Studia Ekonomiczne nr 2/2012 by Instytut Nauk Ekonomicznych PAN

2/2012

770239 772084

641008 439007

ECONOMIC STUDIES nr 2 (LXXIII) 2012

ISSN 2084–4395 0239–6416

Cena 30,00 zł (w tym 5% VAT) Nakład 200 egz.

STUDIA EKONOMICZNE

STUDIA EKONOMICZNE • ECONOMIC STUDIES

Instytut Nauk Ekonomicznych Polskiej Akademii Nauk Pałac Staszica ul. Nowy S´wiat 72 00-330 Warszawa www.inepan.waw.pl

INSTYTUT NAUK EKONOMICZNYCH POLSKIEJ AKADEMII NAUK

WARSZAWA 2012

Studia ekonomiczne Economic studies

INSTYTUT NAUK EKONOMICZNYCH POLSKIEJ AKADEMII NAUK

Studia Ekonomiczne ECONOMIC STUDIES nr 2 (LXXIII) 2012

Warszawa 2012

Czasopismo Instytutu Nauk Ekonomicznych PAN

Studia Ekonomiczne Rada Programowa Marek Belka, Bogusław Fiedor, Dariusz Filar, Stanisław Gomułka, Marian Gorynia, Zbigniew Hockuba, Janina Jóźwiak, Elżbieta Kawecka-Wyrzykowska, Irena Kotowska, Tadeusz Kowalik, Adam Lipowski, Karol Lutkowski, Wojciech Maciejewski, Emil Panek, Dariusz Rosati, Jan Winiecki, Andrzej Wojtyna Komitet Redakcyjny Krzysztof Bartosik, Urszula Grzelońska (Redaktor Naczelny), Joanna Kotowicz-Jawor, Paweł Kozłowski, Witold Kwaśnicki, Adam Noga, Lesław Pietrewicz, Urszula Skorupska (Sekretarz Redakcji), Andrzej Sławiński, Cezary Wójcik Redakcja Władysława Czech-Matuszewska Lesław Pietrewicz Opracowanie Graficzne i Projekt okŁadki Beata Gratys Wydawca Instytut Nauk Ekonomicznych PAN © Copyright by Instytut Nauk Ekonomicznych PAN, 2012 ISSN 2084-4395 Projekt jest dofinansowany ze środków Narodowego Banku Polskiego

Realizacja wydawnicza Wydawnictwo Key Text sp. z o.o. 01-134 Warszawa, ul. Wolska 64 A tel. 22 632 11 39; 22 632 11 36, fax wew. 212 www.keytext.com.pl wydawnictwo@keytext.com.pl

Spis treŚci ARTYKUŁY Dorota BIAŁOWOLSKA, Piotr BIAŁOWOLSKI, Kapitał społeczny a poziom rozwoju gospodarczego w świetle modelu jastrząb-gołąb . . . . . . . Bazyli CZYŻEWSKI, Produktywność zasobów w rolnictwie w Polsce wobec paradygmatu zrównoważonego rozwoju . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Małgorzata PODOGRODZKA, Metoda aglomeracyjna w analizie przestrzennego zróżnicowania bezrobocia w Polsce w latach 1990–2010 . . . Natalia GORYNIA-PFEFFER, Wybrane aspekty działalności innowacyjnej na przykładzie Niemiec − wnioski dla Polski . . . . . . . . . . . . . . . . . . . . . . . .

139 165 189 211

MISCELLANEA Arkadiusz ŚWIADEK, Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej przedsiębiorstw w regionach Polski w latach 2008–2010 . . . . 239 Jacek ORZEŁ, Nieadekwatność Rekomendacji M do instrumentów bazowych dla pochodnych ryzyka operacyjnego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265

RECENZJE Łukasz HARDT, W poszukiwaniu istoty ekonomii. Recenzja książki: Sedláĉek T. (2012) , „Ekonomia dobra i zła. W poszukiwaniu istoty ekonomii 281 od Gilgamesza do Wall Streat” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

CONTENTS ARTICLES Dorota BIAŁOWOLSKA, Piotr BIAŁOWOLSKI, Social Capital and Economic Development: Conclusions From the Hawk-Dove Model . . . . . . Bazyli CZYŻEWSKI, Resource Productivity in Polish Agriculture: Towards the Paradigm of Sustainable Development . . . . . . . . . . . . . . . . . . . . . . . . . . . Małgorzata PODOGRODZKA, Agglomerative Hierarchical Clustering Procedure in Analysis of Spatial Differentiation of Unemployment in Poland in the Years 1990–2010 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Natalia GORYNIA-PFEFFER, Selected Aspects of Germany’s National Innovation System – Lessons for Poland . . . . . . . . . . . . . . . . . . . . . . . . . . . .

139 165 189 211

MISCELLANEA Arkadiusz ŚWIADEK, Industry Supply Chains in Firms’ Innovative Activity in Polish Regions in 2008–2010 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 Jacek ORZEŁ, Inadequacy of Recommendation M to Underlying Instruments for Operational Risk Derivatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265

REVIEWS Łukasz HARDT, The Quest for Economic Meaning. Review of T. Sedláĉek’s “Economics of Good and Evil: The Quest for Economic Meaning from Gilgamesh to Wall Street” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Artykuły

Dorota Białowolska* Piotr Białowolski**

KAPITAŁ SPOŁECZNY A POZIOM ROZWOJU GOSPODARCZEGO W ŚWIETLE MODELU JASTRZĄB-GOŁĄB 1. KAPITAŁ SPOŁECZNY – DEFINICJE I KLASYFIKACJE Zarówno w obszarze nauk socjologicznych, jak i psychologii społecznej pojęcie kapitału społecznego nie doczekało się jak dotąd jednej definicji. Brak jest również wspólnej nomenklatury, a także nie wypracowano spójnych rozwiązań dotyczących struktury oraz pomiaru kapitału społecznego. Mimo to koncepcja kapitału społecznego staje się coraz bardziej popularna. J. Bartkowski (2007, s. 59–60) wskazuje na dynamiczny wzrost liczby publikacji dotyczących tej tematyki w ciągu ostatnich lat. Publikacje te można podzielić na kilka grup (Growiec, Growiec, 2009a; Sabatini, 2006): po pierwsze, poruszające tematykę definicji i znaczenia kapitału społecznego (Evans, Syrett, 2007); po drugie, analizujące problem doboru wskaźników i sposobu pomiaru kapitału społecznego (Lillbacka, 2006; van Oorschot, Arts, Gelissen, 2006); po trzecie, rozważające związek między kapitałem społecznym a wzrostem i rozwojem gospodarczym (Growiec, Growiec, 2009a; Kaminska, 2010; Schneider, Plumper, Baumann 2000; Torsvik, 2000). Nasz artykuł wpisuje się w nurt zarówno drugi jak i trzeci. W literaturze proponuje się trzy klasyfikacje definicji kapitału społecznego (1) funkcjonalną wywodzącą się z prac J.S. Colemana (2002), (2) paradygmatu działania zbiorowego, kooperacji i sieci powiązań wywodzącą się z prac R. Putnama (1995) oraz (3) podejście strukturalne związane z pracami P. Bourdieu (Bartkowski, 2007, s. 69). Spotkać można również podział na definicje oparte na * Instytut

** Katedra

Statystyki i Demografii, Szkoła Główna Handlowa w Warszawie. Ekonomii I, Szkoła Główna Handlowa w Warszawie.

140

Dorota Białowolska, Piotr Białowolski

podejściu koncentrującym się na jednostce (Coleman, 2002; Bourdieu, 1983) oraz koncentrujące się na zbiorowości (Putnam, 1995, 2001; Fukuyama, 2000). W pierwszym przypadku nacisk położony jest na badanie zachowań ludzkich w sieciach społecznych. Natomiast w drugim przypadku analizie poddawane jest wspólne działanie grup jednostek oraz kultura i organizacja społeczeństwa. Ponadto, jak piszą W. van Oorschot, W. Arts i J. Gelissen (2006, s. 151, za: Newton, 1999; Paxton, 1999, 2002), wyróżnia się dwa wymiary kapitału społecznego: obiektywny – związany ze strukturą oraz subiektywny – związany z kulturą. Wymiar obiektywny obejmuje sieci powiązań o charakterze trwałym, wymiar kulturowy zaś – zaufanie, wzajemność i chęć współpracy. G. Torsvik (2000, s. 454) natomiast, powołując się na pracę P. Colliera (1998), wskazuje na dwa typy kapitału społecznego: obywatelski kapitał społeczny (civil social capital) oraz rządowy (instytucjonalny) kapitał społeczny (governmental social capital). Obywatelski kapitał społeczny związany jest ze strukturą społeczeństwa i stosunkami międzyludzkimi i może być utożsamiany z kapitałem społecznym w rozumieniu Putnama. Natomiast instytucjonalny kapitał społeczny jest przez Torsvika (2000) rozumiany jako jakość działania instytucji formalnych i nieformalnych. W celu scharakteryzowania instytucjonalnego kapitału społecznego oraz jego związku z rozwojem gospodarczym można się odnieść również do prac instytucjonalistów takich jak D.C. North (1990) czy G. Myrdal (1982). Tym samym ciężar dyskusji z kapitału społecznego przenosi się na wspomniane powyżej instytucje, a więc – jak podaje North – „wymyślone przez człowieka formalne i nieformalne zasady gry w społeczeństwie, które mają wpływ na stopień oraz sposób rozwoju gospodarczego i społecznego” (North, 1990). Na instytucje formalne – zewnętrzne względem człowieka i związane z istnieniem państwa – składają się przepisy rządowe, prawa, zalecenia formalne dotyczące organizacji życia zarówno z punktu widzenia gospodarki, jak i społeczeństwa. Instytucje nieformalne obejmują systemy wartości, obowiązujące normy i zwyczaje, sposób myślenia, kulturę, poziom zaufania, skłonność do ryzyka i do wykorzystywania okazji. Instytucje są zatem nośnikiem wiedzy społecznej oraz zaufania, ograniczają koszty transakcyjne, zwiększają poziom bezpieczeństwa przy podejmowaniu decyzji w warunkach niepewności, porządkują relacje międzyludzkie (North, 1990). Z tego względu instytucjonaliści zalecają stosowanie w badaniach nad źródłami wzrostu gospodarczego i determinantami dobrobytu społecznego holistycznego podejścia do opisu rzeczywistości, uwzględniającego wpływ (poza teorią racjonalnego wyboru i czynnikami ekonomicznymi) również instytucji, a więc systemu prawnego i społecznego, na gospodarkę. Podejmując próbę zbadania związku między poziomem kapitału społecznego a poziomem rozwoju gospodarczego na poziomie regionalnym, ważne wydaje się podkreślenie niejednoznaczności kierunku tego związku. Niejednoznaczność ta jest akcentowana zwłaszcza w literaturze socjologicznej. Kapitał społeczny ocenia się tam z perspektywy jego wpływu na spójność społeczeństwa i rozróżnia się kapitał społeczny występujący w formie mostów (bridging), więzi (bonding) i połączeń (linking) (Woolcock, 1998, za: OECD, 2001, s. 42). Mosty, oznaczające co

Kapitał społeczny a poziom rozwoju gospodarczego…

141

prawda niezbyt silne więzi, są związkami o zasięgu międzygrupowym – skierowane poza grupę sprzyjają zwiększeniu zaufania społecznego oraz poczucia wspólnoty szerszej społeczności. Więzi mają charakter ochronny, a efektem ich występowania jest wzrost poczucia przynależności do wąskich grup osób, zwykle rodziny lub najbliższych przyjaciół. Połączenia oznaczają zaś związki między grupami mogącymi różnić się od siebie zarówno funkcją, wielkością, charakterem, jak i usytuowaniem w hierarchii społecznej. Każda z form kapitału społecznego (tj. mosty, więzi, połączenia) może sprzyjać spójności społecznej. Podkreśla się jednak, że więzi sprzyjać mogą również nasileniu się etnocentryzmu, antagonizmów społecznych, korupcji, wynikających ze źle rozumianej lojalności w stosunku do członków grupy (por. Bartkowski, 2007; van Oorschot, Arts, Gelissen, 2006; Putnam, 1995, 2001; Woolcock, 1998, za: OECD, 2001). Można podejrzewać, że ta niejednoznaczność roli, jaką odgrywać może kapitał społeczny w kreowaniu spójności społeczeństwa, może mieć wpływ na jego funkcję w kreowaniu regionalnego rozwoju gospodarczego. Zatem dokładne określenie formy kapitału społecznego podlegającej analizie i pomiarowi ma kluczowe znaczenie w zdefiniowaniu jego roli w rozwoju regionalnym. Jest to tym ważniejsze, że w obszarze nauk ekonomicznych termin kapitał społeczny związany jest z pojęciem instytucji, a wpływ tychże na rozwój regionalny jest określony jednoznacznie – jest to wpływ pozytywny. Instytucje, jak zauważa North (1990), są bowiem nośnikiem wiedzy społecznej oraz zaufania, ograniczają koszty transakcyjne, zwiększają poziom bezpieczeństwa przy podejmowaniu decyzji w warunkach niepewności, porządkują relacje międzyludzkie. Pozostając w obszarze nauk ekonomicznych, warto zauważyć, że niemal truizmem stało się już przekonanie, że zróżnicowanie regionalne pod względem poziomu kapitału społecznego może wyjaśniać zróżnicowanie regionalne szeroko rozumianego rozwoju gospodarczego (produktywności, dochodów itp.) (Torsvik, 2000; Sabatini, 2006; Schneider, Plumper, Baumann, 2000; Evans, Syrett, 2007; Gidwani, 2002). Określenie, w jaki sposób kapitał społeczny (1) w każdej ze swoich odmian (obywatelski i instytucjonalny kapitał społeczny), (2) w każdym ze swoich wymiarów (zaufanie, normy i sieci), (3) z uwzględnieniem każdego ze swoich charakterów (mosty, więzi, połączenia) przekłada się na możliwości oraz tempo rozwoju gospodarczego, jest – jak się wydaje − kluczowe dla zrozumienia mechanizmów kierujących rozwojem gospodarczym regionów. Podejmowanie tematów poświęconych wyjaśnieniu oraz modelowaniu kanałów transmisji kapitału społecznego na gospodarkę i jej rozwój nie jest powszechne w literaturze. Ponadto prezentowane podejście do modelowania kapitału społecznego rzadko kiedy wykorzystuje formalizm modelowania ekonomicznego, który może służyć za podstawę oceny sposobu oddziaływania kapitału społecznego w różnych jego wymiarach na gospodarkę. Podkreślany przez wielu autorów (np. Bartkowski, 2007; van Oorschot, Arts, Gelissen, 2006; Putnam, 1995, 2001) różnorodny kierunek wpływu kapitału społecznego o różnym charakterze (mosty, połączenia, więzi) na wzrost i rozwój gospodarczy wymaga podjęcia próby przedstawienia dowodu formalnego na kierunek tego wpływu. Dowód ten powinien:

142

Dorota Białowolska, Piotr Białowolski

1) uwzględniać kierunek związku korelacyjnego łączącego poziom rozwoju gospodarczego z poziomem kapitału społecznego na poziomie mostów, 2) odpowiedzieć na pytanie, dlaczego kapitał społeczny na poziomie więzi może odgrywać zarówno pozytywną, jak i negatywną rolę w przypadku regionów lub krajów o wysokim poziomie rozwoju gospodarczego, 3) określić rolę instytucji w ocenie perspektyw rozwoju gospodarczego regionu lub kraju.

2. MODEL JASTRZĄB-GOŁĄB I JEGO ODNIESIENIE DO KAPITAŁU SPOŁECZNEGO Do opisu kanałów wpływu kapitału społecznego na poziom wzrostu i rozwoju gospodarczego proponujemy zastosowanie modelu jastrząb-gołąb (Maynard Smith, Price, 1973; Bowles, 2004). Model ten jest oparty na następujących założeniach: 11

w gospodarce obecne są dwa typy ludzi (typy społeczne): ludzie przyjmujący w swoim postępowaniu strategię „jastrzębia”1 i ludzie przyjmujący w swoim zachowaniu strategię „gołębia”2,

„jastrzębie” osiągają korzyści dzięki pracy „gołębi” – pełnią rolę pasożytów społecznych nie wytwarzając produktu, a jedynie żerując na pracy „gołębi”, natomiast „gołębie” osiągają korzyści dzięki własnej pracy,

spotkanie dwóch „gołębi” kończy się pozytywnym wynikiem (odniesieniem korzyści) dla obu uczestników spotkania, spotkanie „jastrzębia” z „gołębiem” kończy się korzystnie jedynie dla „jastrzębia”, natomiast spotkanie dwóch „jastrzębi” kończy się wynikiem negatywnym (stratą) dla obydwu uczestników spotkania.

Model sformułowany w ten sposób pozostaje, naszym zdaniem, w bardzo bliskim związku z koncepcją kapitału społecznego. Koncepcja ta wyjaśnia bowiem, dlaczego synergia pozytywnych zachowań ludzi może doprowadzić do zwiększenia wielkości wytwarzanego produktu przez członków społeczeństwa. Biorąc pod uwagę założenia modelu jastrząb-gołąb, należy zatem oczekiwać, że wyższy poziom kapitału społecznego będzie współwystępował z wyższym odsetkiem „gołębi” w społeczeństwie, zaś niższy poziom kapitału społecznego będzie utożsamiany z wyższym odsetkiem „jastrzębi”. Taką interpretację przyjmujemy w dalszym wywodzie. Jednocześnie zdajemy sobie sprawę z niedostatków modelu jastrząb-gołąb w tłumaczeniu występowania kapitału społecznego w kształcie więzi, którego najbardziej uderzającym przykła1 Dalej 2 Dalej

zwani skrótowo „jastrzębiami”. zwani skrótowo „gołębiami”.

Kapitał społeczny a poziom rozwoju gospodarczego…

143

dem jest istnienie zwartych i charakteryzujących się wysokim poziomem lojalności i zaufania grup przestępczych (np. mafii). Nie podlega według nas dyskusji, że istnienie takich grup w świetle modelu jastrząb-gołąb powinno być interpretowane jako występowanie wysokiego odsetka „jastrzębi” w społeczeństwie. Jednakże oznacza to tym samym, że nie każde współdziałanie dwóch „jastrzębi” (jednostek aspołecznych) daje negatywne skutki zarówno dla nich obu, jak i dla społeczeństwa. Gdy jednostki te są członkami zorganizowanych grup przestępczych – mimo że z punktu widzenia całego społeczeństwa stanowią jednostki aspołeczne – to, świetnie ze sobą współdziałając, działają dla dobra wspólnego, choć wbrew dobru społecznemu. Formalnie model jastrząb-gołąb można zdefiniować w języku teorii gier, przedstawiając macierz wypłat dla uczestników wymiany. Przykładowa macierz wypłat dla problemu jastrząb-gołąb3 może być przedstawiona jak w tabeli 1. Tabela 1. Przykładowa macierz wypłat dla problemu jastrząb-gołąb WYPŁATY (I, II)

Jastrząb

Gołąb

Jastrząb

-5; -5

-1; 3

Gołąb

3; -1

2; 2

Źródło: opracowanie własne.

W przypadku takiej macierzy wypłat (tab. 1) wspólne zaangażowanie dwóch „gołębi” w proces produkcyjny skutkuje wytworzeniem czterech jednostek produktu, które są równo dzielone między dwóch uczestników wymiany. W przypadku spotkania „jastrzębia” z „gołębiem” wytwarzane są dwie jednostki produktu, które w całości zabiera „jastrząb”. Dodatkowo „gołąb” pozbawiany jest jednej jednostki produktu posiadanej przez niego wcześniej. Obrazuje to zatem sytuację, w której praca jednych członków społeczności wykorzystywana jest przez innych celem osiągnięcia korzyści własnych. W przypadku spotkania dwóch „jastrzębi” gospodarka ponosi stratę w wysokości 10 jednostek produktu, która w równym stopniu dotyka obu „jastrzębi”. W sensie ekonomicznym oznacza to, iż chcąc wykorzystać swoją pozycję oba „jastrzębie” starają się uzyskać nadzwyczajne korzyści, co prowadzi do strat na poziomie jednostki, a także strat na poziomie całej gospodarki. Każdy z uczestników gry decyduje, jaką rolę spełnia w społeczeństwie. Zachowanie „gołębia” – określane również mianem strategii gołębia – można utożsamiać z grą uczciwą (tzw. grą „fair”), jednak gra taka w przypadku spotkania z „jastrzębiem” jest ryzykowna (naraża „gołębia” na stratę wynikającą z nieuczciwego zachowania „jastrzębia”). Zachowanie „jastrzębia” – określane również mianem strategii jastrzębia – to próba wykorzystywania innych i życia na ich 3 Do oceny wpływu kapitału społecznego będziemy posługiwać się przedstawioną macierzą wypłat. Mimo że jest to przykład liczbowy, to wnioski otrzymane w dalszej części punktu można uogólnić na dowolną macierz wypłat spełniającą warunki modelu jastrząb-gołąb.

144

Dorota Białowolska, Piotr Białowolski

koszt. Strategia ta oznacza jednak ryzyko walki z innymi, którzy również będą chcieli egzystować kosztem innych. Gra jastrząb-gołąb nie posiada równowagi w strategiach czystych, tzn. nie istnieje optymalna strategia wyboru jednego z zachowań społecznych. W przypadku gdy wszyscy gracze zdecydują się na wybór strategii gołębia, dowolnemu z graczy chcącemu maksymalizować swój zysk będzie się opłacało zmienić strategię na strategię jastrzębia. Gdyby jednak wszyscy uczestnicy wymiany w gospodarce zachowywali się jak „jastrzębie”, to chcąc maksymalizować zyski (minimalizować stratę), dowolnemu graczowi będzie się opłacało zastosować strategię gołębia. Tym samym równowagę układu można osiągnąć jedynie w strategiach mieszanych. Każdy z graczy z pewnym prawdopodobieństwem a wybiera strategię jastrzębia i z prawdopodobieństwem (1 – a) wybiera strategię gołębia. Otrzymujemy wtedy następujące wypłaty dla każdej z obranych strategii:

„Jastrząb”: –5a + 3(1 – a);

(1)

„Gołąb”: –1a + 2(1 – a). (2) Aby otrzymać równowagę, wybór każdej ze strategii powinien odznaczać się analogiczną oczekiwaną wypłatą. Przyrównajmy zatem równania (1) i (2):

–5a + 3(1 – a) = –1a + 2(1 – a) + a = 0,2.

(3)

W wyniku rozwiązania otrzymujemy prawdopodobieństwo wyboru strategii jastrzębia, które dla analizowanego przypadku jest równe 0,2, co implikuje, że w każdym momencie 20% członków społeczeństwa wybiera strategię jastrzębia, a 80% – strategię gołębia. Oznacza to również, że oczekiwana wartość wypłaty dla dowolnego z członków społeczeństwa wynosi 1,4 (= –5 $ 0,2 + 3 $ (1 – 0,2)). Przenosząc założenia modelu jastrząb-gołąb na grunt koncepcji kapitału społecznego można zauważyć, że tradycyjne ujęcie pojęcia zaufania do pozostałych członków społeczeństwa4 może być utożsamione ze stosunkiem odsetków „jastrzębi” i „gołębi” w gospodarce. Im większy udział „gołębi”, tym większy odsetek odpowiedzi wskazujących, że „większości ludzi można ufać” i odwrotnie. Wielu autorów próbuje postrzegać kapitał społeczny jako pewien zasób, który można wyrazić w postaci materialnej – wartościowej. Nam jednak się wydaje, że o ile trudno jest kwestionować samo pojęcie kapitału społecznego, to przez fakt, że jest on ściśle powiązany z pewną grupą warunków gospodarczych, trudno przypisać mu też jakąkolwiek wartość liczbową5. Można jednak zawsze ocenić, w jaki sposób zaistniałe w gospodarce warunki (w tym czynniki powszechnie utożsamiane z kapitałem społecznym) przekładają się na wielkość wytwarzanego PKB per capita. 4 Przejawiające

ufać.

5 Można

się np. w odsetku odpowiedzi na pytanie o to, czy większości ludzi można

podejrzewać, że przemieszanie grup ludzi, które charakteryzowały się określonym poziomem kapitału społecznego, może zaowocować zupełnie nieprzewidywalnym wynikiem, ze względu na brak możliwości określenia reguł instytucjonalnych, które pojawią się w nowych okolicznościach.

Kapitał społeczny a poziom rozwoju gospodarczego…

145

W naszym modelu przyjmujemy, że wielkość wytworzonego PKB per capita jest równa sumie oczekiwanej wypłaty w przypadku przyjęcia strategii jastrzębia pomnożonej przez oczekiwaną wartość prawdopodobieństwa wyboru strategii jastrzębia (a) oraz oczekiwanej wypłaty w przypadku przyjęcia strategii gołębia pomnożonej przez oczekiwaną wartość prawdopodobieństwa wyboru strategii gołębia (1 – a). Utożsamienie PKB per capita z oczekiwaną wypłatą prowadzi do następującej postaci funkcyjnej równania PKB per capita:

PKB = a(–5a + 3(1 – a)) + (1 – a)(–1a + 2(1 – a));

PKB = 2 – 2a – 5a2.

(4)

Wnioski przedstawia rysunek 1, który ilustruje wielkość PKB per capita w zależności od odsetka „jastrzębi” w gospodarce. Rysunek 1. Zależność między odsetkiem „jastrzębi” w gospodarce i wielkością PKB per capita 2,0 1,8 1,6 1,4 1,2 1,0 0,8

wielkość PKB per capita

0,6 0,4 0,2 0

0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 odsetek „jastrzębi” w gospodarce

Źródło: opracowanie własne.

Wzrost odsetka osób podejmujących strategię jastrzębia wpływa negatywnie na wielkość PKB na mieszkańca. Mimo że równowaga, przy której z prawdopodobieństwem 0,2 obierana jest przez członków społeczeństwa strategia jastrzębia, nie jest równowagą w sensie Pareto, to jest ona stabilna. Powstaje zatem wątpliwość dotycząca przedstawienia w ujęciu wartościowym kapitału społecznego. Można przyjąć dla uproszczenia, że wskaźnikiem poziomu kapitału społecznego jest odsetek „gołębi” w społeczeństwie. W takiej sytuacji wzrost odsetka „gołębi” z poziomu 0,8 do 0,9 związany jest ze wzrostem PKB per capita

146

Dorota Białowolska, Piotr Białowolski

z poziomu 1,4 do 1,75, co można interpretować w kategoriach wpływu zmiany w poziomie kapitału społecznego na przyrost PKB o 0,35 jednostki.

3. RÓWNOWAGA W MODELU W WARUNKACH WZROSTU PRODUKTYWNOŚCI Rozwój gospodarczy może być definiowany jako poprawa w sferze (1) rzeczowej (np. wzrost PKB), (2) osobowej (np. wzrost wskaźnika zatrudnienia) i (3) społecznej (np. wzrost zaufania społecznego) (Piasecki, 2007). Poprawa pierwszej ze sfer – definiowana jako wzrost gospodarczy – uznawana jest często za główny wskaźnik rozwoju gospodarczego. Warto jednak podkreślić, że może ona być wzmacniana przez poprawę w każdej z dwóch pozostałych sfer. Z perspektywy prowadzonej analizy szczególnie istotne są interakcje między wzrostem gospodarczym i kapitałem społecznym. Mechanizm pozwalający na zwiększenie efektów związanych ze wzrostem produktywności6 przez wzrost kapitału społecznego został przedstawiony na rysunku 2. Rysunek 2. Interakcje między kapitałem społecznym i wzrostem gospodarczym

Wyższy poziom przeciętnej produktywności – wyższy produkt

Mniejsza opłacalność strategii „jastrzębia”

Tempo wzrostu produktu przekraczające tempo wzrostu produktywności

Źródło: opracowanie własne.

Zgodnie ze schematem przedstawionym na rysunku 1 wzrost produktywności przekłada się również na sferę społeczną. Wraz ze wzrostem poziomu produktywności członków społeczeństwa podejmowanie strategii jastrzębia przynosi coraz mniejsze relatywne korzyści. Wzrost produktywności stymuluje zatem pozytywne zmiany społeczne przejawiające się zwiększeniem udziału „gołębi”. Wzrost odsetka „gołębi” powoduje jednak dalszy wzrost produktu wynikający z jego bardziej efektywnej alokacji i mniejszych strat ponoszonych na skutek bezproduktywnej aktywności „jastrzębi”. W ostatecznym rozrachunku tempo wzrostu produktu jest większe niż tempo wzrostu produktywności. Działanie tego mechanizmu można zilustrować, odwołując się do macierzy wypłat przedstawionej w tabeli 1. W sytuacji gdy w kolejnych okresach rośnie produktywność „gołębi”, koszty ponoszone przez „jastrzębie” również rosną. Jeśli jednocześnie możliwe jest jednak niedopuszczenie do wzrostu kosztów „gołębi” 6 Wzrost

produktywności uznawany jest za główny czynnik wpływający na wzrost wielkości PKB w długim okresie (por. Romer, 2000).

Kapitał społeczny a poziom rozwoju gospodarczego…

147

spotykających się z „jastrzębiami”, to odsetek „jastrzębi” w gospodarce się zmniejsza, a tempo wzrostu produktu wyprzedza tempo wzrostu produktywności w gospodarce. Ilustrację dla tego przykładu stanowi macierz wypłat przedstawiona w tabeli 2, gdzie: g – tempo wzrostu produktywności. Tabela 2. Macierz wypłat w modelu jastrząb-gołąb w warunkach wzrostu produktywności WYPŁATY

„Jastrząb” g)t;

„Jastrząb”

–5(1 +

„Gołąb”

2 $ (1 + g)t + 1; –1

–5 $ (1 +

„Gołąb” g)t

–1; 2 $ (1 + g)t + 1; 2 $ (1 + g)t; 2 $ (1 + g)t

Źródło: opracowanie własne.

Przy tak skonstruowanej macierzy wypłat otrzymujemy następujące korzyści dla każdej z obranych strategii: „Jastrząb”:

- 5^1 + ght $ a + ^2 $ ^1 + ght + 1h^1 - ah ;

t + 2 $`^1 + ght $ ^1 ^-g1ha +^1--5^a1h+ -1ajh]h1 - ag = $ a + 5 $ ^1 + ght +

(5)

da - ln^1 + gh t „Gołąb”: –1a = + 2 $ (1 + g) (1 (6) 1 0– a). t dt g 5 1 + h ^ Zrównanie oczekiwanej wypłaty „jastrzębia” i „gołębia” prowadzi do następującego rozwiązania: PKB = a^- 5 $ ^1 + ght $ a + ^2 $ ^1 + ght + 1h^1 - ahh + 1 1 a ==- 1a + 2 $ ^1 + ght ]1 - ag + a = . 5^1 + ght 5^1 + ght

(7)

t t zi $ `- 5 1 `+2 g$kon1jest Zatem oczekiwany - q1z czasem q zt $ 2udział a$ ^+ + tght $5co -g1„jastrzębi” ^maleje, ^h1-+1ght + 1j]1 - a ^1 + ht - c^12+ t5gw populacji h$ t^q1t + g_1h t t $ $ $ PKB g 2 1 = + + + h ^ - 5^t 1 + gh $ a + 2 $ ^1t + gh +^1 ^1 -h afh p sekwencją tego, że z t 5 1+ 5 $ g^1ht ]+ q t $ 25(1$ ^+ gd ) gtah- c^1 ln q$ ^t1g+h+_1gh- q zt i $ `- 1a + 2 $ ^1 + 1 g-h agj +^g15ht+ 1 0 . = (8) PKB t + 1 1 dt + 1ghh^t 1 - ah t t 1a+=gt ht >$ a^1++^2gt th$ ^1 +5g^h1t + - 5t ^PKB gh $ a + ^2 $ ^1 + gh + 1h^1 - ah ^25$^^11++na a-h5^1 +który 1 - capita, - 5^1 + gh $ a + 1h^per gghh PKB Podstawiając do+wzoru uwzględnia oczekiwaną = a^- 5 $ ^1 + ght $ a + ^2 $ ^1 + ght + 1h^1 - ahh + - ln^1 + gPKB h d a 2 ln gh 1 + 1 + t ^ d a wartość przypadku – „jastrzębia” gh - 1 obrania 1=+ - ln^w 1 0 2 5każdego dawypłat 5 $ ^1 +t ght + 1 - 1 $ ^1 + g= - 1 t strategii ht z typów 2 1 1 + t 1 0 t t = otrzymujemy: dt max ^1a+hhgqh z -$cf^1 + gh q t 4 =t + 1 p $ ^1 ^+ ah$ ^5^11+02g^h1++ 2^1a+ -gh+$ ^2t1$^1g+ hi „gołębia”, dt+gh2 dt 5^1 +q g!5ht$0^;11 *+f ght + 1 5 f 5 $ ^1 + ght5+ 5 11 +5^g1h + ght pp t 5 $ ^1 + gh PKB = a^- 5 t$ ^1a + ght $ a1+ ^2PKB ga 15h$^^11-+aghhh2t $+a + ^2 $ ^1 +(9) ht ^+ t$ ^1 + ght + 1h^1 -t ahh + = = a PKB = a^- 5-$ ^11 + gh $2a gth + 51h$ ^^11 hth+t+1 - 1 2 + ^52^$1^11++tgt h+ 5 $ ^1 + gh - 1 g + h z = ahmax -hhc.^1^ + gh q t 4 p + 2 t$ ^1 + ght $hf ^- 1+ 2t$ $^^11+ +gghh $ ^t+ a*f+ $2+ 1p1q^$-1ft a +^1 p $ $ a a a 1 2 1 g 1 + + h h h ^ ^ t t 1 + 5 0 1 q ; ! +^1 - ah^5 $1^a 1+ + 2gh$ ^1 +5 gh $ 5^1^1-+aghhh 5 $ ^1 + gh 5 $ ^1 + ghtt t 1 21 5 $ ^1 + gh - 1 -1 t 5 $ ^1 + gh a1 = 12 $ ^1 + PKB = 1=1 + $ +przedstawić Poaprzekształceniach i podstawieniu można to t+ t + g1h $ f 2 a t t t = 5 $ ^1 + gh - 1 5 $ ^1 + ght hz -g1h - 115`+2^g15t+$ ^g1htt+ 5^1 1+J gh c^12 +5g$h^t 15 + $ ^1gN+ ^ 2 $ ^1h + gh ++1g1h$ jfz 1 - z następująco: $ 5^1 + ghqt = K t + 1 + O t +5= p5 $ ^1 + gtht + 1 2 p 2 5 5 $ ^1t + gKh 2 PKB 51$ ^1 +O gh t 1 f 2t 1 t + $ g 5 1 1 5 2ght 5c1^1 + gh t2 5 t$$ ^^11 + ^^1O+ 2 -1 + ghh - + - 11 p z $+ 1 +$ gth>pt 1PKB PKB g1h+$ f$ gh - 1+ g. h (10) 2 t$ ^15+$ + ^ ^ 1 KK f 52+ 5 PKB -= 2 ght $ O = t t2 $ ^1 + t ++ PKB = 2g+h$ t^g1h+-g1h $ f t 5 t5+ $1^1p+ gh gh5 $ ^51$+ $ 15t+ 1 5 1 1 gh$g5ht^12^+ g - 1 $5^t1L$ ^+ + ^ ^ h t g 1+ + h 5 $ ^1 ++g2h $5^1$ ^+ 5 + 5 $ ^1 + ght$ P ghg5ht$ ^$1f+ gh $ ^1 + gh 52 1+ p t 5 - 1 5 $ ^1 +2zgh5t $ ^1 + ght + 1 - 1 5 $ ^1 + PKB5t +$ ^11 + ght t +g1h 5 $ ^1 + PKB t t +11-$ z J 2z + 2 $ 1^1 + gh z $ f > ^1 + gh `2^1 + gh + 1j z+ PKB t + 1 1 > 1+g t +121 >PKB ^12+qt t2g= h 1 f 5t +$ ^11 + ght +PKB 21 pt 5 ^$ 5K $ ^1t +h$+ ln + $ ln e 5 $ ^1 + $ g e o h 1 PKB t - 1 + 2t $ a5 $ ^1 +K g t k k $ ^1z+ gh 5c^1 1 2 + h c g c 2t $ a15 + 5 1 5 1 + 1 + gh 5 V 1 44 2 44 3t +^11 + gh2 t +U1 1 4422 44g [ 1 44444 5 t+1 K 2 44444 3 \ 0 5$ 1 2 0 2 $ 5 1 1 g + ^h11t01++1 g-h 212 0- 1 1 0t 5 ^ h -1 ^1 0+ gh 5 $-21 12 02 2 -p 1+ 2 $ ^12 + - 1$ t2 $ ^1 +-g1h+tL+212t$+ 11+2+25gh$$t^5+1$1^+1$ f2g+htg+ ^12 +$ ght ++ 2 t +251$ + -1 ^ $ pg h $ f +-1 1$h^21 + gfh + gghh + $ f$ ^1 + gh t$ + ^51 $ ^1 +pghtt+ 2 - 1 $ ^1++ gh$ + 5$ ^5 $ ^t1 +5gh + -t21+h$^1^11 + 2

- 5^1 + ght $ a + ^2 $ ^1 + ght + 1h^1 - ah

148

da - ln^1 + gh 10 = t a g+h ^2 $ ^1 + ght + 1h^1 - ah -dt5^1 + 5g^h1t $+

Dorota Białowolska, Piotr Białowolski

^15+$ ^g1h+ ght $ a + ^2 $ ^1 + ght + 1h^1 - ahh + dPKB a =-aln^10 = dt^1 - a5h^1-+ 1ag+ + ht 2 $ ^1 + ght $ ^1 - ahh t $ a +t ^2 można $ ^1 + ght + 1h^1 - ah że wzrost produktu t - 5^1 + g hwyniku 1 przedstawionego Na podstawie wykazać, PKB a = = a^- 5 $ ^1 + gh $ a + ^2 $ ^1 + gh + 1h^1 - ahh + t + gh tożsame z wykazaniem dla g>0 praw^1 jest da t - lnco przewyższa wzrost 5 1 + gproduktywności, $ ^1 - athh t 1 0 +^1 -^ah^- 1h a + 2 $ ^1 + gh= t dt- 5^1 + dziwości następującej nierówności: gh+ ^2 $ ^1 + gh + 1h^1 - tah 2 5^1gt h+$ a 2 5 $ ^1 + gh - 1 1 -1 t 5 $ ^1 + gh - 1 + $PKB aPKB = = lnt^51$ ^+1 2g+h$ ^g1ht+ dPKB a = ta+^1$0agh+$ ^f2 $ 5^1$ + ghtg+t 1hp^1 - ahh + t+ g t 5 > + 1 g 1 h ^ = $ $ g 5 1 5 1 1+ + ^ ^ h h 5^1 +^gh h t dtPKB t +^1 - ah^5-^t 11a++gh2 $ ^1 + ght $ ^1 - ahh t 2 PKB t + 1 2- 1 1 5 t$ + 1+ 1+ h ^> 1 g 2 5-$ ^11 +=ga t +^g2 - gg1hht + 5t $$ a $ ^1t 2++$1^1gh+ 1hp^1 - ahh + -5 + ^1h+ h$ ^^11 + -PKB 1PKB=t 2^ 5 $ ^1h++ght +$ 1PKB $ g 1 f + $ 2$ 1+g $f t 5 a =15 $ ^+ 1 + g^htt h 5ht$ +^11 +pght 5 $ ^1 + ght + 1 5 5$ ^1 +5g$ h^1 + ght + 5 g$ ^h1t $ + 2 ah 1g+^15^-1 a +t h+^g^ 1h 1a + 2 $ ^1 + 5 $ ^h1 + ght + 1 2 - ^11 + gh . (11) $ 5 1 1 g + ^ h 2 PKB t + 1 - 1 2 + 2 $ ^1 + ght + 1 $ f 2 $ + t 1 t + p 2 1t +11 t + gh - 1 t + 1 t t +g1h 5 $ ^1 + gh -1 2 5 $ ^1>+^1gh+ 51$ ^1 + gph ^1 + gh- 1p + 2 $ ^21 +5g$h^t1$ f+5 g$ ^h1a5 $= t 5 $ ^1 + gh - 1 +PKB $ 2t $ ^1 + ght + 1 $ f PKB t = 1 gh + $ + 2t $ ^1 + gh $ f 2 ^1 + gh p 5 $ ^1 + ght 5 5 $ ^1 + g5h^5t1+$ + t 2 + gghhtt+ 1 -5 1 2 5 $ ^1 +5 g$ ^h1t + gh5 $ ^1t + 2 5 $ ^1 + gh $t^^+111+ ht -1 -1 2 t$ + t^1 + gh + 1g1+5 $ 5 1 1p 5 1 1 g 2 ^ h 2 1 +$ gh $ f 2 + $ 2 $+ + t t $+^11 +tgh $ f ^ p 5 g$ ^h1 + $gfh - 1 5 $ 1 + g t tp 5 $ ^1 + gh - 1 1 g+ t +21$ ^21 + PKB t + 1 5 $ t^+1-1+ 5 $ ^stronami 1 + ght 5t +przez 1 ^ h 1 + h t Mnożąc PKB per capita w okresie t otrzymujemy: 5 PKB 2 $g^h1 + gh $ f p 5 $ ^1 + gh 5 $ ^1= +>g^h1 + gh + $ 5 $ ^+ 1+ PKB t 5 $ ^1 + ght 5 ghtgh 5 $ ^1 + gt h+t 1 5 $2 1+ ^1^+ 2 t+1 2 2 $ $ 5 1 1 5 1 1 g g + + ^ h ^ h 1 + 11 5 $ ^2 1 + ght - 1 2 ht +gh1t2 2$ --1 $ ^1g+ $f 2+ + t+1 PKB t + 1 t +51 $ ^1 gt + h1t 1$ f p p 5 $ ^1 + ght + 1 - 1 5 $ ^1 + ghtt++1 5 $52 $ ^15+$ ^g1h+ gh$t f+ 1->1 ^1 + g+h t2+ $1 5 $p^1++ 5 2$g^$h1^1++gh + 2 5$ ^$1^1++ghgt h+t 1 $ f p 5 $ ^1 + gh PKB t 5 $ ^t1++1 gh 5 5 $ ^1 + gh 5 $ ^1 + ght + 1 5 $ ^1 + ght + 1 2 2 5t +$ ^1t1++1 ght -21 - 1 $ ^1 + gh 2^1 + gh 5 $t^+11+ ght - 1 1 + t 1 1 + 2 $ ^21 + -ght + 1 - 1 ^1$gf+ 5 g$ ^h51 $+ 2 -1 +2 5 $ ^1 +$ gh h gh - t1+ 11 p2. t + 1 5 $ ^1 + t $1^2 5 $ ^1 + ght -p1 - 51 $ ^1 + g22ht$ ^1 ++ght +$ 1t $+f1 5 $ ^1 5+$ ^g1h ++g$ 2 1 g + p h f t 5 $ ^1 +t +gh1t + 5 $ 5 h t+1 p + 2 $ ^1 + gh5$ $f^1 + ght + 1 t 5 $ ^1 + gh 5 $ ^1 + g5ht $+^t11++5gh$ t2+$1^1 +5gh 5 $$^f51 $+ ^1g+ ht +gh1 5 $ ^1 +2gh 5 $ ^1 + ght + 1 5 $ ^1 + gh 2t+1 2 1 1 + + t t 22 Następnie $ (1 $ a5 $ ^1 + stronami $ a5 $ ^51 + gh - 1k +przez gh +-g)1k 2 otrzymujemy - 1 + mnożąc t + 1t następującą t 2$ ^1 + gh $ 5 1 1 5 g + $ ^51 + ght -2 1 $ 5 1 g - 1 $5^1 + gh 2^1 + gh 5+ ^ h ^ h t +1t1+ 1 t+1 $ ^12 + 5$ ^$2^11$+ 5+ ghht + + nierówność: $ ^1gh+ ght-$ f1 + 2$ 2+ $ -1 $1f 1g+ gh $ 2 + ^ f p 1 + t t +5 ghht +g 1t 2$ f + p 52 2 5 5 $ 15+ $ ^1 + ght $ 1g + 5$ 1+g t 1g+ ght5g $ 2 + 2 $ 1 + gt +2 1$ ^552$ $ $1^5^11+$+ 2 - 1 ^$ ^1 + ghh2 + $ ^5 $ 5^1$ ^+1^g+ht g-h^t 1+hh1^1 + h 5 $ ^1^ + gh h ^ ^ght - 1hh 5 $ ^1 + ght + 1 5 5 2 2 t+1 2 2 2 1 5 $ ^1 + ght + 1 - t1 1k +- 1$ a5 $ ^1 +2ght5+$1^1-+1kgh2 - 1 + $ a5 $ ^1 + ght t++11- 12 ght 2 $1^1 + ght + 1 $ f t + 1 5 $ ^1 + gh p ^2 + gh5g + 2 $ ^1 + gh g 2 10 $ ^51 +t g+h1 +2^1$ + gh 5 $ ^1 + $^1 + ght + 1 2 5 $ ^1 + gh + 5 + 2 $ ^1 + gh 5 $$^f1 + ght + 1 p $ 5 5 2 PKB_per_capita 5 $ ^1 + ght 5 $ ^1 + ght 5 $ ^1 + ght 2 2 lim $ ^= 5 $ 2^1 + ght - 1h^1 + gh2 + $ ^1 + gh2 $ ^5 $t^1 + ght - 1h . 2 - 1 $ 1 + gh2 + 2 t t"3 ^ t 5 -21 $ ^1 + gh 2t +^11 +5 gh 5 2$ ^1 + gh - 1 t + 1 2 ^1 + gh t + 1 5 $ ^1 + gh - 1 $ $ ^11k+ 2 gh $ f $ a5 $ ^1 +t gh+ 21 + $ a5 $ ^1 t++gh - 1k + -2 p t+1 5 ah3^1 55 b$ ^h13 a++ghf 5 $ ^1 + ght + bgh2 a + ^1 1+ g+ 2a05h52$ ^1 +^g1h^a2 + ah2^1$ ^b hgah+ ^1g =

Powyższa nierówność po kilku przekształceniach przyjmuje ostatecznie nastęPKB_per a _capita 2 - 1 $a^12+ gh2 + 2 $ ^5t +$ ^11 + ght -2 1h^1 + gh2 +t +2 1$ ^1 +2gh2 $ ^5 $ ^1 + ght - 1h2 pującą postać: = = 2- 1 + $ a5 $ ^1 + gh lim - 1k + $ a5 $ ^1 + gh - 1k 2 t"3 1 - ^1 - ah^1t- b h

5 5 a + b -5ab 5 ^1 + gh t+1 2 3 2 3 (12) $ ^h122^+ g2hah + g 2 031, - tb h ^31 - ah +2f = 2 2 11-2ah1hg2$^^+ -^â212 +-ga ^1+-^1ah-+aah^^11 h+ a a- bbhhâ1 + + ^$ 1^5-$ âa1h^+ ^1gh--b h1ha^1++f gh 1+ gh=+ $ ^1 + gh2 $ ^5 $ ^1 + ght - 1h +bb 5 5 PKB_per_capita 1 - aa 1a a oczywista.=Dodatkowo lim 2 której prawdziwość przy 0 jest łatwo zauważyć, że: = = g> = at "+ ab 1 -ahb^h1 - 1b h-= - â1^2+ +bg++2g$h^t 1 + ght + 1g 2 0 ^3 h^g1ab a 11 2 2 3 b - ab _^per _capita 3 h1^1+b1+ah= -2 â ^1 - b(13) h3 a + f = ^1aaPKB 3^1a3h2b^1h a-+a^h= 1 5-aa+h + 1 5-haa+ 1hb h^^b hb3 ^h1 a-+a^h1+-f lim 2a, a ^1a-h + ^ 1^h"+ 3 at + b - ab^1 + gaht + b - ab I okres a a II okres 1-a 1=- a = = = a b + 1 1 1 a b ^ h ^ h 1ba-h2ab b h2 a +osiągnięta b h3 a + f = + - ahdo ^1 -wielkości, h aa+ ^1 -która ^1 -byłaby ^1 - ah3^1 -przy co oznacza, wielkość produktu 1-aa ab^1dąży +ab 1 że -ab h+ -a + 2a^^11+2 h ^ 1h 2 2 3 1^1--aa+a 1100% udzialeI okres „gołębi” w populacji. a^1ab ha ah + a a +okres ^1 - b h ^1 - ah + a ^1 - b h3^1 - ah + f = hIIab ^b1+-ab ab = = 5 3 1 5 3 a a + + + ^ h ^ h Przedstawione wyniki obliczeń pokazują, produktywności może awzrost + b - ab - ah^1a-+b1bhże a +1 b--^1ab ab -a okres q z $ 2Icq + ^1 - q zh $ ^= - 5a +1 3-ÎI1aokres - ahh= dodatkowo zniechęcać do podejmowania działań antyspołecznych 2 a-+ahab 1 - a^h1+-ab^1h - b1hb h3 ^1 - ah + f = + a ^1 - b h2 ^1 - ahi w ten + a3 ^1 -spo^1a h $ ^-^1aab q z $ 2 większemu - cq + ^1 - q zudziałowi + 2^1jednostek - ahh 1 sób sprzyjać charakteryzujących się zachowa- a + 2^1 - ah + ^- 1h b - ab 1 -+ a2 - aa 1-a 5+h1ab 5aa++uruchomienie 3ab 3 +mechanizmów ^1 - ah1+"0, 6q z - cq,Ponadto maxI okres = =^niami prospołecznymi. tego typu może II okres a b ab a b - ab + + q ! 0; 1 1Ia^1 - b h 1 - a + ab okres II okres sprzyjać qprzyspieszeniu tempa wzrostu produktu w gospodarce. Dodatkowo z $ 2 - cq + ^11 - q zh $ - 5a + 3 1 - a ^ hh a b - ab c z - 1 będą^ miały gospodarka, mechanizmy związane 5+a2+1miejsce 35h ab ah + + 31 - a ze wzrostem ^1a-h + ^qz= cw której m ^ 1 2 a + z ^ ^ h a b ab a + + - ab q $22^1 - ahh 0, 6cq z + 1 - q h $ ^- 1a +I okres 1 - a + ab 1 - a +bab

produktywności i w której będzieI okres możliwe uniknięcie wzrostu II okreswypłaty „jastrzębi” II okres "z „gołębiami”, max 01, 6q z -c cq,2 - z będzie w kontaktach długookresowo dążyć do stanu, 1 - a w którym ab q 1 d z z-1 z q ! 0; 1 h $1^h- 5a + 3^1 -+ahh q$ -$ a 22^01+-^1a2 +1cq h +q^c m 1 - a + ab 1 - a + ab 0, 6zI okres z - 1 01 , 6z z $>20 - cq + ^1 - q zh $ - 1a + 2 II1okres 0 < 0 > q a ^ ^ hh c z-1 q=c m 1 z q z $ 2"0-, 6cq 00,, 66z max q z+-^1cq-, q h $ ^- 5a + 3^1 - ahh z 1-z 0 1 ; ! q q =c m z 2-z ^1 - q zh $ ^- 1a + 2^1 - ahh c1 c z - 1 q 1$ 2 - cq + dq 1 $ 10 = c 0, 6mz , 6z c"01, 6zq-z1- cq, dc z - 11 0,$ ln 6z 0max dc

