief, ook ten opzichte van gebieden buiten de Randstad. Blijkbaar prefereert deze leeftijdsklasse weer wat meer een woning buiten de Randstad. Tabel 8.1a

Migratiesaldo Rotterdam versus aantal gebieden, 1998-2008 (gem. per jaar)

Gebiedstype Ring Rotterdam Amsterdam Overige universiteitssteden 100+ excl universiteitssteden Overig Groot-Rijnmond Overig Nederland Nederland

Tabel 8.1b

0-17

18-24

Leeftijdsklasse 25-39

40-64

65+

Totaal

-830 26 -10 -114 -357 -304

47 -52 195 306 476 1,551

-1,373 -181 380 -211 -463 -484

-683 0 3 -68 -162 -299

-154 0 -5 -25 -69 -150

-2,993 -208 564 -112 -576 315

-1,591

2,523

-2,332

-1,208

-403

-3,011

Berekend per 1.000 inwoners van bestemmingsgemeente

Gebiedstype 0-17

18-24

Leeftijdsklasse 25-39

40-64

65+

Totaal

Ring Rotterdam Amsterdam Overige universiteitssteden 100+ excl universiteitssteden Overig Groot-Rijnmond Overig Nederland

-3.28 0.03 -0.01 -0.05 -0.70 -0.03

0.19 -0.07 0.12 0.13 0.93 0.15

-5.43 -0.24 0.24 -0.09 -0.91 -0.05

-2.70 0.00 0.00 -0.03 -0.32 -0.03

-0.61 0.00 0.00 -0.01 -0.14 -0.01

-11.83 -0.28 0.36 -0.05 -1.13 0.03

Nederland

-0.10

0.15

-0.14

-0.07

-0.02

-0.18

In tabel 8.1 is enige structuur aangebracht in de migratiepatronen. Daarbij zijn zes gebiedstypen onderscheiden, namelijk een groep van vijf gemeenten waaraan Rotterdam sinds het einde van de jaren negentig veel inwoners heeft verloren (Ring Rotterdam: Albrandswaard, Barendrecht, Capelle a/d IJssel, Lansingerland en Schiedam), de universiteitssteden (waarbij Amsterdam, dat wat de migratie naar en vanuit Rotterdam betreft, afwijkt van de andere studentensteden, afzonderlijk is weergegeven), de gemeenten met meer dan 100 duizend inwoners exclusief de 54

Opmerkelijk is het vrij sterk positieve migratiesaldo ten opzichte van Delfzijl e.o., ondanks de grote afstand tot dit gebied. Hier speelt hoger onderwijs geen rol, want dat is in dat gebied niet gevestigd. Mogelijk hangt het samen met asielzoekers, die vanuit een asielzoekerscentrum naar Rotterdam zijn verhuisd. Daarbij moet worden bedacht dat het in absolute zin om kleine aantallen gaat (omdat er in de regio Delfzijl e.o. weinig mensen wonen).


101


universiteitssteden, Groot-Rijnmond (Groot-Rijnmond exclusief Ring Rotterdam) en Overig Nederland. In totaal is er sprake van een negatief migratiesaldo van ruim 3 duizend personen per jaar. Dat komt volledig voor rekening van de vijf gemeenten in de Ring Rotterdam. Bij de overige gebiedstypen is soms sprake van een positief en soms van een negatief migratiesaldo ten opzichte van Rotterdam. Ten opzichte van Amsterdam is het migratiesaldo negatief. Per jaar vertrekken er 200 Rotterdammers meer naar Amsterdam dan andersom. Dat gaat grotendeels om de leeftijdsklasse 25-39 jaar. Ten opzichte van de overige universiteitssteden is het migratiesaldo positief, zowel onder degenen die gaan studeren (18-24 jaar) als onder degenen die na hun afstuderen gaan werken (25-39 jaar). Ten opzichte van de overige grote gemeenten (meer dan 100 duizend inwoners) is het migratiesaldo licht negatief voor Rotterdam. Dat is het saldo van winst in de leeftijdsklasse 18-24 jaar (zij gaan studeren in Rotterdam) en verlies in de andere leeftijdsklassen. Van dat laatste patroon is ook sprake voor de overige gemeenten in GrootRijnmond (exclusief de Ring Rotterdam) en Overig Nederland. Het saldo ten opzichte van Overig Nederland is overigens positief. Rotterdam wint dus inwoners in de leeftijdsklasse 18-24 jaar (vermoedelijk voornamelijk omdat men in Rotterdam gaat studeren) en verliest inwoners in de andere leeftijdsklassen. Dat laatste met uitzondering van de leeftijdsklasse 25-39 jaar voor de overige universiteitssteden. Tabel 8.2

Migratie-intensiteiten 17-20 jaar, Rotterdam versus aantal gebieden, 1998-2008 (gem. per jaar)

Gebiedstype

Migratie per 100 inwoners, gemiddeld 17-20 jaar Emigratiekans Immigratiekans Saldo


9.2 7.3 13.1 9.2 7.4 10.1

8.0 19.0 39.2 10.0 4.7 6.2

-1.2 11.7 26.2 0.8 -2.7 -3.9

Rotterdam Nederland

6.4 9.9

11.4 9.9

5.0 0.0

Positie Rotterdam t.o.v. 30 kernsteden 12 universiteitssteden

30 12

18 12

17 12

Het is opvallend dat Rotterdam ook winst boekt ten opzichte van de andere universiteitssteden, omdat er relatief (ten opzichte van het aantal inwoners) in Rotterdam minder studenten bij onderwijsinstellingen in het HBO en WO zijn dan in de meeste andere universiteitssteden. Aan de resultaten in tabel 8.2 en tabel 8.3 kunnen de redenen daarvoor worden ontleend. De kans dat men in de leeftijdsklasse 17-20 jaar (het moment dat men gaat studeren) verhuist, is vanuit Rotterdam veel kleiner dan het nationaal gemiddelde en vooral dan de overige universiteitssteden. Uit het feit dat in de overige universiteitssteden bovendien de immigratiekans veel groter is dan voor Rotterdam, blijkt dat er naar Rotterdam per saldo (ten opzichte van het aantal inwoners) veel minder jongeren verhuizen dan gemiddeld naar de andere universiteitssteden. Uit tabel 8.3 blijkt dat het migratiesaldo met Amsterdam en met de overige universiteitssteden in de leeftijdsklasse 17-20 jaar vrijwel exact in evenwicht is. Dat hangt samen met het feit dat de kans dat jongeren gaan studeren voor de overige universiteitssteden veel groter is dan voor Rotterdam (zie tabel 8.3). Ondanks het feit dat er in Rotterdam (per inwoner gerekend) minder [email protected] tel. 015-2682556 www.bureaulouter.nl

102


studenten bij hoger onderwijsinstellingen zijn, is daardoor de stroom van de overige universiteitssteden naar Rotterdam gelijk aan de stroom van Rotterdam naar de overige universiteitssteden. Dat het migratiesaldo voor de leeftijdsklasse 25-39 jaar ook positief is voor Rotterdam (zie tabel 8.1a), hangt samen met het feit dat er relatief (per inwoner gerekend) meer personen afstuderen in de overige universiteitssteden dan in Rotterdam. Bij een gelijke kans dat men verhuist, zal dan voor Rotterdam een positief migratiesaldo resulteren55. Tabel 8.3

Studiekans, Rotterdam versus aantal gebieden, hoger onderwijs

Gebiedstype

Migratiesaldo 17-20 jaar (gem. per jaar) Absoluut Per 1000 inw.

Kans dat jongeren gaan studeren, Nederland = 1.00 HBO Universiteit Totaal


-2 -15 -4 182 222 948

-0.01 -0.02 0.00 0.08 0.42 0.09

1.036 0.946 1.051 1.021 0.862 1.006

1.150 1.135 1.242 1.074 0.825 0.965

1.079 1.017 1.123 1.041 0.848 0.991

Rotterdam Nederland

1331

0.08

0.863 1.000

0.833 1.000

0.852 1.000

Positie Rotterdam t.o.v. 30 kernsteden 28 29 30 12 universiteitssteden 12 12 12 Toelichting: Nagegaan is de kans dat 16-jarige inwoners van een gebied later gaan studeren aan een HBO-instelling of aan een universiteit. Alle studiekansen zijn berekend als index ten opzichte van het nationaal gemiddelde.

De kans dat men gaat studeren (uitgedrukt als index ten opzichte van het nationaal gemiddelde) levert voor Rotterdam geen gunstig beeld op. Zowel wat betreft de kans dat jongeren een HBOopleiding gaan volgen als de kans dat jongeren een universitaire opleiding gaan volgen, neemt Rotterdam in de groep van 30 kernsteden van stadsgewesten een positie in de staart van de ranglijst in. Ook voor Overig Groot-Rijnmond is de kans dat men gaat studeren relatief klein (een positieve uitzondering is de Ring Rotterdam). In de Economische Verkenning Rotterdam 2011 wordt ingegaan op het al dan niet bestaan van ‘brain drain’ (het feit dat een stad hoog opgeleiden verliest aan andere gebieden omdat men elders gaat studeren of omdat men na het afstuderen elders gaat werken). Dat is uiteraard een relevant thema. Daarnaast valt er echter nog veel te winnen wat betreft het opvoeren van het aantal Rotterdamse jongeren dat gaat studeren. Wanneer dat aantal kan worden opgevoerd is sprake van ‘brain gain’. Een deel van hen zal uiteraard elders gaan studeren, maar per saldo zal Rotterdam winst boeken indienen het aantal jongeren dat gaat studeren kan worden opgevoerd. Uit hoofdstuk 4 bleek namelijk al dat het opleidingsniveau van de beroepsbevolking een belangrijke locatiefactor is voor de vestiging van bedrijven en instellingen.

55

Overigens heeft een groot deel van de verhuizingen in de leeftijdsklasse 25-39 jaar ook andere dan werkredenen als achtergrond. Bij verhuizingen tussen universiteitssteden gaat het echter veelal om vrij grote afstanden, zodat werkredenen een belangrijke rol spelen. Dat voor Rotterdam een positief migratiesaldo realiseert ten opzichte van de overige universiteitssteden voor de leeftijdsklasse 25-39 jaar hoeft overigens niet alleen het gevolg te zijn van verschillen in aantallen afgestudeerden. Mogelijk biedt Rotterdam ook relatief veel mogelijkheden om er te gaan werken. Dat zou nader onderzocht kunnen worden. Dat is hier niet gedaan.


103


8.3

Migratie over lange en korte afstand

Bij migratie over lange afstand spelen veelal andere motieven een rol (zoals werk of onderwijs) dan bij migratie over korte afstand (zoals zelfstandig gaan wonen of een aanpassing van woning/woonomgeving in verband met een verandering in de huishoudensamenstelling). In figuur 8.3 is de migratie daarom onderverdeeld naar migratie over minder dan 35 kilometer en migratie over meer dan 35 kilometer56. In de figuur zijn alle 83 gebieden en alle 40 gebieden volgens de gebiedsindeling van Bureau Louter (zie bijlage I) weergegeven. Voor Rotterdam is het migratiesaldo over lange afstand positief en het migratiesaldo over korte afstand negatief (zie figuur 8.3a). Per saldo resulteert voor de periode 1998-2008 een klein verlies van inwoners als gevolg van binnenlandse migratie. Voor suburbaan Rotterdam is de situatie precies omgekeerd: verlies als gevolg van migratie over lange afstand, winst als gevolg van migratie over korte afstand en per saldo een licht positief binnenlands migratiesaldo. Bij de migratie over korte afstand speelt vooral de migratie van Rotterdam naar omliggende gemeenten een rol (zie tabel 8.1). Wat betreft de migratie over lange afstand blijft Rotterdam iets achter bij Den Haag en ruim bij Amsterdam en Utrecht. Ook kan worden geconstateerd dat er slechts zes gebieden zijn met een sterker negatief migratiesaldo over korte afstand dan Rotterdam (waaronder overigens Amsterdam). Een vergelijking tussen figuur 8.3b (voor de 40 regio’s) en figuur 8.3a (voor 83 gebieden) maakt direct duidelijk dat de onderlinge verschillen in migratiesaldo op het niveau van de 40 regio’s veel kleiner zijn. Een groot deel van de migratie vindt plaats op korte afstand, tussen steden en hun suburbs. Uit figuur 8.3b blijkt dat het migratiesaldo over lange afstand voor alle landelijke gebieden negatief is. Tussen stadsgewesten is sprake van aanzienlijke verschillen. De stadsgewesten Amsterdam en vooral Utrecht winnen zeer veel inwoners als gevolg van migratie over lange afstand. Daarentegen verliezen de (nationaal decentraal gelegen) stadsgewesten Leeuwarden, Maastricht, Sittard-Geleen en Venlo veel inwoners als gevolg van binnenlandse migratie. Overigens verliezen de meeste landelijke gebieden ook inwoners als gevolg van migratie over korte afstand. Dat onderstreept de huidige trend van concentratie van bevolking in stedelijke gebieden. Stadsgewesten als Hilversum en Leiden verliezen ook bevolking als gevolg van migratie over korte afstand. Dat wordt veroorzaakt door gebrek aan ruimte voor omvangrijke woningbouw in die stadsgewesten. In figuur 8.4 zijn de gebieden ingedeeld in zes typen. Bepalend is of sprake is van een positief of negatief migratiesaldo over korte afstand en/of lange afstand. Daarnaast geven de donkere kleuren weer of het totale binnenlandse migratiesaldo positief of negatief is. Voor 16 van de 43 stedelijke kernen is het migratiesaldo negatief. Voor Apeldoorn, Heerlen, Nieuwegein, Gouda, Dordrecht en Alkmaar geldt dat zowel over korte als over lange afstand. In diverse nationaal perifeer gelegen steden (Leeuwarden, Almelo, Hengelo, Venlo, Sittard-Geleen en Maastricht), aangevuld met Velsen en Capelle a/d IJssel weegt het positieve migratiesaldo over korte afstand niet op tegen het positieve migratiesaldo over lange afstand. Migratie over korte afstand compenseert wel voor verlies van bevolking als gevolg van migratie over lange afstand voor Enschede, Deventer, Doetinchem, Oss, Roermond en (in de Randstad) Zaanstad, Haarlemmermeer, Zoetermeer en Rijswijk. Voor de Randstadsteden Zeist, Leiden, Delft en Rotterdam weegt het positieve migratiesaldo over lange afstand niet op tegen het negatieve

56

Deze grens is enigszins arbitrair. Ook het Planbureau voor de Leefomgeving hanteert deze grens in het zogenaamde PEARL-model (zie hoofdstuk 8). De grens is vooral gebaseerd op het feit dat rond deze afstand een omslag plaatsvindt van het motief wonen/woonomgeving als belangrijkste verhuisreden naar de motieven studie/werk als belangrijkste verhuisreden.


