ROZMÍSTĚNÍ SLUŽEB V ČESKU PODLE TYPU ZNALOSTNÍ ZÁKLADNY

Sborník příspěvků

XIX. mezinárodní kolokvium o regionálních vědách

Čejkovice 15.–17. 6. 2016

DOI: 10.5817/CZ.MUNI.P210-8273-2016-67

ROZMÍSTĚNÍ SLUŽEB V ČESKU PODLE TYPU ZNALOSTNÍ ZÁKLADNY KNOWLEDGE-BASES AND LOCATION OF SERVICES IN CZECHIA

JAN ŽENKA ONDŘEJ SLACH VENDULA REICHOVÁ Katedra sociální geografie a regionálního rozvoje Dep. of Human Geography and Reg. Development Přírodovědecká fakulta Faculty of Natural Sciences Ostravská univerzita v Ostravě University of Ostrava in Ostrava  Chittussiho 10, 710 00 Ostrava, Czech Republic E-mail: [email protected], [email protected], [email protected]

Anotace Cílem článku je charakterizovat a vysvětlit současné regionální rozmístění služeb v Česku na základě typu znalostní základny. Testujeme předpoklad, že služby se symbolickou znalostní základnou jsou vzhledem k nezbytnosti osobního kontaktu se zákazníky a dodavateli výrazněji soustředěny do velkých měst než odvětví se syntetickou resp. analytickou znalostní základnou. Studujeme míru územní koncentrace zaměstnanosti v jednotlivých odvětvích služeb na úrovni SO ORP s využitím HerfindahlHirschmannova indexu a jejich zastoupení v metropolitních a nemetropolitních regionech. Metropolitní regiony jsou rozčleněny na jádra a dojížďková zázemí. Služby se symbolickou znalostní základnou vykázaly podle očekávání výrazně vyšší míru územní koncentrace do metropolitních regionů v čele s Prahou, zatímco služby se syntetickou znalostní základnou byly rozptýleny rovnoměrněji a výrazněji zastoupeny též v nemetropolitních oblastech. Typ znalostní základny má tedy významný vliv na prostorovou organizaci a regionální rozmístění služeb v Česku. Klíčová slova služby, rozmístění, znalostní základny, nemetropolitní regiony, metropolitní regiony Annotation Drawing on the concept of knowledge-bases we aim to describe and explain current regional distribution of services in Czechia. We test the assumption that spatial concentration of services with symbolic knowledge-base into the largest metropolitan region is higher than in case of services with analytical and synthetic knowledge-base. Combination of high transaction costs and necessity of faceto-face communication with suppliers and clients is the primary reason for over-representation of services with symbolic knowledge-base in metropolitan regions. Spatial concentration of service employment is measured by the Herfindahl-Hirschmann index and also by the share of (non)metropolitan regions in total employment in Czechia. Metropolitan regions are further divided into urban cores and commuting hinterlands in order to evaluate indirectly the effects of commercial suburbanization. Not surprisingly, services with symbolic knowledge-base exhibited the highest level of spatial concentration into the metropolitan regions with an exclusive position of the capital city Prague. On the other hand, services with synthetic knowledge-base showed more dispersed localisation pattern and significantly higher share of employment located in non-metropolitan regions. Therefore, knowledge-bases really matter for the spatial distribution of services in Czechia. Key words services, localisation, knowledge-bases, non-metropolitan regions, metropolitan regions