Kapitał społeczny a poziom rozwoju gospodarczego…

149

będą w niej występować jedynie „gołębie”. Można zatem oczekiwać, że długotrwały wzrost produktywności będzie miał odbicie w znaczącym wzroście kapitału społecznego (rozumianego jako wysoki odsetek osób z postawą prospołeczną – „gołębi”). - 5^1 + ght $ a + ^2 $ ^1 + ght + 1h^1 - ah

da - ln^1 + gh 10 = dt +^g2ht$ ^4. INSTYTUCJI ght + 1h^1 - a 1 +WPŁYW - 5^1 + ght5$ â1 + h t ^ ^ + gh $ a + 2 $ ^1KAPITAŁU + ght + 1h^1 - aSPOŁECZNEGO lnâ1 -= + 5gh$ ^1POZIOMU hh + daPKB NA ZMIANY 10 = t t ^-g1ha + 2 $DLA $ ^1 - ahh –dt+ IMPLIKACJE GOSPODARCZEGO ^1 -5â1h+ ^1 + ghWZROSTU t 15 $ ^1 + gh $ a + ^2 $ ^1 + ght + 1h^1 - ahh + ^ a PKB = a = punkcie został przedstawiony mechanizm pokazujący, jak zmiany W poprzednim t 1agh+ 2 $ ^1 + ght $ ^1 - ahh +^1 - a5h^^1-+

kapitału społecznego (wyrażonego stosunkiem odsetków „gołębi” i 2 „jastrzębi” 1 ght na ght - 1 5 $ ^1 + - 1zmiany wielkości 2 5 $ ^1 +się - 1 przekładać w społeczeństwie) produktu. Pokazano a =PKB = mogą + $ + 2 $ ^1 + ght $ f p t t 5 5^1 + 5gh$ ^1 + ghproduktywności również, że zwiększenie w ramach 5 $ ^1 + ght może sprzyjać wytworzeniu 5 $ ^1 + ght 2 gospodarkiPKB zachowań prospołecznych, doprowadzając do zwiększenia kapitału t t t + 1- 1 2 5 $ ^1 + gh - 1 t 5 $ ^1 + gh - 1 1 g > + ^ h PKBPKB 2 $ ^1zwiększenia = + $ + do + gh $ f p społecznego, co tw konsekwencji prowadzi tempa przyrostu PKB 5 $ 1 + ght 5 5 $ ^1 + ght 5 $ ^1 + ght per capita powyżej^ tempa wzrostu produktywności pracy. W niniejszym punkcie 2 +1 5 $ ^1 + gktóre 1 PKB t + 1 ht + 1 -pomogą 1 2 5 $ ^1 + ght - 1 ramy instytucjonalne, zostanie pokazane, gh + $ odpowiednie + > ^1że + stwarzając 2 $ ^1 + ght + 1 $ f p t+1 5 strategii t 5 $ ^1 + gh wyboru 5 $ ^1 + g„jastrzębia”, 5 $ ^1to ght + 1 + również ht + 1 zmniejszyćPKB opłacalność można przez osią2 ^1 + gh 2 2 2 t+1 t+1 gnąć wzrost PKB per capita w gospodarce. W tym celu prezentowany wcześniej + t t 1 1 gh - 1 gh 5 $ 1 1+ gh - 1 t + 1 5 $ ^1 +t gh 5 $ ^1+ ^ - 1- 1 2 2 5 $ ^1 t+ + 1 1 + każdy gph + 2$ f$ z uczestników, + $ + gdwóch + 2 $ ^zaś + ^1 + gh $ f t + 1 pdokonuh $ f okresów, p model zostanie rozszerzony t + 1 $ 2 $ ^1do 5 $ ^1 + ght +51$ ^1 + ght + 1 5 $ ^1 + gh 5 $ ^1 + ght 5 5$ ^$1^1++ghgt h 5 5 2 ^1 + gh jąc wyboru strategii, będzie dokonywał wyboru z góry na dwa okresy. 2 2 $ ^11+2 ght(odsetek 1w 1 ght + 1 + -1 2 - 1 - 1 kroku $ ^1 + 5 $ ^1t ++1 ght5+$1^1 jaki 5na gtht +51 W pierwszym określimy, sposób równowagę 2 1 + t 2 $ ^1$ + gh $ f + $+ 2 $ ^1t + + gh p +$ f2 $ ^1 + gh $ f p 2 t p t „jastrzębi” „gołębi” poziom 5 $ ^5i 1$ ^+ gh 1 kapitału 1 g+h ght +51 – 5w konsekwencji 5 $ ^1 + ght5+$1^1 + 5 $ ^1społecznego) + ght +51 $ ^1 + ghwpływa możliwość eliminowania – z prawdopodobieństwem (1 – b) – transakcji 2 2między t 5 $ ^1 + ght +51$ + gghht +51$ 1 + gh2 52$^^11 + 1 -11i $ ^„gołębiami” - 1 t + 1 analizy. ^1 1+2g$ h^okresie ^1 1+ gh2t 1 + t „jastrzębiami” w drugim Pokażemy zatem, jak $ $ 1 g + + h $ 2 + 2 $ ^f1 + gh $ f t + 1 p p + 1 t 5+ 5 $ ^1 +5 g$ ^h1tsię 5 $ 5^„jastrzębi”, 1 + ght +51$ ^1 +gdy 5 $ ^1 +spotkania gh 5 $ ^1 + g„jastrzębia” ght w przypadku + godsetek h ht będzie zmieniał 2 z „gołębiem” z sięt na 2 podjęcie 2 ght - 1 t +g1h 5 $k^1 + t + 1 b zdecyduje 11 $+ 12+$ ag5h $ ^12+ + ^„gołąb” ^1gprawdopodobieństwem 1 5 $ ^1 + gh - 1 tk+ 2 a $ $ 1 5 1 1 g + + h ^ h $ 2 a z prawdopodobieństwem + + gh $ f a priori wiedzę p odno5 5 (1 – + współpracy, b)2 –$ ^1posiadając 5 5 $ ^1 + ght 5 $ ^1 + ght 5 $ ^1 + ght śnie do obranej strategii 2partnera – „jastrzębia” 2– nie zdecyduje się na2 współ2 -21 $ ^1 + gh2 +t + 1$ ^5 $ ^1 +2ght - 1h^1 + gt +h21+ $2^1 + gh2 $ ^5 $ ^1 + ght - 1h pracę. Oznacza spotkania się $ ^1implicite, $ a5 $ ^1 + prawdopodobieństwo gh - 51k 2 - 1 + $ a5to + gh 5 - 1kże + wzrasta 5 5 +1 t i „gołębia” „jastrzębia”^2z „jastrzębiem” z „gołębiem”. Po wprowadzeniu częścio+ gh g + 2 $ ^12 + gh g 2 0 2 2 2 wej informacji się $ ^5 $ ^1 +strategiach 1 o ght - 1h^1 + gprawdopodobieństwo 2 - 1 $ ^PKB + g_obieranych +_capita - 1h hper h2 + $ ^1 + gh2 $ ^5 $ ^1 + ght spotkania 5 5 lim =2 dwóch „jastrzębi” w jednej transakcji można formalnie przedstawić wzorem: t"3 t

ghght + 1g 2 0 1+ ^2 + gh g + 2^1$ ^+ 1 - b h a + ^1 - ah2 ^1 - b h2 a + ^1 - ah3^1 - b h3 a + f = a PKB ah_^capita + ^1 _-per lim =2 t"3 aht a 1 g + ^ = = . 1 - ^1 - ah^1 - b h a +2 b - ab2 a + ^1 - ah^1 - b h a + ^1 - ah ^1 - b h a + ^1 - ah3^1 - b h3 a + f = 2 1 - b 2 1 - a + a3 1 - b 3 1 - a + f = h^1 - ah + ^ h„gołębi” ^ h^ ^1 - ah +a a^1 - bspotkania ^ h zaś: h a adwóch Prawdopodobieństwo = = + ab - ab 1=- ^1 1--aha^1 - b=h 1a 1 - a^1 - b h 1 - a + ab ^1 - ah + a^1 - b h^1 - ah + a2 ^1 - b h2 ^1 - ah + a3^1 - b h3^1 - ah + f = a b - ab 13^1 - ah + ^1--5ha - 5a +a +3 = = . a b ab a b - ab + + I okres 1 - a^1 - b h 1 - a + ab II okres aab baba 15h1h aa++3^21^1--aha+ - 5++3 2 h +^-^a b ab a b + + 1 1 a ab a ab + +ab I okres I okres q z $ 2 - cq + ^1 - q zh $

IIII okres okres

ab ^12- a1hh- a - a + 2^1 - ah + ^- 1h ^- 5a + 3+ 1 1 - a + ab a ab + q zI $okres 2 - cq + ^1 - q zh $ - 1a + 2 1 - a

(14)

(15)

lim

t ^1 + ght

"3 3 tt "

a + ^1 - ah^1 - bh a + ^1 - ah22 ^1 - bh22 a + ^1 - ah33^1 - bh33 a + f = a a Białowolski Dorota Białowolska, Piotr = = 1 - ^1 - ah^1 - b h a + b - ab

150

2 3 2 3 ah + a2 ^1wypłat - b h2 ^1dla -a h3^1 - ah + f = ^1 - adotychczasowej h + a^1 - b h^1 -macierzy h + a3^1 - bwymiany Przy założeniu uczestników (tab. 1) suma wypłat w adwóch okresach 11 - a dla każdego z typów społecznych (tj. = = „jastrzębi” i „gołębi”) będzie wynosić: 1 a + ab 1 - a^1 - b h

„jastrząb”:

- 5a + 3^1 - ah + ^- 5h okres II okres

- a + 2^1 - ah + ^- 1h

„gołąb”:

okres II okres

a b - ab +3 . a + b - ab a + b - ab

(16)

II okres okres II

1-a ab . +2 1 - a + ab 1 - a + ab

(17)

II okres okres II z z z z z warunkiem ^1 - q h $ ^-gry q $ 2 - cq +równowagi 5a w strategiach + 3 ^1 - ahh

<< 00

>> 00

4,0

0, 6 z q=c m c

0,20 0,15

dq = dz

0,10 0,05 0

>> 00

11 -z z 11 -

3,5 3,0

z 11 $ ln 00,, 66z $ ln k d a e 11 -z z cc

11 -z z 11 -

0, 6 z =c m c

0, 6 z 11 -z z 0, 6z 11 1 f ln c 1 $ =c + p m c 1 - z ^1 - zh z 0,9

0,8

0, 6 z

0,7

f ln c + 1 p Źródło: opracowanie własne. ln

0,6

0,5 beta

0,4

0,3

2,5

Wielkość PKB per capita przy przyjętych założeniach

Alfa – prawd. wyboru strategii „jastrzębia”

Zgodnie ^ ^ hh mieszanych wypłaty dla obu typów strategii powinny być w równowadze takie same. Warunek ten pozwala z z q z $ 2 - cq + ^1 - q zh $ ^- 1a + 2^1 - ahh obliczyć wielkość prawdopodobieństwa wyboru strategii „jastrzębia”. Niestety ze z względu na uwikłaną max "0postać , 6q z -funkcji cq, wypłaty (zarówno w przypadku „jastrzębia” ! 00;; 11 qq ! jak i „gołębia”) prawdopodobieństwo wyboru strategii „jastrzębia” zostało obli11 czone numerycznie i przedstawiono je na rysunku 3. c zz - 11 q=c m 0, 6 z Rysunek 3. Optymalny odsetek „jastrzębi” i wielkość PKB per capita w dwóch okresach przy -z z założeniu posiadania a priori 22 1wiedzyc o zachowaniu 1 dq „jastrzębi” - 11 zz $ 10 = c m c , , d 1 0 6 0 6 z z z 0,25 4,5

alfa

1 2,0 0, 6z 1 $f $ ln + PKB p = 2 2 c 1 zh z ^ ^1 - z1,5 h

0,2

1,0 0,5

0,1

^1 - zh z Na rysunku 3 pokazano zależność między b informująa wielkościąbparametru - ab 5a + 3^1 + 3„jastrzębiami” =i „gołębiami” h + ^- 5dochodzi h cego o odsetku-transakcji, doaktórych między a + b - ab a + b - ab okres II okres w przypadku spotkania tych dwóch typów społecznych. II okres okres Im mniejszy jest efektywny II odsetek transakcji między „jastrzębiami” ab i „gołębiami”, 1tym - amniejsza opłacalność 1h samym mniejsze a + 2^1jastrzębia - ah + ^-i tym +2 podejmowania-strategii prawdopodobieństwo, że 1 - a + ab 1 - a + ab okres II okres członek społeczności zastosuje taką strategię.II Jednocześnie, na co wskazano już II okres okres wcześniej, mniejsze prawdopodobieństwo wyboru strategii jastrzębia, a przekłada- b - ab z $ 4 - 2cq + 1 - q z z $ - 5a + 3 1 - a + - 5 z q +3 ^ h ^ h f p ^ h jące się na mniejszy efektywnie odsetek „jastrzębi” w populacji w danym momena b ab a b ab + + cie, sprzyja zwiększeniu PKB per capita. W przypadku pełnej informacji (b = 0) ab jastrzębia1 - a dla założonej macierzy wypłat prawdopodobieństwo wyboru strategii z z q z $ 4 - 2cq + ^1 - q zh $ f- a + 2 ^1 - ah + ^- 1h +2 spada do zera i PKB per capita rośnie do wielkości 1 - a + ab p ab - a + okresach. okres równej 4 w1dwóch II okres max

! 00;; 11 qq !

II okres okres II

"^4 - r^ b hh q zz - 2cq, 11

Kapitał społeczny a poziom rozwoju gospodarczego…

151

Z rozwiązania przedstawionego na rysunku 2 można wywnioskować, że poprawa możliwości identyfikacji „jastrzębi” przez innych członków społeczeństwa sprzyja jednoznacznie wzrostowi oczekiwanej wypłaty „jastrzębia” i „gołębia”, otrzymywanej w ramach transakcji realizowanych poza grupą. W obu przypadkach bowiem spada prawdopodobieństwo spotkania „jastrzębia”. W przypadku „gołębi” wynika to z dwóch czynników: (1) mniejszego efektywnego odsetka „jastrzębi” w gospodarce i (2) większej możliwości zidentyfikowania „jastrzębia”. W przypadku „jastrzębia” wzrost oczekiwanej wielkości wypłaty jest jedynie konsekwencją spadku odsetka członków społeczeństwa podejmujących strategię jastrzębia. Wprowadźmy teraz do modelu kary za zachowania antyspołeczne. Jeżeli każdy „jastrząb” może się spodziewać, że w drugim okresie spotka go kara za stosowanie strategii jastrzębia, będzie to w jeszcze większym stopniu ograniczać chęć wyboru tej strategii. Wpływ wprowadzenia kary za zachowania antyspołeczne na kształtowanie się odsetka „jastrzębi” w zależności od wielkości PKB obrazuje rysunek 4.

0,25

4,0 3,8

0,20

3,6 3,4

0,15

3,2 3,0

0,10

2,8 2,6

0,05

2,4 2,2

0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1

2,0

Wielkość PKB per capita przyjętych założeń

Alfa – prawd. wyboru strategii „jastrzębia”

Rysunek 4. Odsetek „jastrzębi” i wielkość PKB po dodatkowym wprowadzeniu kar za stosowanie strategii jastrzębia

alfa bez kary alfa po wprowadzeniu kary PKB bez kary PKB po wprowadzeniu kary

beta

Źródło: opracowanie własne.

Zastosowanie kar prowadzące do zwiększenia odsetka transakcji, które nie dochodzą do skutku, w przypadku spotkania „jastrzębia” z „gołębiem” podnosi produkt równowagi w kierunku maksymalnego osiągalnego poziomu w dwóch okresach wynoszącego 4. Im większa jest kara, tym mniej członków społeczeństwa decyduje się na obieranie strategii jastrzębia. Dodatkowo, przekroczenie przez karę poziomu równego różnicy między wypłatą „jastrzębia” w spotkaniu z „gołębiem” a wypłatą „gołębia” w spotkaniu z „gołębiem” – w przykładzie równej 2 $ 1 = 2 – powoduje, że strategia jastrzębia przestaje być całkowicie

152

Dorota Białowolska, Piotr Białowolski

opłacalna i 100% członków społeczności będzie wybierać strategię gołębia. Tym samym wprowadzenie kary za stosowanie strategii jastrzębia zmniejsza udział „jastrzębi” w populacji, co sprzyja poprawie dobrobytu i jednocześnie przekłada się na większą zdolność gospodarki do generowania produktu. Na postawie otrzymanych wniosków można stwierdzić, że kapitał społeczny, będący bezpośrednią konsekwencją racjonalnej oceny stosunków międzyludzkich, może się zwiększyć na skutek wprowadzenia lub poprawy działania już istniejących instytucji. Zadaniem instytucji jest bowiem karanie (formalne lub nieformalne) za wybór strategii nastawionej na brak współpracy (strategia jastrzębia), a także zwiększenie przepływu informacji dotyczących strategii obieranych przez innych członków społeczności.

5. TWORZENIE WIĘZI – WPŁYW NA WZROST GOSPODARCZY Do tej pory analizowaliśmy wielkość optymalnego odsetka członków społeczeństwa, którzy zachowują się prospołecznie („gołębie”) i antyspołecznie („jastrzębie”). W literaturze przedmiotu występuje jednak podział na kapitał społeczny wytwarzany na poziomie małych i zamkniętych grup społecznych (więzi) lub też na poziomie społeczeństwa (mosty) – o czym wspomniano wcześniej. Więzi w założeniu łączą jednostki o podobnych charakterystykach, co również można przenieść na relacje w ramach najbliższego sąsiedztwa czy otoczenia. W przypadku mostów wzajemne relacje wiążą jednostki o różnych charakterystykach. Ponadto występowanie więzi częściej charakteryzuje kraje słabiej rozwinięte i przyczynia się do spowolnienia ich rozwoju, zaś występowanie mostów – kraje wysoko rozwinięte i pozwala na ich szybszy rozwój (por. np. Growiec, Growiec, 2009a, 2009b). Można stwierdzić, że w ramach modelu jastrząb-gołąb kapitał społeczny rozumiany tak, jak to przedstawiliśmy do tej pory, można utożsamiać z mostami, ponieważ rozpatrywaliśmy zależności na poziomie całej gospodarki nie umożliwiając tworzenia zamkniętych grup. W celu sprawdzenia, jak kapitał społeczny na poziomie więzi może wpływać na poziom rozwoju gospodarczego, konieczne jest zidentyfikowanie motywacji, dla której ludzie mieliby utrzymywać lokalnie więzi. W tym celu pokażemy, że wspieranie istnienia w społeczeństwie grup bliskich znajomych może być uzasadnione ekonomicznie. Ponadto przedstawimy argumenty świadczące o tym, że w krajach o niższym poziomie rozwoju gospodarczego i o niższym poziomie rozwoju instytucjonalnego rola lokalnych więzi we wspieraniu rozwoju jest większa niż w wysoko rozwiniętych krajach. Rozszerzenie dotychczasowego modelu o możliwość uwzględnienia więzi wymaga wprowadzenia mechanizmu stymulującego ich powstawanie. Po pierwsze, przyjmiemy, że w ramach wytworzonych więzi wszyscy stosują wobec siebie strategię „gołębia”. Uzasadnieniem tak sformułowanego założenia jest fakt, że utrata zaufania członków grupy może dla członka społeczeństwa wiązać się z bar-

Kapitał społeczny a poziom rozwoju gospodarczego…

153

dzo dużym kosztem7. Po drugie, przyjmiemy, że więzi powstają na poziomie lokalnym i obejmują pewien odsetek społeczności. Uzasadnieniem dla lokalnego charakteru więzi jest to, że co prawda tradycyjnie w modelach przyjmuje się, że transakcje dotyczące dóbr i usług na rynku przeprowadzane są między losowymi podmiotami, jednak w praktyce znaczna część tych transakcji odbywa się w ramach pewnej ograniczonej liczebnie grupy osób. Ponadto dostępność dóbr i usług w ramach najbliższego otoczenia jest uzależniona od stopnia specjalizacji członków całej społeczności. W przypadku niskiego poziomu specjalizacji i łatwej dostępności wiedzy i technologii dotyczącej produkcji różnych dóbr i usług dostępność produktów w ramach najbliższego otoczenia może być bardzo wysoka8. W przypadku osiągnięcia wyższego poziomu rozwoju technologicznego dostępność produktów w ramach najbliższego otoczenia się zmniejsza. Przykładowe postaci funkcji spełniających tę zależność9 obrazuje rysunek 5. Aby formalnie zapisać opisane wyżej mechanizmy, do modelu wprowadzona została funkcja obrazującą wielkość wymiany, jakiej członek społeczności dokonuje z grupą ludzi, z którymi łączą go bliskie więzi, w zależności od wielkości tej grupy. Dodatkowo wprowadzony został mechanizm kosztowy, który jest konsekwencją założenia, że utrzymywanie więzi wiąże się z kosztem dla członków grupy. Koszt ten jest tym większy, im większy jest odsetek członków społeczności tworzących grupę związaną więziami. W modelu zaproponowano postać liniową tych kosztów wynoszącą cq dla każdego z członków społeczności w przypadku bycia związanym więziami z odsetkiem q znajomych (c jest kosztem utrzymywania więzi z całą społecznością)10. Przyjęte zostało również założenie, że odsetek transakcji, których dokonuje osoba z członkami własnej społeczności, która obejmuje q-ty odsetek społeczności, wynosi qz, gdzie z G 1. W analizowanym przykładzie dla jednego okresu potencjalne korzyści dla osoby stosującej strategię jastrzębia i strategię gołębia w kontaktach z grupą osób, z którą nie tworzy więzi11, wynosić będzie: 7 Koszt

ten może przybrać na przykład formę wykluczenia ze społeczności, ostracyzmu. społeczeństw pierwotnych do pozyskania wszystkich potrzebnych dóbr wystarczyło dokonywanie transakcji z kilkoma osobami z najbliższego otoczenia (np. wioski). Wraz ze wzrostem specjalizacji produkty wytwarzane w gospodarce wymagają coraz większej wiedzy i możliwość ich dostarczenia jest ograniczona do niewielkiej grupy osób, które rzadko będą się znajdować w najbliższym otoczeniu osoby zainteresowanej ich zakupem. 9 Aby wyjaśnić wpływ specjalizacji na gospodarkę, przyjęto założenie, że dostępność dóbr i usług w najbliższym otoczeniu jest funkcją postaci gz, gdzie z oznacza poziom specjalizacji. Takie założenie wynika z oczywistej obserwacji, że przy niskim poziomie specjalizacji większość dóbr i usług możemy pozyskać, wykonując je samodzielnie lub pozyskując je z najbliższego otoczenia. W przypadku wysokiej specjalizacji jest oczywiste, że musimy znacząco rozszerzyć krąg poszukiwań, żeby uzyskać dostęp do większości dóbr i usług. Na wykresie przedstawiono funkcje dla różnych wartości z. 10 Przyjęto racjonalne, jak się wydaje, założenie, że koszty utrzymywania więzi są wprost proporcjonalne do wielkości grupy. Koszty utrzymywania więzi są w znacznej mierze determinowane przez konieczność poświęcania czasu na spotkania ze znajomymi i podtrzymywania nieformalnych związków. W przypadku transakcji dokonywanych z resztą społeczeństwa takich kosztów nie ponosimy – występuje jednak ryzyko spotkania „jastrzębia”. 11 W ramach grupy z założenia każdy przyjmuje strategię gołębia. 8 W przypadku

Odsetek transakcji realizowanych w ramach grupy

-1 h a -a 1 1 1 - a 2 5 $ ^1 +1g1 5 $ ^1 + gh t + ab =5 $ ^1 $+ 2 $ ^1 + gbh+ $ = 1 2 f p 51ag-+ +3 +1 ha g+ht ab a3^1^11--5bahh + ++ g$h2t +$ ^11 + ght + 1 $ f 5 $ ^1-+ 5 1^$ 15+ $ 5 1 hIt + ^ ^ t a + b - ab a + b55 okres $ ^1ab+ gh 2 ^15+$ ^g a IIt +okres 2 b - ab 2 t 1 5 3 1 5 3 a a + + + ^ h ^ h $ $ 5 1 1 5 1 1 g g + + ^ h ^ h 1 2 154 Białowolski t+1 +1 a +ab bPiotr - ab $ ^21$ $ ^1ab 1 a+h + ghBiałowolska, + 1ght $ f ^Dorota 2 5 $ ^1t+ pght - 1 pa1+-b2a- a++I 2okres ^- 1$hf 5 $ 1 + IIg okres + 12 t+ $ 2 + 5 $ ^1 + ght I5okres $ 5 1 g + 1 - a^ + abh 1 - a + ab t+1 5^ 5 $h^1 + ght + 1 1 -5a$ ^1 + gh ab II okres 2 - a + 2^21 +2 ^g-hzt1+h1 - 1 5+$a^^11h + 5 $+^1ab + + ght + 1 - 1 1 + t 1 1 a ab a + „jastrząb”:- 1 q z $ 2I+ ; h $ cq q 5 3 1 a ^ ^ hh okres$ 2 $ ^II 1 okres + gh $ f 1 + gh 5 $ ^1 + ght - 1 $ ^1 + gh p 22^(18) t+1 t+1 + $ 2 $ 5 $ ^1 + gqhtz+$12 -5cq +5^1$ ^1+ 5 1 g g + ^ h q zhh$ ^- 1a + 2^1 - ahh 5 5 $ ^1 + ght 5 $ ^1 + g „gołąb”: (19) q z $ 2 - cq + ^1 - q zh $ ^- 5a + 3^1 - ahh . 2 t t z $ ^1 + gh - 1 - 1 $ ^1 max + gh "02, 6^1q +-ghcq,5z$ ^1 + gh - 1 2 t+1 5 ^1 -$q h $ ^- 1a + 2^+ q!z $02; 11$ f 2 $ a5 $ ^1 grupy 2 $a^hh 1 + gh2 +cq +odsetka p 1 - 1k + $ a5 $ ^ 1 w ramach + + gt ht + Rysunek 5. qZależność transakcji realizowanych t t 5 5 5 $ ^1 + gh 5 5 $ ^1 + gh 5 $ ^1 + gh 1- cq od wielkości gospodarek o różnym stopniu specjalizacji "0c , 6q zdla , max grupy 2 2 z-1 2 q ! 0; 1 2 2 t gzhtm+ 1 - 1k + $ a5 $ ^1 + ght + 1 - 1k 2 - 1 $ ^1 + gh + $ ^5 $ ^1 + gh - 1h^1 - 1 + $qa5=$ ^c10+ , 6 1 5 5 1,0 5 c qdq= c 12 mz - 1c 2 - z 1 2 0,9 ^2 + gh g + 2 $ ^1 + ght2+ 1g 2 0 20, 6z 2 - 1 $ ^1 + g=h + $ ^c5 $ ^1 +mzght 1-$ 1h^1 +1gh02 + $ ^1 + gh2 $ ^5 $ ^1 + ght - 1h 5 dc z -5 1 0, 6z 2 - z 0, 6z PKB_per_capita 0,8 lim =2 <10 t + 1c > 0 >10 dq 1 z " 3 t + gh g + 2=$ ^1 + ghc g 2m 0 $ 10 ^20,7 ^1 + ght 1 dc z - 1 0, 6z 0, 6 z gospodarka , 6< z 0 1-z > 0 >0 0,6 PKB_per_0capita + ^1specjalizacją - ah^1 - b h a + ^1 - ah2 ^1 - b za niską q = c m =2 lim t"3 tc 1 0,5 ^1 + g0h, 6z a gospodarka a 1-z 1 = = q = c a m 1 $ ln 0, 6z k2 specjalizacją 2 3 3 ze średnią 0,4 1 - 1b h a + b - ab ah^= -zf 1 -1b-h ^0a1, 6+ a + ^1 - daqh^1 -dcbeh1a-+z ^1 -c ah ^1 -0,b6hza1+ - ^z1 - ah 1^gospodarka $f $ ln = =c + m p= 2 0,3 specjalizacją c c a^1 1 1 dz 0, 6z a dza ^1b-h^z h-zah + a2 ^1 - b 1 -zz^wysoką 1 1 a + ^ h h ln $ a k = d e 1 - z= c 0, 6 z 1 - z 1 0, 6 z 1 dq 0,2 1 - ^1 - a= $f $ ln1 - a + h^1 - b1h a + b -=ab p= 0c, 6z m 1a 2 c c dz dz ^1=- zh z ln 1 -3 z=h ^ 0,1 2 3 , 0 6 1 1 z 2 - a + ab ^1 - ah +=ac^1 - bmh1^-1 z-$ ah + af ^1 -cb h + ^1 -pah + a ^1 -1 b-h a^1^1--abhh+ f1 = c 1 1 - z ^ln1 0-, 6zzh z 0 a 1 - a0,2 1-a 1,0 0, 60,3 1p z=10,4 - z 0,5 10,6 f0,7 0,8 c 0,9 - 5a + 3^1 - ah + ^- 5h + = 0 0,1 $ , 0 6 z = + c m a + b - ab 1 - astanowiących +-ab 1 - aOdsetek ^1ln- bchczłonków I okres grupę 1 z z 1 z ^ h II okr f c + 1p a b - ab , 0 6 z Źródło: opracowanie własne. ab - 5a + 3^1^ln1--azhh+ ^-z5h +3 a + 2^1 - ah + ^- 1h + I okres f c + 1 p a + b - IIabokresa a + b - abb --ab 1 a + ab I okres Odsetek „jastrzębi” determinowany jest przez II okres ah + ^- 5h -^51a-+z3h ^1 w +3 = równowagę z społeczności a + b -Ponieważ ab b z- ab + uproszczeniu 1 - a apo I okres w obuab oczekiwanych przychodów sytuacjach. równanie - a + 2^1 - ah + ^- 1h + 2a II okres $ 2 - cq + ^1 - q zh $ ^- 5a + 3^1 b -q ab 1a + 3ab (równanie=3), to również równowagiI okres jest bazowym a + 3^1 - a1jak - 5analogiczne h-+aw przypadku ^-+5ab h zh $ - 1a + 2 1 II a okres b - ab „jastrzębia” a1+-bqaz-$ ab +ab cq + ^a 21I2 okres ^ ^ tutaj oczekiwany odsetek strategię wynosi =q0,2. -a + +2 ^1 - awybierających h + ^- 1h II okres z z 1 1 a ab a ab + + ^ h $ $ q cq q 2 1 5 3 1 a a + + I okres z ^ hh Implikuje to następujący warunek na^ maksymalizację przychodów "0, 6w zależności q - cq, 1 -qamax ab II okres 0; 1 !więzi: od wielkości grupy, z którą członkowie społeczności tworzą 2 1 1 2 a a + + + z z ^ h ^ h q $ 2 - cq + ^1 - q h $ ^- 1a + 12^1ahhab a 1 b - ab 1 - a + ab a+ okres q z $ z4I 2cq + ^1 - q zh $ f- 5a + +3 ^1 - ah + ^- 5h c p II 3 okres " , max , q cq 0 6 a b a b - ab + + -1 zab , dla którego rozwiązaniem jest q = c . (20) m q ! 0; 1 a b - ab 6z q zz $ 41- 2cq + ^1 - q zzh $ f- 5a + 3^1 - ah + ^- 5h 0,ab +3 1-a p ^ h $ $ q cq q 4 2 1 2 1 1 2 a a + + + + a b ab a + + ^ h ^ h 2 - z b - ab f p c z-1 1 1 a ab a ab + + c z-1 1 1 dq I okres q=c m IIcokres = ab m 1 -$ a 1 0 Dla przypadku, c = z = 0,5 , optymalna wielkość grupy wynosi 0,36. W takiej 0, 6qzz gdy 6z2 0, 6 z p $ 4 - 2cq + ^1 - qzzh $ f- a + 2^1 - ah + ^-d1ch z - 1 0,+ sytuacji oczekiwana produktu per niż a< + -w sytuacji, 0 ab >gdy , Icapita 01 - a +>ab 0 max "^wielkość q - 2cq 4 -2 -rz^ b hh okres jest wyższa 1 II okres 1q ! 0; 1 c z - 1 więzi 1 dq w społeczeństwie/gospodarce nie występowały w ogóle. Wynosi ona: 1 $ 10 = c 0,5 m z dc z -max 1 0,5 0,"6^z4 $-2 r–^0,5 0,$q60,36 z1- 2+cq(1, – 0,50,5) $ 1,4 =1 1,64. 0, 6z 1 - z b hh m z 1 - zq = c <q0! 0; 1 > 0 2c > 0z - 1 c q =produktu ^4 - r^ b hh sytuacji = E f p Mimo wzrostu per capita w ;analizowanej występuje strata 1^4 - r^ b hh z 1 2c 1 1 1 0, 6z dobrobytu, która wynika z kosztów ponoszonych w związku koniecznością utrzy0, 6 z 1 - z 2c z 1 - zdq z-1 a e 1 - z $ ln c k d0,18 0, 6 z 1 - z 1 = ;^4 - Koszty q = c więzi mprzez q= r^ b hh teEsą równe mywania (0,36/2). f członków pspołeczności. = =c m c 2c ^4 - r^ b hh z 1 - z c dz dz q =1 ;^4 -0, 6rz^ b hh E 2c 1 1 d a e 1 - z $ ln c k z0,16-zz 1 - z 1 0, 6 z 11 dq 0, 6 z $f $1ln = q = ;^4 - r^ b hh =c E m + ln p= 2 , 0 6 1 z c dz z 1 1 z z ^ h c + 1p dq dz dr^ b h 2c1 c z f 1 z ^ - h1 - z 2= c $ $ $ ;^4 - r^ b hh E 0 c m =1 z 1 zh z ^ 2c 1 db1 db 10z , 6z > 0 z 1-z < 0^ b hln >10 q d dr 0, 6z 1 -=1 f $ c $ ;^41 z 2 0ln 0, 6z $ =c + p r^ b hh E m

^1 + ght 1-a 1-a =a + ^1 - ah^1 -=b h a + ^1 - ah2 ^1 - b h2 a + ^1 - ah3^1 - b h3 a + 1 - a^1 - b h 1 - a + ab a Kapitał społeczny a = poziom rozwoju gospodarczego… aa b -155 ab = 15 a - 51a+^31^+ h ^ h ab+ 3 a + b - ab ah^1 - b h aa++bb--ab t"3

I okres

^1 - ah + a^1 - b h^1 - ah + a2 ^1 - b h2 ^1 - ah + a3^1 - b h3^1 Optymalna wielkość grupy jest funkcją kosztów związanych 1-a ab z utrzymywaniem 12 - a + 21^W celu a ah + ^- 1h1 - awpływu+kosztu więzi, a także parametru specjalizacji. pokazania = I okres = 1 - a + ab 1 - autrzy+ ab a + ab IIwięzi - a^1 - bgrupy okres obliczamy h 1mywania więzi (c) na optymalną1wielkość tworzącej pochodną optymalnej wielkości na5akoszt q z $grupy 2 - cq ze + ^1względu - q zh $ ^+a 3^1utrzymywania - ahh b - ab 5 3 1 5 a a + + +3 ^ h ^ h więzi: bI okres qz $ 2 cq + ^1 - q zh $ ^-a1+ 2^ab 1 - ahha + b - ab a+ II okres

2-z

II okres

2q 1 max c"0, 6zq-z1- cq1, 1 -(21) a = $ - 11 0 . ab e+ o ; 162z^1 - ah + 2c z -q-1!a00, 0, 6^ z h 1 - a + ab + 2 1 - a + ab 2 44 3 \ 1 44 Z I okres 1 10 20 20 II okres c z-1 qq = z $ c2 - cqm+ ^1 - q zh $ - 5a + 3 1 - a ^ ^ hh 0, 6z grupy zmniejsza Wynik wskazuje, że optymalna wielkość wraz ze wzrostem z z kosztów utrzymywania więzi. dqq $ 2 - 1cq + ^1c- q2 -h z$ ^- 11a + 2^1 - ahh -1 $ 1 0wielkość grupy = "0,z6qwpływa cz - cqm,zna Aby pokazać, jak poziom specjalizacji optymalną , dqcmax 1 0 6 0, 6 z z z 0 1 ; ! tworzącej więzi, została obliczona pochodna funkcji: <0 >0 >0 1

1 c q = c0, 6z m1z--z1 q = c 0, 6zm , c

(22) 2-z

1 1 1 c 0, 6z 1 dq d a e 1 -cz $ ln cmzk- 1 $ 0, 6z 11 -0 z 1 0, 6 z dq =z: ze względu na parametr specjalizacji $f $ ln = c0, 6z m + dc = z - 1 0, 6z 2 c dz 1 < 0 dz > 0 ^1 > 0c ^1 - zh 0,6z 1 0, 6z 1 - z 1 0 , 6 1 2q 2 _ e 1 - z $ ln c i z 1 n = =d $f 1 $ ln 0, 6z + p= ln c 1-z 2 cq =0,c60z, 6z 2z 2z ^1 ^ 1 pzh z 1 1 -m z zh1 f c $ =c + cm J 0, 6 z c N 1 - z ^1 - zh z 1 1 0, 6z (23) K O 1 0, 6 z 1 - z 1 K ln dcq 0, 6z d a1eO1. - z $ ln c k 0, 6 z 1 - z 1 0, 6 z n =d $ + ln = z O 1 $f $ ln =c + m c ^1 - zh KL ^1 fh z 2 c c dz c + p ^1 P dz ^1 - zh ^1 - zh z 0, 6 z 1 ln naazmianę b - ab Powyższy wynik wskazuje, że reakcja wielkości grupy parametru , 0 6 1 z z 1 f a + 3^m1 - a$h + ^- 5h c + 1 p+ 3 = =5cwyrażenia: specjalizacji jest zależna od znaku bh- ab a + b - ab +z 1 - z ^1a z Icokres II okres

0, 6 z 1-a ab a + c2^1 - a -f ln +2 1 hp+ . ^- 1h (24) 1 - a + ab 1 - a + ab I okres+ II okres ^1 - zh z

a a b - ab zh5$ - 5aże Na podstawie wykresu fazowego niewielkich q-z5$ a4 + cq a - 32można + ^a1hstwierdzić, + 3dla + 3h + ^- 5h + ^q+ = ^1 ^1 hf a+bab rośnie a +wraz b -a ab+ b - ab poziomów kosztów utrzymywania więziI okres (c) optymalna wielkość grupy II okres ze wzrostem poziomu specjalizacji. Dodatkowo optymalna wielkość grupy, ab z $ 4 - 2cq + ^1 - q zh $ - a ab -1ah q 2 ah +1^+ +2 ^1 -specjalizacji w ramach której tworzone są więzi, rośnie 2^1 -przy ah +niskich -a + ^- 1h fpoziomach 1 - a + ab I okres + 2 1 - a + ab - a wyższych + ab II okres I okres – bez względu na jednostkowy koszt utrzymywania więzi.1 Dla poziomów II okres kosztów utrzymywania więzi (c)max optymalna "^4 - r^wielkość cq, w ramach której b hh q z - 2grupy, a q !z 0; 1 rośnie wraz z utrzymywane są więzi, początkowo ze q $ 4 - 2cq + ^1 - q h $ fwzrostem - 5a + 3^1specjalizacji - ah + ^- 5h + 1 1 z, a + b - ab w gospodarce, następnie zaś, po przekroczeniu pewnego poziomu specjalizacji 2c z 1-z z-1 zaczyna maleć. ab q= = ;^4 - r^ b hh E p z ^ h $ q z $ f4^cq q 2 1 2 1 a a +2 ^ - 2hc + ^- 1h 4 - r^+ b hh zf- +I okres 1 - a + ab II okres

z z ^ b hhEq1z-2cq, ^4r-^ brhh q max = ;^4"q ! 0; 1 2c dq

dr^2bch

2 - 1 $ ^1 + gh +

$ ^5 $ ^1 + gh - 1h^1 + gh +

^2 + gh g + 2 $ ^1 + ght + 1g 2 0 _capita PKB_per Dorota Białowolska, Piotr Białowolski lim =2 t"3 t ^1 + gh

156

$ ^1 + gh $ ^5 $ ^1 + gh - 1h

a +Rysunek b h a + ^1fazowy ah3^1 - b h3 a + f = - ah2 ^1dla - bwyrażenia h2 a + ^1 -(24) ^1 - ah^16.-Diagram c i z aw zależności od wartości a = = 1 - ^1 - ah^1 - b h a + b - ab 1,0

- ah + a^1 - b h^1 - ah + a2 ^1 - b h2 ^1 - ah + a3 ^1 - b h3 ^1 - ah + f = ^1 0,9 0,8 1 - a 1-a = = 0,7 1 - a^1 - b h 1 - a + ab

–

- 5a + 3^1 - ah + ^- 5h 0,6

0,5

a b - ab +3 a + b - ab a + b - ab

I okres

0,4

II okres

0,3+ 2 ^1 - ah + ^- 1h -a

1-a ab +2 1 - a + ab 1 - a + ab

$ 2 - cq + ^1 - q zh $ q z0,1

^- 5a + 3^1 - ahh

0,2 I okres

II okres

0 zh $ - 1a + 2 1 - a q z $ 20- cq 1 - q0,3 ^0,4 0,5 ^0,6 0,7hh 0,8 0,1+ ^0,2

max

q ! 0; 1

"0, 6q z - cq,

0,9

1,0

Źródło: opracowanie własne.1

q=c

c z-1 m 0, 6 z

6. WIĘZI W WARUNKACH2 -ROZWOJU INSTYTUCJONALNEGO z

c z-1 1 1 dq $ 10 = c m c modelu 0, 6 z 0, 6zprzedstawionego w poprzednim punkz - 1 dwuokresowego Odwołując sięddo <0 >0 >0 cie, warto rozważyć następujące problemy: 1

0, 6 z 1 - z 1) w jaki sposób wprowadzenie instytucji identyfikujących w populacji „jastrzęq=c m bie” wpływa na wielkość grup tworzonych w ramach więzi; c

1 1 0, 6z 2) w jaki sposób istnienie kary w drugim okresie za $ ln k wprowadzających d a e 1 - zinstytucji 0, 6 z 1 - z 1 0, 6 z 1 dq c $ f wielkość$ lngrup tworzonych = c wpływa + przyjmowanie= strategii jastrzębia m na p= 2 c c dz dz ^1 - zh z ^1 - zh w ramach więzi; 0, 6 z 1 instytucji wprowadzających 3) w jaki sposób istnienie kary w drugim okresie za 0, 6 z 1 - z 1 f ln c 1p przyjmowanie jastrzębia wpływa+na wielkość wytwarzanego PKB. $ = c strategii m c 1 - z ^1 - zh z Wprowadzenie do modelu bez więzi instytucji umożliwiających częściową 0, 6 z identyfikację członków społeczności wybierających strategię jastrzębia prowadziło ln 1 c f do następującego równania + pokreślającego optymalną wielkość odsetka „jastrzębi” z 1 z ^ - h w społeczeństwie: a b - ab - 5a + 3^1 - ah + ^- 5h +3 = a b ab a b - ab + + I okres II okres (25) 1-a . ab - a + 2^1 - ah + ^- 1h +2 1 - a + ab 1 - a + ab I okres II okres

q z $ 4 - 2cq + ^1 - q zh $ f- 5a + 3^1 - ah + ^- 5h q z $ 4 - 2cq + ^1 - q zh $ f- a + 2^1 - ah + ^- 1h

a b - ab +3 p a + b - ab a + b - ab

1-a ab +2 1 - a + ab 1 - a + ab p

I okres a + 2 ^1 - ah + ^- 1h , 6hz 1z- z 1 0II, 6okres dq cd a e 1 - z $ 1ln -czk ^1 -0z + ab 1+ 2 1 - a + ab z $ ln1 - a + = =c mI okres$ f p= 2 c c dz 0, 6z dz --za ÎI11okres hz ^1 - zhab - a + 2^1 +2 ln z ah + ^- 1h q z+h $ab ^- 5a +1 3-^1a-+aab hh f c +11 p 0, 6qz $ 2 - cq + ^1 - a I okres II okres ln 157 Kapitał społeczny a poziom rozwoju gospodarczego… ^1 0-, 6zzh 1 -z z z 1 1 pcq + ^1 - q h $ ^- 1a + 2^1 - ahh z cq $+2 $ q z f$ 2 cq =c m z ^ h 5aab+ 3^1 - ahh c 1 - z ^1-- zha+ 1z- q z$ ^b-- 5a + 3^1 - ah + ^- 5h = max "0+ , 6z3q - cq, z ab2^1 - ahh -0^;ab -+ qb!+ $2a q postać cq q ha$ ^+ 11 -uwikłanej, -+ -b1a 0,I6okres z Równanie to ma funkcji zaś jego rozwiązaniem jest wielkość II okres ln 1 c + 1 pprawdopodobieństwo f określająca a wyboru strategii jastrzębia. , max "0ab , 6q z - cq c 1 1- a !1h0; 1 1W 2przypadku qz = -â +z ^h1 -zah + ^qc + 2 mzłączącymi modelu więziami członków społeczności wypłaty 1 - a + ab 0, 6z 1 - a + ab I okres a II1okres bab (dwuokresowe) dla wybierających strategię jastrzębia i strategię gołębia (w kontak- 5a + 3^1 - ah + ^- 5h c z - 1 + 3 2-z = q = tach z osobami spoza cgrupy, następująco: a +dbqmz którą a +c bwięzi) - ab 1 tworzą - ab mogą I okres a1 być opisane b - ab , 65za +=II3ôkres 1+03 q z $ 4 - 2cq + ^1 - q zh $ 0 1 - ach + ^-m5zh - 1 $ fp dc z - 21- 0z, 6z a + b0,6zab a + b - ab „jastrząb”: 1 ab a >0 c+< 02 z - 1 > 01 1 - a + 2^1 - ah + ^d -q1h 1-a ab $ 1 0 = c m z z 1 1 a ab a ab + + 1 I okres q $ 4 - 2cq + ^1 -dqc h $ fz a+ ah + ^-01, 6h z -+2 ,016, 1 II20ôkres z 1 1 a ab a + ab p ; (26) + 6 z I okres > 0 1 - z > 0 0 = <q c m II okres a b - ab z $ 4 - 2cq + ^1 - q zh $ - 5a +13 1c - a + - 5 qmax +3 h ^ h p "^4 - r^ b hh q z - 20fcq ,z 1 - z^ a b ab a b - ab + + , 6 „gołąb”: 1 , 1 0 6 z q ! 0; 1 $ ln q=c m a k 0, 6 z 1 c dq = d e 1 - z 1 c =abc 0, 6z m1 - z $1 - a1 1 $ ln + z z f p q $ 4 - 2cq2c+ ^1 - q h $ f- adz + 2^1 - az + - 1h +2 h ^ 2. (27) c c dz 1 zh z ^ z-1 zhp 1 0, 6z 1 - z 1 - a 1+ ab ^1+-ab 1 a I okres ^ hh ln $ q=f 4 r b ^ = a; kE p 0, 6z 1 - zII okres 1 0, 6 z 1 c 2c ^4 - r^ b hh z dq = d e 1 - z $f $ ln =c + m 0, 6 z 1 p= 2 c ^1 - zh z max "^4 - r^ b hhdz q z 1- 2cq, 0dz , 6z 1 - z 1 c f ln c ^1 1 pzh q ! Podobnie 0; 1 $bez więzi, optymalna = c modelu + m jakz w przypadku wielkość odsetka z 1110, 6z ^1 - zh z hh uwikłaną q = E 1 ;^4 - r^ bjest 1 c „jastrzębi” funkcją b. Można jednak zauważyć, że również ln 2c 0 , 6 z 1 zf 1 - z c 1p 2c 1-z z-1 , 0 6 z w przypadku tej modyfikacji odsetek ten nie jest zależny w żaden sposób od $ = + ^ hh q=f p c = ;m^4ln- r b 1 E c jednostki z zh z 2c ^1 -więzi, - grupy, ^rb^ hb hh z1z którą dq ^4 dr wielkości tworzą a dodatkowo nie jest zależny c1z-+ 1 -1zp f $ $ ;^4 - r^ b hh E 20 =, 6z ^1 - z2specjalizacji w sposób z. Można również zauważyć, że hc z dbżaden db 1 -od z10parametru ln z > 0 <0 > 01 - z 1 w równowadze z transakcji poza grupą jak q = ;^4 - r^ b hh zarówno fE c wypłaty a „jastrzębi” babi poza +5a p+ 3^1 - ah + ^- 5h c 1 z+3 = grupą „gołębi” 2zwiększają odrzucanych transakcji zwraz ze wzrostem odsetka ^ - h się a + b - ab a + b - ab I okres 1 między „jastrzębiami” i „gołębiami”, czyli malejącego b. II okres a b - ab 1 dq dr^ b h z 1-z 3-^1r3 +możliwości = Jak identyfikacji ^ ba hhh +(rys. $ - 5a$ ;+ 2 0poprawaab ^4wcześniej =- zauważyliśmy E^- 5h2), a b1ab a ++b 2- ab1 - a + 2^c1społeczeństwa db dbprzez 1 -innych z I okres 2 a a + + h ^ h „jastrzębi” członków sprzyja wzrostowi oczekiwanej >0 <0 >0 1II-okres 1 - a + ab a + ab okres wypłaty „jastrzębia” i „gołębia”I otrzymywanej w ramach transakcji realizowanych II 1 okres ab a 1 - ah + 1h to oczekiwana - a + 2^zatem, + 2 wypłata w transakcjacha poza grupą. Przyjmując że^r(b) b 1+-3a + I okres hIIab $ okres qz $ 4 2cq +1^1--aq+ztworzą ah + ^przez -ab - 5h ana+3 ^1możemy f- 5awięzi, poza grupą, z którą członkowie społeczeństwa a + b - ab a+ logię do problemu przedstawionego w punkcie 5 pokazać, że problem wyboru a b ab z więzi, sprowadza 1ab wielkości grupy, z którą tworzą się^-do q z $ 4 -jednostki 2qcq 15hmaksymalizacji ^1a-+a2h ^+ z $+ h $ 3f4 ^2cqq +h $^f1--5qaz+ 1-a ++ ha ^-b1h ab + 3 a ++b 2- ab p wyrażenia: 1 - a + ab 1-a I okres II 1 okres ab a q z $ 4 - 2cq + ^1 - q zh $ f- a z+ 2^1 - ah + ^- 1h +2 max "^4 - r^ b hh q I2cq, 1 - a + ab (28)1 - a + ab p okres . q ! 0; 1

Optymalna

^ b hh q2zc- 2cqtego , 1 problemu max "grupy ^4 - rw przypadku wielkość z-1 q ! 0; 1 q=f

^4 - r1^ b hh z

jest = ;^4 - r^ b hh 1 1-z

II okres 1 z 1następująca: zaś -z

2c z z-1 . (29) = ;^4 1- r^ b hh E p z 1-z 2c ^4 -q r=^ ;b^hh 4z - r^ b hh E 2c 1 Oznacza to, że wielkość grupy nie tylko od stopnia specjalizacji z 1zależy -z 1 ^ hh q 4 r b ^ = E ; społeczeństwa (z) i kosztów z utrzymywaniem więzi (c), ale również dq związanych c ^ b h $ 1 $ ;^4 - r^ b hh z E1 - z 2 0 2dr od czynnika związanegodbz =informacją „gołębiom” odrzucanie 2c db 1ułatwiającą -z 1 >0 < 0 > 0 transakcji z „jastrzębiami” (b). 1 dq dr^ b h z 1-z $ $ ;^4 - r^ b hh E 20 =2c db db 1 - z

q=f

a + b - ab q z $ 4 - 2cq + ^1 - q zh $ f- a + 2^1 - ah + ^- 1h

158

Dorota Białowolska, Piotr Białowolski max "^4 - r^ b hh q z - 2cq, q ! 0; 1

I okres

1 ab +2 1 - a + ab 1II okres

1 zmianę Aby zweryfikować, w jaki sposób istniejące 1instytucje wpływają na 2c z 1-z z-1 poziomu więzi, obliczamy wpływ q = fzmian b na optymalną 4 - r^ b hhgrupy = ;^wielkość E q. W tym p 2c ^4 - r^ b hh z celu obliczamy pochodną z funkcji: 1

z 1-z ; q = ;^4 - r^ b hh E 2c

(30)

2q 2r^ b hdqz z 1-z z 1 ^ bh 1 dr =$ =$ $ <^$4 - r^ b$ ;h^h4 -F r^ b hh2 0.E1 - z 2 0 (31) 2 c 2b 2b db2Uc 1 - db z 1 4444 2c 1 - z 2 4444 \ 2 0 [< 0 >3 0 >0 20 z

Z obliczeń wynika, że wraz z rosnącym b, czyli zmniejszaniem możliwości identyfikacji „jastrzębi”, optymalna wielkość grupy, w ramach której tworzone są więzi, rośnie. W przypadku gdy możliwości identyfikacji „jastrzębi” są większe, tworzenie więzi jest mniej opłacalne ekonomicznie, a w konsekwencji optymalna wielkość grupy tworzącej je jest mniejsza. Można zatem wnioskować, że w krajach o niższym poziomie rozwoju instytucjonalnego będzie występowała większa skłonność do kreowania więzi, które tworzą pewien substytut dla dobrze rozwiniętych instytucji. Przynależność do grupy powiązanej więziami stanowi swego rodzaju zabezpieczenie przed spotkaniem „jastrzębia”. Opłacalność tworzenia więzi jest tym większa, im mniej transakcji między „jastrzębiami” i „gołębiami” udaje się wyeliminować na skutek prawidłowego działania instytucji informujących o „jastrzębiach” i karzących za przyjmowanie strategii jastrzębia.