104


migratiesaldo over korte afstand. Per saldo resulteert wel meer immigratie dan emigratie voor de grote steden Amsterdam en Den Haag en voor Haarlem en Amstelveen. Figuur 8.3

Migratiesaldo minder dan 35km vs. meer dan 35 km Migratiesaldo, <35km

7 6

Haarlemmermeer (10.42)

5

Suburbaan Rotterdam

4 3

Leeuw arden

2

Utrecht (12.54)

1 0

Migratiesaldo, >35km -1 Den Haag

-2


-3

Hilversum Nieuw egein

-5 -5

-4

-3

-2

♦ Overige steden

Amsterdam

-4

-1


Delft 0

1

2

♦ Landelijke gebieden 3

4

5

6

7

a. 83 gebieden 7

Migratiesaldo, <35km

Migratiesaldo, <35km

6 5 4 3 2 1

Leeuw arden

Flevoland Amsterdam

Utrecht

0 Migratiesaldo, >35km -1 Hilversum

-2

Leiden

-3

♦ ♦ ♦ ♦

-4 -5 -5

-4

-3

-2

-1

0

1

2

3


4 5 6 7 Migratiesaldo, >35km

b. 40 regio's


105


Figuur 8.4

Typologie gebieden naar migratiesaldo over korte afstand en lange afstand

a. 83 gebieden

a. 40 regio's


106


Maar liefst 12 steden combineren een positief migratiesaldo over korte afstand met een positief migratiesaldo over lange afstand. Tot die groep behoren zes provinciehoofdsteden. Vijf van de steden hebben een universiteit. Vooral de provincies Utrecht, Gelderland en Noord-Brabant zijn ruim vertegenwoordigd in deze groep. Het grootste deel van de landelijke en suburbane gebieden (26 van de 40) combineert een negatief migratiesaldo over korte afstand met een negatief migratiesaldo over lange afstand. Voor 13 gebieden is het migratiesaldo over korte afstand positief, maar over lange afstand negatief. Per saldo resulteert voor zes van die gebieden een positief migratiesaldo (echter met een negatief saldo over lange afstand), namelijk de suburbane gebieden van Utrecht, Den Haag, Rotterdam, Alkmaar, Haarlem en Breda. Van alle 40 landelijke of suburbane gebieden is slechts in suburbaan Amsterdam het migratiesaldo over lange afstand positief. Daar is ook het migratiesaldo over korte afstand positief57. Er zijn dus slechts zeven niet-stedelijke gebieden waarvoor het totale binnenlandse migratiesaldo positief is. Steeds gaat het daarbij om suburbane gebieden, waaronder alle vier suburbane gebieden met een grote stad als kernstad. Voor alle 16 landelijke gebieden is het binnenlands migratiesaldo negatief. Op het niveau van de 40 regio’s (zie figuur 8.4b) boeken de verstedelijkte regio’s in de Randstad zowel over korte als over lange afstand een positief migratiesaldo. Dat geldt ook voor de Brabantse stadsgewesten en voor het knooppunt Arnhem-Nijmegen. De stadsgewesten Groningen en Enschede/Hengelo (beide met een universiteit) combineren een positief migratiesaldo over korte afstand met een (minder sterk) negatief migratiesaldo over lange afstand. Per saldo winnen deze stadsgewesten dus inwoners als gevolg van binnenlandse migratie. Mogelijk verhuizen mensen uit omliggende gebieden (binnen 35 kilometer) naar deze stadsgewesten, met name om er te gaan studeren, en verhuizen zij na hun afstuderen gedeeltelijk naar elders, bijvoorbeeld naar de Randstad om te gaan werken. In 15 van de 40 gebieden is zowel het migratiesaldo over korte afstand als het migratiesaldo over lange afstand negatief. Daartoe behoren twee Zuid-Limburgse stadsgewesten en Apeldoorn. Opvallend is dat ook gebieden in de directe omgeving van de grootstedelijke gebieden zowel over korte als over lange afstand een negatief migratiesaldo kennen, namelijk Bollenstreek, Groene Hart, Rivierenland en Veluwe. In een wat verder verleden waren dat gebieden die sterk groeiden als gevolg van suburbanisatie vanuit de omliggende stadsgewesten. Om te bepalen wat de drijvende krachten zijn achter de migratie over lange afstand is in tabel 8.4 de migratieratio verklaard met behulp van de thema’s in het vitaliteitsweb (zie hoofdstuk 6 en voor soortgelijke verklarende analyses hoofdstuk 7). Op het niveau van 83 gebieden verklaren Economie en Woon- en leefmilieu een aanzienlijk deel van de regionale verschillen in migratie over lange afstand (de R-kwadraat is 0.72). Economie heeft een overheersende invloed, maar ook het Woon- en leefmilieu draagt bij. Op het niveau van 40 regio’s wordt een nog groter deel van de regionale verschillen in migratie over lange afstand verklaard, met name door Economie. Woon- en leefmilieu en Kennis en innovatie hangen onderling vrij sterk samen. Zij zijn daarom niet gelijktijdig opgenomen in de regressieanalyse. De versie met Kennis en innovatie levert een iets hogere verklaringsgraad op dan de versie met Woon- en leefmilieu. De verschillen zijn echter klein. Het is daarom moeilijk 57

Tot het suburbaan gebied van Amsterdam behoort ook Almere. Zonder Almere zou suburbaan Amsterdam tot de groep gebieden behoren met een positief migratiesaldo over korte afstand, een negatief migratiesaldo over lange afstand en per saldo een positief binnenlands migratiesaldo: een donkergeel gebied in figuur 8.4 (evenals de andere suburbane gebieden van grote steden).


107


om vast te stellen dat een prettig Woon- en leefmilieu of Kennis en innovatie (waardoor wellicht kenniswerkers worden aangetrokken) de drijvende kracht is achter de migratiebewegingen. Verder onderzoek zou daar inzicht in kunnen geven. Het staat overigens vast dat vooral de huidige kracht van de Economie de overheersende factor is bij het verklaren van verschillen in migratie over lange afstand. Het Woon- en leefmilieu speelt wel een wat belangrijker rol bij de keuze waar in economisch sterke gebieden men precies wil gaan wonen (zie de resultaten op het niveau van de 83 gebieden). Vooralsnog geven de resultaten van de statistische analyse aanleiding tot de volgende conclusie: Om migratiepatronen over lange afstand te verklaren is vooral de economische kracht bepalend bij de keuze op regionaal niveau en speelt daarnaast het woonen leefmilieu een rol bij de keuze van de exacte locatie waar men gaat wonen. Tabel 8.4

Regressies migratieratio over lange afstand (meer dan 35 kilometer)

Gebiedsindeling

Economie

t-waarde per verklarende variabele Woon- en leefmilieu Kennis en innovatie

83 gebieden

9.4

3.7

40 gebieden Versie 1 Versie 2

7.7 8.8

1.8


R-kwadraat 0.72

2.2

0.78 0.79

108


Bijlage I

Gebiedsindelingen

Regionale arbeidsmarkten worden steeds complexer. De klassieke verdeling van een grote stad met een belangrijke werkgelegenheidsfunctie en een ‘ommeland’ met suburbs die op die ‘centrale kern’ zijn gericht bestaat nog in sommige delen van Nederland. Elders echter is eerder sprake van een patroon van ‘kris-kras relaties’. Om die nieuwe realiteit in beeld te brengen heeft Bureau Louter een nieuwe indeling in stadsgewesten opgesteld die is gebaseerd op recente CBS-gegevens over pendel58 (het driejaarsgemiddelde voor de periode 2003/2005; de vorige indeling was gebaseerd op pendelgegevens van het begin van de jaren negentig). Omvang en richting van de pendelstromen zijn daarbij de bepalende factoren. Eerst zijn alle gemeenten in Nederland met minstens 20.000 ‘inpendelaars’ (werknemers bij bedrijven en instellingen, die buiten de stad wonen) afgebakend. In totaal zijn dat 36 gemeenten, die nader zijn onderverdeeld in vier groepen: • Kernsteden. Er is geen andere dan de eigen gemeente waar meer dan 10% van de inwoners van een kernstad werkt. • Subkernen. Tussen 10 en 20% van de inwoners werkt in een kernstad. Samen met die kernstad vormen zij de kern van een stadsgewest (Enschede/Hengelo, Utrecht/Zeist, Amsterdam/Haarlemmermeer, Haarlem/Velsen, Den Haag/Delft, Rotterdam/Dordrecht). • Kernsuburbs plus. Meer dan 20% van de inwoners werkt in een kernstad. Zij hebben echter wel een positief pendelsaldo (Nieuwegein, Amstelveen, Rijswijk). • Kernsuburbs min. Meer dan 20% van de inwoners werkt in een kernstad. Zij hebben een negatief pendelsaldo (Zaanstad, Zoetermeer, Capelle a/d IJssel). Gemeenten waarvan meer dan 20% van de inwoners met een baan in een kernstad werkt, zijn toegewezen aan het stadsgewest van die stad. Aldus zijn 24 stadsgewesten gevormd, soms met meerdere kernen (zie bijvoorbeeld Amsterdam/Haarlemmermeer en Den Haag/Delft). 58

In het proefschrift van Marlet (‘De aantrekkelijke stad’ uit 2009) wordt gebruik genaakt van de kernsteden uit een eerdere versie van deze gebiedsindeling. De passages daarover zijn merkwaardig. Marlet heeft kritiek op de keuze van de steden in de gebiedsindeling van Louter. Om steden af te bakenen hanteert Marlet vier criteria (bebouwingdichtheid, centrumfunctie voor werk, centrumfunctie voor cultuur, centrumfunctie voor luxe winkels). Dat mag natuurlijk, maar in de gebiedsindeling van Louter was het niet de intentie om tot een definitie van ‘de stad’ te komen, maar om centra van arbeidsmarktgebieden af te bakenen. Merkwaardig is dat Marlet met een lijstje van gemeenten komt die hij als ‘stad’ definieert, maar vervolgens in zijn proefschrift wel gebruik maakt van de indeling van Louter (waar toch zo weinig van deugde?). Dat Marlet Delfzijl en Enkhuizen wel als stad aanmerkt en Delft en Hilversum niet is zijn goed recht, want het volgt uit de door hem gehanteerde criteria. Met deze resultaten zou het echter geen overbodige luxe zijn om nog eens naar de plausibiliteit van de indicatoren achter die criteria te kijken. Ook is de bronverwijzing naar de gebiedsindeling onjuist. Marlet heeft het over de gebiedsindeling van Van der Knaap, Louter en Van Oort. Eerst verwijst hij naar een onderzoek van Van der Knaap en Louter (‘De middelgrote steden’ uit 1986). Uit alles blijkt echter dat Marlet dat rapport niet gelezen kan hebben, want de gebiedsindeling komt in dat rapport niet voor. Ook verwijst hij naar het proefschrift van Van Oort (2002) en voert vervolgens Van Oort op als een van de opstellers van de gebiedsindeling. In het proefschrift van Van Oort wordt inderdaad gebruik gemaakt van de gebiedsindeling, echter met een keurige bronverwijzing naar het onderzoek van Louter. Om hier duidelijkheid in te scheppen het volgende. Een eerste gebiedsindeling (in 21 stedelijke agglomeraties) is te vinden in Louter, P.J. (1991) Zuid-Limburg in beeld. Een tweede gebiedsindeling staat in Louter, P.J. (1993) Nederland als een agglomerative field . Van de daarin onderscheiden kernsteden van stadsgewesten wordt gebruik gemaakt door Van Oort en later ook door Marlet. De gebiedsindeling waarvan in dit rapport wordt uitgegaan staat onder andere in Louter, P.J. en W. van Eikeren (2007) De kenniseconomie in Nederlandse gemeenten en regio’s.


109


Alle overige gemeenten zijn onderverdeeld in 16 landelijke gebieden. Binnen die landelijke gebieden zijn nog regionale kernen onderscheiden. Daarvoor is sprake van 15.000 tot 20.000 inpendelaars en is het pendelsaldo bovendien positief. Als regionale kern zijn aangemerkt Assen, Deventer, Almelo, Doetinchem, Gouda, Oss en Roermond. De belangrijkste gemeenten die niet de status van regionale kern hebben gekregen zijn: • Ede: Weliswaar tussen 15.000 en 20.000 inpendelaars, maar een pendelsaldo dat precies in evenwicht is. Ede voldoet dus net niet aan de gestelde criteria. • Westland, Almere, Helmond, Leidschendam-Voorburg en Schiedam. Er is weliswaar sprake van iets meer dan 15.000 inpendelaars, maar het pendelsaldo is negatief. Voor alle gemeenten geldt dat zij als suburbane gemeenten in een stadsgewest zijn aangemerkt. Met name Almere kent een zeer omvangrijk negatief pendelsaldo (vooral richting Amsterdam). Uiteindelijk is sprake van een gedetailleerde indeling in 83 gebieden (kernen, suburbane gemeenten of landelijke gemeenten; zie figuur I.1) en van een grofmazige indeling in 40 gebieden (stadsgewesten en landelijke gebieden; zie figuur I.2).


110


Figuur I.1

Indeling in 83 gebieden

Kernstad Subkern Kernsuburbs Plus Kernsuburbs Min Suburbane gemeenten Regionale kernen Landelijke gemeenten


111


Figuur I.2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Indeling in 40 gebieden

Amsterdam/ Haarlemmermeer Haarlem/ Velsen Hilversum Rotterdam / Dordrecht Den Haag / Delft Leiden Utrecht/ Zeist Amersfoort Alkmaar Zwolle Apeldoorn Arnhem Nijmegen 's-Hertogenbosch Eindhoven Tilburg Breda Leeuwarden Groningen Enschede/ Hengelo Venlo Sittard-Geleen Maastricht Heerlen Bollenstreek Groene Hart Kop van Noord-Holland Rivierenland Veluwe/ Oost-Utrecht Flevoland Zeeland West-Brabant Midden-Brabant Noordoost-Brabant Midden-limburg Achterhoek Overijssel Drenthe Fryslân Oost-Groningen


Landelijke gebieden Stadsgewesten

112


Bijlage II

Methode bepalen basis- en surpluswerkgelegenheid

In deze bijlage is aangegeven hoe de basiswerkgelegenheid en de surpluswerkgelegenheid is berekend (zie paragraaf II.1). Tevens is in paragraaf II.2 aangegeven welke economische sectoren zijn onderscheiden en of deze behoren tot de materiaal-, informatie- of personengeoriënteerde activiteiten.

II.1

Berekeningswijze basis- en surpluswerkgelegenheid

Het aantal arbeidsplaatsen per economische sector en gebied is als volgt verdeeld over een deel basiswerkgelegenheid en een deel surpluswerkgelegenheid59: • Eerst is voor elk gebied het aantal arbeidsplaatsen per duizend inwoners van 15 tot 65 jaar bepaald (de ‘werkgelegenheidsfunctie’). • Vervolgens is voor de x% (x nader te kiezen) van de gebieden met de laagste werkgelegenheidsfunctie het gemiddelde aantal arbeidsplaatsen per duizend inwoners van 15 tot 65 jaar berekend. Per gebied wordt dit getal vermenigvuldigd met het aantal inwoners van 15 tot 65 jaar. Dat is voor dat gebied de ‘basiswerkgelegenheid’. De basiswerkgelegenheid kan voor de gebieden met een zeer lage werkgelegenheidsfunctie ook negatief zijn. Voor die sector bevinden die gebieden zich dus onder het basisniveau. • Het verschil tussen het feitelijk aantal arbeidsplaatsen en de berekende basiswerkgelegenheid is de ‘surpluswerkgelegenheid’. Naast dit algemene principe moet een aantal keuzes worden gemaakt: • Naarmate een economische sector kleiner is, zal de kans dat er (alle andere omstandigheden gelijk veronderstellend) sprake is van grote ruimtelijke verschillen in vertegenwoordiging groter zijn. Er is daarom gekozen voor een ‘kritische massa’ per sector op nationaal niveau. Die ondergrens is bepaald op 100 duizend arbeidsplaatsen. Economische sectoren zijn zodanig afgebakend dat zij zo veel mogelijk op elkaar lijkende typen economische activiteiten bevatten. • Wat betreft het ruimtelijk schaalniveau waarop de omvang van de basis- en van de surpluswerkgelegenheid worden berekend is ten eerste gekozen voor het niveau van gemeenten en ten tweede voor het niveau van stadsgewesten. Voor sommige typen bedrijvigheid die als ‘regionaal-verzorgend’ kunnen worden beschouwd, zullen er tussen gemeenten mogelijk aanzienlijke verschillen in werkgelegenheidsfunctie bestaan (bijvoorbeeld tussen een kernstad en de omliggende suburbs), maar zullen de verschillen op het niveau van stadsgewesten kleiner zijn. • Als meeteenheid om het ‘surplus’ te berekenen komen meerdere indicatoren in aanmerking. Genoemd kunnen worden het aantal arbeidsplaatsen, het aantal vestigingen en de toegevoegde waarde. In dit rapport is gekozen voor het aantal arbeidsplaatsen. • Om de ‘basiswerkgelegenheid’ te bepalen kun een gemeente of regio met verschillende groepen van gemeenten respectievelijk regio’s worden vergeleken. In dit rapport is de 59

Theoretisch zou de surpluswerkgelegenheid het best berekend kunnen worden als het percentage van de omzet dat buiten de regio waar een bedrijf is gevestigd wordt afgezet (de ‘bovenregionale afzet’), vermenigvuldigd met het totaal aantal arbeidsplaatsen in het bedrijf. Praktisch gesproken is dat echter niet mogelijk omdat dergelijke gedetailleerde gegevens niet beschikbaar zijn voor alle individuele bedrijven en instellingen in een gebied en omdat het voor sommige typen bedrijvigheid moeilijk is hoe het percentage ‘bovenregionale afzet’ moet worden vastgesteld (bijvoorbeeld in delen van de non-profit sector). Bovendien zal ook bij deze methode een arbitraire keuze moeten worden gemaakt over de omvang van ‘de regio’.