522



Čejkovice 15.–17. 6. 2016

JEL classification: L80, R30

Úvod Se zvyšujícím se významem znalostí a inovací jako klíčového zdroje regionální konkurenceschopnosti ve vyspělých zemích se do regionálních politik stále více promítá důraz na podporu rozvoje znalostně náročných služeb a kreativních odvětví. Od těchto ekonomických činností se očekává stimul pro vytváření inovací a jejich šíření do dalších odvětví, zvýšení podnikatelské aktivity v regionu, diverzifikace hospodářské základny, vysoká přidaná hodnota a především tvorba kvalifikovaných a dobře placených pracovních míst. Pro realistické nastavení regionálních politik je však nezbytné pochopit principy rozmístění a prostorové organizace produkčních a inovačních aktivit jednotlivých odvětví služeb. Cílem článku je zjistit, zda a do jaké míry lze regionální rozmístění služeb v Česku vysvětlit pomocí konceptu znalostních základen (Asheim a kol., 2007). Hodnotíme dvě dimenze rozmístění služeb – i. míru územní koncentrace zaměstnanosti jednotlivých odvětví služeb na úrovni správních obvodů obcí s rozšířenou působností a ii. rozmístění těchto odvětví v metropolitních a nemetropolitních regionech Česka. Koncept znalostních základen rozlišuje odvětví průmyslu a služeb do třech skupin podle charakteru inovační činnosti – na odvětví s tzv. analytickou, syntetickou a symbolickou znalostní základnou (Asheim, Coenen, 2005). Organizace produkce a inovační činnosti v odvětvích s analytickou znalostní základnou vychází především z využití kodifikovaných znalostí, proto je význam osobní komunikace a geografické blízkosti zdrojů informací či inovačních partnerů (univerzit, výzkumných laboratoří, zákazníků, dodavatelů aj.) omezený a mohou převažovat vazby na aktéry v jiných metropolitních regionech či státech (Blažek a kol. 2011). Pro odvětví se syntetickou znalostní základnou má zásadní význam osobní komunikace uvnitř produkčního řetězce, která může, ale nemusí mít lokální charakter. Nelze identifikovat jednoznačné prostorové preference - tento typ služeb může být soustředěn v metropolitních regionech i rozptýlen v nemetropolitních oblastech v blízkosti průmyslových firem. Naopak pro organizaci produkce a inovací v symbolicky orientovaných odvětvích má osobní komunikace a lokální přítomnost inovačních partnerů a zákazníků značný význam, proto se tato odvětví soustřeďují především do velkých měst a jejich center.

1. Materiál a metody Hodnocení rozmístění služeb podle typu znalostní základny je založeno na datech z tzv. Ročního výkazu ekonomických subjektů vybraných produkčních odvětví Českého statistického úřadu (ČSÚ 2013). Údaje se vztahují k roku 2013 a trojmístné klasifikaci ekonomických činnosti (NACE rev. 2.0). Poskytují celkový počet pracovních míst přepočtený na osmihodinovou pracovní dobu a jsou dostupné za úroveň SO ORP. Databáze pokrývá většinu odvětví terciárního sektoru s výjimkou velkoobchodu, maloobchodu a veřejných služeb. Studovali jsme rozmístění skupin služeb se symbolickou a syntetickou znalostní základnou (Tab. 1) a pro doplnění též rozmístění třech odvětví služeb, z nichž každé zastupuje jeden typ znalostní základny – informační technologie (NACE 62, 63) se syntetickou, výzkum a vývoj (NACE 72) s analytickou a reklama a průzkum trhu (NACE 73) se symbolickou znalostní základnou.

523



Čejkovice 15.–17. 6. 2016

Tab. 2: Studované služby podle typu znalostní základny Služby se syntetickou znalostní základnou Doprava a skladování (49;50;51;52) Poštovní a kurýrní činnosti (53)

Služby s analytickou znalostní základnou Výzkum a vývoj (72)

Ubytování (55), Stravování (56) Informační činnosti (62;63) Finanční činnosti (64;66) Realitní činnosti (68) Právní a účetní činnosti (69) Vedení podniků (70) Architekt., technické činnosti (71) Ostatní poradenské činnosti (74) Ostatní služby (75;77;78;79;80;81;82)

Služby se symbolickou znalostní základnou Vydavatelské činnosti (58) Filmy (59) Rozhlasové a TV vysílání (60) Reklama a průzkum trhu (73)

Pozn.: V závorce uvedeny kódy odvětví dle klasifikace NACE rev. 2.0

Zdroj: Asheim, Coenen 2005; Strambach 2008; Pina, Tether 2015

Rozmístění služeb bylo hodnoceno na dvou úrovních: 1. správních obvodů obcí s rozšířenou působností a 2. regionální typologie rozlišující pět hlavních kategorií regionů – metropolitní region Prahy – jádro; metropolitní region Prahy – zázemí; metropolitní regiony ostatních krajských měst – jádra; metropolitní regiony ostatních krajských měst – zázemí a nemetropolitní regiony, pokrývající zbývající území Česka (Obr. 1). Rozlišení jader a dojížďkových zázemí metropolitních regionů umožní nepřímo posoudit intenzitu procesu komerční suburbanizace. Obr. 1: Vymezení metropolitních a nemetropolitních regionů v Česku