7. WIĘZI W WARUNKACH WZROSTU PRODUKTYWNOŚCI Odwołując się do punktu 3, w którym analizie poddano model jastrząb-gołąb w warunkach wzrostu produktywności, warto przeanalizować, jak po wprowadzeniu możliwości tworzenia więzi zmieniać się będzie optymalna wielkość grupy, w ramach której występuje większa skłonność do tworzenia więzi. W przypadku wzrostu produktywności oraz macierzy wypłat przedstawionej w tabeli 2 w okresie t potencjalne korzyści dla osoby podejmującej strategię jastrzębia osób, z którą nie tworzą więzi) wynog= a + `5 $ ^1(w kontaktach - 5^1 + ght $i gołębia + ght + 1j]1 - az grupą sić będą: 1 5^11a++gh2t $$ a 1 - ag = ghgt + +a + 1aj]= =^1++`g5h$t ]^11 5^1 1+ ght t] g 1 2 1 g 1 a $ a + a =+ + = ^ h q zt $ 2^1 + ght - c^1 + ght q t + _1 - q5zt ^i1$ `+ -g5h^t1 + ght $ a + `2 $ ^1 + ght + 1j]1 - agj;

„jastrząb”:

„gołąb”: q zt $ 2^(11 + gh)tt-cc^^11+ +gghhttqqtt+ +__11-qqztztii$ $``-51^a1 + 2gh$t^$1a++g`h2t ]1$ ^1-+aggjht + 1j]1 - agj

(32)

1 g) t - c^1 + ght q + _1 - q zi $ `- 1a + 2 $ ^1 + ght ]1 - agj. (33) q zt =$ 2 (1 + t t a t 5 1 g + ^ h 1 Podobnie jak w poprzednich przypadkach odsetek osób wybierających stratea= t nie 2 gię jastrzębia jest uzależniony od 1parametru specjalizacji z, co implikuje, że max5^*1f2+^1gh+ ght - f2^1 + ght - q zt - c^1 + ght q t 4 = p p t aq !równowagi może być przedstawione jako: 5 0; 1 2 5^1 1+ gh max *f2^1 + ght - f2^1 + ght - q z - c^1 + ght q t 4 = 5 5^t1 + ght pp t 2 1 q ! 0; 1 z q - c^1 + gh q t 4 = max *f + tp t 5 q ! 0; 1 2 5^1 1+ gh z q - c^1 + ght q t 4 = max *f + 1 t p 1t 5 q ! 0; 1 5 1 g + ^ h J N t t

z-1

1-z

1 =- 1a + 2 $ ^1 + ght ]1 - ag + a = - 5^1 + ght $ a + `5 $ ^1 + ght + 1j]1 - ag = 5^1 + ght t ] + ` 5 $g^1z+ ght + 1j1 g+ ghtg$ha = ght q t + _1 - q zt i $ `- 5^1 159 q+t $a2= + gh]t1--c^a1gospodarczego… + ght $ a + `2 $ ^1 + ^1 rozwoju 1społeczny 1 - a poziom a=- 1Kapitał +52^1$ ^+ + 5^1 + ght 1 =- 1a + 2 $ ^1 + ght ]q1zt-$ 2a(g1++ag)=t - c^1 + gt ht q t + _1 - q zt i $ `t - 1a + 2 $ ^1 + ght ]1 q zt $ 2^1 + ght - c^1 + ght q t + _1 - q zt i $ `- 55^^11 + + gghht $ a + `2 $ ^1 + gh + 1j]1 - agj 1 . (34) a= z $ 2 t1 + g t - c t1 + z1i `-25$^^11+ tq z + `a2gj$ ^1 + ght + 1j]1 - agj h + gh^ q t +g_h1t q5q zt $ 2 (1q+ 1t ia$ + 1+gghhtt$]a t ^+ t g)^ - c^1 t g$ `h1q_+ gj _1 - q zt z którą it $ `- 1ajednostki q zt1$ 2 (1 + g) t - c^1 wielkość ght ]1 -1a + ght q t + grupy, + 2 $t^1 + 2 tworzą W takiej optymalna więzi, a t= sytuacji t q z - c^1 + ght $ ^1g+t gh + 1j]1 - ag = max *f2^1 + gh - f2^1 + gh - - 5^1 + gh $ a 5+ `15+ ^ hnastępującego jest rozwiązaniem maksymalizacyjnego: 5 5^1 + ght pp t qproblemu ! 0; 1 1 1 a= =- 1a + 2 $ ^1 + ght ]1 - ag + a t= 2 1 gh 25^1^1+ ^1g+ 1 q z - cz^1 + ght q = + ghhtt - - 2 max *f2^15+ ht t f = max + t pp t pq t - c^1 + tg4h q t 4 * f 5 q ! 0t ; 1 5 1 g + ^ h t t t t z z q t $ 2^1 + gh - c^1 + gh q t + _1 - q t it $ `- 5^1q ! + g0; 1$ a +5`22 $ ^51^+ h1+ 1 g+ gh1j]1 -qazgj- c 1 + g t q (35) max *f2^1 + gh - f2^1 +hght - ^ h t4 = t pp t 5 0 1 ; q ! t t t - c 1 +2g q + _11 1 5 1 ^ j + gh 1 g q zt $ 2 (1= 1 +ghgthq]1 a +c^21$ ^+ a + g)max - q zt i $ `q-z1^ h+t *f 5 t4 . t J Nz - 1 t 1-z tp t ` j 0 1 q ; ! g z 2 1 1 + + ^ h c g 1 + ^ h 5^12 + gh 1 1 q t = Kq z - c^1 + ght q O =f p a= = max *f + 2t K t4 O 1 1 5^1 + ght c g 5 1 + ^ h 5 5^1 1+ ght pK ft2 + q ! 0; 1 pz O J wielkość grupy Nz - 1 K `25wzorem: Optymalna ^1 +5^g1ht++t g1hjt z O1 - z c^1 + gtht 2 Owyrażona 1 t z K max *fq2t^1=+ gh - f2^1 + gh - 1 = Lf1q - c^1 + gh q t 4 = pP 5 O5^t 1 + ghNt pp t q ! 0; 1 2t t K 2 J 1 c g 5 1 + 1 -zz ^ h 1 z ` j g z 2 1 1 + + ^ h c g 1 + ^ h zO Kf + K t t p O t 2q O 2 K q5t = 1 K5^1 + 1= f `2^1 + gh +2t1j zp 1 - z, J 2z (36)1 1 tO q zt -ghc^1 + g q = max *f +L h 2 1 p 4 t c gh + $K $ ln e 5 1 + = ^ P o$ p 5 5^1 + gKhft + q ! 0; 1 z O z1 - z f 2t t p t c g 2 5 1 + KV g c g + 5 1 1 + ^ h ^ h K 5 5^1 + ght O [ 1 44444 2 44444 3 K 2 0 1 44 2 44 3 \ 0 L N`21 ^1 + ght + 1jtz P1 - z210J 2z 2 1 20 1 10 N J 2q t t1 Lz $ ln 11 $ 1 -Kz z 1 z ` j g z 2 1 1 + + ^ h c g 1 + O ^ h ln + $ $ $ = e o e o f p O jest funkcją q t = Kzatem = f w 2czasie p K 15założeniu t t 2t (przy tstopy c z J 1 + gdodatniej 5Uc wzrostu 1 + g ^1 + gh2t O 1 - z Omalejącą K 2 2t g c g + 5 1 1 + ^ h ^ h 1 ` j V g z 2 1 1 + + ^ h c g 5 1 + q 2 z z 1 2 1 1 1 ^ h [ 4 2 44 3 44 2 44 3 1 4 2 4 3 O produktywności t0g): z1O44444 Kf + 3 Kp2 0 1$ 4 \o $ 2 0 1+ p= K 1 0$ ln e 2 1 0$ ln e o$ f 220 44444 K 5 5^1 + 2 0 gtht O1 - z L 2t t c g g 0 ^1P+ 2 5 1 5Uc 1 +2 + K L P [ g + 5c^1 + gh 1 ^ h V 2 44 3 4 2 44 3 14 4 z 2 44444 3 K 2 0 1 441 \ 2 0 14 2 0 1 44444 0 10 2 0N 20 t 2q t 1 `2^1 + gh + 1j z 1 - z J 2z 1 1 L z 1 1 O 1 0 .(37) + $ ln e $K $ ln e = o$ o$ f p 2t t 2t 2t

1+g 1-z K 5Vc + gh 5c^1 + gh [ 1 44 2 44 3 ^1 \ 2 0 1 44444 2 44444 3 K 2 0 10 20 20 L

5Uc 1+g gh O 1 44 2 44 3 1^14+ 2 4 3O 10 20 P

Pokazaliśmy zatem, że wzrost produktywności sprzyja rozluźnianiu więzi, których . utrzymywanie jest kosztowne. W warunkach, w których odsetek „jastrzębi” maleje, ponoszenie tego kosztu jest coraz mniej uzasadnione, stąd zmniejszająca się grupa osób, z którymi jednostki tworzą więzi.

8. WNIOSKI Z MODELU JASTRZĄB-GOŁĄB Zastosowanie klasycznego modelu jastrząb-gołąb (Bowles, 2004), który opisuje zachowania ekonomiczne dwóch grup ludności (typów ludności) – „jastrzębi” i „gołębi”, pozwoliło na opisanie związków kapitału społecznego i poziomu rozwoju gospodarczego. Przedstawione podejście stanowi według naszej najlepszej wiedzy pierwszą próbę modelowania tych związków za pomocą modelu stosowanego raczej w teorii gier niż w obszarze nauk społecznych. Dzięki zastosowaniu modelu jastrząb-gołąb możliwe stało się przeprowadzenie formalnej (modelowej) oceny sposobu oddziaływania kapitału społecznego w różnych jego wymiarach na gospodarkę. Weryfikacji poddano związki występujące między poziomem rozwoju gospodarczego mierzonego za pomocą PKB per capita z poziomem kapitału społecznego ogółem oraz w jednym z jego wymiarów, jakim są więzi. Ponadto spraw-

160

Dorota Białowolska, Piotr Białowolski

dzono, jakie związki występują między poziomem rozwoju gospodarczego a poziomem rozwoju instytucjonalnego. Na podstawie prowadzonych analiz możliwe było sformułowanie następujących wniosków: 1. Im większy udział „gołębi” w społeczeństwie – utożsamiany z większym poziomem kapitału społecznego – tym większy produkt wytwarzany w ramach gospodarki. 2. W warunkach wzrostu gospodarczego maleje opłacalność przyjmowania strategii antyspołecznych – strategii jastrzębia. 3. Dodatkowym czynnikiem ograniczającym opłacalność podejmowania strategii antyspołecznych jest rozwój instytucjonalny pozwalający identyfikować jednostki antyspołeczne i nakładać na nie kary. 4. Więzi są czynnikiem ograniczającym prawdopodobieństwo spotkania „jastrzębia”. Tym samym pozwalają zwiększać produkt na mieszkańca. 5. Więzi są tym silniejsze, im mniejszy jest koszt ich utrzymywania. 6. Więzi są związane ze specjalizacją. Początkowy wzrost specjalizacji sprzyja rozszerzaniu zasięgu więzi, gdyż grupa gromadzi nowych członków o bardziej zdywersyfikowanych umiejętnościach. Dalszy wzrost specjalizacji powoduje, że krańcowe korzyści z pozyskiwania nowych członków maleją, zaś zaczynają dominować koszty, co sprzyja zmniejszaniu optymalnej wielkości grupy. Jedynie w przypadku bardzo niskich kosztów związanych z utrzymywaniem więzi, rozmiar grupy tworzącej więzi może cały czas rosnąć wraz ze wzrostem specjalizacji. 7. Grupy tworzące więzi stają się mniej liczne w warunkach wyższego rozwoju instytucjonalnego, gdyż nie ma potrzeby ponoszenia kosztów utrzymywania więzi, gdy społeczeństwo zapewnia efektywne mechanizmy eliminowania transakcji między „jastrzębiami” i „gołębiami”. 8. Więzi słabną wraz ze wzrostem gospodarczym, który tylko pierwotnie wpływa na spadek opłacalności podejmowania strategii antyspołecznych – strategii jastrzębia. Przedstawione w artykule podejście do modelowania związku między kapitałem społecznym a rozwojem gospodarczym opiera się na założeniach modelu jastrząbgołąb. Oznacza to tym samym, że w sposób zamierzony przyjęliśmy, że reguły rządzące mechanizmem występującym między tymi dwoma konceptami odpowiadają regułom obowiązującym w modelu. Jest to konceptualizacja w znacznej mierze uproszczająca rzeczywistość, jednakże – w naszym odczuciu – pozwalająca jednocześnie na wskazanie istotnych zależności.

Kapitał społeczny a poziom rozwoju gospodarczego…

161

Oczywiste, naszym zdaniem, jest to, że uchylenie bądź modyfikowanie założeń tego modelu będzie niosło za sobą modyfikację wniosków oraz interpretacji. Ponadto chcemy wyraźnie zaznaczyć, że sformułowane przez nas wnioski nie mają charakteru prawidłowości ogólnych, prawdziwych zawsze. Wynikają one z założeń modelu, a zatem nie uwzględniają wielu czynników, których wpływ na modelowany związek może być znaczący12.

BIBLIOGRAFIA Bartkowski J. (2007), Kapitał społeczny i jego oddziaływanie na rozwój w ujęciu socjologicznym, w: Kapitał ludzki i kapitał społeczny a rozwój regionalny, M. Herbst (red.), Scholar, Warszawa. Bourdieu P. (1983), The Forms of Capital (tytuł orginału: Ökonomisches Kapital, kulturelles Kapital, soziales Kapital, w: Soziale Ungleichheiten (Soziale Welt, Sonderheft 2), R. Kreckel (red.), Otto Schartz & Co. Goettingen, s. 183−198). (Artykuł przetłumaczony na język angielski przez Richarda Nice’a i dostępny na stronie: http:// www.viet-studies.org/Bourdieu_capital.htm, dostęp 17.09.2006). Bowles S. (2004), Microeconomics: Behavior, Institutions and Evolution, Princeton University Press, New Jersey. Collier P. (1998), Social Capital and Poverty, “The World Bank Social Capital Initiative Working Paper”, No. 4. Coleman J.S. (1994), Foundations for Social Theory, The Belknap Press of Harvard University Press, London. Czapiński J. (2006), Polska – państwo bez społeczeństwa, „Nauka”, nr 1, s. 7–26. Evans M., Syrett S. (2007), Generating Social Capital?: the Social Economy and Local Economic Development, “European Urban and Local Studies”, 14(1), s. 55−74. Franke S., 2005, Measurement of Social Capital, Reference Document for Public Policy Research, Development and Evaluation, www.recherchepolitique.gc.ca/doclib/ Measurement_E.pdf (dostęp 20.01.2007). Fukuyama F. (2000), Social Capital and Civil Society, International Monetary Fund, Washington, D.C. Gidwani V. (2002), New Theory or New Dogma? A Tale of Social Capital and Economic Development from Gujarat, India, “Journal of Asian and African Studies”, No. 37, s. 83−112. Grootaert Ch. (1998), Social Capital: The Missing Link? “Social Capital Initiative Working Paper”, No. 3, The World Bank. Growiec J., Growiec K. (2009a), Social Capital, Trust, and Multiple Equilibria in Economic Performance, IBS WORKING PAPER #02/2009 (http://mpra.ub.unimuenchen.de/19518/1/Model_v2.3_IBS.pdf, dostęp 27.04.2011). Growiec J., Growiec K. (2009b), Social Capital, Well-being, and Earnings, European Societies, 99999:1 (http://dx.doi.org/10.1080/14616690902718381). Guillen L., Coromina L., Saris W.E. (2010), Measurement of Social Participation and its Place in Social Capital Theory, “RECSM Working Paper”, No. 14 (http://www. upf.edu/survey/working.html). 12 Przykłady

takich czynników znaleźć można m.in. w artykule: Growiec, Growiec (2009b).

162

Dorota Białowolska, Piotr Białowolski

Kaminska M.E. (2010), Bonding Social Capital in a Postcommunist Region, “American Behavioral Scientist”, No. 53(5), s. 758−777. Kapitał ludzki i kapitał społeczny a rozwój regionalny (2007), M. Herbst (red.), Wydawnictwo Naukowe Scholar, Warszawa. Lillbacka R. (2006), Measuring Social Capital. Assessing Construct Stability of Various Operationalisations of Social Capital in a Finnish Sample, “Acta Sociologica”, Vol 49(2), s. 201−220. Lissowska M. (2004), Instytucjonalne wymiary procesu transformacji w Polsce, Szkoła Główna Handlowa w Warszawie, Warszawa. Loranca S. (1999), ESF 6 Article on Pilot Action on Local Social Capital, DG Employment and Social Affairs. Maynard Smith J., Price G.R. (1973), The Logic of Animal Conflict, “Nature”, No. 246(5427), s. 15–18. Myrdal G. (1982), Znaczenie i wartość ekonomii instytucjonalnej, w: Ekonomia w przyszłości, K. Dopher (red.), PWN, Warszawa, s. 140−147. Newton K. (1999), Social Capital and Democracy in Modern Europe, w: J.W. van Deth, M. Masafti, K. Newton, P.F. Whiteley (eds), Social Capital and European Democracy, s. 3−24, Routledge, London. North D.C. (1990), Institutions, Institutional Change, and Economic Performance, Cambridge University Press, New York. OECD (2001), The Well-being of Nations. The Role of Human and Social Capital, (http://www.oecd.org/findDocument/0,2350,en_2649_34543_1_1_1_1_1,00.html, stan na dzień 20.01.2007). Paxton P. (1999), Is Social Capital Declining in the United States? A Multiple Indicator Assessment, “American Journal of Sociology”, Vol. 105, s. 88−127. Paxton P. (2002), Social Capital and Democracy: an Interdependent Relationship, “American Sociological Review”, Vol. 67, s. 254−277. Piasecki R. (2007), Ewolucja teorii rozwoju gospodarczego krajów biednych, w: Ekonomia Rozwoju, R. Piasecki (red.), PWE, Warszawa 2007. Putnam R. (1995), Demokracja w działaniu. Tradycje obywatelskie we współczesnych Włoszech, Wydawnictwo Znak, Kraków. Putnam R. (2001), Social Capital: Measurement and Consequences, w: The Contribution of Human and Social Capital to Sustained Economic Growth and Well-Being, International Symposium Report edited by the OECD and HRDC. Romer D. (2000), Makroekonomia dla zaawansowanych, Wydawnictwo Naukowe PWN, Warszawa. Sabatini F. (2006), The Empirics of Social Capital and Economic Development: a Critical Perspective (http://www.feem.it/Feem/Pub/Publications/WPapers/default. htm). Schneider G., Plumper T., Baumann S. (2000), Bringing Putnam to the European Regions. On the Relevance of Social Capital for Economic Growth, “European Urban and Regional Studies”, No. 7(4), s. 307−317. The Contribution of Social Capital in the Social Economy to Local Economic Development in Western Europe, Final Report, 2003, CBS Network, TECHNET,

Kapitał społeczny a poziom rozwoju gospodarczego…

163

GES, NATVERKET (http://www.malcolmread.co.uk/conscise/reports.htm, dostęp 20.01.2007). Torsvik G. (2000), Social Capital and Economic Development: a Plea for the Mechanisms, “Rationality and Society”, Vol. 12, s. 451−476. Van de Vijver F.J.R. (2002), Types of Cross-cultural Studies in Cross-cultural Psychology, w: W.J. Lonner, D.L. Dinnel, S.A. Hayes & D.N. Sattler (eds.), Online Readings in Psychology and Culture (Unit 2, Chapter 6), (http://www.wwu.edu/~culture), Center for Cross-Cultural Research, Western Washington University, Bellingham, Washington USA. Van Oorschot W., Arts W., Gelissen J. (2006), Social Capital in Europe. Measurement and Social and Regional Distribution of a Multifaceted Phenomenon, “Acta Sociologica”, Vol. 49(2), s. 149−167.

STRESZCZENIE Cel pracy: Celem artykułu jest przedstawienie związków między poziomem i charakterem kapitału społecznego a poziomem rozwoju gospodarczego na przykładzie teoretycznego modelu jastrząb-gołąb (Bowles, 2004). Metoda badawcza: Do wyjaśnienia oraz modelowania kanałów transmisji kapitału społecznego na gospodarkę zastosowano model teoretyczny wykorzystujący elementy teorii gier – model jastrząb-gołąb. Weryfikacji poddano związki występujące między poziomem rozwoju gospodarczego mierzonego za pomocą PKB per capita a poziomem kapitału społecznego ogółem oraz w jednym z jego wymiarów, jakim są więzi, oraz sprawdzono, jakie związki występują między poziomem rozwoju gospodarczego a poziomem rozwoju instytucjonalnego. Rezultaty: (1) im większy udział „gołębi” w społeczeństwie – utożsamiany z większym poziomem kapitału społecznego – tym większy produkt wytwarzany w ramach gospodarki, (2) w warunkach wzrostu gospodarczego oraz wysokiego rozwoju instytucjonalnego maleje opłacalność przyjmowania strategii antyspołecznych – strategii jastrzębia, (3) więzi są czynnikiem ograniczającym prawdopodobieństwo spotkania „jastrzębia” oraz są tym silniejsze, im mniejszy jest koszt ich utrzymywania, (4) początkowy wzrost specjalizacji sprzyja rozszerzaniu zasięgu więzi, dalszy wzrost specjalizacji powoduje, że krańcowe korzyści z pozyskiwania nowych członków maleją, zaś zaczynają dominować koszty, co sprzyja zmniejszaniu optymalnej wielkości grupy, (5) grupy tworzące więzi stają się mniej liczne w warunkach wyższego rozwoju instytucjonalnego. Wnioski: Model jastrząb-gołąb, wykorzystując zagadnienia teorii gier, może być z pozytywnym skutkiem stosowany do wyjaśnienia mechanizmów rządzących kształtowaniem się kapitału społecznego i jego związków z poziomem rozwoju gospodarczego i instytucjonalnego. Słowa kluczowe: kapitał społeczny, model jastrząb-gołąb, więzi, rozwój instytucjonalny.

164

Dorota Białowolska, Piotr Białowolski

Social Capital and Economic Development: Conclusions From the Hawk-Dove Model ABSTRACT Purpose: The aim of this paper is to present the relation between the level and forms of social capital and the economic development based on the Hawk-Dove Model (Bowles, 2004). Methods: In order to explain and model the transmission channels of social capital on the economy the game theoretic Hawk-Dove model is used. We analyzed: (1) the relations between the social capital and one of its dimensions, namely the social bonds and the level of economic development expressed by GDP per capita and (2) the relations between the level of institutional development and the level of economic development. Results: (1) the higher the fraction of doves in the society (meaning higher social capital), the higher the GDP per capita, (2) in the conditions of economic growth and high institutional development it becomes less profitable to adopt antisocial (hawk) strategies, (3) social bonds limit the probability of meeting a hawk; the stronger the social bonds are, the less costly it is to maintain them, (4) the initial increase in specialization fosters development of social bonds, further increase in specialization causes marginal profits from a new member acquisition to drop, the costs to exceed profits; all of which reduces the optimal group size, (5) the group size falls in line with higher institutional development. Conclusions: The game theoretic Hawk-Dove model can be used to explain the mechanisms of social capital accumulation and its relations with economic and institutional development. Keywords: social capital, Hawk-Dove model, social bonds, institutional development. JEL Classification: C70, D70, 012

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Bazyli Czyżewski*

Produktywność zasobów w rolnictwie w Polsce wobec paradygmatu zrównoważonego rozwoju WPROWADZENIE Paradygmat zrównoważonego rozwoju zakłada dążenie do budowy tzw. ładu zintegrowanego w ramach co najmniej trzech sfer – ekonomicznej, środowiskowej i społecznej. Kluczowym elementem tego ładu jest sektor rolny, ponieważ jego funkcjonowanie jest uzależnione od zasobów naturalnych, a w modelu rolnictwa rodzinnego również od zasobów społecznych. Tworzenie ładu zintegrowanego jest procesem, który trudno koordynować. Dużą rolę odgrywają w nim instytucje, w tym państwa narodowe, podejmując działania normatywne, które ukierunkowują rozwój gospodarczy. Zdaniem autora, ładu zintegrowanego narzucić jednak nie można – niezbędne są oddolne zmiany w preferencjach konsumentów, modelach konsumpcji i popytu. Ważną kwestią jest więc odpowiedź na pytanie, czy proces zmian uwarunkowań popytowych w kierunku tzw. konsumpcji zrównoważonej (Borys, 2009, s. 54) już się rozpoczął? Przyczynkiem do odpowiedzi na powyższe pytanie jest analiza dynamiki względnej produktywności zasobów zaangażowanych w rolnictwie, gdyż dział ten wykorzystuje kluczowe zasoby – w szczególności czynnik ziemi – dla zrównoważonego rozwoju. Nabiera to coraz większego znaczenia w kontekście przynależności do Unii Europejskiej i obowiązywania zasad Wspólnej Polityki Rolnej. Wielu autorów zwraca uwagę na problem bardzo niskiej wydajności pracy w rol* Katedra

Makroekonomii i Gospodarki Żywnościowej, Uniwersytet Ekonomiczny w Poznaniu.

166

Bazyli Czyżewski

nictwie w Polsce (Czekaj, 2008, s. 10–26; Stępień, Poczta-Wajda, Czyżewski, 2006, s. 111–124) w ujęciu sektorowym oraz relatywnie słaby wzrost całkowitej produktywności zasobów w tym dziale w relacji do innych krajów przystępujących do UE po 2004 roku (Baer-Nawrocka, Kiryluk-Dryjska, 2009, s. 13–21). Takie wnioski natomiast stawiają pod znakiem zapytania efektywność i zasadność obecnych form wsparcia sektora rolnego kładących nacisk na zrównoważony rozwój. W świetle powyższego zastanawiające są jednak dynamicznie rosnące trendy cen ziemi rolniczej w Polsce we wszystkich klasach gruntów, zakładając, że cena ziemi stanowi zdyskontowany strumień wieczystej renty gruntowej tego zasobu (Majchrzak, Smędzik, 2010, s. 330–342; Majchrzak, Smędzik, 2010A, s. 357–371). Jeśli więc renty gruntowe rosną, a produktywność zasobów w rolnictwie nie uzasadnia tego wzrostu, to z ekonomicznego punktu widzenia jest to anomalia, która wymaga głębszej analizy. Należy ją rozpocząć od stwierdzenia dwóch ważnych faktów dotyczących etapów ewolucji rolnictwa (a szerzej gospodarki żywnościowej) w krajach wysoko rozwiniętych. Po pierwsze, na pewnym etapie gospodarczego rozwoju kraju rozszerzają się funkcje sektora rolnego, wykraczając poza rolę dostawcy surowców rolnych. Proces ten jest już szeroko opisany w piśmiennictwie, które jest poświęcone tzw. rolnictwu zrównoważonemu (Woś, Zegar, 2002, s. 34–38). Po drugie, możliwości substytucji pracy kapitałem, stosowane w rolnictwie typu industrialnego, są coraz bardziej ograniczone, ponieważ zagraża to realizacji nowych funkcji rolnictwa i narusza tzw. „dobrostan” obszarów wiejskich. Można stwierdzić, że w ostatnim (zaobserwowanym) etapie rozwoju rolnictwa czynnik ziemi nabiera „samoistnej” produktywności, tzn. ma zdolność do tworzenia nowych użyteczności (w sensie ekonomicznym) bez udziału kapitału i pracy. Celem opracowania jest ocena relatywnych zmian produktywności zasobów kapitału i pracy w rolnictwie w Polsce w latach 1995–20061 oraz określenie na tej podstawie tendencji rozwojowych sektora rolnego. Pozwoli to jednocześnie na identyfikację źródeł rosnących rent gruntowych zawartych w cenach ziemi rolniczej i ustosunkowanie się do powszechnie panujących opinii o niskiej wydajności zasobów w rolnictwie w Polsce. Autor stawia następującą hipotezę: w związku z tym, że ziemia rolnicza w Polsce posiada samoistną produktywność, potencjalna rentowność zasobu kapitału w sektorze rolnym jest wyższa niż w jego otoczeniu2 w warunkach ograniczonej substytucji pracy rolniczej kapitałem. Jeśli sektorowe stopy zwrotu z kapitału w gospodarce rynkowej podlegają konwergencji w długim okresie, to nadwyżkowa rentowność majątku produkcyjnego w rolnictwie tworzy substancję renty gruntowej, czyli wynagradza czynnik ziemi. Jest to potwierdzeniem występowania tendencji rozwojowych zgodnych z paradygmatem zrównoważonego rozwoju. 1 GUS

opracował porównywalne tabele nakładów i wyników rolnictwa, opublikowane jako „Rachunki podaży i wykorzystania wyrobów i usług” tylko do 2006 roku. 2 Jako otoczenie rolnictwa właściwego (sfera 2) definiuje się dwie sfery: sferę 3 – przemysł rolno-spożywczy (wg PKWiU produkcja artykułów spożywczych i napojów plus wyroby tytoniowe) oraz sferę 1 – tj. produkcję środków wytwarzania dla rolnictwa (reszta gospodarki poza sferą 3 i 2) – por. Poczta, Mrówczyńska-Kamińska (2004, s. 24).

Produktywność zasobów w rolnictwie w polsce…

167

1. Znaczenie sektora rolnego w paradygmacie zrównoważonego rozwoju Na wstępie nasuwa się pytanie, czy koncepcja rolnictwa zrównoważonego spełnia kryteria paradygmatu i stanowi wystarczający zbiór pojęć, przesłanek i teorii tworzący macierz dyscypliny naukowej, nawiązując do podejścia Thomasa Kuhna (Kuhn, 1962, rozdz. V)? Na to pytanie można odpowiedzieć twierdząco, mając na uwadze to, że koncepcja ta stanowi implementację oraz interpretację szerszego paradygmatu zrównoważonego rozwoju (sustainable devlopment) w ramach ekonomii rolnej. O koncepcji zrównoważonego rozwoju jako nowym paradygmacie wypowiadało się wielu autorów (Borys, 2009, s. 54 oraz Morozowa, 2009, s. 133). Podejście to jest też ugruntowane w opracowaniach instytucji międzynarodowych, w szczególności w raporcie Światowej Komisji ds. Środowiska i Rozwoju z 1987 r. (tzw. raport G. Brundtlanda – Raport Światowej Komisji ds. Środowiska i Rozwoju, 1991) oraz w strategii przyjętej przez Radę Europy w 2001 r. – The UE Sustainable Development Strategy. Kluczowe założenia i tezy tego podejścia wykorzystano w budowie heurystycznego modelu rolnictwa zrównoważonego (Woś, Zegar, 2002, s. 36–40). Zrównoważony rozwój definiuje się szerzej niż tylko przez pryzmat nadrzędności wymogów ekologicznych nad gospodarczymi (Borys, 1998, s. 11), tworząc koncepcje ładu zintegrowanego na płaszczyźnie środowiskowej, społecznej, ekonomicznej, przestrzennej i etycznej. Cytując za B. Fiedorem i R. Jończym, zrównoważony rozwój „polega na maksymalizacji korzyści netto z rozwoju ekonomicznego, chroniąc jednocześnie oraz zapewniając odtwarzanie się użyteczności i jakości zasobów naturalnych w długim okresie. Rozwój gospodarczy musi wówczas oznaczać nie tylko wzrost dochodów per capita, ale także poprawę innych elementów dobrobytu społecznego. Musi on również obejmować niezbędne zmiany strukturalne w gospodarce jak i całym społeczeństwie” (Fiedor, Jończy, 2009, s. 41). Definicja ta nawiązuje do prekursorskiej idei zawartej w cytowanym raporcie G. Brundtlanda, żeby zaspokajać aspiracje i potrzeby dzisiejszych pokoleń, nie ograniczając możliwości zaspokojenia potrzeb przyszłym pokoleniom (Estes, 1993, s. 1–29). Przełożenie powyższych definicji na grunt ekonomii rolnej jest możliwe przy założeniu, że użyteczność i jakość wszystkich zasobów naturalnych nierozłącznie wiąże się z czynnikiem ziemi, który jednocześnie stanowi podstawowy zasób w produkcji rolnej. Dodając do tego fakt, iż większość ludności świata zamieszkuje na terenach wiejskich, które same w sobie stanowią pewien „dobrostan”, można dojść do wniosku, że problemy równowagi społecznej i ekonomicznej również koncentrują się w sektorze rolnym. Łatwo dowieść, że problemy ładu zintegrowanego w szczególny sposób wiążą się z sektorem rolnym. Rolnictwo integruje większość ekosystemów i w dużym stopniu determinuje jakość zasobów naturalnych, ale także „jakość” kapitału ludzkiego, ponieważ dostarcza produktów, z którymi wiąże się przymus konsumpcji. Chodzi o szeroko rozumianą żywność.

168

Bazyli Czyżewski

Sektor ten jest również kluczowym elementem ładu społecznego (w tym politycznego) i ekonomicznego. Ład społeczny określają m.in. takie czynniki jak: tradycja i kultura wiejska – elementy dobrostanu wsi, dostęp ludności wiejskiej do infrastruktury i usług, fale migracji wieś-miasta, dyfuzja wiedzy i postępu technicznego na obszary wiejskie oraz udział sektora rolnego w rozwoju gospodarczym kraju, który jest tym wyższy, im kraj słabiej rozwinięty. Patrząc natomiast z perspektywy globalnej, to właśnie interwencjonizm agrarny był i nadal jest „kością niezgody” na forum WTO. Przedstawiciele krajów słabo rozwiniętych i rozwijających się forsują pogląd, że subwencjonowanie produkcji rolnej i protekcjonizm na rynkach surowców rolnych, stosowane w krajach wysoko rozwiniętych, blokują ich rozwój i procesy konwergencji względem tych ostatnich. Przyczynia się to jednocześnie do zachwiania ładu środowiskowego w krajach rozwijających się, ponieważ są one zmuszone do szybkiego zwiększania wydajności produkcji rolnej kosztem zasobów naturalnych. Co do tworzenia ładu ekonomicznego, znów rolnictwo wyróżnia się na tle innych działów, ponieważ z jednej strony jest sektorem strategicznym, a z drugiej nie działają w nim samoregulujące mechanizmy rynkowe. Kraje wysoko rozwinięte, mimo rozwiniętego instrumentarium polityki rolnej, wciąż nie mogą się uporać z problemem dysparytetu dochodów rolniczych względem innych działów (Czyżewski, 2007, s. 15–25). W związku z powyższym paradygmat rolnictwa o zrównoważonym rozwoju jest w gruncie rzeczy uszczegółowieniem paradygmatu sustainable development. W długofalowych prognozach stwierdza się, że rolnictwo XXI w. będzie rolnictwem coraz bardziej zrównoważonym środowiskowo; pozostanie natomiast niezrównoważone pod względem ekonomicznym, gdyż wynika to z procesów ekonomicznych, których natura polega na ciągłym burzeniu osiągniętej równowagi i dochodzeniu do nowej, na nowym wyższym poziomie. Niemniej jednak na procesy te będą nakładane coraz ostrzejsze wymagania środowiskowe. Aspekt społeczny zatem „będzie rozdarty między globalizm i lokalność” (Zegar, 2007, s. 297). Z paradygmatu rolnictwa zrównoważonego wypływa kilka tez, które wydają się szczególnie inspirujące w świetle celu opracowania: 11

Istotą trwałości rozwoju jest postęp w sensie Pareto.

Wraz z zamożnością społeczeństwa rośnie skłonność do płacenia za odtwarzanie użyteczności zasobów naturalnych, pytanie dlaczego?

Jeśli trwały rozwój podlega wymogom racjonalności społecznej, a nie ekonomicznej, to koordynatorem tego procesu powinno być państwo narodowe, stosując w tym zakresie politykę prewencyjną (w sensie zapobiegania degradacji zasobów naturalnych).

Warunkiem koniecznym zachowania ładu zintegrowanego jest właściwe określenie i egzekwowanie praw własności do ziemi.

Kapitał naturalny i społeczny może być tylko w ograniczonym stopniu substytuowany kapitałem wytworzonym, a degradacja kapitału naturalnego i spo-

Produktywność zasobów w rolnictwie w polsce…

169

łecznego nie może być kompensowana korzyściami płynącymi z kapitału wytworzonego (Jeżowski, 2009, s. 72). Teza pierwsza pozwala uniknąć często występującego nieporozumienia w interpretacji postulatów zrównoważonego rozwoju rolnictwa. Nie chodzi o to, żeby równać w dół lub do średniej i zmniejszać stopień realizacji celów ekonomicznych najbardziej produktywnych podmiotów na rzecz celów środowiskowych i społecznych. Problem polega na tym, żeby utrzymać produktywność w ujęciu pieniężnym, jednocześnie podnosząc stopień realizacji postulatów środowiskowych i społecznych. Teoretycznie jest to możliwe pod warunkiem, że ulegnie zmianie struktura koszyka użyteczności sprzedawanych przez producentów, zwiększając w nim udział czynników prośrodowiskowych i prospołecznych. W praktyce chodzi np. o sprzedaż lepszej jakościowo żywności, wytwarzanej w warunkach przyjaznych dla otoczenia, usług rekreacyjnych, odnawialnej energii. Pojawia się jednak pytanie, czy konsument będzie chciał za te użyteczności płacić i jak go do tego skłonić? W grę wchodzą trzy rodzaje uwarunkowań: prewencja państwa poprzez narzucanie określonych wymogów, edukacja w zakresie świadomości zrównoważonego rozwoju i oddolny proces zmiany potrzeb konsumenta. Bezdyskusyjny w tym zestawieniu wydaje się tylko ostatni punkt – rzeczywista zmiana potrzeb. Nawiązując do drugiej tezy, że zamożne społeczeństwo jest bardziej skłonne do płacenia za odtwarzanie użyteczności zasobów naturalnych, dość prawdopodobnym jej uzasadnieniem jest ewolucja hierarchii potrzeb. Zwraca na to uwagę T. Borys, pisząc, że „współczesny konsument nadmiernie sugeruje się piramidą potrzeb Maslowa” (Borys, 2009, s. 57). Może to nie konsument, ale ekonomiści, analitycy rynku, kreatorzy marketingu tak przywiązali się do piramidy potrzeb Maslowa, że traktują ją jako aksjomat współczesnej gospodarki rynkowej i wyciągają na tej podstawie błędne wnioski. Na przykład, ograniczają interpretację użyteczności zasobów naturalnych i społecznych wyłącznie do kategorii dóbr wyższego rzędu i prawa Engla. A jeśli w społeczeństwach na określonym poziomie rozwoju piramida potrzeb przestaje być piramidą, a zbliża się do kształtu prostokąta (lub trapezu), wówczas potrzeby z najniższych pięter przestają dominować w hierarchii ważności i kolejności zaspokajania. W trywialnym przykładzie znaczy to, że konsument przestaje myśleć w kategoriach rozłącznych: „najpierw zaspokoję głód, później będę starał się utrzymywać dobre relacje z przyjaciółmi, a na końcu zajmę się karierą zawodową i segregowaniem odpadów”. Być może chodzi nie tyle o to, żeby „zaspokoić głód” – bo ta potrzeba nie funkcjonuje już w oderwaniu od innych, ale żeby zjeść smacznie, zdrowo, w ładnym otoczeniu i towarzystwie, żeby zregenerować siły i osiągnąć sukces zawodowy? Innymi słowy cały wektor komplementarnych potrzeb z różnych pięter piramidy Maslowa determinuje jakość życia i musi być zaspokajany jednocześnie. Jeśli tak, to popyt na produkty, co do których istnieje przymus konsumpcji, oznacza jednocześnie popyt na pozostałe składowe wspomnianego wektora, czyli konsument z własnej woli zapłaci za użyteczności zaso-

170

Bazyli Czyżewski

bów naturalnych. Pozostaje pytanie, od jakiego momentu rozwoju taka zmiana hierarchii potrzeb zachodzi i czy dzieje się to samoistnie, czy potrzebna jest określona stymulacja instytucjonalna? W przekonaniu autora jest to proces samoistny, ale stymulacja instytucjonalna poprzez działania edukacje może go przyśpieszyć. Jednym z warunków, żeby powyższy proces miał przełożenie na poprawę alokacji zasobów (w sensie Pareto) jest jednak właściwe określenie i egzekwowanie praw własności do nich. Z punktu widzenia paradygmatu rolnictwa zrównoważonego chodzi tu głównie o zasób ziemi rolniczej. Zakładając, że czynnik ziemi świadczy nowe użyteczności w sensie produkcji dóbr i usług zaspokajających nowe potrzeby konsumentów, korzyści ze wzrostu produktywności tego zasobu powinny przypadać jego właścicielom – rolnikom. Tylko w takiej sytuacji może dojść do trwałego rozwoju struktur (sustainable development). W odniesieniu do ostatniej z tez, że kapitał naturalny i społeczny może być tylko w ograniczonym stopniu substytuowany kapitałem wytworzonym, nasuwa się spostrzeżenie, iż w warunkach nowego paradygmatu, ziemia musi mieć „samoistną” użyteczność i produktywność, tzn. tworzyć określone dobra i usługi bez sprawczej roli kapitału w tradycyjnym rozumieniu (majątku produkcyjnego). Tym samym nie można jej traktować zgodnie z doktryną ekonomii głównego nurtu jako kolejnego rodzaju aktywów trwałych i stosować neoklasycznych koncepcji mikroekonomicznych do optymalizacji jej nakładów. Z powyższego wynika również, że produktywność zasobów naturalnych i społecznych nie może zostać podniesiona poprzez substytucję kapitałem w tradycyjnym rozumieniu. Wniosek z tego taki, że swoistym papierkiem lakmusowym dla paradygmatu zrównoważonego rozwoju rolnictwa może być analiza zmian produktywności zasobów naturalnych i społecznych oraz technicznego ich uzbrojenia w rolnictwie na tle innych działów. Oczywiście komparatywna analiza produktywności ziemi nie miałaby sensu z uwagi na to, że jest to czynnik specyficzny dla rolnictwa (w innych działaniach nie ma porównywalnych zastosowań), ale należałoby przeprowadzić porównawczą analizę produktywności kapitału. Można bowiem przyjąć, że w warunkach konwergencji stóp zwrotu z kapitału, przyrost produktywności zasobów naturalnych i społecznych będzie wyrażał się relatywnie wyższą produktywnością kapitału w rolnictwie niż w jego otoczeniu.