113


basiswerkgelegenheid in de eerste plaats bepaald voor een vergelijking tussen 43 stedelijke kernen in Nederland en in de tweede plaats (op regionaal niveau) voor een vergelijking tussen 24 stedelijke agglomeraties in Nederland. Om de basiswerkgelegenheid te bepalen, moet tevens een beslissing worden genomen over het aantal gemeenten waarvoor het ‘basisniveau’ wordt bepaald. Voor de twee versies is per economische sector het volgende besloten: • De 43 stedelijke kernen: het basisniveau wordt bepaald op basis van de 25% van de gemeenten met de laagste werkgelegenheidsfunctie. • De 24 ‘stadsgewesten’: ook hier wordt het basisniveau bepaald op basis van de 25% van de gemeenten met de laagste werkgelegenheidsfunctie.

II.2

Sectorindelingen

In hoofdstuk 2 wordt een onderscheid gemaakt in dertig economische sectoren. Daarvan geldt voor werknemers in schoonmaakbedrijven, in de thuiszorg en uitzendkrachten dat de locatie waar zij zijn ingeschreven voor het overgrote deel niet overeenkomt met de locatie waar zij daadwerkelijk werkzaam zijn. Vaak werken zij buiten de gemeente waar het kantoor staat waaraan zij in de statistieken zijn toegeschreven. Hoewel dit fenomeen ook in andere sectoren voorkomt (met name in de bouw, maar ook bij gedetacheerden uit de ICT en adviesbureaus en bij vertegenwoordigers) geldt voor de genoemde drie sectoren in het bijzonder dat de werknemers vaak niet werken in de gemeente waar zij zijn ingeschreven. De sectoren zijn nader ingedeeld in drie typen activiteiten. Ook elders in dit rapport zal soms van deze indeling gebruik worden gemaakt. Het zijn: • Materiaalgeoriënteerde activiteiten, die zich bezig houden met de winning, productie en distributie van materiële goederen. • Informatiegeoriënteerde activiteiten, die zich bezighouden met het verkrijgen, verwerken en verstrekken van informatie. • Personengeoriënteerde activiteiten, die zich bezighouden met allerlei typen dienstverlening aan particulieren. In tabel II.1 is aangegeven welke sectoren tot de drie typen activiteiten zijn gerekend. In figuur II.1 staat het totaal aantal arbeidsplaatsen per sector in Nederland en het deel in de 43 stedelijke kernen. Daaruit blijkt dat vooral informatiegeoriënteerde activiteiten relatief veel in steden zijn gevestigd. Dat geldt overigens ook voor delen van de personengeoriënteerde bedrijvigheid. Duidelijk is dat sectoren als overig onderwijs en ziekenhuizen relatief veel in stedelijke kernen zijn gevestigd en dus ten onrechte vaak als typisch verzorgende sectoren worden bestempeld. Dat geldt vanuit de optiek dat zij niet of nauwelijks exporteren, maar niet vanuit de optiek dat zij voor de gemeente waar zij zijn gevestigd voor veel ‘surpluswerkgelegenheid’ kunnen zorgen.


114


Tabel II.1

Indeling in economische sectoren

Economische sector Materiaalgeoriënteerd Land- en tuinbouw Energie en chemie High-tech en research V&G-industrie Overig metaal Overige industrie

Toelichting onderdelen (indien relevant)

Aardolieraffinaderijen, chemie (exclusief farmaceutische industrie), basismetaal, kunststofverwerkende industrie, delfstoffenwinning, openbaar nutsbedrijven en milieudiensten Elektrotechnische industrie, medische apparatuur, kantoormachines, farmaceutische industrie, researchinstellingen Metaalproducten-, machine- en transportmiddelenindustrie Textiel/kleding/leer industrie, houtindustrie, bouwmaterialenindustrie, drukkerijen, papier- en kartonindustrie en meubelindustrie

Sociale werkplaatsen Bouwnijverheid Groothandel Goederenvervoer

Inclusief groothandel in auto’s Goederenvervoer over de weg, vervoer over water, hulpbedrijven van het vervoer

Informatiegeoriënteerd Softwarebedrijven Informatiegerelateerd Financiële activiteiten Adviesbureaus Openbaar bestuur Bestuursgerelateerd

Communicatiebedrijven, uitgeverijen, reclamebureaus, media Banken, verzekeringsbedrijven en hulpbedrijven van banken/verzekeringen Juridische/economische diensten, technische adviesdiensten (ingenieurs/architecten) Algemeen bestuur Rijk en gemeenten Overig openbaar bestuur en belangenorganisaties

Personengeoriënteerd Personenvervoer Detailhandel Vrijetijdsactiviteiten Basisonderwijs Overig onderwijs Ziekenhuizen Intramurale zorg Overige zorg Welzijn Veiligheid Overige diensten


Openbaar vervoer, luchtvaart (grotendeels vervoer van personen) Inclusief detailhandel in auto’s en reparatiebedrijven Horeca, reisbureaus en cultuur, sport en recreatie Voortgezet, middelbaar, hoger en wetenschappelijk onderwijs Inclusief instellingen voor geestelijke gezondheid Verpleeghuizen, huizen voor gehandicapten en maatschappelijke omvang Jeugdzorg, kinderopvang, sociaal-cultureel en maatschappelijk werk Openbare veiligheidsdiensten (o.a. politie), defensie, beveiligingsdiensten Overige zakelijke diensten, overig onderwijs, overige diensten

115


Figuur II.1

Arbeidsplaatsen in 43 stedelijke kernen en rest van Nederland Aantal arbeidsplaatsen (x1000)

% in stedelijke kern

Materiaalgeoriënteerd Land- en tuinbouw Energie en chemie High-tech en research V&G-industrie Overig metaal Overige industrie Sociale werkplaatsen Bouwnijverheid Groothandel Goederenvervoer Informatiegeoriënteerd Softwarebedrijven Informatiegerelateerd Financiele activiteiten Adviesbureaus Openbaar bestuur Bestuurgerelateerd Personengeoriënteerd Personenvervoer Detailhandel Vrijetijdsactiviteiten Basisonderwijs Overig onderwijs Ziekenhuizen Intramurale zorg Overige zorg Welzijn Veiligheid Overige diensten 0

500

1000

0%

50%

100%

4000

0%

50%

100%

Materiaalgeoriënteerd Informatiegeoriënteerd Personengeoriënteerd 0

1000

2000

3000

43 stedelijke kernen Overig


Aandeel in in totaal inwoners 15-64 jaar in totaal arbeidsplaatsen

116


Bijlage III Berekening indicatoren kennisintensiteit

diversificatie,

specialisatie

en

In hoofdstuk 3 is gebruik gemaakt van een aantal kengetallen. In deze bijlage staat daarvan de definitie. Diversificatie Wanneer de samenstelling van de bedrijvigheid in een gebied in sterke mate overeenkomt met de samenstelling van de bedrijvigheid in een referentiegebied, is sprake van een gediversificeerde economie. De mate van diversificatie is hier berekend met behulp van de Gini-coëfficiënt (G). Deze is als volgt gedefinieerd.

Gi = 0.5 * ∑ j

i N j W

Wi , j Wi

−

WN , j WN

gebied Nederland economische sector werkgelegenheid (aantal arbeidsplaatsen)

Werkgelegenheidsgroei De werkgelegenheidsgroei is in hoofdstuk 3 bepaald als de gemiddelde procentuele groei van het aantal arbeidsplaatsen. Relatieve specialisatie In figuur 3.6 is het verband bepaald tussen de relatieve specialisatie van een gebied in een sector en de groei van de werkgelegenheid per gebied in die sector in een periode daarna. De relatieve specialisatie is berekend als een locatiequotiënt (LQ). De definitie daarvan luidt als volgt:

 Wi , j    Wi   LQi = 100 *  WN , j     WN  Groeipotentieel Het groeipotentieel is bepaald door de aandelen van sectoren in de totale werkgelegenheid van een gebied te vermenigvuldigen met de nationale groei in die sector. Wanneer de bedrijvigheid van een gebied vooral bestaat uit sectoren met een nationaal hoge werkgelegenheidsgroei, zal het groeipotentieel van dat gebied hoog zijn. Wanneer de bedrijvigheid in dat gebied vooral bestaat uit sectoren met een nationaal lage werkgelegenheidsgroei, zal het groeipotentieel van dat gebied laag zijn. De definitie van het groeipotentieel (GP) luidt als volgt:

GPi = ∑ j

g

Wi , j Wi

* gN, j

gemiddelde jaarlijkse procentuele groei van het aantal arbeidsplaatsen


117


Opleidingsindex De opleidingsindex is berekend als een gewogen som over vijf opleidingsniveaus, namelijk opleiding op basis, laag (VMBO), middelbaar (MBO, VWO/HAVO), hoog (HBO) en wetenschappelijk. De aandelen van die vijf opleidingsniveaus worden vermenigvuldigd met respectievelijk de gewichten 0, 1, 2, 3 en 4. De opleidingsindex kan dus minimaal 0 zijn (iedereen heeft als opleidingsniveau basisonderwijs) en maximaal 4 (iedereen heeft als opleidingsniveau wetenschappelijk onderwijs). De opleidingsindex kan zowel voor de beroepsbevolking of werkzame beroepsbevolking worden berekend als voor de werknemers van bedrijven en instellingen.


118


Bijlage IV Methodologie Benchmarkmodel IV.1

Sectoren en locatiefactoren in het Benchmarkmodel

Het hart van het Benchmarkmodel wordt gevormd door een statistisch model waarin de relatieve vertegenwoordiging van een economische sector (het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar) wordt verklaard uit ‘locatiefactoren’ (factoren die regionale verschillen vertonen en die de vestigingsplaatskeuze en/of het bedrijfsfunctioneren beïnvloeden). Er bestaan grote verschillen tussen economische sectoren in het belang van verschillende locatiefactoren. Op grond van jarenlange ervaring met het verklaren van regionale verschillen in relatieve vertegenwoordiging en groei is voor de volgende onderverdeling in economische sectoren gekozen: • Industrie (exclusief sociale werkplaatsen en uitgeverijen) • Groothandel • Transport (exclusief personenvervoer) • Bank- en verzekeringswezen • ICT (softwarebedrijven, communicatiebedrijven en media) • Zakelijke diensten (economische, juridische en technische adviesdiensten, uitgeverijen, reclamebureaus) • Land- en tuinbouw • Detailhandel • Overige consumentendiensten (handel in auto’s en reparatie, verhuur en handel in onroerend goed, overige persoonlijke diensten) • Openbaar bestuur (inclusief defensie en belangenorganisaties) • Onderwijs • Bouwnijverheid • Zorgsector (exclusief thuiszorg) • Vrijetijdsactiviteiten (horeca; sport, recreatie en cultuur) Naast deze sectoren zijn afzonderlijk onderscheiden: • Uitzendkrachten. Zij werken in tal van economische sectoren. Als ‘werklocatie’ dient de plaats waar het kantoor van het uitzendbureau staat. De uitzendkrachten werken daar echter niet: het betreft een puur administratieve inschrijving. Zij werken vaak bij een bedrijf buiten de gemeente waar het uitzendbureau is gevestigd60. • ‘Ambulante activiteiten’. Dat zijn economische activiteiten, waarvan het overgrote deel van de werknemers niet werkzaam is op de locatie van het kantoor waar zij zijn ingeschreven. Zij werken ook vaak buiten de gemeente waar dat kantoor is gevestigd. Als economische activiteiten waarvan het overgrote deel van de werknemers geen vast werkadres heeft (ofte wel: ‘ambulant’ is) zijn aangemerkt schoonmaakbedrijven, thuiszorg, bewakingsdiensten, personenvervoer en cateringbedrijven61. 60

61

Zo ‘werken’ er in Diemen (waar het hoofdkantoor van Randstad staat) ongeveer 16 duizend arbeidskrachten bij uitzendbureaus. Die werken in de praktijk uiteraard niet alle voor bedrijven die in de gemeente Diemen zijn gevestigd. Ook in andere sectoren komen uiteraard werknemers voor die geen vaste werkplaats hebben, zoals vertegenwoordigers, gedetacheerden (bijvoorbeeld in ICT en zakelijke diensten) en bouwvakkers. Hun aandeel in het totaal van de sector is echter veelal kleiner dan voor de ambulante activiteiten (bij vertegenwoordigers en gedetacheerden) of er is meer sprake van werken binnen de gemeente waar het kantoor is gevestigd (voor mensen die werken in de bouwnijverheid).


119


Bij de presentatie van de resultaten van het onderzoek zijn voor de totale bedrijvigheid zowel cijfers met als zonder uitzendkrachten en ambulante activiteiten weergegeven. In totaal zijn 24 locatiefactoren onderscheiden in het Benchmarkmodel. Sommige daarvan hebben invloed voor een groot deel van de economische sectoren, andere slechts voor één of enkele sectoren. Om de presentatie van de resultaten overzichtelijk te houden zijn de 24 locatiefactoren gebundeld tot tien locatiefactortypen. In tabel IV.1 staat een overzicht van de indicatoren en indicatortypen. Tabel IV.1

Locatiefactoren en locatiefactortypen in het Benchmarkmodel

Locatiefactoren

Locatiefactortypen

Europese ligging Nationale ligging

Europese ligging Agglomeratie-effecten Centrale ligging Regionale centrumfunctie Ruimte-intensiteit Natuurlijke omgeving Opleidingsniveau Ligging aan hoofdwegennet Bereikbaarheid per trein Aandeel bevolking 18-25 jaar Aandeel 65-plussers Aandeel Rooms-Katholiek Gemiddeld inkomen Studenten Droog natuurlijk terrein Bos Gebouwde omgeving Provinciehoofdstad Uitstraling Schiphol Uitstraling Westland Vertegenwoordiging industrie Mainports Ministeries Tuinbouwcomplex

Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking

Woonomgeving Clustereffecten

Specifieke clusters

IV.2

Operationaliseren van locatiefactoren

Hierna wordt aangegeven hoe de verschillende locatiefactoren zijn geoperationaliseerd. Daarbij zal, waar relevant, ook worden ingegaan op statistisch-technische aspecten. Europese ligging Dit is de ligging ten opzichte van Europese economische zwaartepunten in het buitenland. Er is gebruik gemaakt van een zwaartekrachtmodel, waarbij de invloed van een buitenlandse regio binnen de EG (voor zover over de weg bereikbaar, dus bijvoorbeeld exclusief Groot-Brittannië en Ierland) op een gemeente in Nederland wordt verondersteld positief samen te hangen met het Bruto Regionaal Product in die buitenlandse regio en negatief (omgekeerd evenredig) met de afstand tot die regio. Sommeren over de buitenlandse regio levert een score op de Europese ligging. De hoogste scores worden gerealiseerd in het zuidoosten van Nederland. Agglomeratie-effecten Met deze indicator wordt de ligging ten opzichte van nationale economische zwaartepunten bepaald. De bijdrage van een gemeente j aan de agglomeratie-effecten van een gemeente i zijn [email protected] tel. 015-2682556 www.bureaulouter.nl

120


evenredig met de bruto toegevoegde waarde in gemeente j en omgekeerd evenredig met de rijtijd tussen i en j. De som over de gemeenten j levert de totale agglomeratie-effecten voor gemeente i. Door uit te gaan van een gemiddelde rijtijd binnen gemeente i is daaraan de bijdrage van gemeente i aan de eigen score op de agglomeratie-effecten toegevoegd. Hoge scores resulteren voor de grootstedelijke regio’s in Nederland (vooral Amsterdam, Den Haag en Rotterdam). De agglomeratie-effecten nemen af naarmate de afstand tot die grootstedelijke agglomeraties toeneemt. Nationale ligging Een alternatief voor de nationale ligging is de ‘centrale ligging’. Deze wordt bepaald als de gemiddelde rijtijd vanuit een gemeente tot de inwoners en arbeidsplaatsen in alle andere gemeenten in Nederland. Uiteraard is deze score gunstiger naarmate de gemiddelde rijtijd groter is. De hoogste score resulteert voor Utrecht. Naarmate de afstand tot Utrecht toeneemt, wordt de score op de nationale ligging lager. Voor sommige economische sectoren vormen zowel agglomeratie-effecten als de centrale ligging een locatiefactor. Hier doet zich echter een econometrisch probleem voor. De scores op de twee locatiefactoren komen in hoge mate overeen. Wanneer sprake is van een te grote statistische samenhang tussen verklarende variabelen (zogenaamde ‘multicollineairiteit’) mogen zij niet beide worden opgenomen in de vergelijking. Er moet dus een keuze worden gemaakt. Per economische sector is bepaald welke van de twee locatiefactoren de hoogste verklaringsgraad leverde. Die locatiefactor is geselecteerd. Bij het schatten van de modellen is steeds nagegaan of sprake is steeds voorkomen dat sprake is van multicollineairiteit, ook met betrekking tot combinaties van andere geselecteerde locatiefactoren. Regionale centrumfunctie Naast agglomeratie-effecten op Europees niveau (zie ‘Europese ligging’) en nationaal niveau (‘agglomeratie-effecten’) is er ook sprake van agglomeratie-effecten op regionaal niveau. Binnen regio’s nemen steden voor veel typen economische activiteiten een ‘centrumfunctie’ in. De centrumfunctie is berekend als de dichtheid in de gemeente ten opzichte van de dichtheid in de regionale omgeving. De dichtheid wordt gemeten als het aantal arbeidsplaatsen en inwoners per vierkante kilometer62. De dichtheid ‘in de regionale omgeving’ wordt bepaald als een potentiaalscore binnen een afstand van dertig kilometer. De dichtheid voor de gemeente i waarvoor de centrumfunctie wordt bepaald, wordt dan berekend als de gemiddelde dichtheid in gemeenten binnen een straal van dertig kilometer, waarbij de bijdrage aan de potentiaalscore recht evenredig afneemt met de afstand. Ruimte-intensiteit De ruimte-intensiteit is berekend als de ratio van het ‘potentieel ruimtegebruik’ ten opzichte van de beschikbaarheid van ruimte. Om het potentieel ruimtegebruik te bepalen, is een voor elke gemeente gelijkgesteld gemiddeld ruimtebeslag per ‘gebruikerscategorie’ verondersteld, namelijk 100 vierkante meter per inwoner, 50 vierkante meter per werknemer in kennisintensieve diensten, consumentendiensten en de non-profit sector en 200 vierkante meter voor industrie, bouwnijverheid, groothandel en transport. Vermenigvuldiging van het aantal ruimtegebruikers met het daaraan toegerekende gemiddelde ruimtebeslag levert het potentieel ruimtegebruik. Door uit te gaan van het potentieel in plaats van het feitelijk ruimtebeslag wordt op objectieve wijze

62

Voor gemeenten met grote zeehaventerreinen, zoals Rotterdam, is nog gecorrigeerd voor het feit dat daar gevestigde typen bedrijvigheid veel ruimte per arbeidsplaats vergen. Anders zou de dichtheid in gemeenten met veel zeehaventerrein worden onderschat.