Zdroj: OECD 2008; Kraft a kol. 2014; vlastní zpracování

524



Čejkovice 15.–17. 6. 2016

Míra územní koncentrace služeb na úrovni SO ORP byla vypočtena s využitím HerfindahlHirschmannova indexu, který je sumou percentuálních podílů jednotlivých SO ORP na celkové zaměstnanosti v daném odvětví v Česku. Hodnota 10 000 značí maximální územní koncentraci (veškerá zaměstnanost v 1 SO ORP), hodnota 1/206 v tomto případě označuje územně dokonale rovnoměrné rozmístění. Pro účely této studie jsme sloučili skupiny metropolitních a větších městských regionů (vymezených dle OECD, 2008), které se kryjí se skupinou krajských měst kromě Jihlavy. Zbývající SO ORP byly klasifikovány jako nemetropolitní, přičemž přesné vymezení metropolitních regionů podle administrativních hranic SO ORP bylo provedeno dle Kraft a kol. (2014).

2. Rozmístění služeb v Česku na mikroregionální úrovni Zjištěné výsledky potvrzují silnou územní koncentraci odvětví se symbolickou znalostní základnou a vysokou intenzitou transakčních nákladů, zejména tvorby filmů, rozhlasového, televizního vysílání a reklamy (Obr. 2). Naopak u jediného odvětví řazeného do analytické znalostní základny (výzkum a vývoj) se plně potvrdil předpoklad nižší míry prostorové koncentrace. Skupina služeb se syntetickou znalostní základnou v souladu s teoretickými předpoklady velmi heterogenní z hlediska regionálního rozmístění. Nejvyšší míra územní koncentrace byla identifikována u letecké dopravy. Pro toto odvětví má relevanci aplikace klasických transportních nákladů ve vazbě na vertikální polohu v podobě funkce „gateway“ Prahy pro celé Česko, případně střední Evropu. Naproti tomu některé znalostně méně náročné produkční služby jako silniční doprava či skladování a zároveň některé znalostně náročné obchodní služby jako architektonické a inženýrské činnosti patří mezi služby s nejvyšší mírou územní disperze. Důvodem je vazba na místní trh, který kromě domácností představují i průmyslové firmy, významně soustředěné do nemetropolitních menších a středních měst (Ženka a kol. 2016). Obr. 2: Územní koncentrace služeb v Česku na úrovni SO ORP v roce 2013 (HerfindahlHirschmannův index - HHI) 10000 9000 8000 7000

HHI

6000 5000 4000 3000 2000 1000 0 51 60 59 63 58 73 50 70 79 61 62 64 68 74 55 66 82 69 78 77 80 53 72 71 52 56 81 75 49 Odvětví NACE Pozn.: Pro kódy odvětví služeb viz Tab. 1. Modrá barva – syntetická, oranžová barva – symbolická, červená – analytická znalostní základna.

Zdroj: ČSÚ 2013; vlastní zpracování

Druhá dimenze, čili analýza rozmístění znalostně náročných služeb mezi metropolitními regiony a nemetropolitními regiony, přinesla následující výsledky (Obr. 3, Obr. 4). Hlavním centrem služeb se symbolickou znalostní základnou je jednoznačně Praha, která soustřeďuje téměř dvě třetiny celkové zaměstnanosti ve službách se symbolickou znalostní základnou na území Česka. Podíl jader ostatních metropolitních regionů je pětinový, v nemetropolitních regionech se v roce 2013 nacházelo pouze 13 % pracovních míst. Taktéž se ukazuje, že dekoncentrační procesy v těchto odvětvích služeb jsou