2. Koncepcja samoistnej użyteczności czynnika ziemi Koncepcje renty gruntowej, które wykształciły się w historii myśli ekonomicznej, wykazują niedostosowanie ich założeń do współczesnych realiów sektora rolnego. Uogólniając: teoria Ricardiańska zbytnią wiarę pokładała w mechanizmie cenowym, teoria renty absolutnej zakładała pochodzenie wszystkich wartości od pracy, rezydualna teoria renty sprowadzała funkcje ziemi do czynnika lokalizacyjnego, a teoria neoklasyczna dowodzi, że renta jest skutkiem zawodności rynku (Czy-

Produktywność zasobów w rolnictwie w polsce…

171

żewski, 2010, s. 227–242). Celem współczesnej koncepcji renty jest usunięcie tych rozbieżności i wypełnienie istniejącej luki w ekonomii rolnej. Pozwoliłoby to na sformułowanie ważnych rekomendacji dla polityki rolnej UE, która również znajduje się w okresie przemian. W wysoko rozwiniętych gospodarkach rynkowych obserwuje się procesy, których nie uwzględniają istniejące teorie renty. Uogólniając, chodzi o trzy zjawiska: 11

zmiany wzorców konsumpcji na bardziej proekologiczne, prozdrowotne i prośrodowiskowe, które sprawiają, że czynnik ziemi tworzy nowe użyteczności,

rosnącą efektywność rynków w wyniku globalizacji ekonomicznej („przepływy bez granic”),

słabnięcie regulacyjnej roli państw narodowych i w rezultacie zmiana mechanizmu koordynacji z dychotomicznego systemu państwo–rynek na układ: rynek–państwo–instytucje ekonomiczne3, w którym te ostatnie przejmują sukcesywnie rolę państwa.

Rzadkość ziemi i przymus konsumpcji jej szeroko rozumianych produktów ujawnia nowe potrzeby konsumentów. Obok takiej tezy nie można przejść obojętnie i należy uzasadnić, skąd biorą się te nowe potrzeby, które przekładają się na popyt? Jeśli przyjąć, że piramida potrzeb Maslowa nie jest uniwersalnym modelem preferencji konsumenta i zaspokojenie potrzeb podstawowych wiąże się z koniecznością jednoczesnej odpowiedzi na potrzeby wyższego rzędu, to muszą występować zasoby, które te potrzeby zaspokajają. Do pewnego momentu rozwoju gospodarczego zasoby te są dobrami wolnymi, więc nie mają ceny i nie świadczą użyteczności w sensie ekonomicznym. Wiele potrzeb jest więc zaspokajanych niezauważalnie, co przesądza o ich ekonomicznym niebycie (notabene może stąd bierze się przeświadczenie o uniwersalności piramidy potrzeb Maslowa). Chodzi tu o walory smakowe i zdrowotne żywności, krajobraz wiejski, ekosystemy, możliwości rekreacji, dostęp do surowców i inne elementy dobrostanu obszarów wiejskich. Z drugiej strony rosnąca rzadkość ziemi względem innych czynników produkcji wymusza wzrost wydajności tego czynnika w produkcji żywności, a ogólnie dóbr „obarczonych” przymusem konsumpcji. Jest to możliwe dzięki postępowi technicznemu, który jest kluczowym czynnikiem rozwoju tzw. industrialnego modelu rolnictwa. Tyle że wspomniany wzrost wydajności i postęp techniczny pozbawiają konsumentów dóbr, które dotychczas były wolne i nie miały ceny ani użyteczności w sensie ekonomicznym. W tym sensie w miarę postępującej rzadkości czynnika ziemi rodzą się nowe potrzeby, a właściwie konsument uświadamia sobie istnienie potrzeb i użyteczności, które dotychczas były ogólnie dostępne. Ziemia może znaczną część tych potrzeb samoistnie zaspokajać, tzn. bez sprawczego udziału kapitału i pracy, ale tym razem trzeba 3 Instytucje ekonomiczne definiuje się zgodnie z podejściem Nowej Ekonomii Instytucjonalnej jako systemy relacji kontraktowych między podmiotami ekonomicznymi koordynujące proces zawierania transakcji.

172

Bazyli Czyżewski

za to płacić. Tak więc użyteczność ziemi4 jest rosnącą funkcją rzadkości jej zasobu. Prawidłowość ta, z punktu widzenia prowadzonych rozważań, jest bardzo ważna, ponieważ dotyczy tylko czynnika ziemi i wyróżnia go na tle pozostałych. W praktyce oznacza to, że im większy „głód ziemi” na danym obszarze, tym więcej realnych korzyści ona przynosi – sam fakt powiększania się rzadkości ziemi ujawnia w sensie ekonomicznym nowe lub/i większe potrzeby (poprzednio były one zaspokajane przez dobra wolne). Warto się temu problemowi przyjrzeć bliżej. Rozwój gospodarki rynkowej nieuchronnie wiąże się z procesami: postępu technicznego, industrializacji, urbanizacji i globalizacji rozumianej jako zwiększanie się mobilności zasobów i szeroko rozumianej polaryzacji struktur. Procesy te występują z różnym natężeniem, w różnych miejscach i czasie. Mają jednak wspólną cechę – wykorzystują czynnik ziemi i ujawniają następujące potrzeby konsumentów, nadając im wymiar ekonomiczny: 11

środowiskowe w sensie poszukiwania niezdegradowanego środowiska naturalnego (im mniej jest wokół nas niezdegradowych obszarów, tym bardziej ich poszukujemy),

żywieniowe w sensie rosnącego popytu na żywność o walorach zdrowotnych, smakowych i energetycznych (dodatkowo pojawia się tu problem kosztu społecznego szkód zdrowotnych wyrządzanych „niezdrową” żywnością),

rekreacyjne w sensie efektywnego zarządzania wolnym czasem i regeneracji czynnika pracy (postępujący spadek udziału ziemi w zasobach czynników wytwórczych wymusza szybszą cyrkulację pracy i kapitału, aby utrzymać obecną stopę wzrostu; procesy globalizacji przyspieszają więc tempo życia i ujawniają przy tym konieczność regeneracji czynnika pracy na niespotykaną dotąd skalę),

alternatywnych źródeł energii,

lokalizacyjne w sensie szeroko rozumianej przestrzeni życiowej,

kultywowanie tradycji i „powrotu do korzeni”,

behawioralne w sensie realizacji potrzeby szeroko rozumianej wolności.

W świetle powyższego trzeba się zastanowić, co z prawem malejącej użyteczności krańcowej produktów z ziemi? Różne produkty z ziemi są wobec siebie komplementarne, dając ogólny produkt zwany dobrostanem ziemi. Jest to także dobro publiczne i istnieje przymus jego konsumpcji dla ogółu konsumentów. Prawo malejącej użyteczności krańcowej tu się nie sprawdza, bo jeśli maleje użyteczność krańcowa jednego z elementów dobrostanu, to automatycznie wzrasta użyteczność pozostałych i to dla ogółu konsumentów – czyli użyteczność krańcowa dobrostanu zasobów naturalnych jest stała (podaż całego wektora 4 Jest to pewien skrót myślowy, bo użyteczność według ekonomii neoklasycznej jest cechą produktu, a nie zasobu, na podstawie której kształtuje się funkcja popytu. Chodzi więc tu raczej o łączną użyteczność produktów czynnika ziemi.

Produktywność zasobów w rolnictwie w polsce…

173

produktów czynnika ziemi nie może się zwiększyć). W dodatku pojawia się problem zobowiązań międzypokoleniowych w zakresie publicznego charakteru dóbr tworzących dobrostan środowiska naturalnego. Przykładowo, jeśli zalesimy 90% użytków rolnych, to użyteczność walorów rekreacyjnych lasu (i cena) spadnie, ale spowoduje to proporcjonalny wzrost użyteczności (i cen) żywności (w związku z przymusem konsumpcji), a w pewnej mierze i usług agro turystycznych. Dlatego też wzrost cen ziemi rolniczej nie musi oznaczać zmian o podłożu spekulacyjnym wynikających tylko z atrybutu rzadkości, ale powinien mieć uzasadnienie w oczekiwanych przepływach kapitału wynagradzającego nowe użyteczności zasobu ziemi. W związku z tym rentowność kapitału w rolnictwie może rosnąć w relacji do innych sektorów, przy czym nadwyżkowa część wynagrodzenia kapitału jest rentą ziemi. Jednocześnie mechanizm alokacji rynkowej nie może przetransferować do rolnictwa więcej kapitału i wyrównać jego produktywności krańcowej w skali gospodarki, ponieważ: 11

po pierwsze napotyka na bariery niemobilności istniejących czynników i uprawnień do zasobów w rolnictwie,

po drugie napływ kapitału do zainwestowania w sprzedaż nowych użyteczności ziemi będzie prowadził w dłuższej perspektywie do ich zaniknięcia (albo ujawnienia nowych potrzeb).

Aby sformułować koncepcję tworzenia i realizacji renty gruntowej alternatywną względem neoklasycznej, należy określić szereg założeń dotyczących kwestii definicyjnych i funkcjonowania gospodarki: 11

renta gruntowa jest wynagrodzeniem zasobu ziemi rolniczej tzn. takiej, która wykorzystywana jest do produkcji żywności, świadczenia usług środowiskowych (w tym agroturystycznych oraz rekreacyjnych) i wytwarzania alternatywnych źródeł energii,

gospodarka jest systemem rynkowym konkurencyjnym, który dąży do efektywności w sensie Pareto,

stopy zwrotu z kapitału w gospodarce rynkowej podlegają konwergencji w długim okresie,

oczekiwania podmiotów rynkowych są prawie racjonalne (w sensie ograniczonej racjonalności),

koszty transakcyjne związane z produkcją oparte na czynniku ziemi są większe od zera,

przyjmuje się podział na okres krótki, w którym rozmiary podaży mogą się zwiększać, ale zdolności produkcyjne oraz technologia są stałe, i okres długi, w którym zdolności produkcyjne oraz technologia są zmienne, a wielkość zasobów może ulec zmianie,

174

Bazyli Czyżewski

alokacja rynkowa jest optymalna w sensie Pareto w skali całej gospodarki narodowej lub ponadnarodowej, co oznacza, że saldo rent ekonomicznych wszystkich sektorów równa się zero (w długim i krótkim okresie według powyższego rozumienia),

alokacja jest prawie optymalna na poziomie sektorowym, co oznacza, że występuje określony wyjściowy poziom rent ekonomicznych i utrzymuje się nierównowaga albo na rynku produktów sektora, albo na rynku czynników produkcji zatrudnionych w sektorze.

Przyjęte założenia pozwalają na sformułowanie hipotezy, że źródłem renty gruntowej jest samoistna produktywność ziemi, która objawia się względnie wyższą rentownością majątku produkcyjnego w sektorze rolnym niż w jego otoczeniu, w warunkach ograniczonej substytucji pracy rolniczej kapitałem. Ograniczona substytucja pracy przez kapitał oznacza w praktyce, że jest możliwy wzrost produktywności (w sensie dochodowym) pracy własnej w rolnictwie w Polsce bez konieczności wzrostu technicznego uzbrojenia pracy i związanego z tym spadku rentowności majątku. W warunkach tworzenia opisanych wyżej nowych użyteczności praca i majątek trwały w rolnictwie przestaje być substytucyjny w pełnym zakresie. Dlatego poprawa wydajności pracy nie musi zachodzić kosztem pogorszenia rentowności majątku i wzrostu technicznego uzbrojenia pracy. Rynek ziemi rolniczej realizuje w jej cenach oczekiwania co do nadwyżkowej rentowności kapitału w rolnictwie. W procesie wyceny pomija jednak czynnik pracy własnej w rolnictwie, ponieważ nie ma on rynkowej wartości (właściciel gospodarstwa nie opłaca własnej siły roboczej). Dlatego też m.in. renty otrzymywane prze rolników w dochodach nie pokrywają się z tymi rynkowymi wynikającymi z ceny ziemi. Reasumując, ziemia w jakimś stopniu wyręcza kapitał i pewne użyteczności sprzedane konsumentowi mają zerowy koszt. Trzeba podkreślić, że proces tworzenia renty nie pokrywa się z jej realizacją i ujemny dochód rezydualny z rzadkich zasobów nie oznacza braku renty, ale jej przejęcie przez inne podmioty. Możliwa jest jednak w ocenie rynku taka organizacja procesu produkcji rolnej, żeby wycenione przez rynek renty w pełni zrealizować. Tu zaczyna się rola instytucji. Metodologia ekonomii instytucjonalnej (precyzyjnie: Nowej Ekonomii Instytucjonalnej) może posłużyć do wyjaśnienia ewentualnych różnic między zrealizowaną przez właściciela a wycenioną przez rynek wartością renty gruntowej. W długim okresie tradycyjne renty różniczkowe zanikają z uwagi na wpływ globalizacji ekonomicznej oraz wyrównywanie się produktywności gleb o różnych wskaźnikach rolniczej jakości produkcyjnej. Pozostaje jednak renta absolutna, którą jednak trudno w całości zrealizować w rolnictwie z uwagi na monopolizację ogniw pośredniczących między działami surowcowymi a konsumentem. Niemniej jednak struktury instytucjonalne mogą tworzyć komplementarną względem roli państwa ochronę dla realizacji rent gruntowych w rolnictwie. Chodzi tu na przykład o integrację kontraktową, która, obniżając koszty transakcyjne odbiorcy

Produktywność zasobów w rolnictwie w polsce…

175

surowca, pozwala uzyskać wyższe ceny zbytu produktów, a przez to wyższe dochody rolnicze.

3. Metodologiczne aspekty pomiaru produktywności kapitału w rolnictwie Produktywność zasobu kapitału i pracy można definiować i analizować w różny sposób5. Na wstępie należy rozróżnić współczynniki6 produktywności „brutto”, w których jako miarę efektu przyjmuje się produkcję globalną, oraz współczynniki produktywności „netto”, gdzie miarą efektu jest produkcja czysta, innymi słowy dochód. W najszerszym ujęciu może to być łączny dochód wszystkich czynników, czyli suma płac, podatków, amortyzacji i nadwyżki ekonomicznej, w najwęższym − ogranicza się go do nadwyżki zawierającej w sobie opłatę pracy własnej właściciela zasobów, premię za niepewność i rentę ekonomiczną. W niniejszym opracowaniu tę najwęższą postać współczynnika produktywności „netto” nazwano współczynnikiem rentowności, który jest relacją nadwyżki ekonomicznej do wybranej kategorii nakładu (np. do kapitału produkcyjnego). W sformułowanej we wstępie hipotezie jest mowa o potencjalnej rentowności kapitału w rolnictwie, która może odbiegać od rzeczywistej z tego względu, że istnieją niewykorzystane moce (zasoby) produkcyjne. Część majątku trwałego z różnych względów nie bierze udziału w procesie produkcyjnym i nie generuje dochodów. Analiza kategorii potencjalnych napotyka wiele problemów praktycznych i teoretycznych. W piśmiennictwie ekonomicznym można znaleźć różne podejścia w tym zakresie. Większość koncepcji pomiaru potencjalnych wielkości agregatów ekonomicznych nawiązuje do koncepcji M. Okuna z 1962 roku. Zaproponowane przez niego metody szacowania potencjalnego PNB (GNP) zakładały, że agregat ten jest wyznaczany przez poziom pełnego zatrudnienia, który cechuje się maksymalną produkcją w warunkach zerowej stopy inflacji. M. Okun dowodził, że maksymalizacja produkcji przy braku presji inflacyjnej jest możliwa, gdy stopa bezrobocia oscyluje wokół 4%. Argumentował on, że nie ma alternatywnych kryteriów równoważenia przeciwstawnych celów w zakresie inflacji i bezrobocia niż postulowany poziom 4%, który jednak wywodzi się raczej z powszechnie akceptowanych celów polityki makroekonomicznej w praktyce niż dociekań teoretycznych i analitycznych (Okun, 1962, s. 1–2). W sensie weryfikacji empirycznej produkcja potencjalna według M. Okuna jest „trendem równowagi” (equillibrium trend) Produktu Narodowego Brutto (lub PKB) (Freeman, 2000, s. 557). Można ją estymować, stosując wybrane metody analizy szeregów czasowych lub od strony funkcji produkcji, za pomocą której szacuje się produkcję potencjalną, przyjmując, że zatrudnia się dotychczas „nie5 Abstrahuje

się tu od pojęcia produkcyjności, która różni się od produktywności tym, że jest wyrażana w jednostkach fizycznych, a nie pieniężnych. 6 W ogólnym rozumieniu współczynnik produktywności stanowi relację efektu do nakładu.

176

Bazyli Czyżewski

aktywne” czynniki produkcji (Adams, Coe, 1989; Gordon, 1984, s. 537–586; Moosa, 1997, s. 335–356). W sektorze rolnym teoretyczne trudności napotyka zdefiniowanie trendu równowagi produkcji globalnej tego działu. Odpowiedź na pytanie, czym jest produkcja globalna równowagi w rolnictwie utrudnia fakt, że sektor ten oprócz surowców rolnych dostarcza również dóbr publicznych, których użyteczność i wycena jest problematyczna. Po pierwsze, trudności wyceny dóbr publicznych oferowanych przez rolnictwo wiążą się z ciągłym powiększaniem ich zbioru, po drugie wiele z nich nadal ma charakter pozytywnych efektów zewnętrznych i nie podlega mechanizmowi rynkowemu. Z powyższych względów, a także z uwagi na ograniczenia w zakresie dostępności porównywalnych szeregów danych statystycznych, konieczne było skonstruowanie innego wskaźnika, który umożliwiłby weryfikacje tezy postawionej we wstępie. Chodzi o dowiedzenie, że potencjalna rentowność kapitału (majątku produkcyjnego) w sektorze rolnym jest relatywnie wyższa niż w jego otoczeniu, co uzasadnia występowanie renty gruntowej. Podjęto więc decyzję, aby nie szacować produkcji potencjalnej, z założenia wyższej od rzeczywistej, ale relację bieżącej produkcji do faktycznie zaangażowanej części majątku, która pokazuje, o ile potencjalnie można by ograniczyć zasób kapitału. Przyjęto, że potencjalny zasób kapitału w rolnictwie jest równy wartości majątku trwałego netto w tym dziale. Jest to o tyle uzasadnione, że przy wysokim stopniu zużycia środków trwałych w rolnictwie rachunkowa amortyzacja majątku trwałego rzeczywiście obniża możliwości jego zastosowania w procesie produkcyjnym. Bieżące przychody są więc realizowane dzięki części aktywów trwałych nadających się do użycia oraz środkom pieniężnym w dyspozycji gospodarstw rolnych. Konkludując, dobrym przybliżeniem potencjalnego zasobu kapitału produkcyjnego jest wartość netto majątku trwałego, czyli środki trwałe brutto według cen nabycia, pomniejszone o wartość zużycia, plus środki pieniężne. Autor uznaje, że rodzinny charakter rolnictwa indywidualnego oraz nierozłączność funkcji przedsiębiorstwa i gospodarstwa domowego uzasadniają uwzględnianie w analizie całego majątku trwałego netto bez odejmowania składników nie wykorzystywanych bezpośrednio w procesie produkcyjnym. Po stronie efektów natomiast uwzględnia się nadwyżkę operacyjną brutto zgodnie z założeniem, że zysk (nadwyżka operacyjna netto) plus amortyzacja obejmują łączne wynagrodzenie zasobu kapitału. W efekcie współczynnik rentowności majątku (WRM) przedstawia się następująco i określa przeciętne dla sektora wynagrodzenie jednostki kapitału produkcyjnego (w wersji 1 z uwzględnieniem dotacji netto dla producentów, w wersji 1a bez dotacji netto): nadwyżka operacyjna brutto WRM(1) = –––––––––––––––––––––––––––––––––––––––– ; 7 majątek trwały netto + środki pieniężne

7 Środki pieniężne dla otoczenia sektorowego rolnictwa oznaczają gotówkę plus krótkoterminowe papiery wartościowe przeznaczone do obrotu, a w sektorze rolnym – oszczędności netto wynikające z rachunku kapitałowego gospodarstw indywidualnych w rolnictwie.

Produktywność zasobów w rolnictwie w polsce…

177

nadwyżka operacyjna brutto – dotacje netto dla producentów*

. WRM(1a) = ––––––––––––––––––––––––––––––––––––––––––––––––––––––––––– majątek trwały netto w zł + środki pieniężne *

Dotacje netto = dotacje – podatki od producentów, tak więc wersja 1a przedstawia rolnictwo bez wsparcia ze Wspólnej Polityki Rolnej. W wariancie 1a WRM jest niższy niż w 1, jeśli dotacje są wyższe od podatków, a tak właśnie jest w przypadku sektora rolnego.

Jest to z pewnością pewne uproszczenie, które pozwala tylko w przybliżeniu oszacować potencjalną produktywność kapitału. Interpretacja takiego wskaźnika może przykładowo wykazać, że w dziale rolnictwa potencjalna produktywność kapitału jest relatywnie wysoka, ponieważ produkcja utrzymuje się, czy nawet rośnie mimo braku inwestycji odtworzeniowych netto. Będzie to jednak dotyczyło tylko produktywności zasobu kapitału. Czynnik ziemi, zgodnie z założeniami, jest niezależny od kapitału i pracy oraz cechuje się samoistną użytecznością. Produktywność pracy jest osobnym wątkiem, który zostanie poddany analizie w kolejnej części artykułu. Drugim aspektem prowadzonej analizy jest bieżąca produktywność kapitału, tzw. produktywność struktur wytwórczych, która obejmuje transformację nakładów materiałowych i usług czynnika pracy w produkcję, pomijając aspekt inwestycyjny. W danych sektorowych Głównego Urzędu Statystycznego aspekt ten oddają macierze tzw. materiałochłonności bezpośredniej. Współczynniki chłonności są algebraiczną odwrotnością współczynników produktywności stąd mogą być bez przeszkód wykorzystane dla celów opracowania z tym, że należy analogicznie „odwrócić” ich interpretację. Autor wykorzystał w analizie produktywności rozszerzoną względem GUS koncepcję współczynnika zasobochłonności (WZ), w wersji (2) ze wsparciem budżetowym sektora i bez wsparcia (2a): WZ(2) =

zużycie pośrednie + płace + amortyzacja – dotacje netto dla producentów* produkcja globalna

––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––– ;

zużycie pośrednie + płace + amortyzacja WZ(2a) = –––––––––––––––––––––––––––––––––– .

produkcja globalna

Dotacje netto = dotacje – podatki od producentów, w wariancie 2 WZ jest niższy niż w 2a, jeśli dotacje są wyższe od podatków, a więc produktywność jest wyższa.

Produktywność struktur decyduje o występowaniu tzw. renty instytucjonalnej lub, innymi słowy, przesądza o trwałości realizowanych w sektorze rolnym rent gruntowych. Warto tu dodać, że zdaniem autora renty gruntowe związane z relatywną produktywnością zasobu kapitału w rolnictwie mają wyraz w rynkowych cenach ziemi. Natomiast realizowana w rolnictwie część rent gruntowych (dochód rezydualny) zależy od instytucjonalnego zabezpieczenia transakcji i jeśli przewyższa rentę rynkową (wynikająca z cen ziemi) określana jest mianem renty instytucjonalnej.

178

Bazyli Czyżewski

5. Dynamika produktywności zasobów w rolnictwie w Polsce na tle gospodarki narodowej Odwracając kolejność rozważań w stosunku do poprzedniego punktu, na rysunkach 1 i 2 przedstawiono dynamikę zasobochłonności (która jest odwrotnością produktywności zasobów) zgodnie z równaniami 2 i 2a. Z literatury tematu znane jest zjawisko bardziej efektywnej transformacji nakładów w produkcję globalną w rolnictwie w stosunku do pozostałych sfer gospodarki żywnościowej (Poczta, Mrówczyńska-Kamińska, 2003, s. 121–128). Sfery gospodarki żywnościowej zdefiniowano zgodnie z tabelą 1. Tabela 1. Sfery gospodarki żywnościowej według PKWiU oraz tabeli przepływów międzygałęziowych SFERY PRODUKCJNE (wg Polskiej Klasyfikacji Wyrobów i Usług) Sfera I

Przemysł paliwowo-energetyczny (10, 11, 12, 13, 14, 23, 40), przemysł metalurgiczny (27, 28), przemysł elektromaszynowy (31), przemysł środków transportu (29, 34, 35), przemysł chemiczny (24), przemysł materiałów budowlanych (20, 26), pozostałe przemysły (17, 18, 19, 21, 22, 25, 30, 32, 33, 36, 37), usługi (55, 65, 66, 67, 70, 71, 72, 73, 74, 80, 85, 90, 91, 92, 93), handel (50, 51, 52), budownictwo (45), transport i łączność (60, 61, 62, 63, 64), leśnictwo (02), pozostałe gałęzie (05, 41)

Sfera II

Rolnictwo i łowiectwo (01)

Sfera III

Przemysł spożywczy i tytoniowy (15, 16)

Źródło: opracowanie własne na podstawie: Poczta, Mrówczyńska-Kamińska, 2004, s. 24.

Tutaj, po uwzględnieniu po stronie nakładów dodatkowo płac i amortyzacji, przewaga rolnictwa również się potwierdza, a w długim okresie wyraźne się zwiększa z 0,21 zł oszczędności na jednostkę produkcji globalnej (22%) do 0,26 zł (27%) w stosunku do przemysłu spożywczego (porównanie roku 1995 do 2006) – rysunek 1. Wniosku tego nie zmienia wyłączenie z analizy dotacji dla rolnictwa – przewaga tego sektora nad resztą gospodarki się zmniejsza, ale pozostaje wyraźna – w 2006 r. jest to 0,2 zł (22%) na jednostkę produkcji globalnej w porównaniu z przemysłem rolno-spożywczym (rys. 2). Skąd bierze się ta różnica? Jest to po części efekt produktywności czynnika ziemi, innymi słowy nieopłaconej renty gruntowej, po części rezultat nieopłaconej pracy własnej. Ten wątek zostanie rozwinięty w dalszej części artykułu. Najpierw jednak warto uwzględnić w analizie produktywności aspekt inwestycyjny i przyjrzeć się współczynnikom potencjalnej rentowności kapitału produkcyjnego. W tym przypadku przewaga jest znacząca i wyraźnie rosnąca – 0,06 zł (20%) na jednostkę kapitału produkcyjnego w 1995 r. i 0,82 zł (227%) na jednostkę kapitału produkcyjnego w 2006 r. w stosunku do przemysłu rolno-spożywczego – rysunek 3. Odjęcie dotacji zmniejsza tę przewagę w 2006 r. do 0,62 zł (160%) przy zachowaniu tendencji rosnącej – rysunek 4.

Produktywność zasobów w rolnictwie w polsce…

179

zł nakładów /1 zł produkcji globalnej* zł nakładów /1 zł produkcji zł nakładów /1 zł produkcji globalnej* zł nakładów /1 zł produkcji globalnej* globalnej*

Rysunek 1. Dynamika współczynnika zasobochłonności rolnictwa i jego otoczenia latach 1995–2006 z uwzględnieniem wsparcia budżetowego dla producentów (w zł nakładów na 1 zł produkcji globalnej)

1,20 1,00

0,97 0,95 0,94 0,95 0,95 0,95 0,93 0,95 0,95 0,94 0,92 0,93

0,80 0,60

0,76

0,87 0,82 0,81 0,83

0,76 0,76 0,77 0,79

0,68 0,69

0,67

1,20 0,40 1,00 0,20

0,97 0,95 0,94 0,95 0,95 0,95 0,93 0,95 0,95 0,94 0,92 0,93

0,80 0,00

0,87 0,82 0,81 0,83 1995 0,79 2004 2005 2006 0,772003 0,76 2002 0,76 2001 0,76 1996 1997 1998 1999 2000 0,68 0,69 lata 0,60 0,67 SFERA 2 – rolnictwo i łowiectwo 0,40 SFERA 1 – działy zaopatrujące rolnictwo w środki produkcji łącznie SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy łącznie 0,20

Współczynnik zasobochłonności (WZ 2) = (zużycie pośrednie w cenach nabywcy + płace0,00 + amortyzacja – dotacje netto dla producentów)/produkcja globalna w zł; odjęcie 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 dotacji netto poprawia współczynnik. 1,20

lata

Źródło: własne na 0,95 podstawie GUS0,95 i Eurostat 1995–2006, 1995– 0,97 0,95 0,94 0,95 danych 0,94 0,93 0,95 (GUS 0,94 0,92 0,93 1,00szacunki SFERA 2 – rolnictwo i łowiectwo 2006a, 1995–2006b, 1995–2006c, 1995–2006d, Eurostat 1995–2006). SFERA 1 – działy zaopatrujące rolnictwo w środki produkcji łącznie SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy łącznie 0,86 Rysunek 0,81 2. Dynamika zasobochłonności rolnictwa 0,80 0,82współczynnika 0,75 0,75 0,76 0,78 0,72 0,73 0,73 0,76otoczenia w latach 1995–2006 i jego bez uwzględniania wsparcia 0,60 0,80

dochodowego dla producentów (w zł nakładów na 1 zł produkcji globalnej) 0,40 1,20 0,20 1,00

0,97 0,95 0,94 0,95 0,95

0,94 0,93 0,95

0,95

0,94 0,92 0,93

0,00 0,80 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 0,81 0,80 0,82 0,86 0,75 0,76 0,78 0,72 0,73 0,73 0,75 lata 0,76 0,60 SFERA 2 – rolnictwo i łowiectwo SFERA 1 – działy zaopatrujące rolnictwo w środki produkcji łącznie 0,40 SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy łącznie 0,20 0,00

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 lata SFERA 2 – rolnictwo i łowiectwo SFERA 1 – działy zaopatrujące rolnictwo w środki produkcji łącznie SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy łącznie

Współczynnik zasobochłonności (WZ 2a) = (zużycie pośrednie w cenach nabywcy + płace + amortyzacja)/produkcja globalna w zł. Źródło: jak do rysunku 1.

180

Bazyli Czyżewski

Rysunek 3. Dynamika współczynnika rentowności majątku w rolnictwie i jego otoczeniu w latach 1995–2006 z uwzględnieniem wsparcia budżetowego dla producentów (w zł nadwyżki na 1 zł majątku) zł nadwyżki /1 zł majątku* zł nadwyżki /1 zł majątku*

1,40 1,14

1,20

1,08

1,18

1,00 0,79

0,80 0,60 1,40 0,40 1,20 0,20 1,00 0,00 0,80 0,60 0,40 0,20

0,71

0,76 0,74 0,47 0,45 0,46 0,45 0,49 0,50

0,42 0,38 0,36 0,37 0,32 0,36 0,33 0,28 0,30 0,30 0,34 0,33 0,29 0,35 0,36 0,40

0,40

0,32

0,51

1,14 0,40 1,18 0,36 0,30 0,32 1,08

0,79 2002 2003 2004 2005 2006 1995 1996 1997 1998 1999 2000 2001 0,71 lata 0,76 0,74 0,47 0,45 0,46 0,45 0,49 0,50 0,51 SFERA 20,40 – rolnictwo i łowiectwo 0,42 0,38 0,35 0,36 SFERA 1 – działy zaopatrujące w środki produkcji łącznie 0,36 0,37 rolnictwo 0,40 i przemysł tytoniowy0,40 0,36 0,33spożywcze 0,36 SFERA0,32 3 – artykuły i napoje łącznie 0,34 0,32 0,28 0,30 0,32 0,30 0,30 0,33 0,29

* Współczynnik rentowności majątku (WRM1) = (Nadwyżka operacyjna brutto) / (majątek 0,00 1995 1996pieniężne). 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 trwały netto+ środki 1,20

lata

1,04

zł nadwyżki /1 zł majątku* zł nadwyżki /1 zł majątku*

0,97 1,01 SFERA 2 – rolnictwo i łowiectwo 0,81 w0,76 0,79 SFERA 1 – działy zaopatrujące rolnictwo środki produkcji łącznie Rysunek 4. Dynamika współczynnika rentowności majątku w rolnictwie 0,80 SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowywsparcia łącznie 0,73 i jego otoczeniu w latach 1995–2006 bez uwzględniania

Źródło: jak do rysunku 1. 1,00

0,60 budżetowego

0,40 1,20 0,20 1,00 0,00 0,80 0,60 0,40 0,20 0,00

0,36 0,32

dla producentów (w zł nadwyżki na 1 zł majątku)

0,43 0,39 0,37 0,41 0,34 0,38 0,35

0,32 0,36

0,41

0,34

1,04 0,41 0,39 0,31 0,33 0,97 1,01

0,81 0,76 0,79 1995 1996 1997 1998 1999 0,732000 2001 2002 2003 2004 2005 2006 lata 0,43 0,39 0,41 0,36SFERA 0,372 – rolnictwo i łowiectwo SFERA 1 – działy zaopatrujące rolnictwo 0,41 0,39 0,41 w środki produkcji łącznie SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy 0,38 0,35 0,34 0,31 0,34 0,33 łącznie 0,32 0,36 0,32 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 lata SFERA 2 – rolnictwo i łowiectwo SFERA 1 – działy zaopatrujące rolnictwo w środki produkcji łącznie SFERA 3 – artykuły spożywcze i napoje i przemysł tytoniowy łącznie

Współczynnik rentowności majątku (WRM 1a) = (Nadwyżka operacyjna brutto – dotacje netto dla producentów)/(majątek trwały netto w zł + środki pieniężne). Źródło: jak do rysunku 1.

Produktywność zasobów w rolnictwie w polsce…

181

Nie tyle bezwzględny wymiar, ile tak dynamiczny wzrost przewagi rolnictwa nad otoczeniem w zakresie rentowności majątku produkcyjnego może budzić pewne podejrzenia co do wiarygodności danych. Szczególnie zastanawiający jest skok w 2000 r. (rok kryzysu w rolnictwie)8. Kolejny skok w 2003 r. po części można uzasadniać prowydajnościowymi zmianami struktur w rolnictwie, finansowanymi z funduszy preakcesyjnych. Część tych środków nie jest wliczona do pozycji „dotacje do produkcji”, a oddziałuje na nadwyżkę ekonomiczną. Trzeba również wziąć pod uwagę nierównomierną dyfuzję postępu technicznego do różnych działów i jego pozytywne oddziaływanie na wydajność struktur wytwórczych. Można zakładać, że z uwagi na niską bazę efekty te mogły być relatywnie większe w rolnictwie, choć jest to tylko przypuszczenie trudne do zweryfikowania. Reasumując, nawet jeśli bardzo ostrożnie podejdzie się do przewag rolnictwa nad otoczeniem w zakresie rentowności majątku trwałego i uwzględni się określoną korektę tego współczynnika, to i tak przewaga pozostanie znacząca. Wracając do pytania o źródła wyższej potencjalnej rentowności majątku i produktywności struktur wytwórczych w rolnictwie, należy przeanalizować łączną produktywność zasobów kapitału i pracy w sektorze rolnym w stosunku do otoczenia. Możliwości stworzenia syntetycznego wskaźnika jest wiele9. Autor zdecydował się na rozwiązanie najprostsze, ale posiadające niewątpliwą zaletę – zachowania złotego jako jednostki analizy, co znacznie ułatwia interpretację. Otóż przeliczono zasób pracy wyrażony w AWU (Annual Work Unit) na jednostkę czasu pracy, którą przemnożono przez parytetową stawkę godzinową w gos podarce10, uzyskując w ten sposób parytetową wartość zasobu pracy w rolnictwie. Wartość tę dodano do wartości kapitału produkcyjnego i obliczono łączną produktywność zasobu kapitału produkcyjnego oraz hipotetycznego funduszu płac (traktowanego jako zasób, a nie nakład). Zgodnie z przypuszczeniami tym razem wyniki analizy wskazują na znaczną, choć malejącą przewagę otoczenia nad rolnictwem w tym zakresie, aż dwukrotną w 1995 r. i bliską zera w 2006 r. w relacji przemysłu rolno-spożywczego do rolnictwa – rysunek 5. W tej sytuacji nasuwa się wniosek, że źródłem wyższej rentowności kapitału jest przede wszystkim nieopłacona praca własna rolnika i jego rodziny. W związku z tym spadek zatrudnienia w rolnictwie i substytucja pracy własnej kapitałem (intensyfikacja kapitałochłonna) powinny doprowadzić do zbliżenia potencjalnej rentowności rolnictwa do innych działów – jest to pierwszy wariant rozwoju sytuacji, który oznaczałby postęp kapitałochłonny w tradycyjnym ujęciu Solowa. W drugim wariancie jest jednak możliwe, że zatrudnienie w sektorze rolnym spada, wydajność pracy rośnie, ale rentowność kapitału nie maleje, ponieważ 8 Z informacji GUS wynika, że nastąpiły wówczas pewne zmiany metodologii liczenia, ale dotyczyły one wszystkich gałęzi gospodarki, a nie tylko rolnictwa. Niemniej jednak z ostrożnością należy podchodzić do danych GUS dotyczących rolnictwa w Polsce w 2000 r., choć nie ujawnia się nigdzie żadnych ewentualnych błędów w tym zakresie. 9 Na przykład, można by skonstruować syntetyczny wskaźnik Hellwiga dla kapitału i pracy. 10 Stawkę parytetową obliczono jako 80% przeciętnego wygrodzenia w gospodarce. Parytet taki przyjęto na podstawie danych GUS o przeciętnych wynagrodzeniach według zawodów.

182

Bazyli Czyżewski

relacja nakładów kapitałowych do wyników nie zmienia się, mimo zmniejszenia wkładu pracy własnej. Po prostu nie zachodzi substytucja pracy własnej kapitałem. Trudno powiedzieć, jaki typ postępu miałby miejsce w tej sytuacji, ponieważ powyższe uwarunkowania wykraczają poza klasyczne taksonomie. W pewnym uproszczeniu można przyjąć, że wydajność pracy rośnie tu z uwagi na wzrost wartości, a tym samym pieniężnej produktywności czynnika ziemi, która świadczy nowe użyteczności. Można więc stwierdzić, że jest to odmiana postępu ziemiochłonnego, ale nie w sensie zwiększania jej zasobu w ha, ale wzrostu jej wartości w jednostkach pieniężnych.

zł dochodu czynników prod. / 1 zł wartości zasobów*

Rysunek 5. Dynamika syntetycznego współczynnika produktywności zasobu kapitału oraz pracy w rolnictwie i jego otoczeniu w latach 1995–2006 z uwzględnieniem wsparcia budżetowego dla producentów (w zł dochodu czynników produkcji na 1 zł wartości zasobów kapitału i pracy) 0,700

0,639

0,600

0,536

0,567

0,604 0,592 0,590 0,581 0,605 0,607 0,619 0,514

0,492

0,500 0,400 0,450

0,473 0,489

0,378 0,385 0,376 0,369

0,300 0,260 0,2682 0,2681 0,200 0,250

0,229

0,100 0,000

ł dochodu czynników prod. / 1 zł wartości zasobów

Syntetyczny współczynnik produktywności majątku i pracy (SWP) = (nadwyżka opera1,40 cyjna brutto + płace) / (majątek trwały netto + środki pieniężne + wartość czasu pracy). 1,20

Źródło: jak do rysunku 1. 1,00

Rysunki 6 i 7 wskazują, który wariant jest bardziej wiarygodny w perspektywie 0,80 zmian długookresowych. Na rysunku 6 porównano dynamikę współczynnika rentowności majątku i współczynnika produktywności pracy, przy czym zasób 0,60 pracy w tym przypadku wyrażono w postaci wartości czasu pracy według stawki 0,40 parytetowej względem otoczenia rolnictwa. Zapewniło to porównywalność jednostek. Widać wyraźnie, że oba współczynniki rosną, ale rentowność majątku 0,20 0,00

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 lata Parytetowa produktywność pracy (nadwyżka operacyjna brutto + płace)/

zł dochodu czynników prod. / 1 zł wartoś

0,500

zł dochodu czynników prod. / 1 zł wartości zasobów

1,40

0,492

0,400 0,450 0,300

0,473 0,489 0,378

0,385 0,376 0,369 Produktywność zasobów w rolnictwie w polsce…

0,260 0,2682 0,2681 0,200 0,250

183

0,229

znacznie szybciej (w sposób wykładniczy). Świadczy to o braku tendencji do 0,100 substytuowania pracy własnej kapitałem, ponieważ w takiej sytuacji wzrostowi wydajności pracy powinien towarzyszyć spadek lub co najmniej wolniejszy wzrost 0,000 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 produktywności kapitału, a tego nie widać (jest odwrotnie). lata Rysunek 6. 2Dynamika rentowności majątku SFERA – rolnictwo iwspółczynników łowiectwo i produktywności pracy w rolnictwie w Polsce 1995–2006 SFERA 1 – działy zaopatrujące rolnictwo w środkiw latach produkcji łącznie (w zł dochodu czynników na 1 zł wartości SFERA 3 – artykuły spożywcze iprodukcji napoje i przemysł tytoniowy łącznie zasobów kapitału i pracy)

1,20 1,00 0,80 0,60 0,40 0,20 0,00

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 lata Parytetowa produktywność pracy (nadwyżka operacyjna brutto + płace)/ (czas pracy w rolnictwie wg stawki parytetowej) Wykł. (Rentownność majątku w rolnictwie = nadwyżka operacyjna brutto/ (majątek trwały netto + środki pieniężne)) Wielob. (Parytetowa produktywność pracy (nadwyżka operacyjna brutto + płace)/ (czas pracy w rolnictwie wg stawki parytetowej)) Rentowność majątku w rolnictwie = nadwyżka operacyjna brutto/ (majątek trwały netto + środki pieniężne)

Źródło: jak do rysunku 1.

jednostki niemianowane (wystandaryzowane)*

1,40 Powyższą konkluzję potwierdza niemalże identyczna dynamika produktywności pracy i 1,20 rentowności majątku na rysunku 7, gdzie oba współczynniki wyrażono w jednostkach wystandaryzowanych. Dodatkowo warto zauważyć, że również 1,00 techniczne 0,80 uzbrojenie pracy nie notuje tendencji rosnącej. Reasumując, tendencje długookresowe nie wskazują na to, żeby zachodził proces substytucji pracy własnej 0,60 kapitałem, a więc bardziej prawdopodobny jest wariant drugi. Zmiany zatrudnienia 0,40 w sektorze rolnym są niezależne od nakładów kapitału. Stąd są przesłanki, by 0,20 że nadwyżkowa rentowność majątku ma swoje źródło w rencie twierdzić, gruntowej 0,00 związanej z samoistną produktywnością czynnika ziemi. Potwierdza to 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 w jakimś stopniu występowanie tendencji rozwojowych zgodnych z paradygmatem –0,20 zrównoważonego rozwoju. Standaryzowana produktywność pracy w zł na godz (SFERA 2 – rolnictwo i łowiectwo)

Standaryzowane techniczne uzbrojenie pracy Standaryzowana rentowność majątku (SFERA 2 – rolnictwo i łowiectwo) Standaryzowana produktywność majątku łącznie z wartością czasu pracy

Parytetowa produktywność pracy (nadwyżka operacyjna brutto + płace)/ (czas pracy w rolnictwie wg stawki parytetowej)

184

Wykł. (Rentownność majątku w rolnictwie = nadwyżka operacyjna brutto/ (majątek trwały netto + środki pieniężne)) Bazyli Czyżewski Wielob. (Parytetowa produktywność pracy (nadwyżka operacyjna brutto + płace)/ (czas pracy w rolnictwie wg stawki parytetowej)) Rentowność majątku w rolnictwie = nadwyżka operacyjna brutto/

Rysunek (majątek 7. Dynamika współczynników produktywności pracy, technicznego trwały netto + środki pieniężne) uzbrojenia pracy, rentowności majątku, łącznej produktywności zasobu kapitału i pracy (w jednostkach standaryzowanych, niemianowanych)

jednostki niemianowane (wystandaryzowane)*

1,40 1,20 1,00 0,80 0,60 0,40 0,20 0,00 –0,20

1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

Standaryzowana produktywność pracy w zł na godz (SFERA 2 – rolnictwo i łowiectwo) Standaryzowane techniczne uzbrojenie pracy Standaryzowana rentowność majątku (SFERA 2 – rolnictwo i łowiectwo) Standaryzowana produktywność majątku łącznie z wartością czasu pracy *

Uwagi: Współczynnik produktywności pracy = nadwyżka operacyjna brutto + płace/przepracowane godziny pracy. Współczynnik rentowności majątku (WRM1) = nadwyżka operacyjna brutto/(majątek trwały netto+ środki pieniężne). Techniczne uzbrojenie pracy = majątek trwały netto/liczba zatrudnionych w AWU. Syntetyczny współczynnik produktywności majątku i pracy (SWP) = (nadwyżka operacyjna brutto + płace)/(majątek trwały netto + środki pieniężne + wartość czasu pracy). Źródło: jak do rysunku 1.

Powyższy wniosek jest bardzo ogólny. Należy zastanowić się, jakie to może mieć przełożenie na rzeczywistość gospodarczą? Załóżmy, że realizuje się scenariusz zrównoważonego rozwoju i majątek w rolnictwie w Polsce ma, tak jak pokazano, względnie wysoką rentowność. Można wówczas zapytać: jeśli jest tak dobrze, to dlaczego sektor rolny bez subwencji nie mógłby funkcjonować w warunkach rynkowych? Druga kwestia dotyczy tego, czy w świetle powyższych danych należy „inwestować” w instrumenty wsparcia zrównoważonego modelu rolnictwa? Przeprowadzone badania upoważniają do wniosku, iż dynamika rentowności majątku trwałego w rolnictwie w Polsce odzwierciedla procesy zainicjowane integracją z UE. Otóż już w okresie preakcesyjnym okazało się, że żywność w Polsce wytwarzana mniej kapitałochłonnymi metodami niż na zachodzie Europy tylko z tego tytułu zyskuje pewne przewagi komparatywne. Innymi słowy polskie rolnictwo na początku XXI wieku zaczęło realizować swoistą „rentę zacofania” i nadwyżkowa produktywność kapitału jest tego wyrazem. Jest to efekt rozpoczęcia procesów integracyjnych we właściwym czasie i miejscu – tzn. w warunkach przesytu industrialnego modelu rolnictwa w tzw. „starej” UE(15) i kumulacji

Produktywność zasobów w rolnictwie w polsce…

185

z tym związanych negatywnych efektów zewnętrznych. Okazało się, że rolnik w Polsce w warunkach WPR, posługując się zdekapitalizowanym majątkiem i pracochłonnymi metodami produkcji, może uzyskiwać porównywalny lub wyższy przychód krańcowy niż jego sąsiad z Zachodu. Mowa tu o przychodzie, a nie dochodzie, który jest nadal niższy z uwagi na niepełny wymiar subwencji (płatności bezpośrednich) w porównaniu z krajami „starej” UE(15). Jaki z tego płynie wniosek, a właściwie o jaki model rozwojowy WPR Polska powinna zabiegać? Pierwsza opcja to dążyć do maksymalizacji tzw. renty dobrostanu środowiska wypłacanej w ramach WPR za szeroko rozumiane utrzymywanie walorów środowiskowych rolnictwa i obszarów wiejskich, których rolnik, mieszkaniec wsi, miałby być strażnikiem. Produktywność zasobów w rolnictwie nie zmieniłaby się, ale też „baza” majątkowa pozostawałaby stała. To znaczy, ze nie zachodziłby proces akumulacyjny, a funkcjonowanie takiego modelu rolnictwa byłoby uzależnione od polityki rolnej i retransferów budżetowych. Druga opcja to stymulować producentów do przejmowania wspomnianej renty przez mechanizm rynkowy w myśl następującej dewizy: jeśli kapitał jest wysoko rentowny w rolnictwie, to należy rolnikowi maksymalnie ułatwić jego pozyskanie. Oczywiście napływający strumień kapitału, będzie powodował zanikanie renty zasobów naturalnych i społecznych z uwagi na ich stopniową transformację, ale w warunkach wyśrubowanych norm WPR proces ten powinien być długotrwały i kontrolowany. Zapewne jest też pewien „przedział” funkcjonowania struktur wytwórczych w rolnictwie w Polsce, w którym prawo malejących przychodów z kapitału nie będzie działać, a wzrost nadwyżki będzie co najmniej proporcjonalny do wzrostu nakładów na majątek trwały, czyli rentowność kapitału nie obniży się do razu. Przedział ten zależy od tego, jak szybko przewagi komparatywne związane z jakością polskiej żywności ulegną wyczerpaniu. Powyższa opcja polityki rolnej ma tę przewagę nad poprzednią, że oprócz retransferu wspomnianej renty dobrostanu w subwencjach do inwestycji będą zachodzić procesy akumulacji w sektorze rolnym, które chociaż częściowo uniezależnią go od wsparcia z WPR. Otwarte pozostaje jednak pytanie, do jakiego momentu będzie to zrównoważony rozwój w świetle założeń tytułowego paradygmatu?