121


rekening gehouden met het feit dat in gebieden waar het feitelijk ruimtebeslag per inwoner en/of werknemer laag is, gemakkelijk verdichting binnen de bestaande bouw kan plaatsvinden. De beschikbaarheid van ruimte is per gemeente berekend als de totale oppervlakte (gemeten in vierkante kilometers) minus water, bos en natuurlijk terrein. Naast de dichtheid van economische activiteiten vormt ook rijtijdverlies als gevolg van files een rem op de geneigdheid van bedrijvigheid om zich op bepaalde locaties te vestigen. Ten behoeve van dit onderzoek is een indicator voor de filedruk opgesteld. Deze blijkt echter in zeer sterke mate overeen te komen met de ruimte-intensiteit. Om statistisch-technische redenen is het daarom niet mogelijk om beide indicatoren gelijktijdig op de nemen in het Benchmarkmodel. Gekozen is voor de ruimte-intensiteit. Deze representeert daarom tevens de filedruk. Bepaalde gemeenten worden dus gekenmerkt door weinig ruimte voor de vestiging van bedrijvigheid en een verminderde lokale bereikbaarheid als gevolg van files. Natuurlijke omgeving Het verband tussen de kwaliteit van de natuurlijke omgeving en de economische positie van een gebied is complex. De aanname dat er sprake is van een positief verband loopt via de redenering dat ‘kenniswerkers’ graag in een gebied met een mooie natuurlijke omgeving willen wonen (en zich de hoge woningprijzen in dat soort gebieden ook kunnen permitteren) en dat zich daar vervolgens bedrijven vestigen waarvoor een hoogopgeleide beroepsbevolking een belangrijke vestigingsplaatsfactor vormt. Op gemeentelijk niveau ligt het verband echter anders. Veelal zal in gemeenten met een zeer hoogwaardige natuurlijke omgeving de vestiging van bedrijvigheid juist worden ontmoedigd, met name wanneer dat bedrijvigheid met een groot ruimtebeslag per werknemer en/of hinderlijke bedrijvigheid betreft. Dat in een gemeente met een fraaie natuurlijke omgeving veel hoogopgeleiden wonen, is weliswaar een belangrijke vestigingsplaatsfactor voor kennisintensieve bedrijven. Die bedrijven behoeven echter niet binnen de gemeente zelf gevestigd te zijn (denk aan de vele hoogopgeleide inwoners van het Gooi die in Amsterdam werken). Op regionaal niveau mag een verband tussen natuurlijke omgeving en kennisintensieve bedrijvigheid dus verwacht worden, maar op gemeentelijk niveau juist eerder niet. Het verband op regionaal niveau loopt modeltechnisch via het opleidingsniveau van de beroepsbevolking in de regio (zie hierna). Op gemeentelijk niveau wordt een fraaie natuurlijke omgeving juist eerder als een rem beschouwd op vestiging van bepaalde typen bedrijvigheid. De score op de kwaliteit van de natuurlijke omgeving is ontleend aan een onderzoek van Alterra. Opleidingsniveau Het opleidingsniveau van de beroepsbevolking is niet alleen binnen de eigen gemeente van belang. Bekend is dat met name veel hoger opgeleiden niet binnen hun eigen woongemeente werken. Daarom is om het relevante opleidingsniveau voor een gemeente te bepalen gebruik gemaakt van een potentiaalscore, waarbij alle gemeenten binnen een straal van twintig kilometer van een gemeente bijdragen aan de score in een recht evenredig met de afstand afnemende mate. Het gemiddeld opleidingsniveau wordt daarbij bepaald als een indexscore met gewichten 0, 1, 2, 3 en 4 voor respectievelijk opgeleiden op basis-, laag, middelbaar, hoog en wetenschappelijk niveau. De score ligt dus tussen 0 (slechts opgeleiden op basisniveau) tot 4 (slechts opgeleiden op wetenschappelijk niveau). Ligging aan hoofdwegennet Naast de ligging op Europees, nationaal en regionaal niveau kan een gunstige ligging ten opzichte van het hoofdwegennet een extra stimulans vormen voor het vestigen van een bedrijf. Bij het bepalen van de score voor agglomeratie-effecten en de nationale ligging speelt een gunstige aansluiting op het hoofdwegennet al een rol, omdat daardoor locaties in het land gemiddeld sneller bereikbaar zijn. De extra impuls van een gunstige ligging aan het hoofdwegennet op regionaal niveau bestaat eruit dat sprake is van een concurrentievoordeel ten opzichte van andere [email protected] tel. 015-2682556 www.bureaulouter.nl

122


gemeenten in de omgeving. De ligging aan het hoofdwegennet is bepaald door de gemiddelde afstand van de bedrijvigheid in een gemeente tot de dichtstbijzijnde aansluiting op het hoofdwegennet. Bereikbaarheid per trein De bereikbaarheid per trein kan voor sommige typen economische sectoren een vestigingsreden zijn (naast ander locatiefactoren). Het is zeer complex om een goede indicator voor de bereikbaarheid per trein vast te stellen. Hier is gekozen voor een samengestelde indicator, die per gemeente bestaat uit de volgende bestanddelen: • De gemiddelde afstaand tot het dichtstbijzijnde NS-station voor werknemers in een gemeente • De gemiddelde afstand tot het dichtstbijzijnde IC-station voor werknemers in een gemeente • Het percentage van de inwoners van een gemeente dat voor reizen over meer dan dertig kilometer gebruik maakt van de trein • Idem, maar dan exclusief reizen om studieredenen Naast de hiervoor besproken locatiefactoren, die in principe voor (vrijwel) elke economische sector een rol kunnen spelen, zijn er nog diverse andere ‘specifieke locatiefactoren’, die slechts voor een beperkt aantal economische sectoren (soms zelfs voor slechts één economische sector) een rol van betekenis spelen. Aandeel bevolking 18-25 jaar In de sector onderwijs is sprake van een beperkt aantal gemeenten met een universiteit. Veel studenten verhuizen naar universiteitssteden (voor HBO-studenten geldt dat in wat mindere mate). Om in het Benchmarkmodel voor de sector onderwijs voor het effect van de vestiging van een universiteit (en in mindere mate van HBO-instellingen) te corrigeren is het aandeel van 18tot 25-jarigen in de totale bevolking als verklarende variabele opgevoerd. Daardoor kan zuiverder worden bepaald in hoeverre andere locatiefactoren een rol spelen voor de overige typen onderwijs. Aandeel 65-plussers Senioren maken aanzienlijk meer gebruik van zorg dan gemiddeld. Daarom is het aandeel 65plussers in de totale bevolking opgenomen als locatiefactor voor de vestiging van bedrijvigheid in de zorgsector. Aandeel Rooms-Katholiek In het Benchmarkmodel voor vrijetijdsactiviteiten bleken in eerste instantie aanzienlijk meer arbeidsplaatsen in het zuidoosten van Nederland gevestigd te zijn dan verwacht. Toevoegen van de locatiefactor percentage Rooms-Katholieken in de totale bevolking (een sociaal-culturele factor) bleek een duidelijk positief verband te leveren in het model voor de vrijetijdsactiviteiten. Gemiddeld inkomen Verwacht mag worden dat in op consumenten gerichte commerciële diensten het gemiddeld inkomen van de gemeentelijke bevolking een positieve invloed heeft op de omvang van de bedrijvigheid (via hogere consumentenbestedingen). Studenten Het aantal in een gemeente woonachtige HBO- en WO-studenten per duizend inwoners. Deze locatiefactor is specifiek relevant voor vrijetijdsactiviteiten. [email protected] tel. 015-2682556 www.bureaulouter.nl

123


Droog natuurlijk terrein Het percentage van het oppervlak in een gemeente dat bestaat uit droog natuurlijk terrein (waartoe ook strand wordt gerekend) zal naar verwachting een positieve invloed hebben op toerisme en recreatie (en daarmee op de werkgelegenheid in vrijetijdsactiviteiten). Bos Ook het percentage van het oppervlak in een gemeente dat bestaat uit bos zal naar verwachting een positieve invloed hebben op toerisme en recreatie (en daarmee op de werkgelegenheid in vrijetijdsactiviteiten). Gebouwde omgeving Voor sommige typen economische activiteiten zal een fraaie gebouwde omgeving mogelijk een positieve invloed hebben op de vestigingsplaatskeuze. Gedacht kan worden aan vrijetijdsactiviteiten, maar ook voor andere typen economische activiteiten kan een ‘representatieve omgeving’ mogelijk een van de redenen voor vestiging in een gemeente zijn. Met name gemeenten met een fraaie binnenstad hebben mogelijk een voordeel. De kwaliteit van de gebouwde omgeving is berekend als het aantal Rijksmonumenten per vierkante kilometer bebouwd oppervlak in de gemeente. Soms leveren specifieke concentraties van bedrijvigheid voordelen voor de vestiging van andere typen bedrijvigheid. Dit wordt hier aangeduid met de term ‘clustereffecten’. Het gaat dan dus om de invloed van een bepaald type activiteiten op andere economische sectoren. Provinciehoofdstad Vestiging in een provinciehoofdstad kan aantrekkelijk zijn voor bedrijven of instellingen uit andere sectoren dan openbaar bestuur, om redenen van status of representativiteit. Uitstraling Schiphol Naast de effecten binnen de sector transport zelf (zie ‘mainports’ bij de hierna te bespreken ‘specifieke clusters’) zijn er ook in andere economische sectoren activiteiten op Schiphol die rechtstreeks zijn verbonden aan de luchthaven. Alleen activiteiten binnen de gemeente Haarlemmermeer zijn bij deze locatiefactor meegenomen. Het totale effect van Schiphol, zowel binnen de gemeente Haarlemmermeer als buiten de gemeente is groter dan de som van de locatiefactor ‘uitstraling Schiphol’ en het effect van de (hierna te bespreken) specifieke cluster ‘mainports’63. Uitstraling Westland Op soortgelijke wijze als voor Schiphol, zijn er in de gemeente Westland naast de tuinbouwsector zelf ook in andere economische sectoren activiteiten die rechtstreeks zijn verbonden aan de tuinbouw in het Westland. Evenals voor Schiphol geldt dat het totaaleffect in termen van het aantal arbeidsplaatsen groter is dan de som van de locatiefactor ‘uitstraling Westland’ en het effect van de (hierna te bespreken) specifieke cluster ‘tuinbouwcomplex’.

63

De directe effecten (direct aan Schiphol gebonden economische activiteiten), de uitbestedingen (zogenaamde ‘achterwaartse economische effecten’) en activiteiten die vrijwel zeker niet in Nederland gevestigd zouden zonder Schiphol (zoals European Distribution Centers en European Headquarters die in de nabijheid van Schiphol zijn gevestigd) tellen op tot 121 duizend arbeidsplaatsen. Zie Louter. P.J. en W. van Eikeren (2008) Ontwikkeling vestigingsplaatsfunctie Schiphol tot 2040; De vier WLO-scenario’s gekwantificeerd. Bureau Louter, Delft. In opdracht van het Ministerie van Verkeer en Waterstaat.


124


Vertegenwoordiging industrie Industrie besteedt relatief veel activiteiten uit. Voor een aantal economische sectoren is onderzocht of de nabijheid van concentraties van industriële bedrijvigheid een extra effect sorteert (bovenop het effect van andere locatiefactoren). De vertegenwoordiging van industrie is daarbij bepaald als potentiaalscore: naast de industrie in de gemeente zelf wegen ook industriële activiteiten in andere gemeenten binnen een straal van twintig kilometer mee, met een met de afstand afnemende mate van invloed. De vertegenwoordiging van industrie is dus berekend als een ‘gepotentialiseerd locatiequotiënt’. Specifieke clusters Naast alle locatiefactoren zijn er tenslotte nog drie ‘specifieke clusters’ benoemd. Dat zijn de mainports (Schiphol in Haarlemmermeer en de haven van Rotterdam), de ministeries in Den Haag en het tuinbouwcomplex in het Westland. Hieraan liggen modeltechnische redenen ten grondslag. De betreffende clusters nemen in respectievelijk de sectoren transport, openbaar bestuur en land- en tuinbouw een dermate groot aandeel in het nationaal totaal in, dat daardoor het effect van de ‘reguliere’ locatiefactoren niet goed gemeten kan worden. Dit is als volgt opgelost: • Het Benchmarkmodel is voor transport geschat exclusief Haarlemmermeer en Rotterdam, voor openbaar bestuur exclusief Den Haag en voor land- en tuinbouw exclusief de gemeente Westland. • Vervolgens is via het Benchmarkmodel het aantal arbeidsplaatsen voor Haarlemmermeer en Rotterdam (transport), voor Den Haag (openbaar bestuur) en voor Westland (land- en tuinbouw) geschat op basis van hun scores op de locatiefactoren. Dat is het ‘reguliere’ effect van de locatiefactoren. • Het verschil tussen het feitelijk aantal arbeidsplaatsen en het aantal arbeidsplaatsen op basis van het reguliere effect van de locatiefactoren is beschouwd als het ‘specifieke’ locatiefactoreneffect van Schiphol, de Rotterdamse haven, de Rijksoverheid en het tuinbouwcomplex in Haarlemmermeer en Rotterdam (voor transport), Den Haag (voor de Rijksoverheid) en in Westland (voor het tuinbouwcomplex). Omdat het effect van locatiefactoren voor Nederland als geheel altijd op moet tellen tot 0 (locatiefactoren zorgen voor de verdeling van economische activiteiten over Nederland), zijn voor deze drie specifieke locatiefactoren aan de gemeenten in Nederland waar de specifieke clusters niet zijn gevestigd, negatieve scores toegekend naar rato van het aantal inwoners van 15 tot 65 jaar. • Voor Schiphol, de Rotterdamse haven, Den Haag en Westland wordt aldus voor respectievelijk transport (twee maal), openbaar bestuur en land- en tuinbouw een regionaal effect (het verschil tussen het feitelijk aantal arbeidsplaatsen en het via het Benchmarkmodel bepaalde aantal arbeidsplaatsen) toegekend van 0. Het overduidelijke ‘surplus’ aan economische activiteiten in de gemeenten waar die specifieke clusters zijn gevestigd, wordt dus als ‘specifieke locatiefactor’ aangemerkt en niet als regionaal effect. Daar valt uiteraard over te twisten. Daarom is in de figuren in hoofdstuk 4 soms ook de som van de regionale effecten en de specifieke locatiefactoren weergegeven. Een dergelijke ‘uitzonderingssituatie’ zou uiteraard ook voor ruimtelijke concentraties van andere typen economische activiteiten kunnen worden opgevoerd. De volgende criteria hebben ten grondslag gelegen aan het aanwijzen van specifieke clusters: • Het cluster moet voldoende kritische massa hebben • Er moet sprake zijn van meerdere bedrijven (een cluster). Locatiekeuzes van individuele (grote) bedrijven of instellingen (bijvoorbeeld Corus, of de marine, of DSM of academische ziekenhuizen) worden niet als specifiek cluster beschouwd. [email protected] tel. 015-2682556 www.bureaulouter.nl

125


•

IV.3

Er moet sprake zijn van een grote mate van ruimtelijke inertie: voor de betreffende clusters is het moeilijk denkbaar dat zij voor een groot deel hun huidige locatie zullen verruilen voor een andere.