525



Čejkovice 15.–17. 6. 2016

velmi slabé. V zázemí metropolitních center včetně Prahy bylo lokalizováno pouze 1630 pracovních míst, tedy 5,3 % z celkové zaměstnanosti v těchto službách na území Česka. U služeb syntetické a analytické znalostní báze neevidujeme tak výrazné rozdíly mezi Prahou a ostatními metropolitními areály. Na intra-metropolitní úrovni pražského metropolitního regionu lze však nejvyšší míru územní dekoncentrace najít u služeb s analytickou znalostní základnou, což odpovídá prostorovým vzorcům nastíněným ve studii Asheima a kol. (2007). Při porovnání změn v distribuci obyvatelstva v pražském metropolitním regionu a lokalizace vybraných analyzovaných služeb je patrný přetrvávající prostorový nesoulad rozmístění obyvatelstva a ekonomických aktivit (Sýkora, Ouředníček, 2007). Zatímco obyvatelstvo má tendenci se intenzivně přesouvat do pražského zázemí vlivem rezidenční suburbanizace, ekonomické aktivity včetně služeb zůstávají výrazněji soustředěny v metropolitním centru. Tyto výsledky potvrzují zjištění Ženky a kol. (2016) o velmi omezené intenzitě procesu komerční suburbanizace obchodních služeb v Česku. Pozoruhodné je významné soustředění služeb se syntetickou znalostní základnou v Mladé Boleslavi v návaznosti na poptávku místního automobilového průmyslu, přičemž se jedná převážně o činnosti související se zaměstnáním a služby v oblasti silniční dopravy. Tab. 3: Rozmístění služeb v Česku v roce 2013 – metropolitní a nemetropolitní regiony Nemetr. Metropolitní regiony regiony PrahaPrahaOstatníOstatníjádro zázemí jádra zázemí Česko Počet obyvatel 11,8 6,1 18,4 8,2 55,6 10512419 Zaměstnanost ve službách se syntetickou znalostní základnou 36,7 4,0 30,6 3,1 25,6 723904 Zaměstnanost ve službách se symbolickou znalostní základnou 61,0 3,9 20,6 1,4 13,0 30718 Zaměstnanost ve výzkumu a vývoji (NACE 72) 30,5 13,2 30,5 3,2 22,6 6788 Zaměst. v informačních technolog. (NACE 62, 63) 53,0 1,0 1,7 2,0 42,3 60425 Zaměstnanost v odvětví reklamy (NACE 73) 58,4 1,6 4,9 3,1 32,0 15805 Zaměstnanost ve vybraných službách celkem 37,7 4,1 30,2 3,0 25,1 761410 Pozn.: Sloupec za Česko v absolutních hodnotách (osobách); jinak % podíly na hodnotě Česka.


Pokud zaměříme pozornost na srovnání rozmístění vybraných odvětví reprezentujících symbolickou (reklama) a syntetickou (informační technologie – NACE 62,63) znalostní základnu (Tab. 3), vidíme jistý nesoulad mezi teoretickými předpoklady a empirickými výsledky. Dominance Prahy (jádra) z hlediska koncentrace zaměstnanosti v odvětví reklamy je sice dle očekávání silnější než z hlediska podílu na celostátní zaměstnanosti v informačních technologiích, avšak zastoupení odvětví reklamy v zázemí Prahy a v nemetropolitních regionech je vyšší než u informačních technologií a významnější, než by odpovídalo důležitosti urbánního milieu pro konkurenceschopnost tohoto odvětví. Uvedený nesoulad implikuje pravděpodobně nižší znalostní úroveň odvětví reklamy v post-socialistickém kontextu.

526



Čejkovice 15.–17. 6. 2016

Obr. 2: Rozmístění služeb se syntetickou znalostní základnou v Česku (2013)


Obr. 3: Rozmístění služeb se symbolickou znalostní základnou v Česku (2013)


Závěr Předložený příspěvek si kladl za cíl charakterizovat a vysvětlit rozmístění vybraných služeb v Česku s využitím konceptu znalostních bází. Zjištěné výsledky z velké části potvrdily předpokládaný vliv znalostní základny na míru územní koncentrace služeb. Podle očekávání vykázaly služby se symbolickou znalostní základnou nejvyšší míru koncentrace do metropolitních regionů s výsadním postavením hlavního města Prahy. Míra územní koncentrace služeb se symbolickou znalostní základnou (částečně se kryjí se skupinou kulturních a kreativních odvětví) do metropolitního regionu hlavního města je v Česku výrazně vyšší než koncentrace kreativních odvětví do hlavních měst starých členských zemích Evropské unie – Velké Británie, Francie, Španělska a Itálie (Lazzeretti a kol., 2008; Boix a kol., 2010) nebo Německa (Mossig, 2011). Kombinace malých geografických vzdáleností v Česku, poměrně dobré dopravní dostupnosti a superdominantní pozice

527



Čejkovice 15.–17. 6. 2016

Prahy jakožto vstupní brány pro zahraniční obchodní kontakty a investice se tedy promítá nejen do vysoké míry územní koncentrace znalostně náročných obchodních služeb (Ženka a kol. 2016), ale též služeb se symbolickou a v menší míře i se syntetickou znalostní základnou. Podíl metropolitních zázemí na celkové zaměstnanosti ve vybraných službách byl překvapivě nízký, což indikuje velmi slabě probíhající proces komerční suburbanizace. Toto tvrzení je v souladu se zjištěním Ženky a kol. (2016), kteří identifikovali prostorový nesoulad mezi disperzním rozmístěním průmyslu s významnou přítomností v nemetropolitních regionech a vysokou mírou územní koncentrace znalostně náročných obchodních služeb do metropolitních center, nikoli však do metropolitních zázemí. Větší míra územní disperze byla zjištěna pro znalostně méně náročné obchodní služby, které jsou významně závislé na lokálním trhu (silniční doprava, skladování) a pravděpodobně ze stejného důvodu též pro architektonické a inženýrské činnosti.