Podsumowanie Reasumując, produktywność zasobów w rolnictwie jest ważną przesłanką realizacji założeń zrównoważonego rozwoju. Występowanie renty kapitału zainwestowanego w rolnictwie nie związanej z „eksploatacją” czynnika pracy wskazuje na zmiany preferencji konsumentów w kierunku „konsumpcji zrównoważonej”. Analiza współczynników produktywności kapitału w rolnictwie wskazuje na takie zmiany w odniesieniu do żywności produkowanej w Polsce, choć niekoniecznie w Polsce konsumowanej. „Zrównoważenie konsumpcji” uzależnione jest bowiem od poziomu rozwoju gospodarczego. Potwierdziła się hipoteza, że potencjalna rentowność zasobu kapitału w rolnictwie w Polsce jest wyższa niż w jego otoczeniu

186

Bazyli Czyżewski

w warunkach ograniczonej substytucji pracy rolnika kapitałem. Nadwyżkowa rentowność majątku produkcyjnego w rolnictwie tworzy substancję renty gruntowej i wynagradza czynnik ziemi. Paradoksalnie jednak nie oznacza to, że polską racją stanu jest sztywne trzymanie się założeń rozwoju zrównoważonego w kontekście zmian WPR po 2013 roku. Bardziej racjonalna z punktu widzenia ładu ekonomicznego i społecznego jest – jak się wydaje – akumulacja kapitału w rolnictwie, pod warunkiem że nie zakłóca to ładu środowiskowego w skali Unii Europejskiej. Wzorce popytu na produkty i usługi rolnictwa są obecnie kształtowane globalnie. Nie ma więc powodu, żeby ład środowiskowy postrzegać tylko lokalnie czy regionalnie i inwestować w niego, jeśli już dysponuje się pewnymi przewagami komparatywnymi w zakresie jakości produktów rolnictwa. Nie wystarczy wypłacać „renty zacofania” – lepiej ją skapitalizować. Trzeba też pamiętać, że każda renta prędzej czy później zanika, stając się elementem kosztów, więc jej występowanie powinno się wykorzystywać do przeprowadzenia zmian strukturalnych.

Bibliografia Adams Ch., Coe D.T. (1989), A Systems Approach to Estimating the Natural Rate of Unemployment and Potential Output for the United States, “Working Paper”, No. 89, International Monetary Fund. Baer-Nawrocka A., Kiryluk-Dryjska E. (2009), The Influence of the Integration with the European Union on Central and Eastern European Countries’ Agricultural Productivity, w: M. Piotrowska, L. Kurowski (red.), Global Challenges and Politics of the European Union – Consequences for the New Member States, “Research Papers of Wrocław University of Economics”, No. 59, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław. Borys T. (1998), Jak budować program ekorozwoju. Informacje ogólne, Regionalny Ośrodek Ekorozwoju Fundacji Karkonoskiej w Jeleniej Górze, Jelenia Góra. Borys T. (2009), Problemy zrównoważonej konsumpcji, w: B. Fiedor, R. Jończy (red.), Rozwój zrównoważony, teoria i praktyka, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław. Czekaj T. (2008), Dochodowość materialnych czynników produkcji w gospodarstwach osób fizycznych w 2006 roku, w: W. Józwiak (red.), Efektywność funkcjonowania, aktywność inwestycyjna i zdolność konkurencyjna polskich gospodarstw rolnych osób fizycznych, IERiGŻ PIB, Warszawa. Czyżewski A. (2007), Makroekonomiczne uwarunkowania rozwoju sektora rolnego, w: A. Czyżewski (red.), Uniwersalia polityki rolnej w gospodarce rynkowej: ujęcie makro- i mikroekonomiczne, Wydawnictwa AE, Poznań. Czyżewski B. (2010), Kontrowersje wokół rent gruntowych: od ekonomii klasycznej do czasów współczesnych, „Ekonomista”, nr 2. Estes R. (1993), Toward Sustainable Development: from Theory to Praxis, “Social Development Issues”, Vol. 15, No. 3, s. 1–29. Eurostat (1995–2006) – Dane sektorowe o liczbie pełnozatrudnionych w rolnictwie w Polsce za lata 1995–2006. Fiedor B., Jończy R. (2009), Globalne problemy interpretacji i wdrażania koncepcji sustainable development, w: B. Fiedor, R. Jończy (red.), Rozwój zrównoważony,

Produktywność zasobów w rolnictwie w polsce…

187

teoria i praktyka, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław. Freeman D.G. (2000), Regional Test of Okun’s Law, “IAER”, Vol. 6, No. 3, August. Gordon R.J. (1997), Unemployment and Potential Output in the 1980s, “Brookings Papers on Economic Activity”, No. 2. GUS (1995–2006), Rachunki podaży i wykorzystania wyrobów i usług, dane za lata 1995–2006. GUS (1995–2006a), Rocznik statystyczny przemysłu, dane za lata 1995–2006. GUS (1995–2006b), Rocznik statystyczny rolnictwa i obszarów wiejskich, dane za lata 1995–2006. GUS (1995–2006c), Środki trwałe w gospodarce narodowej, dane za lata 1995–2006. GUS (1995–2006d), Rachunki narodowe według sektorów i podsektorów instytucjonalnych (rachunek kapitałowy c6), dane za lata 1995–2006. Jeżowski P. (2009), Kapitał naturalny i rozwój zrównoważony a sprawiedliwość, w: B. Fiedor, R. Jończy (red.), Rozwój zrównoważony, teoria i praktyka, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław. Kuhn T.S. (1962), The Structure of Scientific Revolutions, University of Chicago Press, Chicago. Majchrzak A., Smędzik K. (2010), Agricultural Land Market in Poland in View of Economy Fluctuations, “Management”, Vol. 14, No 1, University of Zielona Góra. Majchrzak A., Smędzik K. (2010), Państwowe grunty rolne w Polce w warunkach rynkowych, w: A. Grzelak, A. Sapa (red.), Agroekonomia w warunkach rynkowych. Problemy i wyzwania, „Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poz naniu”, nr 150, Poznań. Moosa I.A. (1997), A Cross-Country Comparison of Okun’s Coefficient, “Journal of Comparative Economics”, No. 24. Morozova O.V. (2009), Koncepcja Zrównoważonego Rozwoju w teorii ekonomii, w: B. Poskrobko (red.), Wpływ idei zrównoważonego rozwoju na politykę państwa i regionów, tom 1: Problemy ogólnopaństwowe i sektorowe, Wyższa Szkoła Ekonomiczna w Białymstoku, Białystok. Okun A.M. (1962), Potential GNP: Its Measurement and Significance, Cowles Foundation Paper 190 (reprinted from the 1962 Proceedings of the Business and Economic Statistics Section of the American Statistical Association, cowles.econ. yale.edu/P/cp/p01b/p0190.pdf). Poczta W., Mrówczyńska-Kamińska A. (2003), Tworzenie i rozdysponowanie produkcji rolnej na tle związków z gospodarką narodową, „Roczniki Nauk Rolniczych, seria G – Ekonomika Rolnictwa”, Tom 90, zeszyt 2, PAN, Komitet Ekonomiki Rolnictwa, „Wieś Jutra”, Warszawa. Poczta W., Mrówczyńska-Kamińska A. (2004), Agrobiznes w Polsce jako subsystem gospodarki narodowej, Akademia Rolnicza, Poznań. Raport Światowej Komisji ds. Środowiska i Rozwoju (1991), Nasza wspólna przyszłość, PWE, Warszawa. Stępień S., Poczta-Wajda A., Czyżewski A. (2006), Wydajność pracy w rolnictwie w Polsce i w krajach UE; Studium porównawcze, Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu „Praca w perspektywie ekonomicznej”, Poznań. Woś A., Zegar J.S.(2002), Rolnictwo społecznie zrównoważone, IERiGŻ, Warszawa. Zegar J.S. (2007), Społeczne aspekty zrównoważonego rozwoju rolnictwa, „Fragmenta Agronomica”, nr 4(96), IUNG, Puławy.

188

Bazyli Czyżewski

STRESZCZENIE Sektor rolny jest kluczowym elementem ładu zintegrowanego, ponieważ jego funkcjonowanie uzależnione jest od zasobów naturalnych, w szczególności ziemi. Celem opracowania jest ocena zmian produktywności zasobów kapitału i pracy w rolnictwie w Polsce w latach 1995–2006 w relacji do innych działów oraz określenie na tej podstawie tendencji rozwojowych sektora rolnego. Autor stawia pytanie, czy tendencje te wpisują się w paradygmat zrównoważonego rozwoju? Powyższy cel zrealizowano, konstruując autorskie współczynniki produktywności i chłonności zasobów w rolnictwie na podstawie tabeli nakładów i wyników opracowanych przez GUS dla tego sektora. Przeprowadzona analiza potwierdziła postawioną we wstępie hipotezę, że potencjalna rentowność zasobu kapitału w sektorze rolnym jest wyższa niż w jego otoczeniu. W związku z tym, jeśli stopy zwrotu z kapitału w gospodarce rynkowej podlegają konwergencji w długim okresie, to nadwyżkowa rentowność majątku produkcyjnego w rolnictwie tworzy substancję renty gruntowej, czyli wynagradza czynnik ziemi. Potwierdza to występowanie tendencji rozwojowych zgodnych z paradygmatem zrównoważonego rozwoju, w którym zasoby naturalne zyskują na użyteczności w oczach konsumentów. Słowa kluczowe: zrównoważony rozwój, renta gruntowa, czynnik ziemi, rolnictwo, tabele input-output.

Resource Productivity in Polish Agriculture: Towards the Paradigm of Sustainable Development ABSTRACT Agriculture plays a crucial role in sustainable development because it depends on natural resources, specifically on the land. The purpose of the article is to evaluate the changes of a capital and labor productivity in the agriculture sector in Poland during the 1995–2006 period in relation to other sectors and to identify its developmental tendencies. The author enquires if these tendencies fit the sustainable development paradigm? In order to achieve the purpose resources productivity and consumption indices were constructed using input-output tables (published by CSO and Eurostat for agriculture in Poland). the empirical analysis has confirmed the article’s hypothesis that potential capital productivity in agriculture is higher than in other sectors. Thus, if return on assets rates in a market economy converge in a long term, the above-average productivity of capital in agriculture generates land rent, i.e. it remunerates the land factor. It confirms the presence of tendencies described by the sustainable development paradigm , where natural resources gain utility for consumers. Keywords: sustainable development, land rent, land factor, agriculture, inputoutput tables. JEL Classification: E22, B52, Q14, Q15

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Małgorzata Podogrodzka*

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania bezrobocia w Polsce w latach 1990−2010 1. Uwagi wstępne Przejście z gospodarki centralnie planowanej do gospodarki wolnorynkowej na początku lat 90. było nowym zjawiskiem w gospodarce oraz w świadomości uczestników rynku pracy. Odmienne od dotychczas obowiązujących regulacje prawne, restrukturyzacja gospodarki i zatrudnienia, a także zmiany w poziomie popytu na pracę i w jego strukturze zasadniczo zmieniły warunki uczestnictwa na tym rynku. Stworzyło to nie tylko nowe możliwości kształtowania życia zawodowego, ale przede wszystkim przyczyniło się do silnego wzrostu konkurencyjności na tym rynku. Pojawiło się jawne bezrobocie, zjawisko zupełnie nowe, a jego poziom i natężenie stanowiło i nadal stanowi zagrożenie bytu materialnego wielu rodzin. Zmiany na rynku pracy są silnie zróżnicowane terytorialnie. Ten wątek był podejmowany w wielu pracach. Wyodrębniano regiony podobne na podstawie zmiennych dotyczących zatrudnienia lub bezrobocia (np. Frodyna, 2008; Gałecka, 2007; Grzeszczyk, 1990; Góra, Lehmann, 1995; Kluza, Serek, Toński, 1998; Kotowska, Podogrodzka, 1995; Kotowska i inni, 1995; Kostrzewska, Pawełek, 2007; Kwiatkowski, 1993; Kwiatkowski, Tokarski, 1999; Kwiatkowski, Kubiak, 1996; Kwiatkowski, Gawrońska, 1995; Kwiatkowski, Lehmann, Schaffer, 1992; Malarska, Szymczak, 1995; Malarska, 1994; Malarska, 1993; Makać, 1998; Meller, 1992; Mortimer-Szymczak, 1993; Mortimer-Szymczak, 1992; Newel, Pastore, Socha, 2000; Nowakowska, 1993; Omelczuk-Szlachta, 1995; Opałło, 1994; Runge, * Instytut

Statystyki i Demografii, Szkoła Główna Handlowa.

190

Małgorzata Podogrodzka

1993; Scarpetta, Huber, 1995; Szumlicz, 1995; Tokarski, Kwiatkowski, 2007; Tokarski, 2005; Zdrojewski, 2005). W każdym z tych opracowań opis sytuacji na wojewódzkich (regionalnych) rynkach pracy był rozpatrywany przy uwzględnieniu różnych kryteriów doboru zmiennych oraz technik wyodrębniania jednorodnych rejonów. W prowadzonych analizach uwzględniano niewielką liczbę zmiennych, a różni badacze wykorzystywali zwykle te same charakterystyki. Rozważania dotyczyły określonego punktu czasowego lub niewielkiego przedziału czasu. Celowe wydaje się więc przeprowadzenie szerszej analizy przestrzennego zróżnicowania rynku pracy w Polsce, która będzie nie tylko ujmować różne cechy tego rynku, ale także dotyczyć dłuższego okresu. Podejście to pozwoli na określenie pewnych specyfik regionalnego rynku pracy i jego zmian w czasie, mimo że w 1999 r. zmienił się poziom agregacji danych według województw. Celem artykułu jest wyodrębnienie grup województw jednorodnych z punktu widzenia sytuacji na rynku pracy, analizowanej od strony bezrobocia, zbadanie stabilności tego podziału w czasie oraz określenie regionów Polski najbardziej zagrożonych bezrobociem. Rozważania będą prowadzone dla lat 1990−2010. Opis ten pozwoli na zweryfikowanie następujących hipotez badawczych: (1) województwa charakteryzujące się podobną sytuacją na rynku pracy tworzą zwarte przestrzennie obszary; (2) grupy województw podobnych ze względu na sytuację na rynku pracy nie uległy zmianie w czasie oraz (3) obszary wschodniej Polski odznaczają się najgorszą sytuacją na rynku pracy. W rozważaniach na temat przestrzennego zróżnicowania rynku pracy za porównywalny obiekt przyjęliśmy województwo. Jest to region administracyjny, który − zdaniem wielu badaczy − charakteryzuje się wysokim stopniem instytucjonalizacji, stanowi podstawową jednostkę strukturyzacji i organizacji przestrzennej kraju (Chojnicki, 1996; Czyż, 2002). Jednocześnie w przyjętym do analizy okresie podział administracyjny Polski istotnie się zmienił. Przeprowadzona w 1999 r. reorganizacja przestrzenna spowodowała powstanie nowych dużych województw, których granice administracyjne nie pokrywają się z poprzednio istniejącymi obiektami. Sytuacja ta uniemożliwia agregację informacji o rynku pracy według jednostek administracyjnych do poziomu porównywalnego w czasie. Dlatego też dla lat 1990−1998 wykorzystano informacje o 49 województwach, a dla lat 1999−2010 o 16 regionach. Analiza będzie prowadzona oddzielnie dla tych lat. Mimo iż dla badanych podokresów zakres i charakter prowadzonych analiz jest bezpośrednio nieporównywalny, ale ich wspólne ukazanie może przyczynić się do lepszego określenia determinant przestrzennego zróżnicowania sytuacji na rynku pracy oraz ukazania jego stabilności w czasie. Jednocześnie trzeba pamiętać o tym, że w ramach przyjętych do analizy jednostek administracyjnych mogą występować duże wewnętrzne różnice w omawianym procesie, zwłaszcza po 1999 roku. W celu ich ukazania analizy takie powinny być prowadzone w granicach danego regionu według powiatów czy gmin. W przypadku rozważań odnoszących się do całego obszaru Polski takie wnioskowanie byłoby zbyt szczegółowe, a interpretacja wyników znacznie utrudniona.

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 191

Do wyodrębnienia jednorodnych grup województw wykorzystano jedną z metod taksonomicznych, tj. metodę aglomeracyjną. W pierwszym kroku rozważań dokonaliśmy statystycznej oceny każdej z proponowanych zmiennych opisujących sytuację na regionalnych rynkach pracy ze względu na zmienność ich wartości w czasie oraz skorelowania między sobą. Większość z proponowanych cech nie była uwzględniana w prowadzonych do tej pory badaniach lub nie łączono ich. Rzadko dokonywano też ich formalnej oceny. Krok drugi dotyczy wyodrębnienia podobnych województw, które są opisywane łącznie przez wiele charakterystyk. Na początku analizy wyznacza się średnią arytmetyczną ze wszystkich zmiennych należących do danego zbioru obiektów (hipotetyczny wzorzec), a następnie oblicza się odległość między tym wzorcem a obiektami lub utworzonymi skupieniami (grupą obiektów podobnych), wykorzystując w tym celu metrykę Euklidesową. W kolejnym kroku odległości te są sumowane w każdym wyodrębnionym zbiorze obiektów. Jednostki lub skupienia są podobne, jeżeli suma odległości między obiektami wchodzącymi w skład danej grupy jest najmniejsza. Algorytm tworzenia jednorodnych grup polega zatem na tworzeniu kolejnych skupień poprzez dodanie do już istniejącego zbioru obiektów następnej jednostki. W efekcie końcowym utworzone zostaje jedno skupisko, które nie może być podzielone, ale może składać się z wielu skupisk. Metoda ta nie pozwala na bezpośrednie przyporządkowanie oceny sytuacji na rynku pracy według wyodrębnionych jednorodnych grup województw, natomiast umożliwia jej dokonanie w odniesieniu do wzorca hipotetycznego. Dla lat 1990−1998 przyjęto, że będzie nim województwo warszawskie, a w latach 1999−2010 − województwo mazowieckie. Wybór tych jednostek wynikał z dokonanego przeglądu literatury. Bardzo często jednostki te uznaje się bowiem za odznaczające się relatywnie najlepszą sytuacją na rynku pracy. Ponieważ każda z proponowanych zmiennych opisujących sytuację na regionalnych rynkach pracy ukazuje jego różne aspekty, będziemy je traktować jako tak samo istotne oraz przyjmujemy, że są one destymulantami dla oceny tejże sytuacji. Wyznaczając odległość między obiektami możemy określić skalę regionalnej intensywności tego zjawiska. Im odległość większa, tym gorsza sytuacja na rynku pracy w porównaniu do pozostałych jednostek. Krok ostatni w analizie wyodrębniania jednorodnych grup województw polega na sprawdzeniu poprawności dokonanych podziałów. Dokonuje się jej poprzez wyznaczenie odpowiednich miar odległości wewnątrzgrupowych i międzygrupowych. Im niższe wartości wyznaczonych miar, tym w pierwszym przypadku wyższa ocena poprawności uzyskanego podziału, a w drugim − gorsza. Informacje o bezrobociu pochodzą z rejestracji bieżącej, która prowadzona jest przez rejonowe urzędy pracy. W rozważaniach staramy się dokonać możliwie szerokiej charakterystyki bezrobocia według województw, dlatego też uwzględniliśmy zmienne opisujące to zjawisko na wielu płaszczyznach, tj.: 11

zmienne dotyczące poziomu i natężenia bezrobocia oraz strumieni (grupa I), tj.: liczba osób zarejestrowana jako bezrobotne; stopa bezrobocia, która określa

192

Małgorzata Podogrodzka

relację osób bezrobotnych w stosunku do osób aktywnych zawodowo; wskaźnik napływu do bezrobocia, tj. relacja między liczbą osób nowo zarejestrowanych w okresie (t, t + 1) do liczby bezrobotnych już zarejestrowanych w momencie (t); wskaźnik odpływu z bezrobocia, tj. relacja między liczbą bezrobotnych wyrejestrowanych w okresie (t, t+1) do liczby bezrobotnych zarejestrowanych w momencie (t + 1); 11

zmienne opisujące populację bezrobotnych ze względu na cechy demograficznospołeczne (grupa II), tj.: odsetek bezrobotnych kobiet; struktura bezrobotnych według wieku, gdzie wyróżniono grupy wieku 18−24, 25−34, 35−44, 45−54, powyżej 55 lat; struktura bezrobotnych według wykształcenia, tj. posiadających wykształcenie wyższe, policealne, ogólnokształcące, zasadnicze zawodowe, podstawowe i poniżej; struktura bezrobotnych według czasu pozostawania w populacji bezrobotnych, tj. do 6 miesięcy, 6−12 miesięcy, powyżej 12 miesięcy; odsetek bezrobotnych biernych zawodowo przed zarejestrowaniem; odsetek bezrobotnych nieposiadających prawa do pobierania zasiłku dla bezrobotnych.

W pracy wykorzystano dane o bezrobociu rejestrowanym zaczerpnięte z publikacji GUS oraz Ministerstwa Pracy i Polityki Społecznej. Wszystkie analizy statystyczne zostały wykonane przy użyciu programu komputerowego SPSS.

2. STATYSTYCZNA OCENA ZMIENNYCH OPISUJĄCYCH PRZESTRZENNE ZRÓŻNICOWANIE BEZROBOCIA

W analizach prowadzonych z wykorzystaniem metod taksonomicznych muszą być podjęte pewne decyzje przed ich rozpoczęciem. Dotyczą one: wyboru zmiennych diagnostycznych, tj. takich, które opisują istotne własności badanych jednostek, miary odległości między obiektami oraz przyjętych kryteriów w procesie formowania grup o podobnych własnościach. W tej części artykułu zajmiemy się właśnie tymi zagadnieniami. Przez obiekt będziemy rozumieć jednostki analizy podlegające klasyfikacji, tj. województwo (region), a przez cechę (zmienną) – własności obiektów badanego x ij –rx j pod x ij –rx j na niejednorodność proponowanych cech, zróżnicowanych zbioru. Ze względu z ij = z = ij poziomu wartości oraz jednostek pomiaru, zostaną one poddane względem S j proceSj x ij –rx j durze standaryzacji wzoru: z ij = , przy czym: i = 1, n, j = 1, k; i = 1, n, j = 1,według k; Sj rx j gdzie: rx j to średnia arytmetyczna nieważona, a Sj − nieobciążone odchylenie i = 1, n, j = 1, k; standardowe wyznaczone dla każdej ze zmiennych osobno; n − liczba obiektów; 1 1 / / d d ppcharakterystyk = / / żerxdj(każda d pp = O i, O j), k − liczba zmiennych. Zakładamy, z proponowanych n p (n p - 1) O i ! A p Oj ! A p n p (n p - 1) O i ! A p Oj ! A p wywiera jednakowy wpływ na odległość między 1badanymi jednostkami, tzn. że 1 posiadają one jednakową wariancję. d pp = n (n - 1) / d/ =d (O1i, O j),/ / d (O i, O qp / / d (traktować d pq = O i, O j), O i ! A p Oj !pA p p n p nsytuacji Każdą ze zmiennych jako destymulantę do oceny q Oi ! A p O j ! A q n p n q Oi ! Abędziemy p O j ! Aq 1 wpływa niekorzystnie na analina regionalnym rynku pracy. Wzrost djej wartości / / d (O i, O j), pq = n p n q Oi ! A pjako zowane zjawisko. W przypadku zmiennej określonej (wzrost O j ! Astymulanta q

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 193

wartości zmiennej wpływa korzystnie na analizowane zjawisko) zostanie ona przekształcona na destymulantę według formuły 1 − wartość stymulanty. Dobór cech opisujących różne aspekty rynku pracy sprowadza się do redukcji zmiennych ze wstępnie zaprezentowanej listy potencjalnych cech, aby pozostały tylko te, które odznaczają się jak największą diagnostycznością badanego zjawiska, tzn. zawierają istotne informacje o rozważanych procesach. Jednocześnie charakterystyki te muszą spełniać określone kryteria merytoryczne i formalne, a także zapewnić odpowiednią wartość informacyjną. Spełnienie kryterium merytorycznego oznacza, iż muszą one ujmować najbardziej istotne, a nie marginalne, własności analizowanych obiektów. Kryterium formalne wymaga zaś, aby były one mierzalne w sensie możliwości liczbowego wyrażenia ich poziomu. Kryterium wartości informacyjnej oznacza, iż cechy diagnostyczne powinny posiadać wysoką zdolność dyskryminacji obiektów, tzn. dużą zmienność w przestrzeni lub czasie oraz charakteryzować się brakiem (lub słabą) korelacji między sobą. Ma to na celu wyeliminowanie powtarzania informacji przez inne charakterystyki. Porównuje się więc wartości współczynników zmienności wyznaczone dla potencjalnych charakterystyk z arbitralnie przyjętą wartością krytyczną, a następnie eliminuje się te, dla których wyznaczone wartości są mniejsze od przyjętej wartości. Do oceny stopnia skorelowania zmiennych najczęściej korzysta się ze współczynnika korelacji liniowej Pearsona. W naszych rozważaniach przyjmujemy, że cechy charakteryzują się relatywnie dużą zmiennością, jeżeli współczynnik zmienności przyjmuje wartości wyższe niż 0,6 dla lat 1990−1998 oraz 0,4 dla lat 1999−2010. Współczynnik korelacji przyjmuje odpowiednio wartości wyższe niż 0,4 i 0,51. Te różne kryteria dla wartości arbitralnej wynikają z różnej liczby obiektów podlegających analizie w badanych okresach. Przestrzenna analiza wyróżnionych charakterystyk wskazuje, iż większość z nich odznacza się relatywnie dużym rozproszeniem oraz zmiennością wartości w czasie, ale relatywnie stałym uporządkowaniem według województw (tab. 1). W latach 1990−2010 dodatnia przestrzenna zależność występowała między poziomem bezrobocia a stopą bezrobocia, natomiast między wskaźnikiem napływu i wskaźnikiem odpływu nie była stabilna w czasie. W latach 1990−1998 była ona istotnie ujemna, ale w kolejnych już jej nie obserwujemy. W latach 90. istotna dodatnia korelacja wystąpiła między stopą bezrobocia a wskaźnikiem napływu oraz jej brak w odniesieniu do wskaźnika odpływu. W okresie późniejszym nie obserwujemy już zależności między tymi zmiennymi. W całym badanym okresie współczynniki korelacji wskazują na dodatnią zależność między odsetkiem bezrobotnych uprzednio biernych zawodowo a odsetkiem bezrobotnych bez prawa do zasiłku. Brak zależności wystąpił natomiast między odsetkiem bezrobotnych kobiet a odsetkiem bezrobotnych uprzednio biernych zawodowo oraz odsetkiem bezrobotnych bez prawa do zasiłku. Zależność między rozkładami wyznaczonymi dla określonego okresu pozostawania w populacji 1 Przyjęcie tych granicznych wartości wynika z faktu, że przy poziomie istotności 0,01 korelację

między rozkładami województw według określonej charakterystyki można uznać za istotną.

194

Małgorzata Podogrodzka

Tabela 1. Syntetyczny obraz przestrzennych zmian wybranych zmiennych bezrobocia w latach 1990−2010

Zmienna

Współczynnik zmienności − skala rozproszenia w czasie

Obszar Zależność zmienności wojewódzkich − zmiany rozkładów wartości w czasie w czasie

Poziom bezrobocia

duże/umiarkowane

istotne

istotna

Stopa bezrobocia

duże/małe

istotne

istotna

Wskaźnik napływu

duże/małe

stabilne

istotna

Wskaźnik odpływu

duże/małe

istotne

nieistotna

Odsetek bezrobotnych kobiet

małe

istotne

istotna

Odsetek bezrobotnych biernych zawodowo przed zarejestrowaniem

umiarkowane

istotne

nieistotna

Odsetek bezrobotnych bez prawa do zasiłku

umiarkowane/małe

istotne

nieistotna

grupy wieku

15−24

umiarkowane

istotne

istotna

25−34

małe

istotne

istotna

35−44

małe

istotne

nieistotna

45−54

duże/umiarkowane

istotne

istotna

istotne

istotna

55 i więcej wykształcenie

czas przebywania w populacji bezrobotnych

duże

wyższe

duże

istotne

istotna

policealne

umiarkowane

nieistotne

istotna

średnie

umiarkowane/małe

istotne

istotna

zawodowe

słabe

istotne

istotna

podstawowe

umiarkowane

istotne

istotna

do 6 m-cy

umiarkowane/małe

istotne

istotna

6−12 m-cy

umiarkowane/małe

istotne

nieistotna

pow. 12 m-cy

umiarkowane/małe

istotne

nieistotna

Źródło: opracowanie własne na podstawie danych z publikacji GUS oraz MPiPS.

bezrobotnych nie była stabilna w czasie. W latach 1990−1998 jej brak obserwujemy między udziałem bezrobotnych przebywających w tej zbiorowości do 6 miesięcy a 6−12 miesięcy, zaś istotną ujemną zależność dla okresu 6−12 miesięcy i powyżej 12 miesięcy. W kolejnej dekadzie sytuacja przedstawiała się już nieco inaczej. Na początku występowała istotna zależność między omawianymi

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 195

zmiennymi, ale pod jego koniec już jej brak. Stale w czasie dodatnią zależność obserwujemy między odsetkiem bezrobotnych będących w wieku 15−24 a 25−34 oraz 45−54 i powyżej 55 lat. Natomiast jej brak odnotowujemy z grupą wieku 35−44 lata. Również niezmiennie w czasie istotną dodatnią korelacją charakteryzuje się udział bezrobotnych z wykształceniem wyższym oraz z policealnym i średnim zawodowym, a jej brak − z pozostałymi kategoriami wykształcenia. Z informacji przedstawionych dla zmiennych z grupy 1 wynika, iż każda z nich spełnia wymogi formalne i może być uznana za zmienną diagnostyczną. Jednakże korelacja między nimi pozwala na wybór tylko jednej i będzie nią stopa bezrobocia. W grupie 2 nie wszystkie zmienne spełniają kryterium poziomu i rozproszenia, jednak z merytorycznego punktu widzenia wybór ich jako zmiennych diagnostycznych jest całkowicie uzasadniony. Do dalszych rozważań wybrano zatem: odsetek bezrobotnych biernych zawodowo przed zarejestrowaniem, odsetek bezrobotnych w wieku powyżej 35 lat, odsetek bezrobotnych z wykształceniem co najwyżej zasadniczym, odsetek bezrobotnych pozostających w populacji bezrobotnych powyżej 12 miesięcy. Wybrane charakterystyki opisują różne aspekty bezrobocia, tj. jego natężenie, jakościową stronę zasobu bezrobocia oraz napływ do populacji bezrobotnych osób spoza rynku pracy. Jednocześnie są one destymulantami dla oceny tejże sytuacji na regionalnych rynkach pracy. Wzrost ich wartości określa relatywne pogorszenie się sytuacji danego województwa w stosunku do pozostałych.

3. Wyodrębnienie regionów podobnych ze względu na sytuację na rynku pracy Po spełnieniu kryteriów formalnych stawianych charakterystykom opisującym sytuację na regionalnych rynkach pracy i uznaniu ich za zmienne diagnostyczne kolejnym etapem w wyodrębnianiu jednorodnych grup jest budowa macierzy podobieństwa obiektów, czyli macierzy odległości. Przez pojęcie odległości między obiektami rozumie się odległość między punktami w wielowymiarowej przestrzeni. Wyznaczone odległości pozwalają określić położenie każdego punktu w stosunku do pozostałych punktów, a tym samym wskazać miejsce tego punktu w całej zbiorowości i zarazem umożliwić ich uporządkowanie i klasyfikację. W artykule wykorzystano metodę aglomeracyjną, w której dokonuje się łączenia obiektów w grupy opisywane przez wiele różnych zmiennych. Początkowo każdy obiekt traktowany jest jako odrębna grupa. Tyle jest skupisk, ile obiektów. W drugim kroku dwa obiekty łączone są w jedno skupisko. W trzecim podejściu inny obiekt jest dodawany do już powstałego skupiska lub tworzy nowe samodzielne skupisko. W następnych krokach inne pojedyncze obiekty dodawane są do już utworzonych skupień lub tworzą nowe skupienie. W efekcie końcowym utworzone zostaje jedno skupisko, które nie może być podzielone, ale może składać się z wielu skupisk. Metoda ta nie pozostawia obiektów

196

Małgorzata Podogrodzka

poza skupieniem, tzn. nie tworzy obiektów odseparowanych od skupienia. Proces klasyfikacji kończy się w momencie uzyskania jednej grupy obejmującej wszystkie obiekty zbioru. W artykule wykorzystano kombinatoryczną technikę grupowania obiektów metodą Warda (Nowak, 1990; Grabiński i inni, 1983; Młodak, 2006). Wykorzystując metodę aglomeracyjną, wyodrębniono jednorodne grupy województw dla lat 1990, 1998, 1999 i 2010. Wybór ich wynika z tego, iż w omawianym okresie podział administracyjny kraju uległ zmianie, oraz z wniosków uzyskanych z analizy zależności rozkładów województw według wartości wyróżnionych zmiennych diagnostycznych. Właśnie między tymi latami dla niektórych z omawianych charakterystyk zmieniło się bowiem uporządkowanie województw (tab. 2). Tabela 2. Korelacja między rozkładami województw według analizowanych zmiennych diagnostycznych w latach 1990–2010 1990–1998 Zmienne diagnostyczne

1999–2010

korelacja między rozkładami województw

Stopa bezrobocia

istotna

Wskaźnik odpływu

nieistotna

Odsetek bezrobotnych w wieku powyżej 35 lat

istotna

nieistotna

Odsetek bezrobotnych z wykształceniem co najwyżej zasadniczym

istotna

Odsetek bezrobotnych pozostających w populacji bezrobotnych powyżej 12 miesięcy

nieistotna

Odsetek bezrobotnych biernych zawodowo przed zarejestrowaniem

nieistotna

Źródło: opracowanie własne na podstawie danych z publikacji GUS oraz MPiPS.

W tabelach 4 i 5 przedstawiono macierz odległości wyznaczoną dla zmiennych bezrobocia według województw w latach 1990 i 1998. Dla 1990 r. można było wyodrębnić 6 jednorodnych grup województw, które charakteryzują się różną liczbą obiektów wchodzących w ich skład, a dwie z nich zawierają po jednym elemencie. W 1998 r. obserwujemy podobną sytuację, tj. uzyskano również 6 grup jednorodnych województw o różnej liczbie obiektów, ale już trzy z nich tworzyły skupiska jednoelementowe. Świadczy to o wzroście liczby obiektów odznaczających się podobną sytuacją na rynku pracy, ale też o wzroście obiektów, gdzie sytuacja ta była skrajnie odmienna (tab. 3).

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 197

Tabela 3. Jednorodne grupy województw charakteryzowane przez zmienne bezrobocia w latach 1990 i 1998 Grupa

Województwo 1990

1998

warszawskie (n = 1)

krakowskie (n = 1)

łódzkie (n = 1)

bielskie, gdańskie, katowickie, opolskie, poznańskie, szczecińskie, wrocławskie (n = 7)

krakowskie (n = 1)

bialskopodlaskie, chełmskie, częstochowskie, kaliskie, krośnieńskie, leszczyńskie, lubelskie, nowosądeckie, przemyskie, rzeszowskie, siedleckie, sieradzkie, tarnobrzeskie, tarnowskie, zamojskie (n = 15)

białostockie, bielskie, częstochowskie, gdańskie, leszczyńskie, katowickie, kieleckie, lubelskie, opolskie, poznańskie, pilskie, szczecińskie wrocławskie, zielonogórskie (n = 14)

bydgoskie, elbląskie, gorzowskie, jeleniogórskie, koszalińskie, legnickie, łomżyńskie, ostrołęckie, pilskie, piotrkowskie, skierniewickie, słupskie, toruńskie, wałbrzyskie, włocławskie, zielonogórskie (n = 16)

bialskopodlaskie, bydgoskie, ciechanowskie, chełmskie, kaliskie, konińskie, krośnieńskie, łomżyńskie, ostrołęckie, nowosądeckie, płockie, przemyskie, siedleckie, sieradzkie, skierniewickie, rzeszowskie, tarnobrzeskie, tarnowskie, zamojskie (n = 18)

białostockie, ciechanowskie, kieleckie, konińskie, łódzkie, olsztyńskie, płockie, radomskie, suwalskie (n = 9)

elbląskie, gorzowskie, jeleniogórskie, koszalińskie, legnickie, olsztyńskie, piotrkowskie, radomskie, słupskie, suwalskie, toruńskie, wałbrzyskie, włocławskie (n = 13)

Źródło: opracowanie własne na podstawie danych GUS oraz MPiPS.

W roku 1990 większość województw należących do grupy trzeciej charak teryzowała się znacznym rozproszeniem na obszarze Polski, ale głównie w zachodniej części kraju. Jednostki wchodzące w skład grupy czwartej tworzyły dość zwarty przestrzennie obszar w przygranicznej części środkowo-wschodniej i południowo-wschodniej Polski oraz dodatkowo w części środkowo-zachodniej. Do grupy piątej należały przede wszystkim województwa położone w przygranicznej części zachodniej Polski oraz w regionie północno-zachodnim kraju, tworząc dość zwarty przestrzennie obszar. W grupie szóstej większość województw była położona na obszarze północno-wschodniej oraz środkowo-południowej Polski.

198

Małgorzata Podogrodzka

Tabela 4. Macierz odległości dla zmiennych bezrobocia według województw w 1990 r. Nr Województwo 1

Warszawskie 0,00

2 Bialskopodlaskie 35,40 0,00 3 4 5 6 7

Białostockie 44,65 5,48 0,00 Bielskie 29,21 1,81 7,50 0,00 Bydgoskie 39,43 1,36 4,39 3,31 0,00 Chełmskie 33,33 0,43 5,35 3,21 2,34 0,00 Ciechanowskie 51,45 3,66 3,76 9,32 2,44 3,34 0,00

8 Częstochowskie 27,78 0,73 7,99 1,77 1,90 1,08 5,84 0,00 9 10 11 12 13 14

Elbląskie 39,05 2,73 8,92 5,63 1,04 3,52 3,63 2,20 0,00 Gdańskie 24,41 4,98 16,88 4,29 5,48 6,25 13,14 2,19 3,89 0,00 Gorzowskie 47,20 2,94 2,45 6,41 0,89 3,47 0,82 4,63 2,69 10,62 0,00 Jeleniogórskie 45,34 7,54 7,20 8,89 2,53 9,25 5,99 7,40 3,27 9,63 2,89 0,00 Kaliskie 39,84 1,48 9,19 5,10 1,48 1,97 3,29 1,50 0,62 4,06 3,21 6,18 0,00 Katowickie 20,90 4,35 13,65 1,44 6,03 5,75 14,53 2,32 6,93 1,75 11,04 11,34 6,63 0,00

Kieleckie 39,62 2,33 3,11 6,93 2,52 1,35 1,00 3,62 3,86 10,62 1,72 7,42 3,15 10,90 0,00

Konińskie 66,16 8,36 2,56 12,77 7,31 8,66 3,75 13,18 12,27 24,41 3,79 11,23 11,50 21,81 5,58 0,00

17 18 19 20 21 22 23

Koszalińskie 43,41 4,98 4,61 6,90 1,17 6,20 3,61 5,30 2,24 8,68 1,26 0,36 4,29 9,86 4,57 8,30 0,00 Krakowskie 18,30 8,52 10,85 7,14 13,41 6,95 16,89 8,13 17,36 14,35 15,63 22,84 15,22 8,49 10,20 19,82 18,71 0,00 Krośnieńskie 41,42 1,39 9,43 5,45 2,01 1,70 3,20 1,76 1,26 4,92 3,59 7,69 0,12 7,35 3,02 11,09 5,41 14,95 0,00 Legnickie 36,75 2,83 9,38 5,10 1,10 3,86 4,68 1,95 0,10 2,96 3,22 3,06 0,92 5,72 4,66 13,45 2,24 16,91 1,71 0,00 Leszczyńskie 36,35 0,64 9,66 2,51 2,30 1,44 5,58 0,79 2,22 3,27 4,96 8,96 0,95 3,91 4,47 12,37 6,59 11,52 0,84 2,43 0,00 Lubelskie 24,02 2,11 5,72 3,93 3,99 1,03 5,79 1,67 5,27 6,47 5,42 10,26 4,32 5,29 2,20 12,02 7,31 3,97 4,37 5,33 3,79 0,00 Łomżyńskie 31,30 5,46 6,43 7,30 2,37 5,63 5,29 4,19 2,39 6,56 3,25 2,00 4,55 8,19 4,29 13,05 1,45 14,80 5,82 2,23 7,00 4,72 0,00

Łódzkie 46,42 19,11 9,08 15,13 13,55 21,27 19,40 19,75 19,55 24,72 12,93 8,99 23,74 19,54 18,92 16,52 9,57 23,65 25,87 18,50 24,21 19,33 11,68

Nowosądeckie 39,97 0,56 7,18 3,66 3,11 0,58 3,92 1,93 4,34 7,24 4,38 11,25 20,2 6,84 2,67 8,56 7,93 9,48 1,43 4,79 0,96 3,05 8,63

Olsztyńskie 53,29 6,01 1,47 9,88 3,14 6,29 1,59 8,57 6,11 16,57 0,77 4,12 7,04 16,11 2,92 2,21 2,44 17,97 7,45 6,86 9,33 8,02 5,07

Opolskie 28,15 8,19 22,19 5,75 8,43 10,62 18,57 5,06 6,81 0,92 14,82 12,09 7,22 2,49 16,48 29,79 11,77 19,51 8,32 5,43 5,61 11,50 10,58

Ostrołęckie 46,23 2,62 3,18 4,60 0,49 3,93 2,26 4,09 2,52 8,87 0,45 2,18 3,22 8,77 3,24 4,85 0,95 15,83 3,78 2,69 4,23 6,12 3,49

Pilskie 47,42 1,58 5,47 4,32 0,53 2,87 2,15 3,00 1,63 7,18 1,13 3,94 1,44 8,02 3,22 6,17 2,32 16,39 1,65 1,92 2,12 5,97 4,88

Piotrkowskie 51,27 4,59 7,35 6,49 1,36 6,81 4,49 5,50 2,07 7,98 2,20 1,74 3,33 9,69 6,64 8,98 1,37 22,67 4,18 2,06 4,89 10,00 4,63

Płockie 43,30 2,57 0,75 4,63 1,65 2,98 2,09 4,59 4,95 11,62 0,80 4,83 5,00 9,73 1,90 2,84 2,70 11,01 5,23 5,30 5,38 4,26 4,56

Poznańskie 12,13 9,88 21,60 6,60 11,53 10,56 21,58 5,52 10,52 2,34 17,97 16,19 10,90 2,07 16,21 33,57 15,12 11,26 12,06 8,96 8,76 8,01 10,27

Przemyskie 46,90 2,36 8,47 7,93 2,47 2,25 1,66 3,41 1,81 8,06 2,82 7,78 0,71 10,97 2,14 8,95 5,32 16,98 0,47 2,66 2,36 5,21 6,09

Radomskie 42,41 1,56 1,72 4,46 0,96 1,77 1,11 3,26 3,25 9,68 0,45 4,72 3,02 8,95 0,95 3,62 2,48 11,17 3,14 3,71 3,70 3,33 3,90

Rzeszowskie 38,54 3,21 9,66 8,37 2,76 2,69 2,93 2,81 1,14 5,98 3,74 6,87 0,86 9,65 2,43 12,75 4,87 15,98 1,03 1,74 3,11 4,10 3,73

Siedleckie 33,77 0,81 10,45 2,64 3,36 1,26 6,59 0,82 3,54 3,49 6,26 11,12 1,58 3,75 4,75 13,64 8,35 9,79 1,31 3,53 0,18 3,25 8,11

Sieradzkie 43,26 0,69 7,56 4,32 1,96 1,10 2,82 1,90 2,41 6,35 3,14 8,55 0,76 7,33 2,61 8,41 5,85 13,04 0,41 2,90 0,67 4,09 7,06

Skierniewickie 26,67 3,30 9,68 3,29 2,07 4,33 7,86 1,44 1,69 1,49 5,22 4,00 2,82 2,65 6,19 16,60 3,30 12,66 3,90 1,04 3,23 4,17 1,97

Słupskie 46,90 3,37 4,38 5,92 0,53 4,64 2,20 4,43 1,73 8,52 0,52 1,34 2,86 9,60 3,52 6,20 0,44 18,15 3,57 1,94 4,66 6,81 2,70

Suwalskie 51,03 8,92 3,47 12,74 4,24 9,14 3,35 10,32 6,23 16,90 1,95 2,52 8,61 17,77 4,72 6,08 1,77 21,50 9,63 6,82 12,28 9,75 3,32

Szczecińskie 36,48 14,62 22,10 9,00 11,12 18,78 23,69 11,88 11,81 7,48 16,70 9,26 14,85 7,03 23,09 30,52 10,80 27,26 17,04 9,78 13,64 19,15 11,91

Tarnobrzeskie 39,26 0,41 4,47 2,99 2,40 0,45 3,12 2,06 4,53 8,16 3,09 9,63 2,68 6,81 1,84 6,22 6,44 8,04 2,24 4,94 1,67 2,42 7,36

Tarnowskie 42,04 2,59 14,08 6,55 6,19 2,58 7,36 3,31 5,65 6,93 8,66 15,95 2,55 8,32 6,05 15,08 12,42 13,68 1,71 6,16 1,39 5,83 12,54

Toruńskie 50,80 10,41 19,98 13,46 6,25 12,61 10,96 8,78 2,97 6,68 9,08 5,37 5,00 12,93 13,19 22,92 6,00 33,04 6,29 2,78 8,24 15,63 7,11

Wałbrzyskie 42,18 2,45 6,45 4,57 0,28 3,81 3,19 2,69 0,59 5,20 1,45 1,85 1,45 6,85 3,94 9,12 0,99 17,13 2,17 0,59 2,81 5,89 2,48

Włocławskie 42,78 1,065 5,81 3,27 0,29 2,29 2,70 1,92 1,14 5,37 1,47 3,87 0,98 6,16 3,16 7,57 2,29 14,67 1,28 1,27 1,41 4,87 4,13

Wrocławskie 25,49 2,08 6,27 0,23 3,19 3,32 9,68 1,28 5,02 2,88 6,66 8,10 4,73 0,71 6,96 14,70 6,39 7,14 5,29 4,19 2,58 3,41 5,89

Zamojskie 29,98 0,52 6,47 2,63 2,84 0,13 4,75 0,73 3,90 5,18 4,61 10,11 2,28 4,47 2,20 10,65 7,07 5,94 2,05 4,05 1,29 0,82 5,98

Zielonogórskie 35,50 1,19 7,38 4,56 1,37 6,15 6,52 3,62 1,94 4,68 3,26 1,02 3,98 5,61 6,46 12,80 0,93 16,77 5,30 1,40 5,21 6,70 1,48

Źródło: opracowanie własne z wykorzystaniem pakietu komputerowego SPSS.