Schattingsresultaten

In tabel IV.2a en tabel IV.2b staan de schattingsresultaten per economische sector. Weergegeven is de richting en de omvang van het effect van de locatiefactoren op de gemeentelijke verschillen in relatieve vertegenwoordiging van het aantal arbeidsplaatsen64. De R-kwadraat (die minimaal 0 is en maximaal 1) geeft aan in hoeverre gemeentelijke verschillen in de relatieve vertegenwoordiging van de sectoren wordt verklaard door het model. Algemene locatiefactoren, samenhangend met ligging Een gunstige ligging ten opzichte van Europese economische zwaartepunten blijkt vooral een positieve invloed te hebben op de vestiging van industrie. In mindere mate geldt dit ook voor groothandel, transport, het banken verzekeringswezen en zakelijke diensten. Voor op consumenten gerichte diensten en de non-profit sector speelt de Europese ligging geen rol van betekenis. Voor groothandel en bouwnijverheid is een nationaal centrale ligging van belang. Daarnaast zijn agglomeratie-effecten van belang voor kennisintensieve sectoren als het banken verzekeringswezen, ICT en zakelijke diensten en voor transport. Voor op consumenten gerichte diensten en de non-profit sector speelt de ligging ten opzichte van economische zwaartepunten in Nederland minder een rol, enigszins met uitzondering van de overige consumentendiensten en openbaar bestuur. Een regionale centrumfunctie blijkt voor vrijwel alle economische sectoren van groot belang te zijn. Iets minder geldt dat voor transport en de bouwnijverheid. Voor land- en tuinbouw is juist sprake van een negatieve invloed (wat ook verwacht mocht worden). Overige algemene locatiefactoren Naast de drie locatiefactortypen die het effect ligging op drie ruimtelijke schaalniveaus representeren (Europees, nationaal en regionaal) zijn er drie andere locatiefactortypen die van belang zijn voor het vestigingsplaatsgedrag in diverse economische sectoren. De dichtheid van economische activiteiten (de ruimte-intensiteit), die tevens representatief is voor de filedruk, heeft een negatieve invloed voor alle economische sectoren. Alle andere locatiefactoren gelijk veronderstellend houdt dat in dat in dat bedrijvigheid zich minder kan vestigen in gebieden met een hoge dichtheid aan economische activiteiten. Daarbij moet worden opgemerkt dat in gebieden met een hoge ruimte-intensiteit wel degelijk sprake kan zijn van een sterke concentratie van economische activiteiten, wanneer de nationale en/of regionale ligging juist aantrekkelijk zijn voor vestiging. Het uiteindelijke resultaat is een combinatie van ‘agglomererende factoren’ (regionale ligging en centrumfunctie) en ‘desagglomererende factoren’ (ruimte-intensiteit; ook representatief voor filedruk).

64

In statistisch-technische termen is daarbij uitgegaan van de zogenaamde t-waarden. Bij een twaarde van meer dan 2 (een positief verband) of minder dan -2 (een negatief verband) is met 95% zekerheid sprake van een verband. Eén plus (min) geeft een t-waarde aan tussen 2 en 4 (-2 en -4), twee plussen een t-waarde tussen 4 en 6 (-4 en -6) en drie plussen een t-waarde van meer dan 6 (minder dan -6).


126


Tabel IV.2

Mate van invloed van locatiefactoren op relatieve vertegenwoordiging sector

Locatiefactor

Ind

Gro

Tra

Europese ligging

+++

+

+

Nationale ligging Agglomeratie-effecten Centrale ligging

Bou

L&T

ICT

+

+++ +++

B&V

ZD +

+++

+++

+++

++

+++

+++

++

++

--

+++

+++

+++

Ruimtedruk Ruimte-intensiteit Natuurlijke omgeving

---

----

-----

---

---

---

--

---

Opleidingsniveau

--

+

+++

+++

+++

+

+ +

+++

+

Regionale centrumfunctie

Infrastructuur Ligging aan hoofdwegennet Bereikbaarheid per trein

--

+

--

Kenmerken bevolking Aandeel bevolking 18-25 jaar * Aandeel 65-plussers * Aandeel Rooms-Katholiek * Gemiddeld inkomen Studenten * Woonomgeving Droog natuurlijk terrein * Bos * Gebouwde omgeving * Clustereffecten Provinciehoofdstad Uitstraling Schiphol Uitstraling Westland * Vertegenwoordiging industrie * Specifieke clusters Mainports Ministeries Tuinbouwcomplex

+ + + + x x

R-kwadraat .42 .46 .26 .21 .79 .60 .70 .73 Toelichting: Ind Industrie Gro Groothandel Tra Transport Bou Bouwnijverheid L&T Land- en tuinbouw B&V Bank- en verzekeringswezen ICT ICT ZD Kennisintensieve zakelijke diensten * Locatiefactor slechts voor één economische sector van belang x Effect ‘specifieke clusters’ buiten model om berekend +, Richting en sterkte van verband tussen locatiefactor en relatieve vertegenwoordiging economische sector


127


Tabel IV.2

Mate van invloed van locatiefactoren op relatieve vertegenwoordiging sector Det

OvC

Vrij

OpB

Ond

Zorg

UK

Amb

+++

++

Europese ligging Nationale ligging Agglomeratie-effecten Centrale ligging Regionale centrumfunctie Ruimtedruk Ruimte-intensiteit Natuurlijke omgeving

++

+

+++

+++

+++

+++

+++

+++

+++

+++

---

---

---

--

--

-

--

-

+

++

+++

+++

+

Opleidingsniveau Infrastructuur Ligging aan hoofdwegennet Bereikbaarheid per trein Kenmerken bevolking Aandeel bevolking 18-25 jaar * Aandeel 65-plussers * Aandeel Rooms-Katholiek * Gemiddeld inkomen Studenten *

+

+++ +++ +++

++

Woonomgeving Droog natuurlijk terrein * Bos * Gebouwde omgeving * Clustereffecten Provinciehoofdstad Uitstraling Schiphol Uitstraling Westland * Vertegenwoordiging industrie * Specifieke clusters Mainports Ministeries Tuinbouwcomplex

++ +++ ++ ++ + +++

++

+ +

+++

x

.63 .50 R-kwadraat .39 .35 .55 .56 .70 .57 Toelichting: Det Detailhandel OvC Overige consumentendiensten Vrij Vrijetijdsactiviteiten OpB Openbaar bestuur Ond Onderwijs Zorg Zorgsector UK Uitzendkrachten Amb Ambulante activiteiten * Locatiefactor slechts voor één economische sector van belang x Effect ‘specifieke clusters’ buiten model om berekend +, Richting en sterkte van verband tussen locatiefactor en relatieve vertegenwoordiging economische sector


128


In gebieden met een fraaie natuurlijke omgeving vestigt bedrijvigheid die veel ruimte inneemt en/of als hinderlijk ervaren kan worden zich minder. Het gaat vooral om materiaalgeoriënteerde activiteiten. Het gemiddeld opleidingsniveau van de regionale beroepsbevolking vormt vooral een stimulans voor vestiging van kennisintensieve diensten en de non-profit sector. Voor op consumenten gerichte economische activiteiten is het effect neutraal. En voor sommige economische activiteiten is het effect juist negatief. Daar waar het gemiddeld opleidingsniveau van de beroepsbevolking laag is, zijn industrie en bouwnijverheid meer dan gemiddeld vertegenwoordigd (alle andere locatiefactoren gelijk veronderstellend). Het regionaal opleidingsniveau speelt blijkbaar vooral een rol bij de ruimtelijke ‘uitsortering’ van bedrijvigheid. Bij de infrastructuur moet er aan worden herinnerd dat een goede ligging aan het wegennet op bovenregionaal niveau al is verwerkt in de nationale ligging. En het effect van files wordt al gerepresenteerd door de ruimte-intensiteit. Een goede ligging aan het hoofdwegennet blijkt binnen de regio een concurrentievoordeel op te leveren voor groothandel, ICT, zakelijke diensten en de overige consumentendiensten (waartoe bijvoorbeeld ook autodealers behoren). Het negatieve effect voor landbouw is te verklaren uit het feit dat in gemeenten die goed zijn aangesloten op het hoofdwegennet eerder de neiging zal bestaan om landbouwgrond te vervangen door bedrijventerreinen. Een goede bereikbaarheid per trein geeft een extra impuls aan de vestiging van zakelijke diensten, onderwijs (in verband met de bereikbaarheid voor studenten) en openbaar bestuur (dat laatste wellicht door bewuste keuzes van de overheid om openbaar bestuur te concentreren op goed door de trein ontsloten locaties). Specifieke locatiefactoren Voor 9 van de 12 locatiefactoren die vallen onder de kenmerken van de bevolking, de woonomgeving en clustereffecten is van een statistisch significante invloed slechts sprake voor één economische sector. Indicatoren waarvoor de invloed voor meerdere economische sectoren geldt, zijn het gemiddeld inkomen, provinciehoofdstad en de uitstraling van Schiphol. Het gemiddeld inkomen heeft, volgens verwachting, slechts een effect voor de drie op consumenten gerichte economische activiteiten. Ligging in een provinciehoofdstad blijkt uitsluitend van betekenis te zijn voor kennisintensieve diensten. Blijkbaar ontlenen zij status aan vestiging in een provinciehoofdstad. De vestiging van Schiphol tenslotte heeft binnen de gemeente Haarlemmermeer een positief effect op sectoren als de groothandel (denk aan European Distribution Centers), overige consumentendiensten en vrijetijdsactiviteiten (denk aan horeca op Schiphol). De specifieke clusters mainports, ministeries en tuinbouwcomplex hebben respectievelijk betrekking op de economische sectoren transport, openbaar bestuur en land- en tuinbouw. Zoals eerder werd aangegeven, worden die effecten op een andere wijze dan via een geschat model berekend. Uitzendkrachten en ambulante activiteiten Voor uitzendkrachten en ambulante activiteiten geldt dat de werknemers zijn toegeschreven aan de locatie waar het kantoor is gevestigd (het uitzendbureau; de kantoren van de schoonmaakbedrijven, de beveiligingsdiensten, het openbaar vervoer, de cateringbedrijven, de thuiszorgbedrijven). Daarbij blijken de nationale ligging (agglomeratie-effecten) en de regionale centrumfunctie van belang. De locatiefactoren voor de ruimtedruk hebben een negatieve invloed. Dat hangt mogelijk samen met het feit dat in gebieden met een hoge ruimte-intensiteit (andere [email protected] tel. 015-2682556 www.bureaulouter.nl

129


locatiefactoren gelijk veronderstellend) minder economische activiteiten voorkomen en er dus ook minder vraag is naar uitzendkrachten en ambulante activiteiten. De kantoren van ambulante activiteiten zijn blijkbaar meer dan gemiddeld gevestigd in provinciehoofdsteden. Bij Schiphol heeft het betrekking op schoonmaakbedrijven, catering en bewakingsdiensten.

Bijlage IV.4 Resultaten Benchmarkmodel per sector In hoofdstuk 4 van de hoofdtekst zijn figuren met de resultaten van het Benchmarkmodel opgenomen. In deze bijlage staan daarnaast nog enkele figuren met gedetailleerde uitkomsten per economische sector, zowel voor Rotterdam (figuur IV.1 en figuur IV.2) als voor het stadsgewest als geheel (figuur IV.3 en figuur IV.4).


130


Figuur IV.1

Benchmarkmodel: effecten Rotterdam vergeleken met nationaal gemiddelde, per economische sector (in duizenden arbeidsplaatsen) Industrie

Groothandel

Transport

Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters 0 Locatiefactoren effect Regionaal effecten Totaal effecten 0 Regionaal + specifiek Agglomeratie en ruimte -20

-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30

Aandeel in werkgelegenheid Nederland Rotterdam 0%

5%

10%

15% 0%

5%

10%

Bouwnijverheid

15% 0%

5%

10%

Land- en tuinbouw

Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -20

-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15%

131

15%


Figuur IV.1

Vervolg Bank- en verzekeringswezen

ICT

Zakelijke diensten


-10

0

10

20

30-20

-10

0

10

20

30-20

-10

0

10

20

30


5%

10%

15%0%

Detailhandel

5%

10%

15%0%

5%

Overige consumentendiensten

10%

15%

Vrijetijdsactiviteiten


-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15% 0%

5%

10%

132

15%


Figuur IV.1

Vervolg Openbaar bestuur

Onderwijs

Zorgsector


-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30


5%

10%

15% 0%

5%

Uitzendarbeid

10%

15% 0%

5%

10%

Ambulante activiteiten


-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15%

133

15%


Figuur IV.2

Benchmarkmodel: effecten Rotterdam vergeleken met nationaal gemiddelde, per economische sector (in % van ‘Verwacht o.b.v. PBB’) Industrie

Groothandel

Transport

Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters

NB: Andere schaal!

0 Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -50%

0%

50%

100% -50%

0%

50%

5%

10%

15% 0%

5%

10%

100% -100%

0%

100%

200%


Bouwnijverheid

15% 0%

5%

10%

Land- en tuinbouw


NB: Andere schaal!

Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -50%

0%

50%

100%

5%

10%

15%

-100%

0%

100%



0%

5%

10%

15%

134

15%


Figuur IV.2


ICT

Zakelijke diensten

Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -50%

0%

50%

100%-50%

0%

50%

100%-50%

0%

50%

100%

5%

10%

15%0%

5%

10%

15%0%

5%

10%

15%


Detailhandel




0%

50%

100% -50%

0%

50%

100% -50%

0%

50%

100%

5%

10%

15% 0%

5%

10%

15% 0%

5%

10%

15%



135


Figuur IV.2


Onderwijs

Zorgsector


0%

50%

100%-50%

0%

50%

100% -50%

0%

50%

100%

5%

10%

15%0%

5%

10%

15% 0%

5%

10%

15%


Uitzendarbeid



0%

50%

100% -50%

0%

50%

100%

5%

10%

15% 0%

5%

10%

15%



136


Figuur IV.3

Benchmarkmodel: effecten stadsgewest Rotterdam vergeleken met nationaal gemiddelde, per economische sector (in duizenden arbeidsplaatsen) Industrie

Groothandel

Transport

Europese ligging Nationale ligging Regionale centrumfunctie Ruimtedruk Opleidingsniveau Infrastructuur Kenmerken bevolking Woonomgeving Clustereffecten Specifieke clusters 0 Locatiefactoren effect Regionaal effecten Totaal effecten 0 Regionaal + specifiek Agglomeratie en ruimte -20

-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30

Aandeel in werkgelegenheid Nederland SG Rotterdam 0%

5%

10%

15% 0%

5%

10%

Bouwnijverheid

15% 0%

5%

10%

Land- en tuinbouw


-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15%

137

15%


Figuur IV.3


ICT

Zakelijke diensten


-10

0

10

20

30-20

-10

0

10

20

30-20

-10

0

10

20

30


5%

10%

15%0%

Detailhandel

5%

10%

15%0%

5%


10%

15%



-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15% 0%

5%

10%

138

15%


Figuur IV.3


Onderwijs

Zorgsector


-10

0

10

20

30 -20

-10

0

10

20

30 -20

-10

0

10

20

30


5%

10%

15% 0%

5%

Uitzendarbeid

10%

15% 0%

5%

10%



-10

0

10

20

30 -20

-10

0

10

20

30



5%

10%

15% 0%

5%

10%

15%

139

15%


Figuur IV.4

Benchmarkmodel: effecten stadsgewest Rotterdam vergeleken met nationaal gemiddelde, per economische sector (in % van ‘Verwacht o.b.v. PBB’) Industrie

Groothandel

Transport


NB: Andere schaal!

0 Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -50%

0%

50%

100% -50%

0%

50%

5%

10%

15% 0%

5%

10%

100% -100%

0%

100%

200%


Bouwnijverheid

15% 0%

5%

10%

Land- en tuinbouw


NB: Andere schaal!