Literatura [1] ASHEIM, B., COENEN, L., (2005). Knowledge bases and regional innovation systems: Comparing Nordic clusters. Research Policy, vol. 34, no. 8, pp. 1173-1190. ISSN 0048-7333. [2] ASHEIM, B., COENEN, L., VANG, J. (2007). Face-to-face, buzz, and knowledge bases: sociospatial implications for learning, innovation, and innovation policy. Environment and Planning C, vol. 25, no. 5, pp. 655-670. [3] BLAŽEK, J., ŽÍŽALOVÁ, P, RUMPEL, P, SKOKAN, K. (2011). Where does the knowledge for knowledge intensive industries does from? The case of Biotech in Prague and ICT in Ostrava. European Planning Studies, vol. 19, no. 7, pp. 1277-1304. DOI 10.1080/09654313.2011.573136. [4] BOIX, R., LAZZERETTI, L., CAPONE, F., DE PROPRIS, L., SANCHEZ, D. (2010). The geography of creative industries in Europe: Comparing France, Great Britain, Italy and Spain. 50th Anniversary European Congress of the Regional Science Association International, Jönköping, Sweden. [5] ČESKÝ STATISTICKÝ ÚŘAD (2013). Roční výkaz ekonomických subjektů vybraných produkčních odvětví. Praha. [Interní materiály ČSÚ]. [6] KRAFT, S., HALÁS, M., VANČURA, M., (2014). The delimitation of urban hinterlands based on transport flows: a case study of regional capitals in the Czech Republic. Moravian Geographical Reports, vol. 22, no. 1, pp. 24-32. ISSN 2199-6202. DOI 10.2478/mgr-2014-0003. [7] LAZZERETTI, L., BOIX, R., CAPONE, F. 2008. Do Creative Industries Cluster? Mapping Creative Local Production Systems in Italy and Spain. Industry and Innovation, vol. 15, no. 5, pp. 549-567. [8] MOSSIG, I. (2011). Regional Employment Growth in the Cultural and Creative Industries in Germany 2003-2008. European Planning Studies, vol. 19, no. 6, pp. 967-990. DOI 10.1080/09654313.2011.568807. [9] OECD, (2008). Redefining Urban: a new way to measure metropolitan regions. [online]. [cit. 2016-02-17].

Dostupné http://www.oecd.org/regional/redefiningurbananewwaytomeasuremetropolitanareas.htm

z:

[10] PINA, K., TETHER, B.S., (2016). Towards understanding variety in knowledge-intensive business services. Research Policy, vol. 45, no. 2, pp. 401-413. ISSN 0048-7333. [11] STRAMBACH, S., (2008). Knowledge-Intensive Business Services (KIBS) as drivers of multilevel knowledge dynamics. Int. J. Services, Technology and Management, vol. 10, no. 2/3/4, pp. 152-174. ISSN 1460-672. DOI 10.1504/IJSTM.2008.022117. [12] SÝKORA, L., OUŘEDNÍČEK, M., (2007). Sprawling post-communist metropolis: commercial and residential suburbanisation in Prague and Brno, the Czech Republic In: Razin, E., Dijst, M., Vázquez, C. (eds.): Employment Deconcentration in European Metropolitan Areas: Market Forces versus Planning Regulations. Dordrecht, Springer. pp 209-233. ISBN 978-1-4020-5761-8. [13] ŽENKA, J., NOVOTNÝ, J., SLACH, O., IVAN, I., (2016). Spatial distribution of knowledge-intensive business services in a small post-communist economy. Journal of the Knowledge Economy [v tisku].

Příspěvek byl zpracován v rámci grantu SGS09/PřF/2006 Adaptabilita průmyslových měst a regionů. Bc. Adamu Pavlíkovi děkujeme za zpracování tematických map.

528

ROZMÍSTĚNÍ SLUŽEB V ČESKU PODLE TYPU ZNALOSTNÍ ZÁKLADNY

Recommend Documents