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 199

0,00 25,20 0,00 11,03 7,66 0,00 27,02 10,99 21,64 0,00 11,19 4,53 1,70 11,82 0,00 16,95 2,59 3,49 9,84 0,66 0,00 14,27 6,85 4,46 9,57 1,06 1,09 0,00 10,59 4,04 1,15 15,87 1,01 2,19 4,15 0,00 26,29 13,07 24,25 3,41 15,94 15,09 16,54 17,25 0,00 26,52 2,07 5,83 12,45 3,75 1,86 4,56 4,84 16,36 0,00 13,62 2,61 1,48 14,03 0,87 1,31 3,51 0,30 15,77 2,74 0,00 25,65 3,69 7,11 10,65 4,83 3,34 5,53 6,09 12,51 0,86 3,79 0,00 26,32 0,84 10,86 6,12 5,67 3,34 6,88 6,26 8,17 3,00 4,47 3,62 0,00 24,43 0,45 6,51 9,74 3,20 1,25 4,38 3,88 13,48 0,84 2,24 2,31 1,04 0,00 15,42 6,12 9,09 3,53 4,13 4,05 4,20 6,09 4,49 5,81 4,99 3,90 3,95 4,97 0,00 12,15 5,45 1,95 11,54 0,23 0,82 0,67 1,88 16,04 3,39 1,43 3,97 6,29 3,58 3,75 0,00 9,54 11,69 1,05 22,12 3,03 5,60 5,12 3,25 23,98 7,90 3,52 7,61 14,17 9,72 8,68 2,51 0,00 15,08 20,11 21,42 4,98 12,33 13,30 9,54 17,15 9,81 21,25 17,30 19,48 15,49 17,94 6,76 12,18 20,22 0,00 20,44 0,34 5,48 12,14 3,25 2,24 6,20 2,21 13,50 2,67 1,38 4,27 1,68 0,94 5,85 4,36 9,26 19,23 0,00 35,66 1,21 13,66 10,22 8,74 5,12 9,88 9,29 13,45 2,83 6,74 4,33 0,99 1,41 8,12 9,28 18,05 23,12 2,84 0,00 26,90 12,95 13,83 7,60 7,93 6,43 4,00 13,81 15,63 7,32 11,40 6,07 10,36 8,92 5,44 5,93 12,22 10,86 13,94 12,74 0,00 14,72 4,44 4,07 7,63 0,83 0,66 0,63 3,04 12,09 2,69 2,10 2,80 4,20 2,60 2,01 0,46 4,61 9,90 3,98 7,03 3,96 0,00 16,77 2,26 4,24 7,88 0,86 0,14 1,28 2,40 12,33 1,88 1,42 2,85 2,45 1,08 2,79 1,00 6,13 11,73 2,01 4,52 5,94 0,45 0,00 15,03 4,29 10,41 4,41 4,92 4,72 6,53 5,26 4,56 7,91 4,89 7,48 2,69 4,72 2,05 5,90 12,42 7,82 3,71 6,92 11,99 4,25 3,44 0,00 21,91 0,80 7,90 9,25 4,82 3,62 7,65 3,89 8,64 3,07 2,62 3,19 0,93 1,52 3,93 5,60 10,74 17,76 0,79 2,50 13,01 4,36 2,78 2,61 0,00 10,20 7,90 5,78 6,53 2,05 3,00 1,81 4,40 9,38 6,50 4,00 5,33 6,71 6,04 1,13 1,61 4,99 5,96 6,84 11,48 4,84 1,03 2,35 3,69 6,34 0,00

200

Małgorzata Podogrodzka

Tabela 5. Macierz odległości dla zmiennych bezrobocia według województw w 1998 r. Nr Województwo 1

Warszawskie 0,00

2 Bialskopodlaskie 27,42 0,00 3 4 5 6 7

Białostockie 8,07 8,07 0,00 Bielskie 15,59 12,62 5,94 0,00 Bydgoskie 34,25 7,13 15,02 11,88 0,00 Chełmskie 24,36 1,94 5,85 5,76 4,16 0,00 Ciechanowskie 39,03 5,39 15,62 15,82 1,18 4,07 0,00

8 Częstochowskie 11,90 11,54 3,05 0,93 11,47 5,26 14,51 0,00 9 10 11 12 13 14

Elbląskie 36,26 13,79 15,70 11,86 3,94 7,33 4,35 10,65 0,00 Gdańskie 11,89 12,68 4,69 1,33 11,69 6,61 15,24 1,54 10,46 0,00 Gorzowskie 24,56 12,11 9,72 4,16 4,42 4,86 7,02 3,84 2,24 4,00 0,00 Jeleniogórskie 29,35 15,75 14,99 9,29 4,78 8,82 7,41 9,17 1,84 6,64 1,81 0,00 Kaliskie 25,62 2,45 7,09 7,04 3,29 0,67 2,97 6,71 5,45 6,33 4,38 8,21 0,00 Katowickie 11,99 7,36 3,12 1,48 9,38 3,47 12,50 1,31 12,80 2,24 5,47 10,54 4,96 0,00

Kieleckie 18,04 5,32 3,65 5,23 6,50 2,29 6,55 3,91 5,61 3,21 3,60 5,38 1,39 3,98 0,00

Konińskie 41,31 4,64 16,35 14,86 3,64 3,83 1,96 15,39 6,26 14,07 8,47 8,46 2,02 12,72 5,86 0,00

17 18 19 20 21 22 23

Koszalińskie 35,58 24,90 20,36 14,84 9,13 15,19 11,77 12,71 2,66 12,90 3,93 3,08 13,32 17,10 11,24 16,55 0,00 Krakowskie 16,49 18,72 8,13 4,91 25,67 12,44 29,25 4,99 27,22 9,30 15,52 26,34 16,99 5,62 14,49 28,67 31,30 0,00 Krośnieńskie 34,95 3,22 12,00 10,15 3,04 1,54 2,08 10,55 5,56 10,29 5,91 7,57 0,75 8,40 3,83 0,58 14,88 21,22 0,00 Legnickie 22,79 10,12 8,18 4,46 4,22 4,06 6,12 3,93 2,07 3,28 0,34 1,40 3,01 5,17 1,99 6,85 4,71 16,42 4,76 0,00 Leszczyńskie 29,20 10,74 12,11 2,96 5,82 3,98 9,08 4,74 7,29 5,79 2,64 7,01 5,06 4,43 6,66 8,74 11,73 10,86 5,42 3,65 0,00 Lubelskie 20,72 1,94 4,16 11,82 13,75 3,74 11,48 9,74 18,23 11,60 14,77 20,22 4,97 6,90 5,34 10,10 29,07 13,88 7,38 12,42 14,04 0,00 Łomżyńskie 28,66 3,20 9,71 7,79 1,18 0,98 1,78 7,64 5,25 8,26 4,04 6,26 0,90 5,33 3,60 2,50 12,24 17,93 1,10 3,50 3,77 7,55 0,00

Łódzkie 14,14 29,73 15,05 17,76 22,92 23,48 26,66 14,74 17,30 9,94 14,15 10,73 19,73 17,56 12,38 28,58 14,28 33,81 26,47 11,92 26,63 28,37 23,11

Nowosądeckie 34,18 3,51 11,69 7,85 5,19 1,41 4,98 9,32 8,69 9,47 6,84 10,22 1,58 6,75 4,93 2,36 18,71 16,26 0,84 6,07 3,79 6,93 1,87

Olsztyńskie 37,72 13,82 17,57 17,05 6,02 9,76 5,12 15,62 2,08 12,82 6,20 2,94 5,97 16,75 5,83 5,40 6,58 35,84 6,31 4,43 13,31 18,36 7,43

Opolskie 17,66 11,19 7,42 2,32 6,22 5,04 9,75 2,79 5,82 1,17 1,42 2,73 4,22 3,04 2,82 9,60 8,16 13,41 6,86 1,07 3,40 12,95 4,76

Ostrołęckie 43,30 4,18 18,83 22,48 4,05 6,24 1,75 20,74 11,54 22,22 14,37 15,40 5,70 16,25 11,06 3,98 21,77 34,24 4,50 12,94 14,90 10,83 4,05

Pilskie 29,17 16,04 12,66 4,81 7,69 7,02 10,82 4,53 5,44 7,48 1,83 6,68 8,45 7,08 8,16 13,54 6,26 12,31 9,55 3,53 2,31 18,31 6,82

Piotrkowskie 30,58 8,73 13,12 9,53 2,37 4,83 3,45 9,80 2,49 7,23 3,01 1,56 2,36 8,97 3,41 3,04 7,61 25,54 2,85 1,87 6,19 13,63 2,71

Płockie 29,00 4,28 10,43 10,25 1,10 2,37 1,09 9,41 3,61 8,77 4,18 4,32 0,99 7,60 2,90 1,92 10,08 23,32 1,45 2,98 6,53 8,80 0,83

Poznańskie 17,87 15,70 9,18 0,89 15,74 8,49 20,83 2,87 17,74 3,90 7,78 14,56 10,87 2,59 9,79 19,51 21,01 3,46 13,91 8,69 3,87 14,96 10,85

Przemyskie 35,31 1,20 11,50 12,56 5,10 1,56 3,11 12,41 9,74 13,26 9,75 12,74 1,56 9,15 5,30 1,64 20,99 20,92 0,85 8,27 8,11 4,62 2,02

Radomskie 29,06 7,34 11,53 9,42 2,04 3,94 2,68 9,12 2,33 7,14 2,96 1,94 1,73 8,30 2,67 2,71 7,63 24,51 2,39 1,73 6,34 11,78 2,15

Rzeszowskie 29,76 4,69 10,08 8,63 4,42 2,48 3,92 9,06 5,02 7,02 4,98 5,25 0,67 7,61 1,97 1,45 13,32 21,23 0,97 3,24 6,28 7,71 2,33

Siedleckie 29,89 1,83 10,55 9,33 3,52 1,32 3,98 9,63 10,86 11,0 8,22 12,06 2,28 5,59 6,23 4,13 19,98 16,56 2,29 7,64 5,27 5,99 1,05

Sieradzkie 32,05 0,70 10,84 13,17 4,09 1,86 2,61 12,61 10,17 12,94 10,01 12,10 1,54 8,59 5,15 2,03 20,75 22,51 1,14 8,26 9,23 4,58 1,68

Skierniewickie 21,60 0,99 5,83 7,89 4,82 1,03 4,79 7,35 10,10 7,20 7,47 10,00 0,95 3,98 2,61 4,11 18,78 15,90 2,45 5,80 7,16 3,04 1,68

Słupskie 46,87 33,74 29,87 20,18 14,02 22,11 17,14 19,485 4,83 17,58 7,36 4,45 18,81 24,81 16,71 20,25 1,67 40,80 19,47 8,20 15,80 39,24 18,13

Suwalskie 35,41 14,75 15,69 14,67 4,66 8,79 4,60 11,97 0,65 12,72 3,65 3,22 7,03 14,49 6,67 8,41 2,32 29,76 7,68 3,41 10,38 18,90 6,59

Szczecińskie 17,12 9,12 7,26 5,90 3,95 4,76 7,26 4,31 7,53 5,79 3,40 6,18 5,43 3,39 5,33 11,41 9,06 14,64 8,26 3,64 5,45 11,97 3,67

Tarnobrzeskie 37,83 2,12 14,82 16,42 5,27 3,81 3,26 16,63 11,04 15,38 12,18 12,69 2,41 12,13 6,63 1,12 22,98 28,35 1,59 9,92 11,54 6,96 3,11

Tarnowskie 40,30 4,78 16,09 10,55 4,82 2,83 4,81 12,68 9,66 12,70 8,40 11,36 2,90 9,32 7,67 2,25 20,20 20,26 1,24 7,80 4,45 9,97 2,29

Toruńskie 32,66 14,99 15,59 7,79 4,07 7,38 6,68 8,31 1,39 6,95 0,96 0,67 5,66 9,76 5,82 7,49 3,30 23,14 6,15 1,20 4,13 19,75 5,07

Wałbrzyskie 33,68 12,77 15,97 18,15 7,08 10,23 5,97 16,21 4,25 12,72 8,06 4,20 6,10 16,53 5,54 6,19 9,16 36,96 7,28 5,59 15,96 16,67 8,16

Włocławskie 51,62 13,64 27,04 24,51 4,35 11,90 3,38 24,46 5,90 21,38 11,49 7,25 7,97 22,29 12,01 3,73 13,26 45,80 6,11 9,89 15,79 22,59 7,24

Wrocławskie 10,76 5,38 2,98 8,35 9,28 4,90 10,89 5,68 15,36 7,40 9,90 14,01 6,15 3,03 5,42 13,81 20,07 12,84 10,30 8,70 11,34 5,24 6,19

Zamojskie 32,32 0,38 10,98 16,86 7,75 3,40 5,24 15,30 15,55 17,06 15,00 18,59 4,00 10,53 7,83 5,23 27,47 23,12 4,25 12,99 13,61 3,15 4,25

Zielonogórskie 22,81 10,59 8,30 2,72 4,74 3,68 7,60 2,50 4,31 3,95 0,59 4,24 4,38 3,52 4,13 9,36 6,51 11,15 5,99 1,320 1,368 12,79 3,50

Źródło: opracowanie własne z wykorzystaniem pakietu komputerowego SPSS.

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 201

0,00 30,34 0,00 14,72 10,62 0,00 10,64 7,00 8,25 0,00 35,88 7,35 11,39 16,51 0,00 23,18 9,15 13,17 4,95 18,61 0,00 14,93 5,12 2,18 3,26 8,63 8,62 0,00 18,51 3,69 3,77 4,91 3,86 8,92 1,20 0,00 24,92 10,03 24,67 5,30 27,08 6,92 14,48 14,92 0,00 31,82 1,31 10,35 10,42 3,39 13,08 6,23 2,99 15,94 0,00 14,75 4,80 2,05 3,39 7,34 8,41 0,12 0,66 14,51 5,28 0,00 19,14 2,16 4,22 4,59 7,69 10,35 1,53 1,59 13,13 2,72 1,30 0,00 30,53 1,86 13,49 8,08 4,13 10,29 6,58 3,21 11,05 1,65 5,79 4,60 0,00 28,71 2,47 9,96 9,89 2,19 14,37 5,63 2,16 16,75 0,52 4,62 2,98 1,31 0,00 21,32 2,77 10,29 5,83 5,57 11,88 4,96 2,31 10,95 1,99 4,05 2,59 1,55 1,13 0,00 17,72 23,63 8,03 11,88 29,52 10,64 10,08 15,11 26,96 27,58 10,88 16,88 27,55 27,96 26,22 0,00 16,70 11,79 2,66 7,91 11,28 6,87 4,24 4,40 21,31 11,48 3,66 7,33 12,54 11,35 11,40 5,70 0,00 15,13 9,19 11,61 3,40 11,10 5,32 6,09 4,50 8,57 10,08 5,37 8,35 5,74 8,34 5,32 16,44 7,41 0,00 30,56 3,01 9,15 11,73 2,90 18,05 5,47 2,86 20,60 1,07 4,77 2,66 3,08 0,66 2,53 28,71 12,89 12,03 0,00 34,96 0,44 12,01 8,99 6,72 10,58 5,77 4,34 12,43 1,86 5,65 3,33 2,04 2,96 4,21 24,64 13,06 10,67 3,10 0,00 15,71 7,86 4,27 2,79 14,69 3,96 1,94 4,36 12,08 11,10 2,37 5,01 10,21 11,34 8,82 4,66 3,32 6,11 12,21 8,57 0,00 12,23 12,14 0,60 8,81 11,22 16,52 2,79 3,92 26,14 10,71 2,45 4,50 13,87 9,51 9,33 11,52 4,41 11,74 8,62 13,73 6,55 0,00 27,23 10,73 3,45 13,87 6,67 18,77 3,79 4,24 31,27 9,38 3,89 6,30 11,64 8,39 11,45 14,72 6,99 14,78 6,51 9,64 7,83 4,26 0,00 17,50 10,68 17,26 7,58 11,58 13,21 11,07 7,16 10,96 9,37 9,54 10,03 6,02 7,10 3,46 30,62 14,73 3,28 11,09 13,37 14,80 15,25 21,38 0,00 34,37 5,08 15,38 14,78 2,83 18,90 10,71 5,25 20,22 1,60 9,08 6,59 2,52 0,92 2,31 36,99 16,00 11,05 2,32 5,92 17,73 14,26 13,68 7,00 0,00 17,69 5,88 9,69 1,87 13,98 0,97 4,83 4,91 5,15 8,90 4,57 6,00 6,36 9,29 6,59 11,36 5,77 2,51 12,29 7,42 2,62 11,66 17,52 8,04 13,35 0,00

202

Małgorzata Podogrodzka

W roku 1998 sytuacja znacznie się zmieniła. Liczba województw charakteryzujących się podobną sytuacją na rynku pracy, określoną przez przynależność do grup podobieństwa, nieco się zwiększyła, ale równocześnie spadła przestrzenna zwartość tych obiektów oraz wzrosła liczba izolowanych obiektów. Grupę czwartą cechują jednostki położone przede wszystkim w części zachodniej i środkowopołudniowej Polski. W grupie piątej znalazły się obiekty rozlokowane przede wszystkim w części południowo-wschodniej, środkowej oraz środkowo-północnej kraju. Do grupy szóstej należały województwa tworzące skupiska dwu lub trzyelementowe, głównie w części północno-zachodniej, północno-wschodniej, środkowej i południowo-zachodniej (mapa 1). Mapa 1. Rozkład województw według jednorodnych grup bezrobocia* w latach 1990 i 1998 1990

1998

Grupa 1 2 3 4 5 6 *

Im kolor ciemniejszy, tym trudniejsza sytuacja na rynku pracy.

Źródło: opracowanie własne.

Porównując wyniki uzyskanego zgrupowania dla lat 1990 i 1998, można zauważyć, iż w skład wyodrębnionych skupień nie zawsze wchodziły te same województwa. Niektóre z nich przeszły do innych grup lub stały się same grupami jednorodnymi, co świadczy o zmieniającej się w nich sytuacji na rynku pracy w odmienny sposób aniżeli w innych obiektach. W tabelach 6 i 7 przedstawiono macierz odległości wyznaczoną dla zmiennych bezrobocia według województw w latach 1999 i 2010. W ostatniej dekadzie skład województw należących do jednorodnych grup opisywanych przez zmienne bezrobocia znacznie zmienił się w czasie. Dotyczy to zarówno ich liczby, jak i podobieństwa obiektów. W 1999 r. wyodrębniono 6 jednorodnych grup obiektów, o różnym ich liczebnym składzie, bez skupisk jedno-

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 203

Tabela 6. Macierz odległości dla zmiennych bezrobocia według województw w 1999 r. Nr

Województwa

Dolnośląskie

0,000

Kujawsko-Pomorskie

2,214

0,000

Lubelskie

4,462

4,712

Lubuskie

1,051

1,733

0,000 5,121

0,000

Łódzkie

1,906

2,156

4,177

2,128

Małopolskie

3,603

3,914

1,983

4,170

3,550

0,000

Mazowieckie

2,517

3,074

3,306

3,216

2,016

2,545

0,000

Opolskie

1,095

2,364

4,437

1,476

1,831

3,181

2,252

0,000

Podkarpackie

3,725

3,083

2,096

4,023

2,993

2,281

2,814

3,662

0,000

Podlaskie

2,026

3,129

3,286

2,691

1,744

2,372

1,812

1,602

2,913

0,000

Pomorskie

2,275

1,703

5,491

1,728

2,419

4,160

3,159

1,815

4,108

3,103

0,000

Śląskie

2,672

3,819

3,686

3,442

3,700

2,508

2,481

2,549

3,896

2,741

3,714

0,000

Świętokrzyskie

2,960

3,144

2,154

3,499

2,194

2,463

2,234

3,053

1,505

1,969

4,009

3,555

0,000

Warmińsko-Mazurskie

3,084

2,171

5,742

2,506

2,715

5,457

4,396

3,605

4,160

4,077

3,257

5,435

3,795

0,000

Wielkopolskie

2,557

2,683

3,786

2,794

2,797

2,047

2,329

1,805

3,025

2,165

2,303

2,254

3,119

4,552

0,000

Zachodniopomorskie

1,273

2,092

5,560

,700

2,410

4,714

3,484

1,924

4,506

3,133

2,091

3,725

3,887

2,501

3,366

0,000

Źródło: opracowanie własne z wykorzystaniem pakietu komputerowego SPSS.

Tabela 7. Macierz odległości dla zmiennych bezrobocia według województw w 2010 r. Nr

Województwa

Dolnośląskie

0,000

Kujawsko-Pomorskie

2,342

0,000

Lubelskie

5,408

5,247

Lubuskie

2,333

2,786

4,243

0,000

Łódzkie

0,977

2,391

4,928

2,708

0,000

Małopolskie

4,134

4,199

2,134

3,732

3,599

Mazowieckie

2,653

3,328

4,245

3,720

1,715

2,893

0,000

Opolskie

1,207

2,215

4,829

1,537

1,724

3,613

3,004

0,000

Podkarpackie

4,087

3,119

3,463

4,151

3,405

2,814

2,845

4,021

0,000

Podlaskie

3,456

3,475

2,338

3,095

2,800

1,925

2,159

3,265

1,991

0,000

Pomorskie

1,629

2,208

5,102

2,600

1,870

3,477

2,935

1,208

3,855

3,531

0,000

Śląskie

1,964

3,411

4,297

2,282

1,990

2,872

2,609

1,506

4,168

2,972

1,785

0,000

Świętokrzyskie

3,231

3,132

2,720

2,951

2,716

1,783

2,541

2,958

1,831

1,262

2,968

2,768

0,000

Warmińsko-Mazurskie

2,697

1,305

5,484

2,643

2,968

4,733

4,139

2,571

3,570

3,864

2,822

3,860

3,361

0,000

Wielkopolskie

2,953

3,380

4,071

3,082

2,803

2,236

2,920

2,243

3,817

3,141

1,778

1,644

2,725

4,087

0,000

Zachodniopomorskie

2,043

2,208

5,096

1,307

2,521

4,543

3,812

1,799

4,176

3,522

2,785

3,005

3,405

1,856

3,827

Źródło: opracowanie własne z wykorzystaniem pakietu komputerowego SPSS.

0,000

204

Małgorzata Podogrodzka

elementowych. W 2010 r. klas tych było tyle samo, również z różną liczbą województw i z jednym obiektem izolowanym. Z czasem obserwujemy również zmianę jednostek należących do grup odznaczających się podobną sytuacją na rynku pracy oraz stale występowaniem i takich, dla których sytuacja ta była zdecydowanie odmienna od pozostałych (tab. 8). Tabela 8. Jednorodne grupy województw charakteryzowane przez zmienne bezrobocia w latach 1999 i 2010 Grupa

Województwo 1999

2010

mazowieckie, śląskie, wielkopolskie (n = 3)

mazowieckie, warmińsko-mazurskie, wielkopolskie (n = 3)

kujawsko-pomorskie, pomorskie (n = 2)

kujawsko-pomorskie, lubuskie (n = 2)

łódzkie, podlaskie (n = 2)

małopolskie, podkarpackie, lubelskie (n = 2)

świętokrzyskie, warmińsko-mazurskie (n = 2)

świętokrzyskie, podlaskie (n = 2)

podkarpackie, małopolskie, lubelskie (n = 2)

śląskie (n = 1)

dolnośląskie, lubuskie, opolskie, zachodniopomorskie (n = 4)

dolnośląskie, łódzkie, opolskie, pomorskie, zachodniopomorskie (n = 5)

Źródło: opracowanie własne na podstawie danych pochodzących z publikacji GUS oraz MPiPS.

Pod koniec XX wieku województwa należące do pierwszej z wyodrębnionych grup były położone głównie w części środkowej oraz środkowo-południowej kraju. Klasę drugą tworzyły te, które rozlokowane były w północno-środkowej części Polski, a w trzeciej znalazły się obiekty głównie z części północno-wschodniej i środkowo-południowej. Do grupy czwartej przynależały województwa rozlokowane w części południowo-wschodniej, a do grupy szóstej położone w pasie przygranicznym zachodniej Polski. Cechą charakterystyczną drugiej, piątej i szóstej klasy był fakt, iż jednostki wchodzące w ich skład tworzyły dość zwarty przestrzennie obszar, tj. miały co najmniej jedną wspólną granicę, natomiast z pozostałych klas rozlokowane były w różnych częściach kraju. W 2010 r. przestrzenny obraz bezrobocia wyraźnie się zmienił i stał się nieco bardziej zróżnicowany. Do grupy pierwszej należały województwa rozlokowane w środkowej i północno-wschodniej części Polski. W grupie drugiej znalazły się te, które położone były głównie na obszarach środkowo-zachodnich kraju, a w trzeciej − z części południowo-wschodniej. Klasa czwarta charakteryzowała

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 205

się dużym rozproszeniem województw, natomiast szósta dość dużą zwartością przestrzenną obiektów, które tworzyły dwa skupiska w część południowo-zachodniej oraz północno-zachodniej kraju (mapa 2). Mapa 2. Rozkład województw według jednorodnych grup bezrobocia* w latach 1999 i 2010 1999

2010

Grupa 1 2 3 4 5 6

Im kolor ciemniejszy, tym trudniejsza sytuacja na rynku pracy.

Źródło: opracowanie własne. x

ij –rx j z ij = Sj Przy wyodrębnianiu homogenicznych grup z przestrzeni wielowymiarowej na jednorodne podprzestrzenie i = 1, n, jistotna = 1, k;jest jakość dokonanego podziału. Do oceny x ijpodobieństwa –rx j stopnia rx j wewnątrzgrupowego skorzystano ze wzoru: z ij = Sj 1 / d (O i, O j), i = 1, n, j = 1, k; d pp = n (n - 1) / O i ! A p Oj ! A p p p rx j 1 gdzie d(Oi, Oj) określa odległość / między/skupiskami d pq = d (O i, O j),− im mniejsze wartości tej 1 n ! Aanalizowanymi A, O O), miary, obiektami, a do oceny / /p n qdOi(O!między d pp = tym większe podobieństwo p j q i j n p - 1) O i ! A p Oj międzygrupowego ! Ap stopnian p (podobieństwa użyto miarę daną wzorem

1 / / d (O i, O j),. W tym przypadku wyższe wartości wskazują n p n q Oi ! A p O j ! A q na mniejsze podobieństwo między wyodrębnionymi skupiskami. d pq =

Wyznaczone miary odległości dla przeprowadzonego grupowania województw wskazują na relatywnie duże podobieństwo obiektów należących do danego skupiska oraz względnie małe podobieństwo między wyodrębnionymi zbiorami obiektów. Wartości średniej odległości wewnątrzgrupowej zawierają się w przedziale 0,9−2,2, zaś międzygrupowej są parokrotnie wyższe. Oznacza to, iż wyod-

206

Małgorzata Podogrodzka

rębnione jednorodne grupy województw ze względu na podobieństwo w ocenie sytuacji na regionalnych rynkach pracy, analizowane od strony bezrobocia, wykonane zostało poprawnie.

4. PODSUMOWANIE Przegląd literatury poświęconej różnym technikom wyodrębniania jednorodnych grup województw ze względu na ocenę sytuacji na rynku pracy pozwala zauważyć, że rozważania te prowadzone były głównie z wykorzystaniem zmiennych opisujących jedną z tych stron, tj. albo zatrudnienia, albo bezrobocia i przy ich opisie uwzględniano relatywnie małą liczbę zmiennych. Stosowano również podobne metody analizy. Porównując różne klasyfikacje, można stwierdzić, że niezależnie czy dotyczyły one strony bezrobocia, czy zatrudnienia, różniły się liczbą utworzonych grup podobnych, liczbą obiektów wchodzących w ich skład oraz jednostkami przynależnymi do wyodrębnionych klas podobnych województw. W artykule zaproponowano podział województw na jednorodne grupy przy wykorzystaniu jednej z metod taksonomicznych, tj. metody aglomeracyjnej. Do jej głównych zalet należy możliwość łączenia obiektów, których podobieństwo wyznaczane jest równocześnie przez wiele charakterystyk. Jednocześnie brak oczywistego kryterium zaprzestania przyłączania kolejnych skupień do już istniejących można uznać zarówno za wadę, jaki i jej zaletę. W zależności od celu badania podział zbioru jednostek na jednorodne podgrupy może być bowiem bardziej lub mniej szczegółowy. W analizie wykorzystano informacje o bezrobociu pochodzące z rejestracji bieżącej z lat 1990−2010. Ponieważ starano się możliwie szeroko scharakteryzować przestrzenne zróżnicowanie tego zjawiska, w pierwszym kroku rozważań uwzględniono 20 cech opisujących różne jego strony, tj. zmienne dotyczące poziomu i natężenia bezrobocia, jego strumieni oraz demograficzno-społecznych cech bezrobotnych. W prowadzonych do tej pory rozważaniach większość z tych cech nie była uwzględniana oraz nie analizowano ich dla tak długiego okresu. Po ich statystycznej weryfikacji w toku dalszych rozważań uwzględniono 6 z nich. Przyjęto, iż stanowią one zmienne diagnostyczne do opisu przestrzennego zróżnicowania bezrobocia. Jednocześnie każda z nich ukazuje różne aspekty rynku pracy, zatem jedynie wspólne ich przedstawienie pozwala na ocenę skali zagrożenia jednostki na tym rynku. Wykorzystując metodę klasyfikacyjną, uzyskano homogeniczne grupy województw, których liczba różniła się między wyróżnionymi latami. Zmieniła się też liczba obiektów wchodzących w skład danych grup oraz same jednostki, co wskazuje na niestabilność podobieństwa między nimi w czasie. Jednocześnie wyodrębnione grupy województw podobnych ze względu na ocenę sytuacji na rynku pracy nie zawsze tworzyły zwarte przestrzennie obszary, a nawet można mówić o wzroście tego zróżnicowania. Tym samym ocena poszczególnych województw ze

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 207

względu na różny stopień zagrożenia bezrobocia nie była stabilna w czasie. Nie potwierdziły się zatem postawione na wstępie hipotezy badawcze, że regiony charakteryzujące się podobną sytuacją na rynku pracy tworzą zwarte przestrzennie obszary oraz że grupy województw podobnych ze względu na ocenę sytuację na rynku pracy nie uległy zmianie w czasie. Nie zawsze też w badanym okresie obszary Polski wschodniej odznaczały się najgorszą sytuacją na rynku pracy. Ich ocena znacznie się zmieniła pod koniec XX wieku.

BIBLIOGRAFIA Bezrobocie rejestrowane, GUS, Wydawnictwa z okresu 1990−2010, Warszawa. Chojnicki Z. (1996), Region w ujęciu geograficzno-systemowym, w: T. Czyż (red.), Podstawy regionalizacji geograficznej, Bogucki Wydawnictwo Naukowe, Poznań, s. 7−43. Czyż T. (2002), Zastosowanie modelu potencjału w analizie zróżnicowania regionalnego Polski, „Studia Regionalne i Lokalne”, nr 2−3. Frodyna K. (2008), Zmiany na rynku pracy w ujęciu wojewódzkim, „Wiadomości Statystyczne”, nr 3, GUS, Warszawa. Gałecka E. (2007), Zastosowanie funkcji dopasowań do analizy efektywności rynku pracy, „Wiadomości Statystyczne”, nr 10, GUS, Warszawa. Grabiński T., Malina A., Szymanowicz K., Wydymus S., Zeliaś A. (1983), Globalne prognozy rozwoju społeczno-gospodarczego, PWN, Warszawa Grzeszczyk T. (1990), Przestrzenna struktura bezrobocia w Polsce, „Gospodarka Narodowa”, nr 9, Warszawa. Góra M., Lehmann H. (1995), How Divergent is Regional Labour Market Adjustment in Poland? w: The Regional Dimension of Unemployment in Transition Countries. A Challenge for Labour Market and Social Policies, OECD, Paris. Kluza S., Serek R., Toński P. (1998), Wykorzystanie analizy czynnikowej do typologii lokalnych rynków pracy, „Roczniki Kolegium Analiz Ekonomicznych”, nr 5, SGH, Warszawa. Kotowska I.E., Podogrodzka M. (1995), Przestrzenne zróżnicowanie rynku pracy w Polsce, 1990−1994, w: Rynek pracy w Polsce 1993−1994, pod. red. U. Sztanderskiej, „Raport IPiSS”, z. 9. Kotowska I.E., Nowakowska B., Obraniak W., Podogrodzka M., Szumlicz T., Zarzycka Z. (1995), Regionalne zróżnicowanie rynku pracy w Polsce w latach 1989−1993, GUS, Warszawa. Kostrzewska I., Pawełek B. (2007), Analiza rynku pracy w ujeciu terytorialnym, „Wiadomości Statystyczne”, nr 10, GUS, Warszawa. Kwiatkowski E. (1993), Determinanty wzrostu bezrobocia w Polsce w latach 1990−1992 – ujęcie globalne i regionalne, w: Bezrobocie – wyzwanie dla polskiej gospodarki, pod. red. E. Frątczak, Z. Strzeleckiego, J. Witkowskiego, GUS, Warszawa. Kwiatkowski E., Tokarski T. (1999), Struktura i elastyczność zatrudnienia w Polsce w latach 90., „Ekonomista”, nr 4, PTE, Warszawa. Kwiatkowski E., Kubiak P. (1996), Regionalne zróżnicowanie bezrobocia w Polsce w latach 1992−1995. Analiza strumieniowa, „Rynek Pracy”, nr 9, MPiPS, Warszawa.

208

Małgorzata Podogrodzka

Kwiatkowski E., Gawrońska B. (1995), Regionalne zróżnicowanie bezrobocia w Polsce w latach 1990–1994, w: Rynek pracy w Polsce 1993–1994, pod. red. U. Sztanderskiej, „Raport IPiSS”, z. 9. Kwiatkowski E., Lehmann H., Schaffer M. (1992), Bezrobocie i wolne miejsca pracy a struktura zatrudnienia w Polsce. Analiza regionalna, „Ekonomista” nr 2, PTE, Warszawa. Malarska A., Szymczak Z. (1995), Terytorialne zróżnicowanie bezrobocia − wybrane modele panelowe, „Wiadomości Statystyczne” nr 10, GUS, Warszawa. Malarska A. (1994), Zmiany regionalnej struktury bezrobocia na podstawie metody shift-shave, „Wiadomości Statystyczne” nr 5, GUS, Warszawa. Malarska A. (1993), Analiza zmian w regionalnej strukturze zatrudnienia w świetle metody shift-share, Wydawnictwo UŁ, Łódź. Makać W. (1998), Ranking województw pod względem sytuacji na rynku pracy, „Wiadomości Statystyczne”, nr 9, GUS, Warszawa. Meller J. (1992), Rynek pracy i wynagrodzenia – przekrój regionalny. Wybrane problemy, w: Rynek pracy w trakcie transformacji systemowej w Polsce, pod. red. U. Sztanderskiej, Wydawnictwo UW, Warszawa. Młodak A. (2006), Analiza taksonomiczna w statystyce regionalnej, Difin, Warszawa. Mortimer-Szymczak H. (1993), Przestrzenne zróżnicowanie rynku pracy i bezrobocia, w: Bezrobocie – wyzwanie dla polskiej gospodarki, pod. red. E. Frątczak, Z. Strzeleckiego, J. Witkowskiego, GUS, Warszawa. Mortimer-Szymczak H. (1992), Przestrzenne zróżnicowanie rynku pracy i bezrobocia, w: Rynek pracy w trakcie transformacji systemowej w Polsce, pod. red. U. Sztanderskiej, Wydawnictwo UW, Warszawa. Newell A., Pastore F., Socha M. (2000), Niektóre czynniki kształtujące regionalną strukturę bezrobocia w Polsce, „Ekonomista”, nr 6, PTE, Warszawa. Nowak E. (1990), Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych, PWE, Warszawa. Nowakowska B. (1993), Terytorialne zróżnicowanie bezrobocia w Polsce, Wydawnictwo UŁ, Łódź. Omelczuk-Szlachta A. (1995), Regionalne zróżnicowanie bezrobocia − tendencje, „Rynek Pracy”, nr 1, MPiPS, Warszawa. Opałło M. (1994), Zróżnicowanie terytorialne transformacji, „Wiadomości Statystyczne”, nr 6, GUS, Warszawa. Portal informacyjny Ministerstwa Pracy i Polityki Społecznej http://www.mpips.gov. pl/analizy-i-raporty/bezrobocie-rejestrowane-w-polsce/ (05.03.2011). Runge J. (1993), Regionalny rynek pracy, „Wiadomości Statystyczne”, nr 1, GUS, Warszawa. Scarpetta S., Huber P. (1995), Regional Economic Structures and Unemployment in Central and Eastern Europe. An Attempt to Identify Common Patterns, w: The Regional Dimension of Unemployment in Transition Countries. A Challenge for Labour Market and Social Policies, OECD, Paris. Strona internetowa Ministerstwa Pracy i Polityki Społecznej http://www.psz.praca.gov. pl./main.php?do=ShowPage&nPID=867997&pT=details&sP=CONTENT,objectID,867970 (10.07.2011).

Metoda aglomeracyjna w analizie przestrzennego zróżnicowania… 209

Szumlicz T. (1995), Regionalne zróżnicowanie popytu na pracę, w: Regionalne zróżnicowanie rynku pracy w Polsce w latach 1989-1993, GUS, Departament Pracy i Dochodów Ludności, Warszawa. Tokarski T., Kwiatkowski E. (2007), Bezrobocie regionalne w Polsce w latach 1995−2005, „Ekonomista”, nr 4, PTE, Warszawa. Tokarski T. (2005), Regionalne zróżnicowanie rynku pracy, „Wiadomości Statystyczne”, nr 11, GUS, Warszawa. Zdrojewski E. (2005), Regiony o najwyższej stopie bezrobocia, „Wiadomości Statystyczne”, nr 5, GUS, Warszawa.

STRESZCZENIE Od początku lat 90. przestrzenne zróżnicowanie sytuacji na rynku pracy znajduje się w centrum zainteresowania wielu badaczy. Najczęściej analizowane jest ono albo od strony zatrudnienia, albo z punktu widzenia bezrobocia z wykorzystaniem różnych zmiennych je opisujących oraz technik analizy. W artykule zaproponowano wyodrębnienie jednorodnych grup województw przy zastosowaniu metody aglomeracyjnej oraz łącznie wielu zmiennych opisujących bezrobocie w latach 1990−2010. Badano, czy z czasem grupy województw podobnych ze względu na sytuację na rynkach pracy uległy zmianie, czy województwa charakteryzujące się podobną sytuacją tworzą zwarte przestrzennie obszary oraz jakie obszary Polski wyróżniają się najgorszą sytuacją na rynku pracy. Słowa kluczowe: bezrobocie, rynek pracy.

Agglomerative Hierarchical Clustering Procedure in Analysis of Spatial Differentiation of Unemployment in Poland in 1990–2010 ABSTRACT Since the early 1990s the spatial diversity of the market situation has attracted attention of many scholars. Ina typical approach, employment and unemployment aspects of the phenomenon are analyzed using various variables and techniques. The author, however, uses agglomerative hierarchical clustering procedure and several variables describing unemployment in 1990-2010 to identify separate homogeneous groups of voivodships (provinces). The paper analyzes if clusters of voivodships similar in terms of labor market situation differ in time and which of them are characterized by the worst labor market situation. Keywords: unemployment, labor market. JEL Classification: C10

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Natalia Gorynia‑Pfeffer*

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ NA PRZYKŁADZIE NIEMIEC − WNIOSKI DLA POLSKI NARODOWY SYSTEM INNOWACJI Pod koniec XX wieku wzrosło znaczenie innowacji oraz technologii w procesach trwałego wzrostu i rozwoju gospodarczego. Niewątpliwy stał się fakt, iż zdolność do tworzenia i absorpcji innowacji w danym kraju jest zdeterminowana nie tylko przez czynniki wewnętrzne, wynikające z posiadanych zasobów i zdolności do ich uruchomienia, takie jak np. kapitał przeznaczony na tworzenie wiedzy czy też zasoby ludzkie, ale również przez czynniki zewnętrzne, związane z intensywnością i kierunkami powiązań gospodarczych z zagranicą (Weresa, 2006, s. 65). Całokształt powiązanych ze sobą czynników instytucjonalnych i strukturalnych mających wpływ na generowanie, selekcjonowanie i wchłanianie innowacji, tworzących jednocześnie otoczenie, w ramach którego rząd formułuje i realizuje politykę innowacyjną, jest określany pojęciem narodowych systemów innowacji (NSI) (Edquist, 1997, s. 14). Koncepcja systemu innowacji przekłada obserwacje o nieliniowości i sieciowości procesu innowacyjnego na gospodarkę, a szerzej państwa. Ważnym aspektem tej koncepcji jest wyznaczenie zakresu polityki gospodarczej państwa jako sieci wzajemnie powiązanych podmiotów gospodarczych i instytucji warunkujących zajście synergicznych efektów współpracy (Sroka, Kwieciński, 2007, s. 13). W związku z tym w ramach tej koncepcji znaczenie przypisuje się nie tylko instytucjom generujących wiedzę i innowacje, jak np. przed* RKW

Rationalisierungs- und Innovationszentrum der Deutschen Wirtschaft e.V. Kompetenzzentrum Eschborn (Niemcy); doktorantka w SGH w Warszawie.

212

Natalia Gorynia‑Pfeffer

siębiorstwa, sfera badawczo‑rozwojowa czy instytucje pośredniczące w transferze innowacji, ale również różnorakim interakcjom zachodzącym między nimi. Prekursorem koncepcji narodowego systemu innowacji jest Ch. Freemann, który w latach 80. użył po raz pierwszy tego pojęcia w książce na temat innowacyjności Japonii. Według niego, system innowacji obejmuje zespół instytucji współdziałających w tworzeniu, imporcie, dyfuzji i modyfikacji nowych rozwiązań (Freeman, 1987, s. 1). Koncepcja ta była kontynuowana w szkole nordyckiej, z której badań wynikało, iż procesy innowacyjne i procesy uczenia są interaktywne i zależne oraz zakorzenione w strukturze produkcyjnej (Lundvall, 1992, s. 2). Według B.‑Å. Lundvalla, narodowy system innowacji definiuje się jako zespół organizacji i instytucji, takich jak instytuty technologiczne czy uniwersytety, które są bezpośrednio związane ze sferą B+R. Bardziej popularną koncepcją jest definicja systemu innowacji według S. Metcalfe’a: NSI to kompleks wyodrębnionych instytucji, które wspólnie lub indywidualnie wnoszą wkład w rozwój nowej ekonomii, tzw. ekonomii wiedzy, tworząc jednocześnie bazę (otoczenie), w ramach której rząd formułuje i realizuję politykę innowacyjną (Metcalfe, 1995, s. 409−512). Definicja ta podkreśla systemowe podejście do innowacji, w związku z którym na narodowy system innowacji składają się nie tylko instytucje tworzące wiedzę, ale także wzajemne relacje między instytucjami oraz interakcje w procesie tworzenia i komercjalizacji wiedzy. Zjawisko interakcji oznacza wzajemne, powtarzalne oddziaływanie na siebie co najmniej dwóch składników systemu społecznego. Te wzajemne interakcje są istotnymi elementami NSI, a rosnące współzależności między poszczególnymi podmiotami gospodarki światowej decydują o tym, iż systemy narodowe są elastyczne, otwarte i stają się coraz bardziej transnarodowe (Weresa, 2006, s. 67–98). Analiza tego pojęcia pozwala na poznanie znaczenia uwarunkowań, regulacji prawnych i pozostałych elementów polityki państwa w szerokim kontekście funkcjonowania rynku, konkurencyjności przedsiębiorstw i gospodarki narodowej (Matusiak, Stawasz, 2001, s. 52). Dotychczasowe doświadczenia wskazują, iż trudno jest określić idealny, uniwersalny NSI odpowiadający wszystkim krajom. Definicje systemów innowacji podkreślają, iż gospodarki różnią się pod względem struktury systemów produkcyjnych i instytucjonalnych (Weresa, 2006, s. 66‑98). Każdy kraj charakteryzuje się specyficznymi uwarunkowaniami o charakterze historycznym, geograficznym, kulturowym, odpowiednim ustrojem społecznym i politycznym, a także możliwościami gospodarczymi czy też demograficznymi. Ponadto systemy innowacji podlegają ciągłym zmianom i ewolucjom i dlatego też nowoczesne ujęcie procesu innowacyjnego określane jest jako dynamiczny interakcyjny model inno‑ wacji. Mimo to ocena innowacyjności gospodarek posiadających rozwinięte systemy innowacji może być pomocna w porównaniach między krajami w celu zrozumieniu warunków determinujących tworzenie innowacji oraz wywierających wpływ na podnoszenie konkurencyjności, wzrost i rozwój gospodarczy w tych krajach.

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

213

CHARAKTERYSTYKA WYBRANYCH ASPEKTÓW INNOWACYJNOŚCI NA PRZYKŁADZIE GOSPODARKI POLSKIEJ I NIEMIECKIEJ Jednym z narzędzi oceny poziomu innowacyjności jest opracowany corocznie (począwszy od 2000 r.) na zlecenie Komisji Europejskiej raport European Innovation Scoreboard (EIS) (Europäische Kommission, 2009). Pozwala on na ocenę poziomu innowacyjności i monitorowanie jego zmian we wszystkich krajach członkowskich oraz w innych wybranych krajach w kontekście celów określonych w Strategii Lizbońskiej. Opublikowana przez Komisję Europejską „Unijna tablica wyników innowacyjności” (Innovation Union Scoreboard, IUS) za 2010 r. jest pierwszą edycją tablicy wyników, która, zgodnie z inicjatywą na rzecz Unii innowacji, zastępuje wcześniejszą „Europejską tablicę wyników innowacyjności“ (European Innovation Scoreboard, EIS) (Europäische Kommission, 2010). „Unijną tablicę wyników innowacyjności” opracowuje (na zlecenie Dyrekcji Generalnej KE ds. Przedsiębiorstw i Przemysłu) Centrum ds. Badań i Szkoleń Ekonomiczno ‑społecznych w zakresie Innowacyjności i Technologii w Maastricht (UNU ‑MERIT). Ustalenia zawarte w IUS znajdują odzwierciedlenie w opublikowanej niedawno rocznej wizji wzrostu gospodarczego. Na ich podstawie państwa członkowskie mogą zidentyfikować mocne i słabe elementy wpływające na stan innowacyjności gospodarki oraz poprawić wyniki w dziedzinie innowacyjności w ramach krajowych programów reform w kontekście strategii Europa 2020. Na syntetyczny poziom wskaźnika innowacyjności każdego z analizowanych krajów za rok 2011 składa się wartość 25 wskaźników z zakresu badań naukowych i innowacji w 27 państwach członkowskich UE oraz w Chorwacji, Serbii, Turcji, Norwegii, Szwajcarii, byłej jugosłowiańskiej republice Macedonii i na Islandii. Średnią innowacyjność mierzy się na podstawie zbiorczego wskaźnika skonstruowanego z danych dla 24 wskaźników – od minimalnego możliwego do uzyskania wyniku (0) do wyniku maksymalnego (1). Średni wynik za rok 2011 odzwierciedla wyniki w latach 2007−2011 z powodu opóźnienia w dostępności danych. Wskaźniki podzielone są na trzy główne kategorie i każda z grup wskaźników pokazuje inny aspekt innowacyjności analizowanego kraju (Europäische Kommission, 2011, s. 61–63): 11

I Grupa: „siły sprawcze innowacji”, grupa wskaźników mierzących strukturalne warunki niezbędne do budowy potencjalu innowacyjnego (zasoby ludzkie, środki finansowe oraz wsparcie, otwarte, doskonałe i atrakcyjne systemy badawczo‑naukowe);

II Grupa: „działalność przedsiębiorstw” – ukazujące stopień innowacyjności europejskich firm (inwestycje, powiązania i przedsiębiorczość, aktywa intelektualne); oraz

214

Natalia Gorynia‑Pfeffer

III Grupa: „efekty ekonomiczne” – ilustrujące, w jaki sposób innowacyjność przekłada się na korzyści dla gospodarki (innowatorzy, skutki ekonomiczne).

Uwzględnia się tym samym nie tylko wyniki działalności innowacyjnej, lecz również jej szeroko pojmowane uwarunkowania. Tabela 1 przedstawia porównanie 25 wskaźników innowacyjności dla Polski, Niemiec i poszerzonej Unii Europejskiej (Europäische Kommission, 2012, s. 88–89). Tabela 1. Wyniki Polski na tle średniej dla 27 krajów UE w rankingu Innovation Union Scoreboard 2011. Wymiary i wskaźniki w IUSa

Wyszczególnienie

Wartość Wartość Wartość wskaź‑ wskaź‑ wskaź‑ nika dla nika dla nika dla Polski Niemiec UE‑27

SIŁY SPRAWCZE INNOWACJI Zasoby ludzkie Liczba absolwentów posiadających stopień dok‑ tora na 1000 mieszkańców w wieku 25–34 lat

0,8

2,6

1,5

Udział osób z wykształceniem wyższym w grupie wiekowej 30–34 (w %)

35,3

29,8

33,6

Udział osób w grupie wiekowej 20–24, które ukończyły edukację co najmniej na poziomie szkoły średniej (w %)

91,1

74,4

79,0

Otwarty, doskonały i atrakcyjny system badań Liczba międzynarodowych publikacji naukowych na 1 mln mieszkańców

198

668

301

Udział publikacji naukowych znajdujących się w grupie 10% najczęściej cytowanych publikacji w ogólnej liczbie publikacji naukowych Polski

3,68

11,41

10,73

Odsetek doktorantów spoza UE w ogólnej liczbie doktorantów

1,98

Brak danych

19,19

Udział wydatków publicznych na B+R w PKB (w %)

0,20

0,92

0,76

Kapitał ryzyka (venture capital) jako % PKB

1,25

0,051

0,095

Finansowanie i wsparcie

DZIAŁALNOŚĆ PRZEDSIĘBIORSTW Inwestycje przedsiębiorstw Nakłady przedsiębiorstw na B+R jako % PKB

0,20

1,90

1,23

Nakłady przedsiębiorstw na działalność innowa‑ cyjną (z wyłączeniem B+R) jako % obrotów

1,25

0,88

0,71

215

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

Powiązania i przedsiębiorczość Odsetek MŚP prowadzących własną działalność innowacyjną

13,76

46,03

30,31

Odsetek innowacyjnych MŚP współpracujących z innymi firmami/instytucjami

6,40

8,95

11,16

Liczba publiczno‑prywatnych publikacji na 1 mln mieszkańców

2,5

49,5

36,2

Aktywa intelektualne Liczba zgłoszeń patentowych na bln PKB (PPS w euro)

0,34

7,04

3,78

Liczba zgłoszeńpatentowych na bln PKB (PPS w euro) w obszarach najważniejszych wyzwań społecznych

0,06

1,00

0,64

Liczba znaków towarowych na bilion PKB (PPS w euro)

2,95

7,64

5,59

Liczba wzorów użytkowychna bilion PKB (PPS w euro)

4,40

7,90

4,77

Przedsiębiorstwa wprowadzające innowacje pro‑ duktowe i usługowe jako % ogólnej liczby MŚP

17,55

53,61

34,18

Przedsiębiorstwa wprowadzające innowacje marke‑ tingowe i organizacyjne jako % ogólnej liczby MŚP

18,65

62,63

39,09

Brak danych

9,10

15,30

13,50

Udział eksportu wyrobów średnio‑wysokiej i wysokiej techniki w eksporcie ogółem (w %)

52,39

63,18

48,23

Udział eksportu wyrobów z wiedzochłonnych sekto‑ rów usługowych wiedzy w eksporcie ogółem (w %)

33,05

57,63

48,13

Udział sprzedaży nowych lub zmodernizowanych wyrobów dla rynku (new‑to‑market) oraz dla przedsiębiorstw (new‑to‑firm) w sprzedaży przed‑ siębiorstw ogółem (w %)

9,84

17,38

13,26

Udział licencji oraz dochodów z patentów z zagranicy w % PKB

0,06

0,44

0,51

WYNIKI Innowatorzy

Szybko rosnące innowacyjne przedsiębiorstwa

Brak danych

Efekty ekonomiczne (economic effects) Udział zatrudnionych osób w sektorach wiedzo‑ chłonnych w liczbie osób zatrudnionych w prze‑ myśle i usługach (w %)

a Wielkość

wskaźników wg ostatnich dostępnych danych (z lat 2007−2011).