Locatiefactoren effect Regionaal effecten Totaal effecten Regionaal + specifiek Agglomeratie en ruimte -50%

0%

50%

100%

5%

10%

15%

-100%

0%

100%



0%

5%

10%

15%

140

15%


Figuur IV.4


ICT

Zakelijke diensten


0%

50%

100%-50%

0%

50%

100%-50%

0%

50%

100%

5%

10%

15%0%

5%

10%

15%0%

5%

10%

15%


Detailhandel




0%

50%

100% -50%

0%

50%

100% -50%

0%

50%

100%

5%

10%

15% 0%

5%

10%

15% 0%

5%

10%

15%



141


Figuur IV.4


Onderwijs

Zorgsector


0%

50%

100%-50%

0%

50%

100% -50%

0%

50%

100%

5%

10%

15%0%

5%

10%

15% 0%

5%

10%

15%


Uitzendarbeid



0%

50%

100% -50%

0%

50%

100%

5%

10%

15% 0%

5%

10%

15%



142


Bijlage V

Indicatoren innovatieprofiel

Op basis van gegevens van het CBS (de innovatie-enquête en het algemeen bedrijvenregister) is door Bureau Louter een unieke dataset opgesteld. Voor bedrijven uit de marktsector met tien of meer werkzame personen65 is daardoor informatie beschikbaar (direct uit de data, dan wel indirect afgeleid) over hun locatie, hun research-inspanningen en innovativiteit. De geregionaliseerde CIS-enquête is door Bureau Louter opgesteld voor de jaren 2004, 2006 en 2008. Er zijn zeven indicatoren onderscheiden, namelijk: • R&D-uitgaven: De uitgaven aan R&D per inwoner van 15 tot 65 jaar; • % samenwerking bij innovaties: Het percentage van de bedrijven dat met andere bedrijven samenwerkt in innovatieprocessen. • % productinnovaties: Het percentage van de bedrijven met productinnovaties in de laatste drie jaar. Een productinnovatie is het op de markt brengen van nieuwe of sterk verbeterde goederen of diensten. Nieuwe producten kunnen leiden tot het aanvragen van een patent of octrooi. • % procesinnovatie: Het percentage van de bedrijven met procesinnovaties in de laatste drie jaar. Een procesinnovatie is de toepassing van een nieuw of sterk verbeterd(e) productieproces, distributiemethode of ondersteunende dienst voor de goederen of diensten van een bedrijf. • % organisatorische innovaties: Het percentage van de bedrijven met organisatorische innovaties in de laatste drie jaar. Een organisatorische innovatie is een vernieuwing van of een ingrijpende verandering in de bedrijfsstructuur of managementmethoden. • % marketing innovaties: Het percentage van de bedrijven met marketing innovaties in de laatste drie jaar. Een marketing innovatie is het doorvoeren van nieuwe of sterk verbeterde productontwerpen/ -uitvoeringen of verkoopmethoden om goederen of diensten van een bedrijf aantrekkelijker te maken of om nieuwe markten te veroveren. • % omzet nieuwe producten: Het percentage van de omzet uit in de laatste drie jaar door een bedrijf op de markt gebrachte goederen en diensten. Daarnaast is in figuur 5.5 in de hoofdtekst nog van een alternatieve maatstaf voor de R&Dintensiteit gebruik gemaakt, namelijk de uitgaven aan R&D binnen een sector als percentage van de omzet in die sector. In het innovatieprofiel (zie figuur 5.4 in de hoofdtekst) staan daarnaast nog de volgende indicatoren: • Studenten: Het aantal studenten (naar woonplaats) per duizend inwoners. Hierbij hebben WO-studenten een gewicht van 2 gekregen en HBO-studenten een gewicht van 1. • Studenten techniek: Idem, maar dan studenten in de richting techniek. • Kenniswerkers totaal: Het aantal hoogopgeleide werknemers bij bedrijven en instellingen in Rotterdam per duizend inwoners van 15 tot 65 jaar. Hierbij hebben wetenschappelijk opgeleiden een gewicht van 2 gekregen en hoog opgeleiden (HBO) een gewicht van 1. • Kenniswerkers technici: Idem, maar dan voor leden van de beroepsbevolking die een opleiding in de richting techniek hebben afgerond. • Octrooien high-tech: Het aantal octrooien per inwoner van 15 tot 65 jaar. Dat betreft alle octrooiaanvragen in high-tech technologiegebieden van bedrijven en personen uit Nederland (Bron: Octrooicentrum Nederland). (OCNL). • Octrooien overig: Idem, maar dan voor andere dan high-tech technologiegebieden. 65

De gegevens hebben dus geen betrekking op non-profit sectoren, zoals openbaar bestuur, onderwijs (waaronder universiteiten) en de zorgsector.


143


• •

Technologisch hoogwaardig: Het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar in high-tech sectoren (met een gewicht van 2) en medium-tech sectoren. Kennisintensieve diensten: Het aantal arbeidsplaatsen per inwoner van 15 tot 65 jaar in ICT, creatieve diensten en adviesbureaus.

Bij de indeling in economische sectoren in paragraaf 5.3 zijn inhoudelijke argumenten (zo veel mogelijk verschillende economische sectoren, waarbij sprake is van een zo groot mogelijke gelijkenis van de activiteiten die tot een sector zijn gerekend) en argumenten van statistische aard (een voldoende aantal waarnemingen) gecombineerd. In tabel V.1 is aangegeven welke activiteiten tot de twaalf economische sectoren zijn gerekend. Tabel V.1

Afbakening van twaalf economische sectoren

Economische sector

Typen activiteiten

Chemie en kunststof Metalelectro Overige industrie

Aardolieraffinage, chemie en kunststofverwerkende industrie Basismetaal-, metaalproducten, machine-, elektrotechnische en transportmiddelenindustrie Voedings- en genotmiddelen-, bouwmaterialen- en glas-, papier, textiel- en kleding-, meubelindustrie en drukkerijen Groothandel Transport Bank- en verzekeringswezen en ondersteunende activiteiten Softwarebedrijven, communicatiebedrijven, uitgeverijen en researchinstellingen Economisch en rechtskundig advies, reclamebureaus Ingenieurs-, architecten- en ontwerpbureaus Bouwnijverheid en bouwinstallatiebedrijven Detailhandel, horeca en reparatiebedrijven Alle overige economische activiteiten (exclusief de non-profit sector)

Groothandel Transport Financiële diensten ICT en research Adviesdiensten Technisch advies Bouw Detailhandel en horeca Overige bedrijvigheid

In Rotterdam worden drie speerpuntsectoren onderscheiden. Van de drie speerpuntsectoren is medisch en zorg niet in het onderzoek betrokken, omdat de non-profit sector geen onderdeel uitmaakt van de CIS-enquête. Voor de creatieve sector is uitgegaan van de gangbare afbakening, namelijk een definitie van TNO (zie tabel V.2). Voor het Haven-Industrieel Complex is een andere benadering gevolgd. Weliswaar is in de geregionaliseerde CIS-enquête wel bekend in welke gemeente een bedrijf is gevestigd, maar niet op welke locatie binnen de gemeente. Zo is het bijvoorbeeld niet bekend of een bedrijf op een zeehaventerrein is gevestigd. Daarom zijn op het niveau van 5-digit sbi-codes sectoren door Bureau Louter aangewezen als behorend tot de speerpuntsector HIC in twee stappen: • Eerst is bepaald welke economische activiteiten op grond van inhoudelijke argumenten zonder meer tot het HIC gerekend kunnen worden. • Vervolgens is aan de hand van het Bedrijvenregister Zuid-Holland per sbi-code bepaald welk percentage van de bedrijvigheid op een zeehaventerrein is gevestigd, op grond van vier criteria, namelijk het aandeel in het totaal aantal vestigingen, het aandeel in het aantal vestigingen met minstens tien werkzame personen, het totaal aantal arbeidsplaatsen en het aantal arbeidsplaatsen bij bedrijven met minstens tien werkzame personen. Voor deze vier criteria is het gemiddelde aandeel berekend. Alle sbi-codes waarvoor dit gemiddelde aandeel minstens 50% is, zijn geselecteerd, met uitzondering van activiteiten waarvoor op inhoudelijke gronden kan worden gesteld dat het niet om activiteiten gaat die tot het HIC behoren66. 66

In Amsterdam is bijvoorbeeld het gebouw van De Telegraaf op een zeehaventerrein gevestigd. Dat is duidelijk geen zeehavengerelateerde activiteit. Dergelijke extreme voorbeelden komen in


144


Tabel V.2

Afbakening speerpuntsector ‘creatieve sector’

Type creatieve activiteiten

Activiteiten

Kunsten

92311 Beoefening van podiumkunst 92312 Producenten van podiumkunst 92313 Beoefening van scheppende kunst 92321 Theaters, schouwburgen en concertgebouwen 92323 Dienstverlening. tbv kunstbeoefening en organisatie van evenementen 92521 Kunstgalerieën en -expositieruimten 92522 Musea 2211 Uitgeverijen van boeken e.d. 2212 Uitgeverijen van dagbladen 2213 Uitgeverijen van tijdschriften 2214 Uitgeverijen van geluidsopnamen 2215 Overige uitgeverijen 74811 Fotografie 92111 Producenten van (video)films (excl. televisieproducenten) 92112 Ondersteunende activiteiten t.b.v. de productie van (video)films 9213 Vertoning van films 92201 Omroeporganisaties 92202 Producenten van radio- en televisieproducties 92203 Ondersteunende activiteiten t.b.v. radio en televisie 92343 Overig amusement 9240 Pers- en nieuwsbureaus; journalisten 74201 Architecten- en tech. ontwerpbureaus voor burger. util. bouw 74202 Tech. ontwerp en advies voor stedebouw-, verkeers-,ruimten 74401 Reclame-, reclame-ontwerp- en -adviesbureaus 74402 Overige reclamediensten 74875 Interieur-, mode-ontwerpers e.d.

Media en entertainment

Creatieve zakelijke dienstverlening

Er resulteren op deze wijze bijna 45 duizend arbeidsplaatsen in het HIC (14% van het totaal aantal arbeidsplaatsen in Rotterdam volgens het Bedrijvenregister Zuid-Holland). Daarvan zijn er 13.2 duizend niet gevestigd op een zeehaventerrein (waarvan overigens 8.5 duizend arbeidsplaatsen tot zeevaart, binnenvaart, expediteurs/cargadoors behoren: duidelijk zeehavengerelateerde activiteiten, echter met een kantoor elders in de stad). Anderzijds zijn er 17.3 duizend arbeidsplaatsen bij bedrijven die op een zeehaventerrein zijn gevestigd, maar die niet tot het HIC zijn gerekend. Daartoe behoren 3.0 duizend arbeidsplaatsen in de non-profit sector (die sowieso niet worden meegenomen in de CIS-enquête). Ook vallen er 5.3 duizend arbeidsplaatsen binnen de bouwnijverheid. Dat zijn activiteiten waaraan weliswaar door het HIC activiteiten worden uitbesteed, maar die zelf niet tot het HIC behoren. Binnen de beperking dat sectoren voor Rotterdam volledig wel of volledig niet moeten worden toegewezen aan het HIC is de verzameling van sectoren in tabel V.3 een vrij accurate benadering van de speerpuntsector, waarin in ieder geval de belangrijkste onderdelen (in transport en chemie) zijn vertegenwoordigd.

Rotterdam niet voor. Desalniettemin zijn activiteiten als ‘drukkerijen van reclame’ en ‘Praktijken van oefentherapeuten Cesar en Mensendieck’ afgevoerd. [email protected] tel. 015-2682556 www.bureaulouter.nl

145


Tabel V.3

Afbakening van het HIC ten behoeve van koppeling aan de CIS-enquête

Sbi-code en aanduiding onderdelen speerpuntsector HIC 1541 Vervaardiging van ruwe oliën en vetten 1561 Vervaardiging van meel (excl. zetmeel) 1571 Vervaardiging van veevoeder 15842 Vervaardiging van chocolade en suikerwerk 1589 Vervaardiging van overige voedingsmiddelen n.e.g. 1591 Distilleerderijen en likeurstokerijen 2040 Vervaardiging van houten emballage 21211 Vervaardiging van verpakkingsmiddelen van papier en karton 2123 Vervaardiging van kantoorbenodigdheden van papier 23201 Aardolieraffinage 23202 Aardolieverwerking (excl. -raffinage) 2411 Vervaardiging van industriële gassen 2412 Vervaardiging van kleuren verfstoffen 2413 Vervaardiging van overige anorganische basischemicaliën 24141 Vervaardiging van petrochemische producten 24142 Vervaardiging van overige organische basischemicaliën 2416 Vervaardiging van kunststof in primaire vorm 2417 Vervaardiging van synthetische rubber in primaire vorm 2420 Vervaardiging van landbouwchemicaliën 2430 Vervaardiging van verf, lak, vernis, inkt en mastiek 2442 Vervaardiging farmaceutische producten (excl. grondstoffen) 2452 Vervaardiging van parfums en cosmetica 2464 Vervaardiging van fotochemische producten 2465 Vervaardiging van informatiedragers 2466 Vervaardiging van overige chemische producten n.e.g. 2522 Vervaardiging van verpakkingsmiddelen van kunststof 2651 Vervaardiging van cement 2663 Vervaardiging van stortklare beton 2664 Vervaardiging van mortel 2682 Vervaardiging van overige niet-metaalhoudende minerale producten n.e.g. 2734 Draadtrekken uit ijzer en staal 2811 Vervaardiging van metalen constructiewerken 2812 Vervaardiging van metalen ramen, deuren en kozijnen 2821 Vervaardiging van tanks en reservoirs 2830 Vervaardiging van stoomketels 2851 Oppervlaktebehandeling 2871 Vervaardiging van stalen vaten, fusten en transportkannen 2875 Vervaardiging van overige producten van metaal n.e.g. 2911 Vervaardiging en revisie van motoren en turbines 2912 Vervaardiging van pompen en compressoren 2922 Vervaardiging van hijs-, hef- en andere transportwerktuigen 2923 Vervaardiging van machines en apparaten voor industriële koeltechniek 2956 Vervaardiging van overige machines en apparaten n.e.g. voor specifieke industriële toepassingen 3110 Vervaardiging van elektromotoren en elektrotechnische generatoren en transformatoren 3162 Vervaardiging van overige elektrische benodigdheden n.e.g. 34201 Carrosseriebouw 34202 Vervaardiging Van aanhangwagens en opleggers 3511 Nieuwbouw en rep. van schepen (excl. sport- en recreatie.) 3720 Voorbereiding tot recycling van afval (excl. metaalafval) 4534 Overige bouwinstallatie 50105 Handel in aanhangwagens, opleggers 51311 Groothandel in groenten en fruit 51471 Groothandel in sportartikelen (excl. watersport) 51912 Groothandel in scheepsbenodigdheden en visserijartikelen 60242 Goederenvervoer over de weg (excl. verhuisvervoer) 6030 Vervoer via pijpleidingen 61101 Vracht- en tankvaart (zeevaart) 61102 Sleepvaart en veerdiensten (zeevaart) [email protected] tel. 015-2682556 www.bureaulouter.nl

146


Tabel V.3

Vervolg

Sbi-code en aanduiding onderdelen speerpuntsector HIC 61201 Vrachtvaart (binnenvaart) 61202 Tankvaart (binnenvaart) 61203 Sleep- en duwvaart (binnenvaart) 61204 Passagiersvaart en veerdiensten (binnenvaart) 63111 Laad-, los- en overslagactiviteiten t.b.v. zeeschepen 63112 Laad-, los- en overslagactiviteiten (niet t.b.v. zeeschepen) 63121 Opslag in tanks 63122 Opslag in koelhuizen e.d. 63123 Opslag (niet in tanks, koelhuizen e.d.) 6321 Overige dienstverlening t.b.v. het vervoer over land 6322 Overige dienstverlening t.b.v. het vervoer over water 63401 Expediteurs, cargadoors, bevrachters en andere tussenpers. 63402 Weging en meting 7121 Verhuur van transportmiddelen voor vervoer over land (exclusief.auto’s) 7122 Verhuur van schepen 73102 Technisch speur- en ontwikkelingswerk 74206 Technisch ontwerp en advies voor de procestechniek 74208 Overige technische ontwerp-, teken- en adviesbureaus 74702 Reiniging van transportmiddelen en overige reiniging 90022 Afvalbehandeling


147


Bijlage VI Indicatoren vitaliteitsweb In deze bijlage staan de specificatie van en bronnen voor de indicatoren die in het vitaliteitsweb zijn opgenomen centraal. Eerst wordt de berekening van de verschillende indicatoren op het niveau van de 83 gebieden toegelicht (paragraaf VI.1). Daarna wordt aangegeven voor welke indicatoren de berekening op het niveau van de 40 regio’s op een andere wijze heeft plaatsgevonden (paragraaf VI.2). Vervolgens wordt ingegaan op de factoranalyses voor het Woon- en leefmilieu en Kennis en innovatie (paragraaf VI.3). Tenslotte is toegelicht hoe vanuit de indicatoren is gekomen tot totaalscores per thema (paragraaf VI.4).