Źródło: opracowanie własne na podstawie: Europäische Kommission, 2012.

216

Natalia Gorynia‑Pfeffer

Analizując pierwszą grupę wskaźników dotyczących zasobów ludzkich, można stwierdzić, że Polska osiągnęła pozycję powyżej średniej dla UE, a także lepszą od Niemiec, z wyjątkiem pierwszej kategorii. Również w poprzednich edycjach rankingu Polska osiągała w tym obszarze dobre wyniki. Szczególnie wyróżnia się wartość wskaźnika „Udział osób w grupie wiekowej 20–24, które ukończyły edukację co najmniej na poziomie szkoły średniej (w %)”, a także wskaźnik „Udział osób z wykształceniem wyższym w grupie wiekowej 30–34 (w %)”. Biorąc pod uwagę dwa następne wskaźniki dotyczące otwartego, doskonałego i atrakcyjnego systemu badań, a także finansowania i wsparcia działalności innowacyjnej, Polska osiąga o wiele niższe wyniki w porównaniu do średniej dla UE‑27, a także w stosunku do Niemiec. Porównując Niemcy i Polskę, występuje przede wszystkim duża różnica w stosunku do wskaźnika „międzynarodowe publikacje naukowe na milion mieszkańców”. Ponadto Polska osiąga ponad dwukrotnie niższy „udział wydatków publicznych na B+R w PKB (w %)” w stosunku do Niemiec. Jeszcze bardziej niekorzystnie przedstawia się sytuacja, biorąc pod uwagę następne wskaźniki z drugiej grupy „Unijnej tablicy wyników innowacyjności“ dotyczące działalności przedsiębiorstw. Jedną z najpoważniejszych barier rozwoju innowacyjności w Polsce jest niewątpliwie bardzo niski „udział wydatków przedsiębiorstw na B+R w PKB (w %)”. Dla porównania wskaźnik ten wynosił w Niemczech 1,90, dla UE‑27− 1,23, natomiast dla Polski tylko 0,20, co ustawiło Polskę na odległym miejscu jedynie przed Serbią, Macedonią, Bułgarią, Grecją, Cyprem i Litwą. Warto podkreślić wyższy w Polsce od średniej UE‑27 i Niemiec wskaźnik wydatki na innowacje niezwiązane z pracami B+R (w % obrotów). Pozostałe wskaźniki z drugiej grupy charakteryzujące „powiązania i przedsiębiorczość” odbiegają znacznie od średniej dla UE‑27 a także Niemiec. Na znacząco niższym poziomie znajduje się przede wszystkim wskaźnik „odsetek MŚP prowadzących własną działalność innowacyjną” w ogólnej liczbie MŚP (w %), który wynosił w Polsce 13,76, natomiast średnio w UE 30,31 oraz w Niemczech 46,03, plasując Niemcy na najwyższym poziomie w porównaniu do wszystkich analizowanych krajów. Również udział MŚP kooperujących w zakresie innowacji w ogólnej liczbie MŚP (w %) jest stosunkowo niski w Polsce, co potwierdzają liczne badania na temat współpracy przedsiębiorstw w Polsce (Ministerstwo Nauki i Szkolnictwa Wyższego, s. 4–8). Powody tego stanu są różnorakie. Jednym z nich jest duża liczba mikroprzedsiębiorstw w Polsce, a także stosunkowo krótki okres rozwoju tego sektora charakteryzujący się silną konkurencją przede wszystkim na rynku lokalnym (Gorynia‑Pfeffer, Zschiedrich, 2011, s. 43–56). Ponadto „kultura współpracy” ze względu na okres gospodarki planowanej zaczęła się rozwijać w Polsce stosunkowo późno. Jej początki sięgają roku 2004, kiedy to rozpoczęto analizować rozwój klastrów przemysłowych w Polsce oraz możliwych instrumentów wsparcia ze strony państwa (Ministerstwo Rozwoju Regionalnego, 2009, s. 30–35). Konieczność wspierania i rozwoju współpracy przedsiębiorstw między sobą, ze sferą nauki i otoczeniem biznesu podkreślono w wielu ważnych dokumentach strategicznych jak np. Kierunki zwiększania innowacyjności gospodarki na lata 2007–2013

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

217

(Ministerstwo Gospodarki, 2006), czy też w niedawno opublikowanej Strategii innowacyjności i efektywności gospodarki (Ministerstwo Gospodarki, 2011). Ostatnie mierniki z grupy „działalność przedsiębiorstw” charakteryzujące ochronę własności intelektualnej również wskazują na słabą pozycję polskich podmiotów, z wyjątkiem wskaźnika „liczba europejskich wzorów użytkowych”, który jest w Polsce zbliżony do średniej UE‑27. Niski poziom wskaźników charakteryzujących patenty objęte Traktatem o współpracy patentowej (PCT) są bezpośrednio związane z poprzednimi wskaźnikami charakteryzującymi „działalność firm” i wynikają z niskich nakładów na działalność badawczo‑rozwojową sektora prywatnego. Trzeci obszar analiz Wyniki również wskazuje na słabą pozycję Polski. Przykładowo odsetek podmiotów wdrażających innowacje zarówno produktowe jak i usługowe, a także marketingowe i organizacyjne jest w Polsce około dwa razy mniejszy w stosunku do średniej UE‑27, natomiast w stosunku do Niemiec różnice są jeszcze większe. Na uwagę zasługuje jedynie wskaźnik „Udział eksportu wyrobów średniowysokiej i wysokiej techniki w eksporcie ogółem (w %)”, który był w Polsce nieco wyższy w stosunku do średniej UE‑27. Pozostałe wskaźniki charakteryzujące wyniki działalności innowacyjnej są dla Polski znacznie niższe od wartości dla Niemiec oraz od przeciętnych wartości dla UE‑27. Reasumując, niekorzystne kształtowanie poszczególnych wskaźników w Polsce znajduje odzwierciedlenie w syntetycznym wskaźniku zaproponowanym przez Komisję Europejską. Na podstawie tego wskaźnika innowacji wyodrębnia się cztery grupy krajów: 11

„Liderów innowacji”, czyli kraje, w których wartość SII przewyższa średnią Unii Europejskiej o co najmniej 20%;

„Zwolenników innowacji”, czyli kraje, w których wartość SII zawiera się w granicach 10−20% w relacji do średniej UE‑27;

„Umiarkowanych innowatorów”, w których wartość SII oscyluje w granicach 10‑50% poniżej średniej UE‑27;

„Słabych innowatorów”, kraje z wartością SII poniżej 50% średniej UE‑27.

Polska zalicza się do państw o umiarkowanym tempie wzrostu innowacyjności, warto jednak zaznaczyć, iż awansowała z poziomu „Słabi innowatorzy” do poziomu krajów „Umiarkowani innowatorzy”. Biorąc pod uwagę rozwój tego wskaźnika w ciągu ostatnich sześciu lat, warto podkreślić niewielki, ale konsekwentny jego wzrost w Polsce (z wyjątkiem spadku w latach 2009 i 2011). Pomimo pozytywnych tendencji rozwoju, wartość tego wskaźnika w dużym stopniu odbiega od wskaźnika dla Niemiec i średniej UE‑27 i zajmuje w rankingu 23 miejsce, wyprzedzając jedynie cztery kraje z grupy „słabych innowatorów”. Natomiast Niemcy należą już od dłuższego okresu do liderów innowacji, na co wskazuje wzrost sumarycznego wskaźnika SII i zajmują

218

Natalia Gorynia‑Pfeffer

obecnie trzecie miejsce zaraz po Szwecji i Danii. Należy dodać, iż syntetyczny wskaźnik innowacyjności (Summary Innovation Index – SII) jest wynikiem agregacji wymienionych wskaźników cząstkowych. Tabela 2. Summary Innovation Index – SII w latach 2006–2011 Kraje

2006

2007

2008

2009

2010

2011

Polska

0,273

0,284

0,293

0,292

0,304

0,296

Niemcy

0,639

0,660

0,668

0,693

0,711

0,700

UE 27

0,505

0,517

0,526

0,533

0,539

Źródło:opracowanie własne na podstawie: Europäische Kommission, 2012, s. 98.

CHARAKTERYSTYKA WYBRANYCH DOBRYCH PRZYKŁADÓW NIEMIECKIEGO SYSTEMU INNOWACJI WYBRANE ASPEKTY POLITYKI INNOWACYJNEJ W NIEMCZECH Powyższa analiza wskazuje na liczne słabe punkty działalności innowacyjnej w Polsce, szczególnie w zakresie nakładów finansowych, struktury finansowania oraz ochrony własności intelektualnej. W związku z tym, mimo iż każdy system innowacyjny jest zdeterminowany przez wiele różnorodnych czynników, jest możliwe wysunięcie kilku wniosków na podstawie pozytywnych doświadczeń rozwiniętych systemów innowacji. W tym artykule wybrano niemiecki system innowacji, który, mimo iż posiada również słabe punkty dotyczące systemu innowacji, może służyć jako dobry przykład dla Polski. Polityka wspierania innowacyjności w Niemczech koncentruje się przede wszystkim na trzech podstrategiach (European Commission 2006, s. iii–iv): 11

doskonaleniu warunków rozwoju innowacji przez m.in. upraszczanie systemu opodatkowania, redukcję obciążeń podatkowych, zmniejszanie procedur biurokratycznych,

doskonaleniu systemu edukacji i nauki w celu stworzenia wysoko wykwalifikowanych zasobów ludzkich,

promowaniu innowacyjnych zachowań przez dostarczanie finansowej pomocy.

W dalszej części artykułu zostaną przedstawione przede wszystkim cztery najważniejsze aspekty polityki innowacyjnej: wspieranie finansowe technologii w MŚP, wspieranie finansowe nauki, transfer technologii i doradztwo innowacyjne, wspieranie rozpoczęcia działalności gospodarczej. Za wyborem tych dziedzin

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

219

przemawia następujący argument. Polityka innowacyjna w Niemczech kładzie duży nacisk na wspieranie sektora MŚP, który stanowi w Niemczech 99,3% wszystkich przedsiębiorstw (Das Statistische Bundesamt). Firmy te odgrywają bardzo ważną rolę w gospodarce niemieckiej: 95% wszystkich firm innowacyjnych w przemyśle stanowią firmy zatrudniające mniej niż 500 osób, w sektorze usług udział tych firm jest jeszcze większy i wynosi 98% (Rammer, Weißenfeld, 2008). Sektor MŚP ma duże znaczenie w wytwarzaniu produktu narodowego oraz w tworzeniu nowych miejsc pracy. Według najnowszych danych udział firm innowacyjnych, zatrudniających 10–49 pracowników, wynosi w Niemczech 78%, natomiast zatrudniających 50–249 pracowników − 84% (Maaß, Führmann, 2012, s. 67–68). Dla porównania udział firm dużych (powyżej 249 pracowników) wynosi 95%. Należy zaznaczyć, iż tak wysoki udział innowacyjnych MŚP w Niemczech jest związany z nową definicją innowacji według OSLO‑Manual, który uwzględnia nie tylko innowacje technologiczne ale również nietechnologiczne. Według opisanego w pierwszej części artykułu wskaźnika IUS, udział firm małych i średnich wprowadzających innowacje produktowe i usługowe wynosi 53,61% ogólnej liczby MŚP i tym samym przekracza w dużym stopniu średnią europejską. W związku z tym wydatki rządu przeznaczone na wspieranie sektora MŚP wzrosły w ostatnich latach: w 2005 r. wynosiły 633 mln euro, natomiast w 2009 r. ponad 1 mld euro. Rząd niemiecki oferuje MŚP najróżniejsze programy zarówno w skali krajowej jak i regionalnej, których głównym celem jest: 11

motywowanie MŚP w zakresie podejmowania działalności B+R oraz wprowadzania innowacji,

zmniejszanie ryzyka związanego z działalnością B+R,

zachęcanie do wprowadzania wyników z działalności B+R na rynek,

zwiększanie współpracy między nauką a przemysłem,

wzmacnianie zaangażowania MŚP w działalność B+R i łączenia się w sieci współpracy z innymi firmami.

Wspieranie finansowe technologii w MŚP System finansowania B+R w Niemczech jest złożony: z jednej strony przedsiębiorstwa partycypują w około 2/3 wydatków na badania i rozwój, a z drugiej sfera publiczna (rząd federalny oraz kraje związkowe) pokrywa około 1/3 wydatków na ten cel (Schasse, 2011, s. 13). Cechą charakterystyczną wysoko rozwiniętych gospodarek jest to, że większość środków przeznaczonych na sferę B+R pochodzi ze źródeł pozabudżetowych. Ogólna tendencja wskazuje na zmniejszający się udział państwa w finansowaniu tej sfery oraz zwiększający się udział źródeł niepublicznych. Specyfika systemu federalnego sprawia, iż system finansowania B+R jest oparty na bardzo

220

Natalia Gorynia‑Pfeffer

wyraźnym udziale poszczególnych krajów związkowych. Liczne instytucje badawcze są finansowane zarówno przez rząd federalny jak i przez landy. Pojawia się zatem pytanie jakie są przyczyny takiej sytuacji? Niemcy są przykładem kraju, w którym działania na rzecz wspierania współpracy między sektorem nauki a gospodarką zapoczątkowano już w latach 50. w ramach programu „Wspólne badania przemysłowe“ (Industrielle Gemeinschaftsforschung) oraz kontynuowano go w latach 80. w ramach programu PRO INNO, a obecnie Centralnego Programu Innowacyjnego dla MŚP (Zentrales Innovationsprogramm Mittelstand, ZIM) (Rammer, Sellenhin, 2008, s. 3). W Niemczech silnie wspiera się finansowo współpracę jednostek badawczych, współpracę organizacji badawczych z uniwersytetami, a także jednych i drugich z przemysłem. W tym kontekście niezmiernie ważnym aspektem jest właściwy wybór instrumentów wspierających przepływ wiedzy między sektorem nauki a przedsiębiorstwami. Wsparcie działalności badawczo‑rozwojowej przyjmuje formę wyłącznie bezpośrednich instrumentów. Dużą wagę przywiązuje się do sektora MŚP ze względu na mniejsze możliwości samodzielnego finansowania B+R przez te podmioty. Przykładowo wsparcie technologiczne dla sektora MŚP obejmuje dotacje i korzystne pożyczki na finansowanie projektów badawczych. Najbardziej popularnym programem wśród sektora MŚP jest wspomniany Centralny Program Innowacyjny dla MŚP (Ministerstwo Gospodarki i Technologii, 1a). ZIM obejmuje następujące moduły wspierające innowacje: PRO INNO (obecna nazwa ZIM KOOP), INNO‑WATT (obecna nazwa ZIM SOLO) czy też NEMO (obecna nazwa ZIM NEMO). ZIM KOOP umożliwia ubieganie się o granty na projekty badawcze z przedsiębiorstwami przemysłowymi i jednostkami naukowymi; obejmuje średnio dwóch partnerów współpracujących nad tym samym projektem badawczo‑rozwojowym. ZIM SOLO wspiera projekty badawcze dla pojedynczych firm, natomiast ZIM NEMO obejmuje przynajmniej sześciu partnerów, którymi zarządza przez 3 lata specjalny menedżer, który dąży do utworzenia trwałej sieci firm i jednostek naukowych. Badania dotyczące efektywności ekonomicznej tych programów wskazują na pozytywne wyniki ekonomiczne. Ogólnie udział firm uczestniczących w tych programach zwiększył ich obroty średnio o 10%. Ponadto firmy utworzyły około 1−3 nowych miejsc pracy, a także mogły nadal zatrudniać około 10 pracowników1 (Braßler, Möller, Voigt, 2008, 2009; Möller, Gorynia‑Pfeffer, Voigt, 2010). Innym ważnym programem wspierającym działalność badawczo‑rozwojową jest program KMU INNOVATIV (Ministerstwo Edukacji i Badań, 1a). Pomoc udzielana w ramach tego programu badawczego ukierunkowana jest na wspieranie rozwoju konkretnej dziedziny nauki, która została uznana za przyszłościową lub szczególnie istotną dla ogólnego dobra. Do tych dziedzin należą: biotechnologia, technologie komunikacyjno‑inormacyjne, nanotechnologia, technologie 1 Wyniki te są średnimi z badań przeprowadzonych w latach 2008−2010 na podstawie oceny wyników ekonomicznych programów PRO INNO zakończonych w latach 2003, 2004−2005, oraz 2006−2007.

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

221

optyczne, technologie produkcyjne, technologie wspierające surowce i energię energetyczną, technika medyczna oraz badania odnośnie do cywilnego bezpieczeństwa. Zaletą tego programu jest przygotowanie na samym początku szkicu projektu (nie więcej niż 10 stron), który jest oceniany przez Ministerstwo Badań i Nauki w ciągu dwóch miesięcy. W przypadku otrzymania pozytywnej oceny, potencjalny kandytat może przystąpić do wypełnienia specjalnego wniosku o grant badawczy, którego ocena oraz ostateczna decyzja o jego przyjęciu lub odrzuceniu nie przekracza okresu dwóch miesięcy. Kolejny program to Program Wspierania Innowacji ERP (ERP ‑Innovationsprogramm) niemieckiego Państwowego Banku Rozwoju (KfW Bankengruppe), który finansuje w długim przedziale czasu prace badawczo ‑rozwojowe a także wdrażanie innowacji na rynek. W ramach tego programu firmy otrzymują kredyty o korzystnych stałych stopach procentowych w celu rozwoju nowego produktu, procesu, usług, a także wprowadzania ich na rynek. Ważnym narzędziem polityki innowacyjnej Niemiec jest również program IGF (Industrielle Gemeinschaftsforschung), który wspiera współpracę przedsiębiorstw w działalności innowacyjnej (AiF, 2012. Program ten koncentruje się na rozwoju wiedzy i platform technologicznych dla całych branż. Ponadto IGF jest wspierany przez długoterminowy rozwój całej branży lub branży sieci badawczych wśród średnich przedsiębiorstw, uczelni i instytucji badawczych. Finansowane są wspólne badania wdrożeniowe w ich wczesnej fazie, kiedy zyski ze sprzedaży nie pokrywają jeszcze poniesionych nakładów. Uzyskane wyniki w ramach tego programu muszą zostać przekazane wszystkim zainteresowanym firmom zarówno z danego sektora gospodarki jak i z innych branż. W ramach tego programu wyróżnia się następujące moduły: „ZUTECH”, finansujący projekty interdyscyplinarne, realizowane przez kilka współpracujących firm, „CLUSTER” finansujący prace podstawowe, a także stosowane, przeprowadzane w ramach Klastra. Nadal istnieją programy innowacyjne skierowane tylko i wyłącznie do przedsiębiorstw z Niemiec Wschodnich. Zróżnicowanie regionalne w poziomie rozwoju kraju między częścią wschodnią i zachodnią kraju, widoczne przede wszystkim po zjednoczeniu Niemiec, spowodowało wprowadzenie różnych działań ze strony państwa. W celu zmniejszenia różnic położono nacisk między innymi na aktywizację postępu technologicznego oraz przedsiębiorczości w zakresie nowych technologii. Do programów wspierających innowacje wyłącznie dla Niemiec Wschodnich należały przykładowo wspomniane wcześniej programy INNO‑WATT (obecnie ZIM‑SOLO), a także NEMO (obecnie ZIM‑NEMO), które od 2008 r. są również otwarte dla przedsiębiorstw z Niemiec Zachodnich. Obecnie program, w którym mogą wziąć udział wyłącznie instytucje naukowe z Niemiec Wschodnich, to przykładowo INNO‑KOM‑OST (Ministerstwo Gospodarki i Technologii, 1b). Celem tego programu jest wzmocnienie innowacyjności gospodarki Niemiec Wschodnich przez wspieranie badań i rozwoju zewnętrznych instytutów badań przemysłowych, działających non ‑profit. Program ten obejmuje 3 moduły finansujące: „wstępne projekty badaw-

222

Natalia Gorynia‑Pfeffer

cze”, „prorynkowe projekty badawczo‑rozwojowe“, a także „inwestycje zmierzające do poprawy infrastruktury naukowej i technicznej”. Kolejna ważna inicjatywa to „Ofensywa technologiczna” (Technologieoffensive) Federalnego Ministerstwa Gospodarki i Technologii, która wyznacza przede wszystkim 3 cele: Działania dla poprawy warunków ramowych dla B+R, Działania dla zwiększenia udziału MŚP w wydatkach na B+R oraz Działania dla zwiększenia wsparcia rozwoju technologii kluczowych, zorientowanych na wyzwania przyszłości (jako kluczowe technologie zdefiniowano technologie: energetyczne, biotechnologie, nanotechnologię, elektronikę, a także technologie optyczne, kosmiczne, informacyjne i komunikacyjne) (Ministerstwo Gospodarki i Technologii, 2011). W ramach osiągnięcia pierwszego celu planowane jest wprowadzenie ułatwień podatkowych dla finansowania przedsięwzięć innowacyjnych o zwiększonym ryzyku. Debata nad brakiem wykształconych osób w Niemczech doprowadziła do planów wprowadzenia szybkiej procedury uznawania kwalifikacji i przyznawania prawa pobytu dla absolwentów kierunków technicznych szkół średnich i wyższych z krajów trzecich, a także promowania zwiększenia udziału kobiet w szkołach technicznych i na studiach inżynierskich. Zamierza się również wprowadzić ułatwienia w procedurach patentowych i konkurencji pomiędzy agencjami oceny patentowej, podjęcie prac nad nowelizacją ustawy o miarach i normach, która dostosuje obecne regulacje w tym zakresie do wymogów i specyfiki nowoczesnych technologii (np. nanotechnologii), oraz dla przyśpieszenia ich rynkowego wdrożenia. Ponadto planuje się zwiększenie elastyczności płacowej w jednostkach B+R, finansowanych ze środków publicznych dla między innymi pozyskania wysoko wynagradzanych specjalistów z kraju i zagranicy. Ważnym punktem jest także wspieranie rozwoju eksportu produktów high‑tech (specjalne gwarancje dla kredytów eksportowych) oraz promowanie Niemiec jako kraju przyjaznego w celu umiejscawiania ośrodków B+R przez zagranicznych inwestorów. Drugi ważny cel tej inicjatywy „Działania dla zwiększenia udziału MŚP w wydatkach na B+R” zakłada wsparcie udziału przedsięwzięć kooperacyjno‑badawczych grup przedsiębiorców w unijnych programach badawczych oraz rozszerzenie palety wsparcia projektów innowacyjnych MŚP korzystnie oprocentowanymi kredytami. Ważną rolę odgrywa również wspomniany Centralny Program Innowacyjny (ZIM). Założono także kontynuację wprowadzonego w 2010 r. programu bonów innowacyjnych, z rozszerzeniem od 2011 r. objętej nią tematyki o zagadnienia efektywnego zastosowania surowców i materiałów. Trzeci cel „Działania dla zwiększenia wsparcia rozwoju technologii kluczowych, zorientowanych na wyzwania przyszłości” (jako kluczowe technologie zdefiniowano technologie energetyczne, biotechnologie, nanotechnologię, elektronikę, a także technologie optyczne, kosmiczne, informacyjne i komunikacyjne) zakładają dalszą realizację Programu Badań dla Trwałego i Zrównoważonego Rozwoju (gospodarka wodna, efektywność surowcowa i energetyczna) oraz Programu Ramowego Bioekonomia, koordynowanych przez Federalne Ministerstwo Edukacji i Badań, w celu zastąpienia w długim okresie energii atomowej i z węgla odnawialnymi źródłami energii. Planowane są również dalsze

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

223

prace w zakresie mobilności elektrycznej. Zgodnie z założeniami rządu do 2020 r. w Niemczech ma poruszać się milion pojazdów o napędzie elektrycznym. Ministerstwo Gospodarki wspiera projekty badań nad nowymi zespołami napędowymi dla pojazdów hybrydowych i elektrycznych, nad nowymi akumulatorami oraz standardyzacją w zakresie napędów elektrycznych.

Wspieranie finansowe nauki Niemcy posiadają bardzo dobrze rozwiniętą sieć instytucji badawczo ‑rozwojowych. Do najważniejszych należą przykładowo (Kuhlmann, Schmoch, Heinze, 2003, s. 7): 11

Niemiecka Wspólnota Badawcza (Deutsche Forschungsgemeinschaft – DFG): centralna organizacja samorządowa, finansująca badania naukowe na uczelniach oraz w publicznych instytucjach;

Fundacja im. Alexandra von Humboldta (Alexander von Humboldt‑Stiftung – AvH): umożliwia i zachęca zagranicznych naukowców do prowadzenia badań w Niemczech;

Wspólnota Robocza Przemysłowych Stowarzyszeń Badawczych im. Otto von Guericke (Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke”): organizacja samorządowa przedsiębiorstw, skupiającą 103 stowarzyszenia badawcze ze wszystkich branż oraz wspierająca B+R w małych i średnich przedsiębiorstwach.

Ponadto w Niemczech istnieje rozwinięta sieć pozauniwersyteckich jednostek badawczych, do których należy przykładowo Towarzystwo im. Maxa Plancka (Max‑Planck‑Gesellschaft − MPG), utrzymujące 79 instytutów, jednostek badawczych, laboratoriów i grup roboczych. Innym ważnym towarzystwem naukowym jest Towarzystwo im. Fraunhofera (Fraunhofer Gesellschaft – FG), które prowadzi przede wszystkim badania stosowane oraz kładzie duży nacisk na współpracę z firmami. Największym pozauniwersyteckim ośrodkiem badawczym w Niemczech jest Wspólnota im. Helmholtza (Helmholtz‑Gemeinschaft – HG) skupiająca 15 jednostek badawczych z obszaru nauk ścisłych, technicznych oraz biologiczno‑medycznych. Badania prowadzone są w sześciu strategicznych dziedzinach: energia, ziemia i środowisko, zdrowie, kluczowe technologie, struktura materii oraz transport powietrzny. Wspólnota im. Leibniza (Leibniz ‑Gemeinschaft – LG) obejmuje 82 jednostki na terenie Niemiec oraz prowadzi badania zorientowane na istniejący popyt mające z reguły interdyscyplinarny charakter. Jedną z inicjatyw wspierania sektora nauki jest inicjatywa „Znakomitości” (Excellenzinitiative) wspierająca międzynarodową konkurencyjność badań prowadzonych w szkołach wyższych (Ministerstwo Edukacji i Badań, 1b). Inną inicjatywą jest zawarty wspólnie przez rząd i landy „Pakt na rzecz Badań i Rozwoju”

224

Natalia Gorynia‑Pfeffer

(Pakt für Forschung und Innovation), w ramach którego zostały zwiększone nakłady na finansowanie wspólnych instytutów badawczych (Gemeinsame Wissenschaftskonferenz). W Niemczech wiele instytucji jest finansowanych przynajmniej w jakimś stopniu przez finansowanie instytucjonalne. Wówczas wsparcie finansowe udzielane instytucjom nie obejmuje pojedynczych przedsięwzięć badawczych, lecz ogólną działalność i inwestycje realizowane przez dane instytucje, które przez dłuższy okres otrzymują pomoc finansową z budżetu federalnego lub po części z budżetu federalnego i budżetu landów. Dzięki temu zostaje utrzymany wysoki poziom i strategiczne ukierunkowanie działalności naukowo ‑badawczej w Niemczech. Rząd niemiecki przywiązuje ogromną wagę do wspierania firm i sektora nauki na arenie międzynarodowej, w formie różnorodnych inicjatyw. Przykładowo Niemieckie Ministerstwo Gospodarki wspiera współpracę badawczą niemieckich i zagranicznych przedsiębiorstw oraz instytutów badawczych. W ramach programu PRO INNO II (obecnie ZIM KOOP) przedsiębiorstwa niemieckie otrzymują finansowe wsparcie na realizowane projekty we współpracy z zagranicznymi partnerami. Istotnym źródłem finansowania są też środki Unii Europejskiej (Ministerstwo Gospodarki i Technologii, 1a). W roku 2008 rząd niemiecki przedstawił Strategię na rzecz Umiędzynarodowienia Nauki i Badań (Internationalisierungsstrategie), która definiuje następujące priorytety (Ministerstwo Edukacji i Badań, 2008, s. 4.): 11

wzmocnienie współpracy niemieckich badaczy i przedsiębiorców z wiodącymi ośrodkami innowacyjnymi na świecie,

wykorzystanie przez niemieckie przedsiębiorstwa potencjału współpracy z wiodącymi i tworzącymi się centrami zaawansowanych technologii na świecie,

rozszerzenie współpracy w zakresie edukacji, badań i rozwoju z państwami rozwijającymi się,

wykorzystanie niemieckich badań do sprostania globalnym wyzwaniom w obszarach: klimatu, zasobów naturalnych, zdrowia, bezpieczeństwa i migracji.

W 2009 r. dokonano pierwszej ewaluacji tego dokumentu. Jednym z ważniejszych działań w ramach tej inicjatywy jest między innymi Nagroda Naukowa Fundacji im. A. von Humboldta, dzięki której zwiększono możliwości pozyskiwania wybitnych zagranicznych naukowców do prowadzenia badań na niemieckich uczelniach. W państwach rozwijających się udostępniono niemieckim naukowcom dostęp do prowadzenia badań w unikalnych warunkach – pod względem położenia geograficznego, biologii, struktury społeczno‑ekonomicznej oraz warunków klimatycznych. Aspekt ten odgrywa dużą rolę między innymi w badaniach nad zmianami klimatu. W celu ujednolicenia działań niemieckich instytucji zajmujących się za granicą nauką, badaniami i innowacjami utworzono Niemieckie Domy Nauki i Innowacji

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

225

(Deutsche Wissenschafts‑ und Innovationshäuser). Inicjatorami tej koncepcji są Ministerstwo Spraw Zagranicznych oraz Ministerstwo Edukacji i Badań, Niemiecka Izba Przemysłowo‑Handlowa, Federalny Związek Niemieckiego Przemysłu oraz szefowie organizacji badawczych. Pierwsze tego typu instytucje powstały w São Paulo, Moskwie, New‑Delhi, Tokio i Nowym Jorku. W ostatnich latach w Niemczech wzrasta też liczba partnerstw publiczno ‑prywatnych na rzecz wspólnych badań, dających ogromne szanse w kwestii finansowania i realizacji projektów. Jedną z ważnych form partnerstwa PPP są tzw. instytuty zewnętrzne (An‑Institute) – samodzielne jednostki powiązane ze szkołami wyższymi w formie umów o współpracy czy też niesamodzielne jednostki w ramach uniwersytetów (laboratoria), na podstawie umowy kooperacyjnej (Hemer i in., 2007, s. 3). Ponadto jednym z najważniejszych narzędzi wspierających współpracę między nauką a firmami są obok inkubatorów przedsiębiorczości czy też centrów transferu technologii również parki naukowo‑technologiczne. Organizacje te tworzą głównie instytucjonalne zaplecze sprzyjające komercjalizacji badań naukowych, współpracy naukowo‑badawczej i tranferu wiedzy (Marciniec, 2007, s. 5). Mogą one również stanowić potencjał do tworzenia tzw. firm odpryskowych (Spin‑off).

Transfer technologii oraz doradztwo innowacyjne Polityka innowacyjna w dużym stopniu kładzie nacisk nie tylko na rozwój innowacji, ale również na komercjalizację wyników badawczo‑rozwojowych i ich praktyczne zastosowanie. Przykładowo pomoc następuje w formie świadczeń doradczych oraz działań w celu wzmocnienia transferu technologii czy w zakresie ochrony praw własności intelektualnej. Centralnym planem rozwoju innowacyjności rządu federalnego jest zainaugurowany w 2006 r. program „Strategia Wysokich Technologii dla Niemiec” (Hightech‑Strategie für Deutschland) (Ministerstwo Edukacji i Badań, 2010). „Strategia Hightech” opiera sie na trzech filarach: tworzenie w Niemczech rynków dla innowacyjnych produktów i usług (identyfikacja 17 priorytetowych obszarów innowacyjnych), wzmocnienie powiązań między gospodarką i nauką oraz poprawa warunków ramowych dla badań. W roku 2010 zmodyfikowano wersję z 2006 r. i uznano politykę innowacyjną jako swego rodzaju misję państwa. W nowej wersji „Strategii” położono nacisk przede wszystkim na 5 priorytetowych tematów badawczych, istotnych z punktu widzenia globalnych wyzwań dla społeczeństwa i gospodarki niemieckiej: klimat/energia, zdrowie/odżywianie, mobilność, bezpieczeństwo cywilne, technologie informacyjne i komunikacyjne oraz programy badawcze. Tematy te w większości nadal wymagają przełożenia na konkretne inicjatywy, programy i projekty, często w formie długotrwałych uzgodnień międzyresortowych. Istotną rolę odgrywa także wspieranie klastrów. W 2007 r. zainaugurowany został konkurs Federalnego Ministerstwa Edukacji i Badań na wiodący klaster

226

Natalia Gorynia‑Pfeffer

w Niemczech (Spitzencluster‑Wettbewerb) (Ministerstwo Edukacji i Badań, 1c). Wybrane klastry otrzymują wsparcie finansowe na realizację strategii rozwoju i opracowywanie innowacyjnych produktów. Promocja klastrów występuje zarówno na poziomie regionalnym, sektorowym jak i coraz częściej międzynarodowym. Nacisk kładzie się nie tylko na tworzenie nowych inicjatyw klastrowych, ale również na zwiększanie jakości istniejących klastrów np. w formie ich umiędzynarodowienia. Ważną rolę w procesie transferu i komercjalizacji technologii odgrywają instytucje pośredniczące pomiędzy oferentami a odbiorcami innowacji. Do instytucji tych należą na przykład centra innowacji i transferu technologii, akademickie inkubatory przedsiębiorczości, inkubatory technologiczne czy też aniołowie biznesu. Ważnym isntrumentem jest program Transfer von FuE‑Ergebnissen durch Normung und Standardisierung (Ministerstwo Gospodarki i Technologii, 1c) wspierający tranfer wyników badawczo‑rozwojowych w formie norm oraz standardów. Uczestnikami tego programu mogą być firmy z siedzibą w Niemczech, szkoły wyższe oraz jednostki badawcze. Aspekty norm i standardów muszą zostać relatywnie wcześnie uwzględnione w procesie badawczo‑rozwojowym w celu ułatwienia transferu wyników. Ważną rolę odgrywają również agencje patentowe, których celem jest wspieranie szkół wyższych w zakresie takich działań jak zgłoszenie i wykorzystywanie patentów oraz dbanie o kontakty z innymi partnerami gospodarczymi. Ciekawą formą transferu technologii i wiedzy do przedsiębiorstw są sieci współpracy badawczo‑rozwojowej z udziałem jednostek sektora publicznego i prywatnego. Wzięcie udziału w Inicjatywie „Sieci kompetencyjne Niemcy” (Kompetenznetze Deutschland)(Ministerstwo Gospodarki i Technologii, 1d) umożliwia przyjęcie tzw. stempla jakości i tym samym umieszczenie na liście Ministerstwa Gospodarki najbardziej innowacyjnych i konkurencyjnych sieci. Inicjatywa ta jest przede wszystkim akcją marketingową, oferuje również firmom możliwość udziału w różnych konferencjach, wymianę doświadczeń itd. Ważnym programem doradczym są bony innowacyjne go‑innovativ, które wspierają usługi doradcze w celu przygotowania i wprowadzania na rynek produktów oraz procesów technicznych. Udział w tym programie pokrywa 50% kosztów doradczych pod warunkiem skorzystania z usług firm doradczych autoryzowanych przez Ministerstwo Gospodarki. W ramach tej inicjatywy utworzono specjalny moduł go‑effizient, który wspiera doradztwo zorientowanes na zwiększanie efektywności materiałów oraz surowców (Ministerstwo Gospodarki i Technologii, 1e). W zakresie ochrony praw własności intelektualnej ważnym programem jest inicjatywa SIGNO (Ministerstwo Gospodarki i Technologii, 1f). Przede wszystkim jest to inicjatywa patentowa skierowana do sektora MŚP „SIGNO KMU‑Patentaktion“, w ramach której zgłoszenie patentów przez MŚP jest finansowo wspierane i odgrywa ważną rolę. MŚP otrzymują pomoc finansową w celu zameldowania po raz pierwszy patentów lub też znaków użytkowych. Inicjatywa ta ma za zadanie głównie

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

227

zmniejszanie barier oraz uprzedzeń w sektorze MŚP, optymalizację zarządzania innowacjami, poprawę warunków procedury patentowej i w efekcie zwiększenie liczby zgłoszeń patentowych. W ramach kolejnej inicjatywy SIGNO „InnovationMarket/Verwertungsaktion“ MŚP posiadają możliwość umieszczenia na specjalnym portalu elektronicznym własnych technologii, a także własnych patentów przeznaczonych do licencji. Ministerstwo Gospodarki przygotowało również serwer „Patenty“ („Patente“), w ramach którego udostępnione są informacje na temat programów wspierających działalność B+R, teksty prawne etc.

Wspieranie rozpoczęcia działalności gospodarczej W ramach programu EXIST finansowane jest rozpoczęcie działalności gospodarczej, której powodzenie zależy od kosztownych i ryzykownych pod względem ekonomicznym prac badawczych. Program obejmuje 3 moduły: “EXIST ‑Gründungskultur“, który ma na celu wsparcie opracowania i wdrożenia kultury zakładania nowych firm w szkołach wyższych; „EXIST‑Gründerstipendium“ oferuje wsparcie finansowe dla naukowców, którzy chcą założyć swoją firmę; „EXIST ‑Forschungstransfer“ wspiera finansowo prace badawczo‑‑rozwojowe, będące warunkiem utworzenia własnej firmy, a także przygotowania konieczne do rozpoczęcia własnej działalności gospodarczej (Ministerstwo Gospodarki i Technologii, 1g). Ważnym programem jest również program funduszu udziałowego ERP/EIF ‑Dachfonds oferujący dofinansowanie funduszy venture capital (VC), które inwestują w firmy technologiczne. Źródłem dofinansowania są środki publiczne z Europejskiego Programu ERP (European Recovery Programme) oraz z Europejskiego Funduszu Inwestycyjnego EIF (European Investment Fonds) (Ministerstwo Gospodarki i Technologii, 1h). ERP‑Startfonds polega na uzupełnieniu kapitału prywatnego środkami publicznymi i jest skierowany do nowo zakładanych firm przez środowisko akademickie oraz biznes w celu wdrożenia nowych rozwiązań (KfW Bankengruppe). Nowo powstającym przedsiębiorstwom proinnowacyjnym oraz osobom zakładającym firmy high‑tech oferowane są możliwości finansowania wprowadzania na rynek nowych produktów, technologii oraz usług. Pomoc następuje w formie dopłat oraz kapitału udziałowego (np. fundusz High‑Tech Gründerfonds), (High ‑Tech Gründerfonds Management GmbH). Finansowanie może pokrywać koszty utworzenia firmy, a także usługi doradcze. Rysunek 1 obrazuje najważniejsze priorytety polityki innowacyjnej w Niem czech, na podstawie corocznie przeprowadzanego badania przez Komisję Europejską dla poszczególnych krajów z Unii Europejskiej. Prezentowany poniżej rysunek wskazuje na duże znaczenie takich instrumentów w polityce innowacyjnej w Niemczech, jak: projekty badawczo‑rozwojowe, strategiczne ukierunkowanie polityki technologicznej, przepływ wiedzy i technologii, organizacje zajmujące się działalnością B+R oraz promocja klastrów w porównaniu do średniej UE‑27.

228

Natalia Gorynia‑Pfeffer

Rysunek 1. Priorytety polityki innowacyjnej w Niemczech w porównaniu do UE 27

R&D cooperation

Strategic Research policies

Knowledge transfer (incl. IPR in public institutes)

Public Research Organisations

Cluster framework policies

10%

20%

30%

% of policy measures in EU27

40%

50%

60%

70%

% of policy measures in DE

Źródło: opracowanie własne na podstawie Europäische Kommission, 2009, s. 29.

REKOMENDACJE W CELU POPRAWY SYSTEMU INNOWACJI W POLSCE Jednym z najważniejszych problemów w polityce innowacyjnej w Polsce są zbyt niskie nakłady na badania i rozwój. W związku z tym priorytetowym zadaniem jest zwiększenie dopływu innowacyjnych rozwiązań do gospodarki zarówno ze strony przedsiębiorców, jak i instytucji badawczych. Niezbędnym warunkiem jest zwiększenie dostępu MŚP do kapitału na realizację innowacyjnych przedsięwzięć. Istotną kwestią jest również wykorzystanie środków publicznych za pośrednictwem systemu zamówień publicznych do kreowania popytu na innowacje. Ważnym aspektem jest również promocja wykorzystania i ułatwienie dostępu do środków finansowych Unii Europejskiej oraz stymulowanie rozwoju funduszy kapitałowych (private equity/venture capital). Ważną rolę odgrywają powiązania między sektorem nauki oraz przedsiębiorstwami. W tym celu konieczne jest polepszenie systemu rozwiązań prawno ‑ekonomicznych, wspomagających transfer technologii i komercjalizację badań. Konieczne jest ustanowienie efektywnego partnerstwa publiczno‑prywatnego oraz zapewnianie warunków do współpracy sieciowej. W celu zwiększenia skali współpracy między biznesem a nauką jest konieczny rozwój kultury proinnowa-

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

229

cyjnej, a także wzrost nakładów na B+R przede wszystkim ze strony przedsiębiorstw. Pożądane jest również zwiększenie wiedzy na temat możliwych form współpracy i upowszechnienie korzyści, jakie płyną z działań w związkach kooperacyjnych. Transfer wiedzy między jednostkami naukowymi a gospodarką w formie stażu pracowników naukowych, doktorantów oraz studentów w przedsiębiorstwach jest również zalecany. Ważnym aspektem są również inwestycje w kapitał ludzki, zwłaszcza w kwalifikacje osób o kierunku technicznym. Konieczne jest wprowadzenie do systemu kształcenia takich cech, jak: kreatywność, zdolność do wspólnego działania, akceptowanie rozsądnego poziomu ryzyka i przedsiębiorczość. Ważnym aspektem jest także zarządzanie prawami ochrony własności intelektualnej. Rola państwa powinna polegać przede wszystkim na koordynacji działań badawczo‑rozwojowych oraz stworzeniu dogodnych warunków i zachęt dla firm. Środki publiczne przekazywane na prace badawczo‑rozwojowe powinny być kierowane nie tylko do pojedynczych firm, ale również do konsorcjów czy klastrów w celu prowadzenia prac badawczych oraz wdrażania ich wyników. Ważnym aspektem jest również wsparcie finansowe na rzecz przedsiębiorstw znajdujących się na wczesnych etapach wzrostu. Kolejnym ważnym zadaniem jest ograniczenie biurokracji oraz wzrost kompetencji pracowników administracji publicznej. Konieczne jest wypracowanie mechanizmów, które pozwolą osobom przedsiębiorczym z pomysłami realizować swoje projekty bez zbędnego formalizmu. Kolejnym ważnym aspektem jest wzmocnienie bazy naukowej i technologicznej poprzez konsolidacje liczby instytucji badawczych oraz realizacje wspólnych projektów publicznych. Podjęte działania na rzecz restrukturyzacji sektora jednostek badawczo‑rozwojowych powinny być kontynuowane. Zaleca się również wyróżnianie najlepszych jednostek naukowych w formie finansowania podmiotowego prowadzących badania naukowe i prace rozwojowe w obszarach badawczych, strategicznych dla rozwoju kraju. Warunkiem poprawy zarządzania systemem innowacyjności jest budowa systemu długookresowego planowania w zakresie badań publicznych i innowacji. Ponadto ważnym aspektem jest zwiększenie zainteresowania innowacjami na najwyższym szczeblu politycznym, a także tworzenie spójnego i skoordynowanego na poziomie rządu podejścia do innowacji. Niezbędnym warunkiem tych działań jest zwiększenie świadomości istnienia instytucjonalnego systemu wsparcia działalności innowacyjnej. Brak wiedzy na ten temat prowadzi często do zaniechania korzystania z oferty instytucji wspierających innowacyjność firm. W związku z tym instytucje oferujące wsparcie w zakresie innowacji powinny częściej i efektywniej informować na temat ich własnej oferty. Ponadto niezbędne są również odpowiednie kwalifikacje pracowników tych organizacji, nie tylko w zakresie marketingu i prowadzenia biznesu, ale również w dopasowaniu własnych usług do potrzeb firm. W związku z tym mogłyby być przydatne specjalne szkolenia z zakresu

230

Natalia Gorynia‑Pfeffer

promocji, działań public relations oraz marketingu dla pracowników instytucji wspierających działalność innowacyjną. Ważne są także usługi doradcze i szkoleniowe mające na celu wspieranie zakładania i prowadzenia działalności gospodarczej. Promowanie i utrwalanie postaw proinnowacyjnych (prorozwojowych) powinno być obecne w systemie edukacyjnym oraz w systemie szkoleń upowszechniającym wiedzę i umiejętności zarządzania procesami innowacyjnymi. Pomocnym działaniem jest również system promocji przykładów dobrych praktyk służących jako wzorce do naśladowania. Zalecane jest także podnoszenie wiedzy firm o korzyściach wynikających z komercyjnego wykorzystywania patentów. W związku z tym są zalecane szkolenia i doradztwo w zakresie zarządzania własnością przemysłową w jednostkach naukowych i przedsiębiorstwach.. Pomocne są również w tym kontekście takie działania jak udoskonalenie legislacji i uproszczenie procedur w zakresie uzyskiwania ochrony własności przemysłowej. Kolejny ważny wniosek to upowszechnianie wśród przedsiębiorstw informacji o sytuacji w sektorze nowych technologii w celu zwiększania szans firm nie tylko na rynku krajowym ale również zagranicznym. Warunkiem wprowadzenia tych działań jest ustanowienie efektywnego systemu instytucjonalnego. Horyzontalny charakter polityki innowacyjnej i różnorodność podmiotów na szczeblu centralnym i regionalnym wymagają stworzenia odpowiednich mechanizmów koordynacyjnych. Wymagana jest koordynacja przede wszystkim między ministerstwami odpowiedzialnymi za konkurencyjność, rozwój regionalny oraz edukację i naukę. W związku z tym najważniejsze priorytety dotyczące zwiększenia innowacyjności polskiej gospodarki powinny opierać się przede wszystkim na następujących działaniach (OECD, 2007; Ciok, 2009; Ministerstwo Gospodarki, 2011):

Rekomendacje odnośnie do struktury i finansowania B+R 11

Wzrost nakładów na działalność B+R w relacji do PKB.

Wzrost udziału sektora prywatnego w badaniach naukowych.

Wzrost udziału prac rozwojowych i badań stosowanych.

Koncentracja środków finansowych na placówki B+R o dużym potencjale czy tych, których wyniki prac kończą się najczęściej sukcesem.

Kształtowanie większej zdolności absorpcyjnej gospodarki na innowacje.

Tworzenie bardziej konkurencyjnych i skoncentrowanych funduszy wynagradzających doskonałość szkół wyższych i publicznych organizacji badawczych.

Rozwijanie systemu zachęt dla przedsiębiorców do prowadzenia działalności B+R i wprowadzania innowacji.

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

231

Rekomendacje odnośnie do powiązań między nauką i gospodarką 11

Motywowanie przedsiębiorstw w kierunku wprowadzania bardziej innowacyjnych form produkcji, organizacji, świadczenia usług.

Zwiększanie sprawności wdrażania innowacji w gospodarce (doradztwo, wsparcie prawne, ulgi podatkowe).

Wzmacnianie skuteczności zarządzania prawami ochrony własności intelektualnej.

Zwiększanie sprawności wdrażania innowacji w gospodarce.

Zwiększenie zachęt dla naukowców do doskonalenia zawodowego i współpracy ze sferą gospodarki przez m.in. zachęty finansowe i kryteria oceniające efektywność prowadzonych badań.

Rekomendacje odnośnie do infrastruktury naukowo‑badawczej 11

Rozwój infrastruktury zwiększającej potencjał naukowo‑badawczy.

Doskonalenie systemu komercjalizacji i upowszechnianie prac B+R.

Modernizacja istniejącego potencjału badawczo‑rozwojowego a także bardziej efektywne jego wykorzystywanie.

Zapewnienie zatrudniania pracowników naukowych na zasadzie otwartych konkursów oraz zagwarantowanie przejrzystych kryteriów awansowania w celu zwiększenia jakości i mobilności naukowców.

Rekomendacje odnośnie do infrastruktury instytucjonalnej 11

Ograniczanie i uproszczanie regulacji prawnych, uproszczanie systemu podatkowego oraz zapewnienie długoterminowej stabilności w przepisach prawnych dotyczących sfery gospodarki, a także mechanizmów wsparcia działalności B+R w przedsiębiorstwach.