VI.1

Indicatoren voor de indeling in 83 gebieden

De berekening van de indicatoren wordt per thema toegelicht. Economie Het aantal arbeidsplaatsen (gegevens van het CBS) en het aantal starters (gegevens van de Kamers van Koophandel) zijn beide berekend per duizend inwoners van 15 tot 65 jaar. De arbeidsproductiviteit is berekend als de Toegevoegde Waarde per arbeidsjaar. Op gemeentelijk niveau worden die gegevens niet rechtstreeks verstrekt door het CBS. Zij zijn daarom door Bureau Louter berekend door combinatie van gegevens over arbeidsplaatsen van het CBS en de Stichting LISA per gemeente, gegevens over het arbeidsvolume en de Toegevoegde Waarde uit de Regionaal Economische Jaarcijfers voor 52 regio’s (naar 37 economische sectoren) en gegevens over de Toegevoegde Waarde in 104 economische sectoren op nationaal niveau uit de Nationale Rekeningen. Daarvoor is onder andere gebruik gemaakt van zogenaamde RASprocedures. Ruimte De ruimte-intensiteit is op dezelfde manier berekend als in hoofdstuk 4 (het Benchmarkmodel; zie bijlage IV.2). Het aantal hectares uitgegeven bedrijventerrein, de hoeveelheid terstond uitgeefbare bedrijventerreinen en het aantal in een recente periode uitgegeven hectares bedrijventerrein zijn alle berekend per duizend inwoners van 15 tot 65 jaar. Daarbij is aan de hectares zeehaventerrein een gewicht van 0.2 toegekend, omdat de gemiddelde hoeveelheid ruimte per arbeidsplaats op zeehaventerreinen ongeveer een factor vijf hoger is dan op standaard bedrijventerreinen. De gegevens zijn ontleend aan IBIS. De voorraad kantoorruimte en de nieuwbouw van kantoorruimte in een recente periode zijn beide berekend per duizend inwoners van 15 tot 65 jaar. Het aanbod van kantoorruimte is berekend als percentage van de totale voorraad kantoorruimte. De gegevens voor de kantoorruimte zijn ontleend aan het kantorenbestand van Rudolf Bak. Ligging en infrastructuur De specificatie van de indicatoren voor ligging en infrastructuur staat in bijlage IV.2. Arbeidsmarkt Per type bedrijvigheid (materiaalgeoriënteerd, informatiegeoriënteerd en personengeoriënteerd) zijn vijf indicatoren voor de arbeidsmarkt opgesteld. Daarbij is geredeneerd vanuit de bedrijven en instellingen in een gebied. Naast het eigen gebied kan personeel ook uit omliggende gebieden komen. Er is daarom gewerkt met zogenaamde potentiaalscores, waarbij niet alleen het eigen gebied meeweegt, maar ook omliggende gebieden. Bij het bepalen van de indicatoren voor de [email protected] tel. 015-2682556 www.bureaulouter.nl

148


arbeidsmarkt spelen twee factoren een rol. Ten eerste is de omvang van de arbeidsmarkt van belang en ten tweede is de kwaliteit van de beroepsbevolking (gemeten via het opleidingsniveau) van belang. Zoals uit hoofdstuk 4 (het Benchmarkmodel) bleek is het opleidingsniveau namelijk een belangrijke verklarende factor voor regionale verschillen in het aantal arbeidsplaatsen. Participatiegraad laag/middelbaar opgeleiden De bruto participatiegraad voor laag en middelbaar opgeleiden is berekend als het aantal personen dat behoort tot de beroepsbevolking (werkzamen of actief op zoek naar werk) als percentage van het aantal inwoners van 15 tot 65 jaar. Daarbij is gebruik gemaakt van potentiaalscores, waarbij gemeenten binnen een rijtijd van twintig minuten meewegen bij het bepalen van de score voor een gemeente (met een omgekeerd evenredig met de afstand afnemende invloed). De grens van twintig minuten is gekozen omdat negentig procent van degenen met een opleiding op laag of middelbaar niveau een rijtijd tot het werk van twintig minuten of minder heeft. Participatiegraad hoogopgeleiden De bruto participatiegraad voor hoogopgeleiden (op HBO- en wetenschappelijk niveau) is berekend als het aantal personen dat behoort tot de beroepsbevolking (werkzamen of actief op zoek naar werk) als percentage van het aantal inwoners van 15 tot 65 jaar. Daarbij is gebruik gemaakt van potentiaalscores, waarbij gemeenten binnen een rijtijd van dertig minuten meewegen bij het bepalen van de score voor een gemeente (met een omgekeerd evenredig met de afstand afnemende invloed). De grens van dertig minuten is gekozen omdat negentig procent van degenen met een opleiding op hoog of wetenschappelijk niveau een rijtijd tot het werk van dertig minuten of minder heeft. Studenten Het aantal studenten (bepaald op basis van hun woonplaats) op HBO- of universitair niveau is bepaald als potentiaalscore (met een maximale rijtijd van hoogstens twintig minuten). Het opnemen van deze indicator dient twee doelen. Ten eerste vormen studenten een potentiële bron van hoogopgeleide instromers op de arbeidsmarkt. Hoewel zij meer dan gemiddeld geneigd zijn om na hun afstuderen om werkredenen te verhuizen, prefereren zij overwegend toch om niet te verhuizen als er ook geschikt werk beschikbaar is in de buurt van hun woonplaats op het moment van afstuderen (dat geldt met name voor HBO’ers). Daarnaast zal de participatiegraad voor hoogopgeleiden, alle andere omstandigheden gelijk veronderstellend, lager zijn in gebieden met veel hoger onderwijs (met name in gebieden met een universiteit) omdat een aanzienlijk deel van de 18- tot 25-jarigen niet beschikbaar is voor de arbeidsmarkt. Door het aantal studenten op te nemen als indicator wordt daarvoor gecompenseerd. Kenniswerkers Het aantal kenniswerkers is berekend als het aantal wetenschappelijk opgeleiden (met een gewicht van twee) en hoogopgeleiden (op HBO-niveau) per duizend inwoners van 15 tot 65 jaar. Dit is berekend als potentiaalscore, waarbij gemeenten binnen een rijtijd van dertig minuten meewegen bij het bepalen van de score voor een gemeente (met een omgekeerd evenredig met de afstand afnemende invloed). De grens van dertig minuten is gekozen omdat negentig procent van degenen met een opleiding op hoog of wetenschappelijk niveau een rijtijd tot het werk van dertig minuten of minder heeft. Opleidingsindex Het gemiddeld opleidingsniveau van de beroepsbevolking, berekend als potentiaalscore. De grens is gesteld op 25 minuten, omdat negentig procent van de werknemers een rijtijd heeft tot het werk van 25 minuten of minder. De opleidingsindex is berekend als een gewogen gemiddelde van het [email protected] tel. 015-2682556 www.bureaulouter.nl

149


opleidingsniveau van de beroepsbevolking met als gewichten 0, 1, 2, 3 en 4 voor respectievelijk opgeleiden op basis, laag, middelbaar, hoog en wetenschappelijk niveau. Migratieratio De migratieratio is bepaald als de inkomende gedeeld door de uitgaande migratie voor degenen van 18 tot 50 jaar met een verhuisafstand van minstens 35 kilometer. Boven die afstand vinden verhuizingen overwegend plaats om redenen als werk en studie. De ratio geeft daarmee de aantrekkelijkheid van een gebied om te gaan wonen om werkredenen aan. Bewust is gekozen voor de leeftijdscategorie 18 tot 50 jaar. Over die termijn bestaat namelijk vrij grote zekerheid dat degenen die om studieredenen in een gemeente zijn gaan wonen daarna ook in die gemeente blijven wonen. Zo verlaten veel mensen die in bijvoorbeeld Groningen of Maastricht zijn gaan wonen om studieredenen de stad in de jaren nadat zij zijn afgestudeerd. Voor steden als Amsterdam en Utrecht geldt dat in mindere mate. Kennis en innovatie Alle indicatoren die vallen onder dit thema zijn beschreven in bijlage V, met uitzondering van ‘hoogopgeleiden techniek’ en ‘hoogopgeleiden economie’. Deze zijn berekend voor de werknemers van de bedrijven en instellingen in een gebied (naar de locatie van de werkplaats). De score is bepaald door voor technisch opgeleiden respectievelijk economisch opgeleiden het aantal medewerkers met een wetenschappelijke opleiding (met een gewicht van twee) of een HBO-opleiding te delen door het totaal aantal werknemers. Woon- en leefmilieu De volgende indicatoren zijn ontleend aan het onderzoek “het woonmilieu in Nederlandse gemeenten’ van Bureau Louter. Waardering leefomgeving Het Planbureau voor de Leefomgeving berekende per gemeente een rapportcijfer voor de ‘beleving’ van het landschap, op basis van onderzoek van Alterra, een kennisinstituut van Wageningen Universiteit en Researchcentrum. Het cijfer is samengesteld uit de aanwezigheid van positieve en negatieve landschapskenmerken en de beoordeling hiervan door de eigen inwoners. Positieve kenmerken zijn bijvoorbeeld bossen, wateroevers, monumentale gebouwen en een glooiend landschap. Negatieve kenmerken zijn ‘horizonsvervuiling’ veroorzaakt door onder meer hoogspanningsmasten en bedrijventerreinen, windturbines en kassen. Alleen het landschap buiten de bebouwde kom is beoordeeld. De nabijheid van stedelijk gebied telt wel mee als negatief kenmerk. De onderzoekers vroegen aan 4.500 Nederlanders om hun eigen woonomgeving te beoordelen. Deze oordelen zijn meegenomen in de weging van de typen landschap. Dichtheid monumentale gebouwen Door de Rijksdienst voor het Cultureel Erfgoed is de Rijksmonumenten Dataset opgezet. Daarin staat de locatie van alle rijksmonumenten. In totaal zijn er bijna 60 duizend objecten als rijksmonument aangewezen. Ruim 36 duizend daarvan zijn woningen. De ‘dichtheid monumentale gebouwen’ is per gemeente bepaald door het aantal woningen dat als rijksdmonument is aangewezen te berekenen per hectare woonbebouwing. Nabijheid onderwijs Beoordeeld is hoe dicht inwoners in de buurt van middelbare scholen wonen, en daarbij uit minstens twee scholen kunnen kiezen. Gelet is op de breedte van het aanbod, van vmbo tot vwo, het aantal scholen in de omgeving en de omvang. Ook is de afstand tot mbo (ROC’s), hogescholen en universiteiten meegewogen. [email protected] tel. 015-2682556 www.bureaulouter.nl

150


Per type onderwijs zijn de scores als volgt berekend: • Voor het voortgezet onderwijs zijn de locaties van de onderwijsinstellingen bekend. Ook is bekend welke typen onderwijs daar worden aangeboden. Daarbij is een onderscheid gemaakt tussen vmbo basis, vmbo kader, vmbo theoretisch/gemengd, havo en vwo. Per inwoner is bepaald hoe groot de afstand is tot de dichtstbijzijnde twee scholen waar een bepaald type onderwijs wordt aangeboden, gewogen met het aantal leerlingen per type per school. (Dat kan eventueel betrekking hebben op slechts twee scholen, indien op die beide scholen alle vijf typen onderwijs worden aangeboden. Is dat niet het geval dan kan het om meer scholen gaan, theoretisch zelfs om tien verschillende scholen.) De afstand voor de tien verschillende scores wordt gemiddeld. Uiteraard is de score gunstiger indien de gemiddelde afstand lager is. Voor elke gemeente wordt de gemiddelde score bepaald als gewogen score, op basis van het aantal inwoners van 12 tot 18 jaar per viercijferig postcodegebied. • Ook de locaties van de ROC’s (mbo-onderwijs) zijn bekend. Hierbij is de gemiddelde afstand tot de drie dichtstbijzijnde ROC-instellingen bepaald. Voor elke gemeente wordt de gemiddelde score bepaald als gewogen score, op basis van het aantal inwoners van 16 tot 20 jaar per viercijferig postcodegebied. • De nabijheid van hoger onderwijs is bepaald als een potentiaalscore, namelijk het aantal studenten bij hbo- en wo-instellingen met een met de rijtijd tot een gemeente afnemende bijdrage (de bijdrage is op tien minuten rijtijd gehalveerd). Deze potentiaalscore wordt bepaald per inwoner. De drie scores zijn omgezet in z-scores, zodat de scores onderling vergelijkbaar zijn. Alle jongeren volgen middelbaar onderwijs, ongeveer de helft volgt een mbo-opleiding en ruim 30% volgt een opleiding op hoog niveau (universiteit of hbo), waarbij overigens aanzienlijk meer wordt gekozen voor verhuizing dan op mbo-niveau. Als gewichten bij het bepalen van de totaalscores voor de nabijheid van onderwijs zijn daarom de gewichten vier (voor voortgezet onderwijs), twee (voor mbo-opleidingen) en één (voor hoger onderwijs) vastgesteld. Op basis daarvan is een totaalscore bepaald. Nabijheid kindervoorzieningen Het Centraal Bureau voor de Statistiek (CBS) berekende voor alle inwoners per gemeente de gemiddelde afstand tot een basisschool, een kinderdagverblijf en buitenschoolse opvang. Dit werd door Bureau Louter verwerkt tot één maat: de nabijheid kindervoorzieningen. Deze indicator is vooral van belang voor gezinnen met jonge kinderen (terwijl nabijheid onderwijs meer van belang is voor gezinnen met oudere kinderen). De scores op de drie aspecten (basisschool, kinderdagverblijf, naschoolse opvang) zijn alle omgezet in z-scores, zodat zij onderling vergelijkbaar zijn. De totaalscore is dan het ongewogen gemiddelde van de drie scores. Nabijheid medische zorg Onderscheiden zijn drie typen ziekenhuizen, namelijk een ‘hiërarchie’ van laag naar hoog van respectievelijk ‘kleine’ ziekenhuizen (minder dan 500 bedden), ‘grote’ ziekenhuizen (minstens 500 bedden) en academische ziekenhuizen. Tevens is de nabijheid van een buitenpolikliniek meegewogen. Per type ziekenhuis is de rijtijd tot het dichtstbijzijnde ziekenhuis van dat type bepaald. Wanneer een ziekenhuis dat hoger scoort in de hiërarchie dichterbij ligt dan een ziekenhuis dat lager scoort in de hiërarchie, geldt voor dat ziekenhuis van lagere hiërarchie de rijtijd van het ziekenhuis dat hoger staat in de hiërarchie. Dan is het dus zo dat, wanneer van alle ziekenhuizen een academisch ziekenhuis het dichtstbijzijnde ziekenhuis is, die rijtijd ook geldt voor grote ziekenhuizen en kleine ziekenhuizen. Als een groot ziekenhuis dichterbij ligt dan klein ziekenhuis (maar tevens dichterbij dan een academisch ziekenhuis), geldt de rijtijd tot het grote ziekenhuis ook voor het kleine ziekenhuis, maar is die rijtijd lager dan tot het academisch [email protected] tel. 015-2682556 www.bureaulouter.nl

151


ziekenhuis, enzovoorts. Alle berekeningen zijn uitgevoerd op het niveau van viercijferige postcodegebieden en vervolgens zijn totaalscores per gemeente bepaald. De totaalscore is bepaald als een gewogen score, met als gewichten voor de buitenpolikliniek, het kleine, grote en academische ziekenhuis respectievelijk 1/9, 2/9, 1/3 en 1/3. Nabijheid cultuur De nabijheid van cultuur wordt bepaald als een ‘potentiaalscore’. Alle gemeenten binnen een rijtijd van 20 minuten dragen bij aan de score van een gemeente, met een invloed die recht evenredig afneemt met de rijtijd. Tot ‘cultuur’ zijn gerekend: • Beoefening van podiumkunst • Producenten van podiumkunsten • Beoefening van scheppende kunst • Theaters, schouwburgen en concertgebouwen • Vertoning van films • Evenementenhallen • Dienstverlening t.b.v. kunstbeoefening en organisatie van evenementen • Kunstuitleencentra • Overige culturele uitleencentra en openbare archieven • Kunstgalerieën en –expositieruimten • Musea Nabijheid cafés De nabijheid van cafés wordt bepaald als een ‘potentiaalscore’. Alle gemeenten binnen een rijtijd van 20 minuten dragen bij aan de score van een gemeente, met een invloed die recht evenredig afneemt met de rijtijd. Nabijheid restaurants De nabijheid van restaurants wordt bepaald als een ‘potentiaalscore’. Alle gemeenten binnen een rijtijd van 20 minuten dragen bij aan de score van een gemeente, met een invloed die recht evenredig afneemt met de rijtijd. Nabijheid natuur Als natuur is beschouwd het aantal hectares bos en de hoeveelheid open natuurlijk terrein. Dat is bepaald als percentage van het totale landoppervlak. Vervolgens zijn potentiaalscores bepaald, waarbij alle gemeenten binnen een afstand van 20 kilometer bijdragen bij aan de score van een gemeente, met een invloed die recht evenredig afneemt met de rijtijd. Nabijheid luxe detailhandel Door Bureau Louter is een selectie gemaakt van 5-cijferige sbi-codes binnen de detailhandel die als ‘luxe winkels’ aangemerkt kunnen worden. Daarvoor is het aantal arbeidsplaatsen per inwoner bepaald. Welvaart Het besteedbaar inkomen is zowel berekend per inwoner als per huishouden. De gegevens zijn ontleend aan het CBS. Gegevens over de bruto participatiegraad (het aantal inwoners van een gebied met werk of op zoek naar werk per inwoner van 15 tot 65 jaar) en de netto participatiegraad (het aantal werkzame inwoners in een gebied per inwoner van 15 tot 65 jaar) komen uit de Enquête BeroepsBevolking (EBB) van het CBS. Er is gewerkt met driejaars gemiddelden om de statistische betrouwbaarheid op te voeren. Gegevens over het percentage van de 15- tot 65-jarigen met een bijstandsuitkering zijn ook afkomstig van het CBS. Het percentage [email protected] tel. 015-2682556 www.bureaulouter.nl

152


werklozen is berekend als het aantal niet-werkzame werkzoekenden als percentage van de beroepsbevolking. Gegevens over het aantal niet-werkende werkzoekenden komen van UWV WERKbedrijf. Er is gewerkt met jaargemiddelden. De omvang van de beroepsbevolking is bepaald aan de hand van gegevens uit de EBB.

VI.2

Indicatoren voor de indeling in 40 regio’s

Voor de meeste indicatoren worden de indicatoren op het niveau van 40 regio’s op dezelfde wijze berekend als op het niveau van 83 gebieden. Een uitzondering vormen de indicatoren voor het thema Arbeidsmarkt. In plaats van als potentiaalscores worden de indicatoren op het niveau van 40 regio’s rechtstreeks gemeten voor die regio’s (en niet als potentiaalscores). Aangezien de gebiedsindeling in 40 regio’s is vastgesteld op basis van gegevens over woon-werk verkeer, wordt er namelijk vanuit gegaan dat de 40 regio’s meer als volledige arbeidsmarktgebieden kunnen worden beschouwd dan het grootste deel van de 83 gebieden (met name de 43 stedelijke kernen die in die indeling worden onderscheiden). Daarnaast is het zo dat voor diverse indicatoren die behoren tot de thema’s Ligging en infrastructuur en Woon- en leefmilieu op het niveau van 83 gebieden de scores eerst worden berekend op het niveau van individuele gemeenten. Vervolgens worden zij voor de 24 suburbane gebieden en 16 landelijke gebieden (die alle uit meerdere gemeenten bestaan) berekend als het gewogen gemiddelde (naar rato van de omvang van de gemeenten) van de scores per gemeente. Op het niveau van 40 regio’s werd deze methodiek voor alle gebieden toegepast.

VI.3

Factoranalyses Woon- en leefmilieu en Kennis en innovatie

De thema’s Woon- en leefmilieu en Kennis en innovatie bestaan beide uit een groot aantal indicatoren. Om de grote lijnen sneller te herkennen is, met behulp van factoranalyse, het aantal indicatoren teruggebracht tot een kleiner aantal factoren. In tabel VI.1 staan de resultaten van de factoranalyse voor Woon- en leefmilieu voor de 83 gebieden (zie paragraaf 6.2 in de hoofdtekst), in tabel IV.2 de resultaten voor de met materiaalgeoriënteerde activiteiten samenhangende indicatoren voor Kennis en innovatie en in tabel VI.3 de met informatiegeoriënteerde activiteiten samenhangende indicatoren voor Kennis en innovatie. De weergegeven scores in de tabel geven aan hoe sterk het verband is tussen een indicator en de ‘factor’ waartoe die indicator behoort. De score kan minimaal -1 zijn (een perfecte negatieve samenhang tussen indicator en factor) en maximaal +1 (een perfecte positieve samenhang tussen indicator en factor). Uit het oogpunt van overzichtelijkheid zijn in de tabellen slechts de hoogste scores aangegeven. Daaruit wordt duidelijk welke indicatoren vooral kenmerkend zijn voor de onderscheiden factoren. In tabel VI.4 tot en met VI.6 zijn de resultaten weergegeven voor de factoranalyses op het niveau van veertig gebieden (zie paragraaf 6.3 in de hoofdtekst). Op het niveau van 83 gebieden resulteerden voor Woon- en leefmilieu de volgende factoren (zie tabel VI.1): • Voorzieningen: Hoge scores hangen bij deze factor vooral samen met de nabijheid van onderwijs, de nabijheid van ziekenhuizen en de nabijheid van kindervoorzieningen en, in iets mindere mate, van de nabijheid van cultuur, restaurants en luxe detailhandel. • Natuurlijke omgeving: Hoge scores op deze factor hangen vooral samen met de nabijheid van natuur en met de waardering voor de leefomgeving.


153


•

Ambiance: Hoge scores hangen hier samen met de nabijheid van cultuur, cafés en restaurants en met het aantal monumentale gebouwen (wat vooral wordt bepaald door de omvang van de historische binnenstad). Vrij vertaald zou deze factor kunnen worden vertaald als ‘ambiance’. Bij de factor ‘voorzieningen’ gaat het meer om de kwantiteit, bij de factor ambiance meer om de kwaliteit.

Tabel VI.1

Factoranalyse woonen leefmilieu, 83 gebieden Nabijheid voorzieningen

Nabijheid natuur Waardering leefomgeving Concentratie monumentale gebouwen Nabijheid onderwijs Nabijheid medische zorg Nabijheid kindervoorzieningen Nabijheid cultuur Nabijheid cafés Nabijheid restaurants Nabijheid luxe detailhandel

Tabel VI.2

Factoren Natuurlijke omgeving

Ambiance

0.93 0.83 0.44 0.91 0.76 0.89 0.61

0.59 0.76 0.50

0.64 0.63

Factoranalyse Kennis en innovatie, materiaalgeoriënteerd, 83 gebieden Factoren Hoogwaardige industrie Innovatieprestaties

High-tech bedrijvigheid Medium-tech bedrijvigheid Uitgaven R&D Samenwerking bij innovatie % productinnovaties % procesinnovaties % organisatorische innovaties % marktinnovaties % omzet uit nieuwe producten

Tabel VI.3

0.70 0.64 0.84 0.77 0.84 0.87 0.75 0.62 0.70

Factoranalyse Kennis en innovatie, informatiegeoriënteerd, 83 gebieden Hoogwaardige diensten

ICT Creatieve diensten Adviesdiensten Uitgaven R&D Samenwerking bij innovatie % productinnovaties % procesinnovaties % organisatorische innovaties % marktinnovaties % omzet uit nieuwe producten Hoogopgeleiden economie Hoogopgeleiden techniek

Factoren Nieuwe diensten

Organisatie en markten

0.91 0.82 0.89 0.82 0.80 0.80 0.80 0.77 0.86 0.51 0.87 0.91

Voor Kennis en innovatie zijn de volgende factoren onderscheiden: • Voor materiaalgeoriënteerde activiteiten (zie tabel VI.2): Hoogwaardige industrie. Hoge scores hangen hier samen met de relatieve vertegenwoordiging van high-tech, [email protected] tel. 015-2682556 www.bureaulouter.nl

154


•

•

•

•

tech, met de uitgaven voor R&D door materiaalgeoriënteerde bedrijven en met het percentage van de omzet uit nieuwe producten bij materiaalgeoriënteerde bedrijven. Voor materiaalgeoriënteerde activiteiten: Innovatieprestaties. Hoge scores hangen hier samen met een hoog percentage bedrijven dat samenwerkt bij innovatie en met hoge percentages bedrijven met productinnovaties, procesinnovaties, organisatorische innovaties en marktinnovaties. Voor informatiegeoriënteerde activiteiten (zie tabel VI.3): Hoogwaardige diensten. Hoge scores hangen hier samen met de relatieve vertegenwoordiging van ICT, creatieve diensten, adviesdiensten, met de uitgaven voor R&D door personengeoriënteerde bedrijven en met een hoog aandeel technische en economische hoog opgeleiden bij de bedrijven67. Voor informatiegeoriënteerde activiteiten: Nieuwe diensten. Hoge scores hangen hier samen met een hoog percentage samenwerkende bedrijven bij innovaties, met een hoog percentage bedrijven met productinnovaties en procesinnovaties en met een hoog percentage van de omzet uit nieuwe producten en diensten. Voor informatiegeoriënteerde activiteiten: Organisatie en markten. Hoge scores hangen hier samen met een hoog percentage bedrijven met organisatorische innovaties en marktinnovaties.

Op het niveau van 40 regio’s resulteerden voor het Woon- en leefmilieu dezelfde typen factoren Zie tabel VI.4), hoewel de mate waarin de verschillende indicatoren daaraan bijdragen iets verschilt van de factoranalyse op het niveau van 83 gebieden. Bij de factor ‘voorzieningen’ wordt de score vooral bepaald door nabijheid onderwijs, nabijheid ziekenhuis en kindervoorzieningen. Bij de factor ‘ambiance’ hangt een hoge score vooral samen met het aantal monumentale gebouwen en met de nabijheid van cultuur, cafés, restaurants en luxe detailhandel. Voor Kennis en innovatie leiden de factoranalyses op het niveau van 40 regio’s tot enigszins andere resultaten dan op het niveau van 83 regio’s. De volgende factoren zijn onderscheiden: • Voor materiaalgeoriënteerde activiteiten (zie tabel VI.5): Hoogwaardige industrie. Hoge scores hangen hier samen met de relatieve vertegenwoordiging van high-tech en medium-tech. • Voor materiaalgeoriënteerde activiteiten: Technische innovatie. Hoge scores hangen hier samen met een hoog percentage bedrijven dat samenwerkt bij innovatie en met hoge percentages bedrijven met productinnovaties en procesinnovaties. • Voor materiaalgeoriënteerde activiteiten: Overige innovatie. Hoge scores hangen hier samen met veel uitgaven voor R&D, met veel organisatorische en marktinnovaties en met een hoog percentage van de omzet uit nieuwe producten. • Voor informatiegeoriënteerde activiteiten (zie tabel VI.6): Kenniswerkers. Hoge scores hangen hier voornamelijk samen met een hoog percentage technisch en economisch hoog opgeleiden bij de bedrijven en met veel R&D-uitgaven. In wat mindere mate dragen ook de relatieve vertegenwoordiging van ICT en adviesdiensten bij aan de hoge score. • Voor informatiegeoriënteerde activiteiten: Innovatie. Hoge scores hangen hier samen met een hoog percentage samenwerkende bedrijven bij innovatie en met hoge percentages bedrijven met productinnovaties, procesinnovaties, organisatorische innovaties en marktinnovaties. 67

De indicator hoogopgeleiden techniek is zowel in de factoranalyse voor materiaalgeoriënteerde activiteiten als in de factoranalyse voor informatiegeoriënteerde activiteiten opgenomen. Uit deze experimenten bleek dat deze indicator veel betere resultaten leverde wanneer deze werd opgenomen in de factoranalyse voor informatiegeoriënteerde activiteiten.


155


•

Voor informatiegeoriënteerde activiteiten: Hoogwaardige diensten. Hoge scores hangen hier samen met de relatieve vertegenwoordiging van ICT, creatieve diensten en adviesdiensten en met een hoog percentage omzet uit nieuwe diensten.

Tabel VI.4

Factoranalyse woonen leefmilieu, 40 gebieden Nabijheid voorzieningen

Nabijheid natuur Waardering leefomgeving Concentratie monumentale gebouwen Nabijheid onderwijs Nabijheid medische zorg Nabijheid kindervoorzieningen Nabijheid cultuur Nabijheid cafés Nabijheid restaurants Nabijheid luxe detailhandel

Tabel VI.5

Ambiance

0.91 0.88 0.65 0.95 0.87 0.87 0.68 0.66 0.80 0.65

Factoranalyse Kennis en innovatie, materiaalgeoriënteerd, 40 gebieden Hoogwaardige industrie

High-tech bedrijvigheid Medium-tech bedrijvigheid Uitgaven R&D Samenwerking bij innovatie % productinnovaties % procesinnovaties % organisatorische innovaties % marktinnovaties % omzet uit nieuwe producten

Tabel VI.6

Factoren Natuurlijke omgeving

Factoren Technische innovatie

Overige innovatie

0.71 0.82 0.86 0.82 0.84 0.88 0.52 0.82 0.72

Factoranalyse Kennis en innovatie, informatiegeoriënteerd, 40 gebieden Kenniswerkers

ICT Creatieve diensten Adviesdiensten Uitgaven R&D Samenwerking bij innovatie % productinnovaties % procesinnovaties % organisatorische innovaties % marktinnovaties % omzet uit nieuwe producten Hoogopgeleiden economie Hoogopgeleiden techniek


Factoren Innovatie

0.58

Hoogwaardige diensten 0.66 0.88 0.69

0.55 0.81 0.79 0.80 0.75 0.70 0.56

0.55 0.87 0.88

156


VI.4

Het bepalen van totaalscores per thema

Elk van de zeven thema’s bestaat uit meerdere indicatoren. De scores op die indicatoren zijn alle uitgedrukt als z-scores. Ze zijn dus onderling vergelijkbaar. Om tot een totaalscore per thema te komen, moeten aan de verschillende indicatoren per thema gewichten worden toegekend. Dat is als volgt gebeurd. Voor de thema’s Economie en Welvaart is de score bepaald als het ongewogen gemiddelde van de indicatoren. De score voor het thema Woon- en leefmilieu is berekend als het ongewogen gemiddelde van de factorscores (zie bijlage VI.3). Bij Kennis en innovatie is eerst voor informatiegeoriënteerde respectievelijk materiaalgeoriënteerde activiteiten de score berekend als het ongewogen gemiddelde van de scores op de indicatoren die daar onder vallen. Het gemiddelde van die twee deelscores vormt de eindscore voor Kennis en innovatie. Bij Ligging en infrastructuur zijn de gewichten voornamelijk bepaald op grond van hun relatieve belang in het Benchmarkmodel (zie hoofdstuk 4 en bijlage IV). Aan agglomeratie-effecten en regionale centrumfunctie is een gewicht van 0.3 toegekend en elke van de overige vier indicatoren een gewicht van 0.1. Bij Ruimte voor ondernemen is aan ruimte-intensiteit een gewicht van 0.4 toegekend. De drie indicatoren die samenhangen met bedrijventerreinen hebben elk een gewicht van 0.1 gekregen (bij elkaar dus een gewicht van 0.3 voor bedrijventerreinen). Aan ‘aanbod kantoorruimte’ is geen gewicht toegekend. Het is namelijk niet duidelijk of een hoog aanbod als positief of als negatief moet worden beoordeeld. Op zich is het echter een zeer relevante indicator. Aan voorraad kantoorruimte en nieuwbouw kantoorruimte is elk een gewicht van 0.15 toegekend (totaal dus 0.3 voor ‘kantoorruimte’). De gewichtenset voor het thema Arbeidsmarkt tenslotte is gelaagd opgebouwd. ‘Techniek’, ‘economisch’ en ‘verzorgend’ nemen elk een gewicht van 0.3 voor hun rekening. De migratieratio krijgt de overblijvende 0.1. Binnen de drie richtingen zijn aan participatie hoog opgeleid, participatie laag/middelbaar, gemiddeld opleidingsniveau, nabijheid kenniswerkers en studenten gewichten toegekend van respectievelijk 0.25, 0.25, 0.2, 0.2 en 0.1. In totaal is het gewicht voor bijvoorbeeld ‘participatie techniek, laag middelbaar’ dus gelijk aan 0.3 * 0.25 = 0.075.


157

Bronnen van regionaal economische vitaliteit

Recommend Documents