Poprawa regulacji w zakresie partnerstwa publiczno‑prywatnego (PPP) w obszarze B+R oraz innowacji przez zwiększanie elastyczności i autonomii w zarządzaniu i finansowaniu PPP.

Poprawa koordynacji instytucjonalnej w tworzeniu i wdrażaniu polityki.

Wzmocnienie roli ewaluacji jako głównego elementu skutecznej polityki naukowej i innowacyjnej.

232

Natalia Gorynia‑Pfeffer

Rekomendacje odnośnie do tworzenia kultury proinnowacyjnej 11

Zwiększenie popytu na innowacje.

Tworzenie dobrego klimatu dla innowacji.

Rozwijanie systemu edukacji oraz pobudzanie świadomości na rzecz kształtowania ducha przedsiębiorczości oraz zwiększania skłonności do podejmowania ryzyka.

Podsumowując należy zaznaczyć, iż ogólnie istnieje w Polsce wiele najróż niejszych inicjatyw i dokumentów strategicznych mających na celu wzmacnianie innowacyjności polskiej gospodarki. Do najważniejszych z nich należą przykładowo: Kierunki zwiększania innowacyjności gospodarki na lata 2007–2013, Program Operacyjny Innowacyjna Gospodarka PO IG na lata 2007–2013, a także ustanowiona w zeszłym roku Strategia Innowacyjności i Efektywności Gos podarki. W związku z tym można wysunąć wniosek, iż świadomość co do konieczności zwiększania innowacji istnieje, konieczne jest natomiast stopniowe i efektywne wdrażanie istniejących instrumentów, a także skuteczne instrumenty ich ewaluacji.

PODSUMOWANIE Działania wymienione powyżej podkreślają konieczność budowy narodowego systemu innowacji w Polsce i w związku z tym zmierzają we właściwym kierunku. Obecnie przyjmuje się, iż systemy innowacyjne na poziomie krajowym powinien cechować tzw. podażowy aspekt innowacji. Stąd też do głównych zadań gospodarki innowacyjnej powinny należeć przede wszystkim organizacja i finansowanie nauki i badań oraz nacisk na politykę horyzontalną (ujęcie holistyczne) i współpracę międzynarodową. W tym kontekście dużą rolę odgrywa intensywność i struktura finansowania sfery B+R, które ogólnie wywierają istotny wpływ na kształtowanie się międzynarodowej zdolności konkurencyjnej i międzynarodowej konkurencyjności gospodarek narodowych, tempo ich wzrostu, a także na kształtowanie się intensywności oraz struktury obrotów zagranicznych (Misala, 2008, s. 15). Nie należy jednakże zapominać, iż na rozwój narodowego systemu innowacji wpływają oprócz polityki innowacyjnej również takie czynniki, jak np. struktura sektora firm w danym kraju (wielkość firm, struktura gospodarki, struktura branżowa zatrudnienia, udział firm w eksporcie), dostępność i rozwój kapitału ludzkiego, struktura i finansowanie infrastruktury badawczo ‑rozwojowej czy też wpływ koniunktury na działalność innowacyjną. Ponadto duży wpływ na kształtowanie gospodarki opartej na wiedzy mają nie tylko efektywne struktury instytucjonalne i organizacyjne, ale również kultura proinnowacyjna.

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

233

W tym kontekście J.W. Bossak oraz W. Bieńkowski zwracają uwagę na rolę czynników instytucjonalnych: „Deregulacja i poprawa jakości ładu instytucjonalnego otwiera nowe perspektywy rozwoju. Pobudza przedsiębiorczość, innowacje, inwestycje“ (Bossak, Bieńkowski, 2004, s. 38). Na ważność sprawności oraz efektywności rozwiązań instytucjonalno‑instrumentalnych zwraca uwagę również J. Misala: „Sprawność określonego systemu gospodarczego i szerzej rozumianego systemu polityczno‑gospodarczego (włącznie z aspektami społecznymi) stanowi bowiem podstawowe uwarunkowanie kształtowania się efektywności wykorzystania podstawowych czynników wytwórczych, poziomu szeroko rozumianej infrastruktury gospodarczej, kształtowania się różnego typu kosztów transakcyjnych przy podejmowaniu bieżącej działalności gospodarczej...” (Misala, 2011, s. 119). Mimo iż rozwiązania zastosowane w jednym kraju nie są możliwe do powielania w innym kraju, wykorzystywanie sprawdzonych rozwiązań takich krajów jak Niemcy, które znacznie wcześniej podjęły działania na rzecz budowania innowacyjnej gospodarki, mogą być pomocne dla Polski. Nie ma wątpliwości, iż priorytetem dla Polski powinna być innowacyjność i budowa gospodarki opartej na wiedzy. Nadal jednak otwarte pozostaje pytanie: jak najefektywniej realizować te cele?

BIBLIOGRAFIA AiF (2012), Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke” e.V, http://www.aif.de/igf/ (20.02.2012). Bossak J.W., Bieńkowski W. (2004), Międzynarodowa zdolność konkurencyjna kraju i przedsiębiorstw.Wyzwania dla Polski na progu XXI wieku. SGH Oficyna Wydawnicza, Warszawa. Braßler A., Möller W., Voigt I. (2009), Wirtschaftliche Wirksamkeit des Förderprogramms PRO INNO. FOKUS: in 2004 und 2005 abgeschlossene Kooperationsvorhaben, RKW Kompetenzzentrum, Eschborn. Ciok S. (2009), Polityka rządu wobec wspierania działalności innowacyjnej i badawczo ‑rozwojowej, Uniwersytet Wrocławski, Instytut Geograﬁi i Rozwoju Regionalnego, Zakład Zagospodarowania Przestrzennego, Wrocław. Das Statistische Bundesamt, http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/ Internet/DE/Content/Statistiken/UnternehmenGewerbeInsolvenzen/KMU Mittelstand/Aktuell,templateId=renderPrint.psml (1.02.2012). Europäische Kommission (2009), European Innovation Scoreboard (EIS) 2009 Comparative Analysis of Innovation Performance, Brussels. Europäische Kommission (2011), Innovation Union Scoreboard 2010. The Innovation Union’s Performance Scoreboard for Research and Innovation,Brussels. Europäische Kommission (2012), Innovation Union Scoreboard 2011. The Innovation Union’s Performance Scoreboard for Research and Innovation,Brussels. European Commission (2006), European Trend Chart on Innovation, Annual Innovation Policy Trends and Appraisal Report Germany 2006, Brussels. European Commission Enterprise Directorate‑General (2009), INNO‑Policy TrendChart – Innovation Policy Progress Report Poland 2009, Brussels.

234

Natalia Gorynia‑Pfeffer

Freeman Ch. (1987), Technology Policy and Economic Performance: Lessons from Japan, Pinter, London. Gemeinsame Wissenschaftskonferenz, http://www.pakt‑ fuer‑ forschung.de/ (12.09.2011). Gorynia‑Pfeffer N., Zschiedrich H. (2011), Innovationspolitik auf dem Prüfstand in Polen und Deutschland: Eine Vergleichanalyse von Hemmnissen, Anreizen für Innovationsfähigkeit im Kontext der Globalisierung, Osteuropa Wirtschaft, Berlin. Hemer J., Schleinkofer M., Göthner M. (2007), Akademische Spin‑ offs – Erfolgsbedingungen für Ausgründungen aus Forschungseinrichtungen, Edition Sigma, Berlin. High‑Tech Gründerfonds Management GmbH, http://www.high‑tech‑gruenderfonds.de/ (14.02.2012). KfW Bankengruppe, http://www.kfw.de/kfw/de/Inlandsfoerderung/Programmuebersicht/ ERP‑Innovationsprogramm_I/index.jsp (13.02.2012). Lundvall B.‑Å. (1992), National Systems of Innovation.Towards a Theory of Innovation and Interactive Learning, Pinter Publishers, London. Maaß F., Führmann B. (2012), Innovationstätigkeit im Mittelstand – Messung und Bewertung, IfM‑Materialien Institut für Mittelstandsforschung, IfM‑Materialien Nr. 212, Bonn. Marciniec B.M. (2007), Rola parków naukowo‑technologicznych w rozwoju małych i średnich przedsiębiorstw, Wydawnictwo Poznańskie, Poznań. Matusiak K.B., Stawasz E. (2001), Otoczenie instytucjonalne małych firm innowacyjnych, w: Matusiak K.B., Stawasz E., Jewtuchowicz A. (red.), Zewnętrzne determinanty rozwoju innowacyjnych ﬁrm, Katedra Ekonomii Uniwersytetu Łódzkiego, Łódź. Metcalfe S. (1995), The Economic Foundations of Technology Policy: Equilibrium and Evolutionary Perspectives, w: Stoneman, P. (ed.), Handbook of the Economics of Innovation and Technological Change, Blackwell Publishers, Oxford (UK)/ Cambridge (US). Ministerstwo Edukacji i Badań (1b), http://www.bmbf.de/de/1321.php (12.09.2011). Ministerstwo Edukacji i Badań (1c), http://www.bmbf.de/de/10726.php (23.09.2011). Ministerstwo Edukacji i Badań (2010), Ideen. Innovation. Wachstum Hightech‑Strategie 2020 für Deutschland, Bonn. Ministerstwo Edukacji i Badań (2012), http://www.hightech‑strategie.de/de/kmu ‑innovativ.php (12.02.2012). Ministerstwo Edukacji i Badań, (2008), Deutschlands Rolle in der globalen Wissensgesellschaft stärken. Strategie der Bundesregierung zur Internationalisierung von Wissenschaft und Forschung, Bonn. Ministerstwo Gospodarki (2006), Kierunki zwiększania innowacyjności gospodarki na lata 2007‑2013, Warszawa. Ministerstwo Gospodarki (2011), Strategia innowacyjności i efektywności gospodarki, Warszawa. Ministerstwo Gospodarki i Technologii (1a), http://www.zim‑bmwi.de/ (12.07.2011). Ministerstwo Gospodarki i Technologii (1b), http://www.inno‑beratung.de/foepro/ ikom/ index.php? navanchor=1710010 (12.02.2012). Ministerstwo Gospodarki i Technologii (1c), http://www.foerderdatenbank.de/ Foerder‑DB/Navigation/Foerderrecherche/suche.html?get=4aa561e46fff16fb87d819d09c769842;views;document&doc=10664 (13.02.1012).

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

235

Ministerstwo Gospodarki i Technologii (1d), http://www.kompetenznetze.de/ (13.02.1012). Ministerstwo Gospodarki i Technologii (1e), http://www.inno‑beratung.de/foepro/ ikom/I ndex. php?navanchor=1710010 (13.02.2012). Ministerstwo Gospodarki i Technologii (1f), http://www.signo‑deutschland.de/content/index_ger.html (12.07.2011). Ministerstwo Gospodarki i Technologii (1g), http://www.exist.de (15.02.1012). Ministerstwo Gospodarki i Technologii (1h), http://www.foerderdatenbank.de/ Foerder‑DB/Navigation/Foerderrecherche/suche.html?get=views;document&doc=8933 (16.02.2012). Ministerstwo Gospodarki i Technologii (2011), Technologieoffensive des Bundes ministeriums für Wirtschaft und Technologie (BMWi), Berlin. Ministerstwo Nauki i Szkolnictwa Wyższego Departament Wdrożeń i Innowacji (2006), Bariery współpracy przedsiębiorców i ośrodków naukowych, Warszawa. Ministerstwo Rozwoju Regionalnego (2009), Program Operacyjny Innowacyjna Gospodarka 2007–2013. Narodowe Strategiczne Ramy Odniesienia 2007–2013, Warszawa. Misala J. (2008), Międzynarodowa konkurencyjność gospodarki narodowej Hiszpanii, „Ekonomiczno‑Informatyczny Kwartalnik Teoretyczny”, nr 17, Wyższa Szkoła Ekonomiczno‑ Informatyczna, Warszawa. Misala J. (2011), Międzynarodowa Konkurencyjność Gospodarki Narodowej, PWE, Warszawa. Möller W., Gorynia‑Pfeffer N. (2011), Wirtschaftliche Wirksamkeit des Förderprogramms NEMO. FOKUS: 5. Förderrunde (2005–2008), RKW Kompetenzzentrum, Eschborn. Möller W., Gorynia‑Pfeffer N., Voigt I. (2010), Wirtschaftliche Wirksamkeit des Förderprogramms PRO INNO. FOKUS: in 2006 und 2007 abgeschlossene Kooperationsvorhaben, RKW Kompetenzzentrum, Eschborn. OECD (2007), Policy Mix for Innovation In Poland Key Issues and Recommendations, Warsaw. Rammer C., Sellenhin M. (2008), Policy Instruments to Increase R&D Expenditures: Improving the Policy Mix, Country Case Study Germany, DG Research, Brussels. Rammer C., WeißenfeldB. (2008), Innovationsverhalten der Unternehmen in Deutschland 2006. Aktuelle Ent‑wicklungen und ein internationaler Vergleich, Studien zum Deutschen Innovationssystem 04‑2008, Berlin. Schasse U., Krawczyk O., Stenke G., Kladroba A. (2011), FuE‑Aktivitäten von Wirtschaft und Staat im internationalen Vergleich, Niedersächsisches Institut für Wirtschaftsforschung e.V. (NIW), „Studien zum deutschen Innovationssystem”, 2‑201, Hannover. Sroka J., Kwieciński L. (2007), Ocena wdrażania DSI. Regionalny System Innowacyjny versus Narodowy System Innowacyjny, Wrocław. Weissenberger‑Eibl M.A. et al., (2011), Innovationsindikator 2011, Deutsche Telekom Stiftung, Bundesverband der Deutschen Industrie e. V. (BDI), Bonn, Berlin. Weresa M.A., (2006), Narodowy system innowacji i polityka innowacyjna Niemiec – wnioski dla krajów Europy Środkowej i Wschodniej, w: Weresa M.A. (ed.) (2006), Gospodarka Niemiec a kraje Europy Środkowej i Wschodniej, Szkoła Główna Handlowa, Warszawa.

236

Natalia Gorynia‑Pfeffer

STRESZCZENIE Przedmiotem artykułu jest przedstawienie wybranych aspektów funkcjonowania narodowego systemu innowacji w Niemczech i Polsce na podstawie opublikowanej przez Komisję Europejską „Unijnej tablicy wyników innowacyjności” (Innovation Union Scoreboard − IUS) za 2011 rok. Wskaźnik innowacyjności obejmuje 25 wskaźników z zakresu badań naukowych i innowacji w 27 państwach członkowskich UE, a także w ośmiu innych krajach. Analiza ta wskazuje na stosunkowo słabo rozwinięty poziom innowacyjności w Polsce w porównaniu z Niemcami oraz ze średnią krajów Unii Europejskiej. Największe deficyty działalności innowacyjnej w Polsce występują szczególnie w zakresie nakładów finansowych, struktury finansowania oraz ochrony własności intelektualnej. W Polsce istnieje wiele najróżniejszych inicjatyw i dokumentów strategicznych mających na celu wzmacnianie innowacyjnosći polskiej gospodarki. Dlatego też można wysunąć wniosek, iż budowa gospodarki opartej na wiedzy w Polsce zmierza we właściwym kierunku, wymaga jednakże sporo czasu i wysiłku, aby osiągnąć poziom zbliżony do innych krajów zachodnioeuropejskich. Na przykładzie gospodarki niemieckiej został dokonany wybór kilku pozytywnych doświadczeń niemieckiego systemu innowacji, które mogą stanowić dla Polski dobry przykład lub przynajmniej skłonić do pewnej refleksji. Artykuł kończy kilka wniosków na temat poprawy polskiego systemu innowacji. Słowa kluczowe: Innowacje, finansowanie BiR, struktura BiR, programy wspierające współpracę między sektorem gospodarki a nauki, narodowy system innowacji.

Selected Aspects of Germany’s National Innovation System – Lessons for Poland ABSTRACT The aim of this paper is to present selected aspects of the national innovation system in Germany and Poland on the basis of “Innovation Union Scoreboard” for the year 2011 published by the European Commission. Based on the previous European Innovation Scoreboard, the new tool is meant to help monitor the implementation of the Europe 2020 Innovation Union flagship by providing a comparative assessment of the innovation performance of the EU27 Member States and the relative strengths and weaknesses of their research and innovation systems. The analysis shows that, in terms of innovativeness, Poland lags far behind Germany and the EU‑27 average. Germany is among the top performers for the composite innovation indicator. Poland’s relative weaknesses lie in the R&D system structure, R&D financing structure, protection of intellectual property.

WYBRANE ASPEKTY DZIAŁALNOŚCI INNOWACYJNEJ…

237

There are signs that Polish government has recognized several weaknesses and gaps of the national innovation system and seems to work in the right direction. This article aims to support this process by providing recommendations that could help bridge the gap between the innovation systems of Poland and Germany. Adopting tried and tested solutions worked out in such countries as Germany may have a considerable impact on the development of R&D cooperation and, ultimately, on the development of the Polish economy’s innovativeness. Key words: Innovation, R&D financing structure, innovation support system, structure of the R&D system, national innovation system. JEL Classification: 031, 032, P16

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Miscellanea

Arkadiusz Świadek*

ŁAŃCUCHY PRZEMYSŁOWE W KSZTAŁTOWANIU AKTYWNOŚCI INNOWACYJNEJ PRZEDSIĘBIORSTW W REGIONACH POLSKI W LATACH 2008–2010 WPROWADZENIE Obecnie panuje w literaturze przedmiotu pogląd, że tradycyjne czynniki przewagi konkurencyjnej zostały utracone w ostatnich trzydziestu latach z powodu procesu globalizacji oraz rewolucji komputerowej i telekomunikacyjnej (Audretsch, 1998, s. 19; Obrębski, 1999, s. 306−308; Łukasik, Szopik, 2006, s. 60−85; Pomykalski, 2001, s. 97−105). Ponadto uważa się, że czynniki te nie wyjaśniają wystarczająco zmienności wzrostu gospodarczego na poziomie makroekonomicznym. Analizy prowadzone przez Solowa wskazały, że blisko połowa wzrostu gospodarczego była niewystarczająco zobrazowana przez przyczyny tradycyjne. Interpretacja tego zjawiska uznana za błąd wariancji została określona jako wpływ zmian technologicznych (Stough, 1998, s. 1). Tym samym innowacja stała się pojedynczym najważniejszym akceleratorem długofalowego poziomu konkurencji. Według „The Economist”, brak kosztów związanych z pokonywaniem dystansu w komunikacji będzie prawdopodobnie jednym z najistotniejszych determinant kształtujących społeczeństwo w pierwszej połowie XXI wieku. Wzrost znaczenia działalności innowacyjnej jest udokumentowany między innymi wzrostem liczby wniosków patentowych w Stanach Zjednoczonych z średnio na poziomie 40−60 tys. w XX wieku do 120 tys. w 1985 roku oraz „dramatycznym” spadkiem popytu na pracowników o niskich umiejętnościach (Kortum, Levner, 1997, s. 1; Berman i inni, 1997, s. 17). * Uniwersytet

Zielonogórski, Wydział Ekonomii i Zarządzania, Zakład Innowacji i Przedsiębiorczości (aswiadek@uz.zgora.pl).

240

Arkadiusz Świadek

Chociaż geograficznie rynek większości dóbr i usług podlega zjawisku globalizacji, wzrasta waga działalności innowacyjnej w krajach przodujących w rozwoju gospodarczym, co interpretowane jest jako efekt wzrostu znaczenia lokalnych regionów będących kluczowymi źródłami przewagi komparatywnej (Audretsch, 1998, s. 26). Choć technologia jako zasób staje się międzynarodowa (mobilność), systemy regionalne w istocie rosną, a geograficzne zbliżenie w dalszym ciągu odgrywa istotną rolę w procesie przepływu wiedzy w krajach przodujących technologicznie (Guerrieri, 1999, s. 139−160). Waga wymiaru regionalnego w takich państwach rośnie wraz z poziomem zaawansowania technologicznego (Beaudry, Breschi, 2003, s. 339). W kreowaniu dynamicznej przewagi istotą jest aktualne zainteresowanie regionalną działalnością badawczo-rozwojową, innowacjami i zaawansowanymi umiejętnościami, dlatego kreowanie i implementacja polityki przemysłowej powinna odbywać się na poziomie regionu (Sturn, 2000, s. 170). Mimo postępującej globalizacji, a być może na skutek tego procesu, panuje pogląd, że działalność innowacyjna jest słabiej powiązana z multinarodowymi korporacjami, częściej natomiast z wysokotechnologicznymi innowacyjnymi klastrami regionalnymi (Dolina Krzemowa, Research Triangle, R122 wokół Bostonu) (Audretsch, 1998, s. 18). Na tej podstawie pojawia się pytanie, czy i w jakim stopniu omawiane zjawiska obserwowane w krajach przodujących cywilizacyjnie są adekwatne do gospodarek krajów na znacznie niższym poziomie rozwoju, a rozwiązania tam stosowane możliwe do bezpośredniego transferu? Proces doganiania, choć nie jest automatyczny, zależy od zdolności krajów do pokonania luki technologicznej. M. Abramowitz wprowadził koncepcję „umiejętności społecznych”, obejmującej również czynniki organizacyjne i instytucjonalne na poziomie kraju. Taka koncepcja zakłada zdolność kraju do imitacji rozwiązań implementowanych za granicą, przez dynamiczne rozprzestrzenianie się umiejętności adaptacji importowanych technologii w skali krajowej. Co więcej, gospodarki doganiające mogą wykazać dynamiczny wzrost i zmiany strukturalne raczej w krótkim horyzoncie czasu (jeżeli potrafią zbudować zdolność absorpcyjną i imitacyjną), ale wcześniej czy później staną w obliczu konieczności budowy własnej bazy naukowej i technologicznej (Abramowitz, 1994, s. 21−52). Zanim to jednak nastąpi, kraje tego typu „skazane” są na pokonywanie bariery geograficznej, aby niwelować istniejące dysproporcje gospodarcze (Brdulak, 2011; Szopik-Depczyńska, Świadek, 2011). Uważa się, że istotą działania systemów innowacji są związki zachodzące między poszczególnymi uczestnikami tworzących sieć powiązań. Mogą one mieć charakter interakcji pionowych i poziomych, gdzie bliskość technologiczna ma istotne znaczenie (Fisher, 2001, s. 211). Ze względu na stopień skomplikowania omawianej na łamach pracy materii skupiono się jedynie na powiązaniach pionowych, czyli w relacji do dostawców i odbiorców produktów wytwarzanych w systemie przemysłowym. Współczesne sieci regionalne zmierzają do dywersyfikacji powiązań poprzez inicjację interakcji z różnorodnymi grupami w łańcuchu dostaw. W tradycyjnych

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

241

uwarunkowaniach zależności te powinny skupiać się z kolei na wyspecjalizowanych wąskich współzależnościach, z którymi związana jest kwestia specjalizacji. Interesujące wydaje się zatem, czy innowacyjność regionalnych systemów w Polsce jest zdeterminowana przez: 11

zróżnicowane lub wąskie interakcje,

zachodzące w niewielkiej lub znacznej odległości,

oparte na silnych i zarazem trwałych lub luźnych związkach międzyorganizacyjnych.

Nakreślone ramy koncepcyjne przyczyniły się do podjęcia problematyki wpływu powiązań przedsiębiorstw w łańcuchu dostaw na innowacyjność regionalnych systemów przemysłowych w Polsce. Podstawową hipotezą prowadzonych badań stało się twierdzenie, że mechanizmy innowacyjne funkcjonujące w krajowych układach przemysłowych są istotnie zdeterminowane charakterem pionowych związków z otoczeniem. Zaliczono do nich liczbę dostawców i odbiorców oraz egzystencję w łańcuchu dostaw. Umiejętność prawidłowego rozpoznania charakteru procesów innowacyjnych wraz ich ograniczeniami w kraju, stwarza podstawy do kreowania adekwatnych rozwiązań w zakresie stymulowania rozwoju sieci innowacyjnych. Głównym celem badania była próba poszukiwania wpływu liczebności związków przemysłowych zachodzących między przedsiębiorstwami oraz funkcjonowanie w łańcuchu dostaw na aktywność innowacyjną wybranych systemów regionalnych, a w konsekwencji określenie warunków brzegowych dla modelowej struktury regionalnej sieci innowacji uwzględniającej specyfikę badanych regionów. Zaprezentowane efekty badania stanowią jedynie wybraną część wniosków uzyskanych w wyniku prowadzonych analiz. Przeprowadzone badania obejmują analizę województw reprezentujących zróżnicowany poziom rozwoju przemysłowego w Polsce. Przeprowadzono je na podstawie wywiadu ankietowego w przedsiębiorstwach przemysłowych. Zgromadzono łącznie 1719 wypełnionych formularzy z województw mazowieckiego (674 podmioty), małopolskiego (500 podmiotów) i lubuskiego (545 podmiotów). Podstawową ścieżką gromadzenia danych była procedura łącząca wstępną rozmowę telefoniczną z przesłaniem formularza ankietowego drogą pocztową.

2. METODYCZNE UWARUNKOWANIA PROWADZONYCH BADAŃ – MODELOWANIE PROBITOWE Mimo zachodzących zjawisk rozbudowy metodologii badań nad innowacjami, analizy prowadzone na poziomie ogólnokrajowym są ograniczone z powodu braku satysfakcjonujących danych regionalnych. Z drugiej strony brak lub ograniczona publikacja informacji przez instytucje krajowe opóźnia lub wręcz unie-

242

Arkadiusz Świadek

możliwia komparatystykę regionalną. Mimo występowania problemów z mierzeniem innowacyjności sensu stricto, mamy do czynienia z oczywistymi faktami w postaci istotnego zróżnicowania wzrostu wartości dodanej między przedsiębiorstwami, sektorami, regionami czy państwami (Dosi, 1988, s. 1120−1171). Analiza wskaźników opracowanych dla krajów OECD skupia się tradycyjnie na elementach wejściowych i wyjściowych. Takie mierniki są zestandaryzowane w większości krajów OECD, co pozwala na użyteczną międzyregionalną i międzynarodową komparatystykę (OECD, 2005). Na tej podstawie zdecydowano o przyjęciu do badania następujących zmiennych zależnych: a) nakłady na działalność innowacyjną w powiązaniu z ich strukturą (badania i rozwój, inwestycje w nowe maszyny i urządzenia techniczne, inwestycje w budynki, budowle oraz grunty, nowe oprogramowanie komputerowe, b) implementacja nowych wyrobów i procesów, uwzględniając również szczegółowe rozwiązania w tym zakresie (nowe produkty, nowe procesy technologiczne), c) kooperacja innowacyjna w ujęciu podmiotowym (z dostawcami, konkurentami, odbiorcami, szkołami wyższymi, JBR, zagranicznymi instytutami badawczymi). Po stronie zmiennych niezależnych ze względu na sformułowany główny cel badania znalazły się: liczba przemysłowych dostawców, liczba przemysłowych odbiorców oraz fakt egzystencji pełnego łańcucha przemysłowego. Mimo że badania CIS (Community Innovation Survey) prowadzone są corocznie i dostarczają pokaźny zbiór danych, to skupiają się one na strategiach innowacyjnych firm i opisujących je wskaźnikach. Tym samym na ich podstawie trudno przeprowadzić wystarczające analizy na poziomie regionalnym. Istnieją jednak sugestie, aby wykorzystać regiony administracyjne do identyfikacji nawyków innowacyjnych. Lecz w niektórych regionach skala innowacji jest na tyle niewielka, iż nie ma możliwości udostępnienia takich danych w celu prowadzenia analiz. Celem pracy jest zbadanie, czy występują zależności statystyczne między analizowanymi zmiennymi, jaka jest ich siła, kształt i kierunek. Z zależnością stochastyczną (zwaną też probabilistyczną) mamy do czynienia wówczas, gdy wraz ze zmianą jednej zmiennej zmienia się rozkład prawdopodobieństwa drugiej zmiennej. Z punktu widzenia logiki badanie związków ma sens jedynie wówczas, gdy między zmiennymi istnieje więź przyczynowo-skutkowa, dająca się logicznie wytłumaczyć. Jednym ze sposobów prognozowania zmiennej jakościowej jest określenie prawdopodobieństwa, z jakim dany jej wariant wystąpi w przyszłości w zależności od innych czynników. Chociaż liczba wariantów może być znaczna, skończona i przeliczalna, przybliżona zostanie jedynie metoda estymowania parametrów zmiennych zero-jedynkowych, czyli o dwóch możliwych wariantach. Jest to związane z sensem i celowością analiz prowadzonych na potrzeby tej pracy. W przypadku gdy zmienna zależna osiąga wartości dychotomiczne, nie można wykorzystać powszechnie stosowanej w zjawiskach ilościowych wielorakiej regresji. Wartości takiej funkcji mogą bowiem osiągać wartości ujemne lub wyższe od

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

243

jedności, a są one w prowadzonych badaniach pozbawione interpretacyjnego sensu. Rozwiązaniem tych problemów jest zastosowanie regresji probablistycznej – logitowej lub probitowej. Według logiki przyjętej w pracy, rozkład składników losowych, który jest podstawą zróżnicowania tych metod, posiada normalny charakter (Maddala, 2006, s. 378). Proces szacowania parametrów przy konstrukcji modelu probitowego dokonuje się za pomocą metody największej wiarygodności (MNW). Z kolei wewnętrzna procedura poszukiwania minimum funkcji przebiega przy wykorzystaniu jednego z wielu dostępnych algorytmów. W badaniu tym zastosowano metodę quasi-Newtona. Co więcej literatura wskazuje, że własności MNW również w małych próbach są niejednokrotnie lepsze niż w przypadku tradycyjnych estymatorów (Welfe, 1998, s. 76). Z powodu zastosowania modeli jednoczynnikowych do interpretacji badanych zależności wystarczy postać strukturalna modelu, którą wzbogacono o osiągane wartości prawdopodobieństwa. Krytycznym na tym etapie jest jednak znak stojący przy parametrze. Dodatni oznacza, że prawdopodobieństwo wybranego zdarzenia innowacyjnego jest wyższe w danej grupie przedsiębiorstw w relacji do pozostałej zbiorowości. Ujemny oznacza zjawisko odwrotne. Zastosowane modelowanie probitowe pozwala skutecznie badać systemy regionalne ze względu na wymóg posiadania dużych, ale statycznych prób, w których zmienna zależna posiada postać jakościową. Aby osiągniąć cel badawczy, konieczne było oszacowanie wstępnie ponad trzystu modeli ekonometrycznych, z których jedynie część spełniała warunek istotności statystycznej i te zostały zaprezentowane w pracy. Łańcuchy związków między i wewnątrzprzemysłowych traktowane są jako jedna z głównych determinant aktywności innowacyjnej realizowanej przez pryzmat powiązań kooperacyjnych. Inne badania autora potwierdziły znaczenie interakcji występujących w przemyśle jako tych wpływających szczególnie silnie na zdolność do generowania nowych rozwiązań (Świadek, 2011, s. 148−154). Innymi słowy powiązania pionowe powinny przyczyniać się do pobudzania aktywności innowacyjnej, zarówno od strony dostawców, jak i odbiorców. Na tym etapie nasuwają się pytania: po pierwsze, których wyselekcjonowanych dziedzin związki dotyczą oraz, po drugie, czy powinny zachodzić z wąską grupą przemysłów, czy może szeroką?

3. CHARAKTERYSTYKA PRÓBY BADAWCZEJ Badanie przeprowadzono na podstawie próby 1719 przedsiębiorstw przemysłowych trzech zróżnicowanych gospodarczo województw. Strukturę badanych przedsiębiorstw z perspektywy wielkości podmiotów przedstawia tabela 1. Podobnie jak w przypadku struktury wielkości, struktura technologiczna analizowanych przedsiębiorstw kształtuje się na poziomie zbliżonym do danych krajowych (tab. 2).

244

Arkadiusz Świadek

Tabela 1. Struktura przedsiębiorstw przemysłowych w badanej próbie z punktu widzenia klas wielkości w badanych województwach w 2010 r.(w %) Lp.

Wielkość przedsiębiorstwa

Województwie mazowieckie

Województwo małopolskie

Województwo lubuskie

Mikro

43,8

46,2

27,2

Małe

36,8

33,8

39,4

Średnie

16,0

23,7

Duże

3,4

4,0

9,7

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

Tabela 2. Struktura przedsiębiorstw przemysłowych w badanej próbie z punktu widzenia poziomu stosowanej technologii w badanych województwach w 2010 r. (w %)1 Lp.

Poziom technologii1

Województwie mazowieckie

Województwo małopolskie

Województwo lubuskie

Wysoki

8,6

5,4

3,3

Średniowysoki

14,4

7,6

10,1

Średnioniski

32,5

25,4

27,3

Niski

44,5

61,6

59,3

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

4. WPŁYW POWIĄZAŃ PRZEMYSŁOWYCH NA AKTYWNOŚĆ INNOWACYJNĄ PRZEDSIĘBIORSTW W WOJEWÓDZTWIE MAZOWIECKIM Na tym etapie należy nadmienić, że w regionie centralnym struktura technologiczna przedsiębiorstw uczestniczących w badaniu odpowiadała w przybliżeniu tej publikowanej przez GUS. Pierwszych siedem grup przemysłowych pod kątem liczebności zajmują: produkcja gotowych wyrobów metalowych (91 podmiotów), artykułów spożywczych i napojów (64), wyrobów gumowych i z tworzyw sztucz1 Poziomy

technologii zostały opracowane i zdefiniowane na podstawie intensywności działalności badawczo-rozwojowej (relacja poziomu nakładów na B+R do przychodów ze sprzedaży) dla krajów OECD w 1997 roku. Stanowią one punkt odniesienia dla utrzymania międzynarodowej komparatystyki prowadzonych w tym zakresie badań. Szerzej: T. Hatzichronoglou (1997).

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

245

nych (63), działalność wydawnicza (60), wyrobów z pozostałych surowców niemetalicznych (48), mebli (45) oraz maszyn i urządzeń (42). Wskazane grupy obejmują łącznie 61,3% próby badawczej, co świadczyć może o wysokiej koncentracji produkcji przemysłowej w województwie, ale w porównaniu do innych regionów widać symptomy jej dywersyfikacji. Analizowane przedsiębiorstwa wskazały na szerokie powiązanie z przemysłem od strony dostawców (1010 przypadków), co stanowi ponad 1,5 związków przypadających na jedną firmę. W niewielkim zakresie zmienia się również ich struktura. Spada znaczenie dziedzin z obszaru niskich technologii: 36,8%. Zyskują natomiast grupy: średnioniskich (38,4%) i średniowysokich (17,1%), przy stabilnym udziale wysokich technologii. Na pierwszym miejscu znajduje się produkcja metali (124 powiązania). Dalsze w kolejności to wyroby gumowe i z tworzyw sztucznych (103), metalowe wyroby gotowe (79), wyroby z surowców niemetalicznych (75), maszyny i urządzenia (71). Pozostałe pełnią również niemałą rolę w systemie przemysłowym, co stanowi o relatywnie silnej dywersyfikacji jak na warunki krajowe. Mimo że poprawia się technologiczna konstrukcja dostawców przemysłowych do regionu, to jednak w dalszym ciągu pozostają one domeną obszarów o słabym potencjale rozwoju. Z punktu widzenia częstotliwości kontaktów z dostawcami, rozumianych jako liczba powiązań międzyprzemysłowych, obserwuje się podobne co do kierunku i charakterystyki związki (zależności). Modele istotne statystycznie zostały wygenerowane dla siedemnastu z osiemnastu potencjalnych zmiennych przyjętych do badania, dotyczyły zatem większości przyjętych obszarów. W podobnym stopniu zostały opisane płaszczyzny: finansowa, implementacyjna i kooperacyjna. Aktywność innowacyjna w badanych przedsiębiorstwach jest zdeterminowana egzystencją w przemysłowym łańcuchu z dostawcami, co świadczy o występowaniu istotnych więzi między i wewnątrzprzemysłowych w systemie regionalnym. Występowanie w województwie związków sieciowych między przedsiębiorstwami produkcyjnymi jest warunkiem wystarczającym do kreowania nowych rozwiązań technologicznych, nie mniej jednak ich różna intensywność utrudnia wypro wadzenie jednoznacznych wniosków. Na etapie zbierania danych sugerowano podanie zarówno po stronie dostawców, jak i nabywców co najwyżej czterech grup przemysłów, z którymi współpracują analizowane podmioty. W przypadku dostawców na ogół aktywność innowacyjna w regionie jest wyższa, jeżeli przedsiębiorstwa tam zlokalizowane utrzymują dwa lub trzy kontakty z różnymi przemysłami – modele z dwoma lub trzema dostawcami wystąpiły w dwunastu płaszczyznach innowacji, z czteroma w trzech i z jednym tylko w przypadku wdrażania nowych metod wytwarzania. Innymi słowy, sam fakt współpracy po stronie dostawców z innymi przedsiębiorstwami przemysłowymi bez względu na ich przyporządkowanie do konkretnej grupy PKD jest warunkiem wystarczającym do zwiększonego innowacyjnego dynamizmu układu regionalnego. Dodatkowo postępujące zróżnicowanie (dywersyfikacja) i zwiększenie liczby powiązań przemysłowych znacznie przyśpiesza omawiane procesy.

246

Arkadiusz Świadek

Tabela 3. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie mazowieckim z punktu widzenia liczby dostawców przemysłowych Parametr innowacyjności

Liczba dostawców

1. Nakłady na działalność B+R

2. Inwestycje w dotychczas niestosowane środki trwałe

Prawdopodobieństwo zdarzenie właściwe

zdarzenie alternatywne

y1A = –0,41 + 0,56xdos

0,56

0,34

y1B = 0,50 + 0,67xdos

0,88

0,69

3. Inwestycje w maszyny i urządzenia techniczne

y1B2 = 0,34 + 0,72xdos

0,85

0,63

4. Nakłady na oprogramowanie komputerowe

y1C = 0,25 + 1,05xdos

0,90

0,60

5. Implementacja nowych wyrobów

y21 = 0,28 + 0,65xdos

0,82

0,61

6. Implementacja nowych procesów technologicznych, w tym:

y22 = 0,23 + 0,58xdos

0,79

0,59

a) metody wytwarzania

y2A = –0,47 + 0,38xdos

0,46

0,32

b) systemy okołoprodukcyjne

y2B = –0,59 + 0,51xdos

0,47

0,28

c) systemy wspierające

Postać probitu

y2C = –1,08 + 0,49xdos

0,28

0,14

7. Współpraca z dostawcami

y3a = –0,73 + 0,27xdos

0,32

0,23

8. Współpraca z konkurentami

y3b = –1,79 + 0,45xdos

0,09

0,04

9. Współpraca z jednostkami PAN

y3c = –2,09 + 0,51xdos

0,06

0,02

10. Współpraca ze szkołami wyższymi

y3g = –2,00 + 0,38xdos

0,05

0,02

11. Współpraca z krajowymi JBR

y3e = –1,47 + 0,41xdos

0,15

0,07

12. Współpraca z zagranicznymi jednostkami naukowymi

y3f = –2,80 + 1,08xdos

0,04

0,00

13. Współpraca z odbiorcami

y3g = 0,89 – 0,22xdos

0,81

0,75

14. Współpraca innowacyjna ogółem

y3a – g = –0,23 + 0,30xdos

0,52

0,41

Źródło: opracowanie własne na podstawie badań.

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

247

Po stronie odbiorców liczba przedsiębiorstw posiadających powiązania wewnątrz i międzyprzemysłowe spada pięciokrotnie w porównaniu z dostawcami – z liczbą zdarzeń na poziomie 188. Również i w tym przypadku obserwuje się pozytywne zmiany w strukturze technologicznej powiązań przemysłowych. Znaczący spadek odnotowano dla grupy przedsiębiorstw z obszaru niskich (25,5% przypadków) i średnioniskich technologii (24,5%). Istotny wzrost znaczenia obserwujemy po stronie przemysłów średniowysokich (31,9%) i wysokich technologii (18,1%). Mimo bardzo słabego potencjału mierzonego liczbą kontaktów przemysłowych z odbiorcami, dostrzega się pozytywne zmiany strukturalne opisujące badane relacje, co niewątpliwie wpływa na realizację działalności innowacyjnej. Pierwszą pozycję zajmuje dział produkcja pojazdów mechanicznych i metalowych wyrobów gotowych (po 17 powiązań), a dalej maszyn i urządzeń, mebli i wyrobów chemicznych (po 14 powiązań) czy wyrobów gumowych i urządzeń telewizyjnych (po 12). Za nią plasują się na równi wytwarzanie maszyn i urządzeń, maszyn i aparatury elektrycznej i mebli. Łącznie stanowią one ponad połowę odbiorców przemysłowych w regionie. Na podstawie przytoczonych danych można zauważyć, że przedsiębiorstwa przemysłowe w regionie stanowią często element łańcucha również po stronie odbiorców, choć z dużo mniejszą intensywnością. Cieszy fakt, że w owych sprzężeniach elementem wyjściowym są grupy producentów wymagających wyższych parametrów jakościowych z punktu widzenia nowoczesności wytwarzanych produktów, na co zwracano już wcześniej uwagę. Przedsiębiorstwa będące pośrednim ogniwem w przemysłowym łańcuchu dostaw również wskazują na poprawę parametrów innowacyjności regionalnej sieci tworzenia nowych wyrobów i technologii. Wzmacnia to tym samym tezę o istotnych powiązaniach wewnątrzprzemysłowych i ich wpływie na aktywność innowacyjną układu regionalnego bez względu na przynależność sektorową badanych przedsiębiorstw (PKD) i ich fizyczną odległość do zewnętrznych (pozaregionalnych) sieci innowacyjnych. Przytoczone dane sugerują podobne wnioskowanie, jak miało to miejsce w przypadku dostawców, polegające na tym, że duża ilość powiązań z dostawcami dynamizuje innowacje w regionalnym systemie przemysłowym. W silnych ekonomicznie województwach wskazuje się również na wzrost znaczenia szerokich interakcji międzyprzemysłowych z dostawcami. Mimo że powiązań jest niewiele, to dotyczą aż czternastu na osiemnaście rozpatrywanych kategorii innowacji. Innymi słowy jeżeli przedsiębiorstwo posiada odbiorców przemysłowych, to istnieje wysokie prawdopodobieństwo, że będzie realizować wielopłaszczyznowo działalność innowacyjną. Uzupełnieniem analizy wpływu powiązań industrialnych na aktywność innowacyjną przedsiębiorstw jest badanie związków między- i wewnątrz‑przemysłowych. Na podstawie zebranego materiału analitycznego można zaobserwować, że intensywność realizacji procesów kreowania nowych rozwiązań na Mazowszu jest ściśle zależna od funkcjonowania w obrębie systemowego łańcucha przemysłowego (bez względu na kod PKD). Powiązania mają jednak tam charakter głównie międzyprzemysłowy, co wskazuje na naturalny imperatyw dywersyfikacji działalności.

248

Arkadiusz Świadek

Tabela 4. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie mazowieckim z punktu widzenia liczby odbiorców przemysłowych Prawdopodobieństwo

Liczba odbiorców

Postać probitu

1. Nakłady na działalność B+R

y1A = –0,40 + 1,83xodb

0,92

0,34

2. Nakłady na oprogramowanie komputerowe

y1C = 0,26 + 1,54xodb

0,96

0,60

3. Implementacja nowych wyrobów

y21 = 0,34 + 0,47xodb

0,79

0,63

4. Implementacja nowych procesów technologicznych, w tym:

y22 = 0,43 + 0,81xodb

0,89

0,67

a) metody wytwarzania

y2a = –0,20 + 0,35xodb

0,56

0,42

b) systemy okołoprodukcyjne

y2b = –0,50 + 0,80xodb

0,62

0,31

c) systemy wspierające

y2c = –0,88 + 0,97xodb

0,54

0,19

5. Współpraca z dostawcami

y3a = –0,69 + 0,79xodb

0,54

0,24

6. Współpraca z konkurentami

y3b = –1,72 + 0,99xodb

0,23

0,04

7. Współpraca z jednostkami PAN

y3c = –2,00 + 0,98xodb

0,15

0,02

8. Współpraca ze szkołami wyższymi

y3d = –1,94 + 1,85xodb

0,14

0,03

9. Współpraca z krajowymi JBR

y3e = –1,43 + 0,87xodb

0,29

0,08

10. Współpraca z odbiorcami

y3g = –0,82 + 0,92xodb

0,53

0,21

11. Współpraca innowacyjna ogółem

y3a – g = –0,20 + 0,93xodb

0,77

0,42

Parametr innowacyjności

zdarzenie właściwe

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

zdarzenie alternatywne

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

249

Tabela 5. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie mazowieckim z punktu widzenia łańcuchów wewnątrz- i międzyprzemysłowych Parametr innowacyjności W – wewnątrzprzemysłowy M – międzyprzemysłowy

Prawdopodobieństwo Postać probitu

zdarzenie właściwe

zdarzenie alternatywne

M Nakłady na działalność B+R

y1A = –0,44 + 0,52xłań

0,53

0,33

M Nakłady na oprogramowanie komputerowe

y1C = 0,24 + 0,50xłań

0,77

0,60

M Implementacja nowych wyrobów

y21 = 0,34 + 0,32xłań

0,75

0,63

M Implementacja nowych procesów technologicznych, w tym:

y22 = 0,41 + 0,41xłań

0,80

0,66

Implementacja nowych procesów technologicznych, w tym: W a) metody wytwarzania

y2a = –0,18 + 0,61xłań

0,67

0,43

W b) systemy okołoprodukcyjne

y2b = –0,52 + 0,60xłań

0,53

0,30

M Współpraca ze szkołami wyższymi

y3d = –1,95 + 0,72xłań

0,11

0,03

M Współpraca z krajowymi JBR

y3d = –1,46 + 0,50xłań

0,17

0,07

M Współpraca z odbiorcami

y3g = –0,86 + 0,44xłań

0,34

0,19

y3a – g = –0,24 + 0,47xłań

0,59

0,41

M Współpraca innowacyjna ogółem

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

Reasumując, ograniczona intensywność i zróżnicowanie związków industrialnych w łańcuchu po stronie dostawców pozytywnie wpływa na częstotliwość wprowadzania nowych rozwiązań, mimo że analizowany region wchodzi w silne powiązania dopiero z krajowymi i międzynarodowymi sieciami przemysłowymi, będąc na ogół jednym z ich elementów składowych (Świadek, 2011, s. 281−294). Po stronie odbiorców poprawa struktury technologicznej współpracy koresponduje z koniecznością utrzymywania z nimi rozbudowanych interakcji. Wpływa to pozytywnie na aktywność innowacyjną mazowieckiego systemu przemysłowego i jego potencjał rozwoju. Przypadek województwa mazowieckiego wskazuje na konieczność występowania powszechnych i zdywersyfikowanych interakcji zachodzących w obrębie regionalnego systemu przemysłowego, ale przede wszystkim w jego relacjach z otoczeniem krajowym i międzynarodowym, traktowanych jako kanały transferu wiedzy do i z regionu. Z jednej strony liczba i struktura dostawców w obrębie przemysłu

250

Arkadiusz Świadek

nie jest zasadniczo różna od tych obserwowanych dla alternatywnych przypadków województw; z drugiej − po stronie odbiorców mamy do czynienia z małą liczbą powiązań przemysłowych, choć ich struktura technologiczna jest korzystna. Niewielka ilość związków industrialnych z odbiorcami, z szeroką grupą przemysłów będzie korzystnie wpływać na możliwość systemowej akceleracji procesów innowacyjnych w regionie. Reasumując, obserwowane procesy innowacje ewoluują z modelu podażowego w kierunku popytowego.

5. AKTYWNOŚĆ INNOWACYJNA PRZEDSIĘBIORSTW W WYNIKU NAWIĄZYWANIA KONTAKTÓW PRZEMYSŁOWYCH W WOJEWÓDZTWIE MAŁOPOLSKIM Na tym etapie należy przypomnieć, że struktura technologiczna przedsiębiorstw uczestniczących również w tym badaniu odpowiadała w przybliżeniu tej publikowanej przez GUS. Pierwszych pięć pozycji pod kątem liczebności w analizowanym regionie zajmują: działalność wydawnicza (76 przypadków), produkcja metalowych wyrobów gotowych (66), artykułów spożywczych i napojów (55) czy mebli (55). Grupy te obejmują łącznie 50,4% próby badawczej. Badane przedsiębiorstwa wskazały na szerokie powiązanie od strony dostawców z przemysłem (761 przypadków), co stanowi blisko 1,5 związków przypadających na jedną firmę. Zmienia się również ich struktura. Spada znaczenie dziedzin z obszaru niskich technologii (42,7%). Zyskują natomiast pozostałe grupy: średnioniskie (35,3%), średniowysokie (14,6%) i wysokie technologie (7,4%). Na pierwsze miejsce wysuwa się produkcja metali (78 powiązań), włókiennictwo (70), produkcja wyrobów z surowców niemetalicznych (68), wyrobów gumowych i z tworzyw sztucznych (61), metalowych wyrobów gotowych (59), wyrobów z drewna (59). Pozostałe pełnią niewielką rolę w systemie przemysłowym. Mimo że poprawia się technologiczna struktura dostawców przemysłowych do regionu, to jednak w dalszym ciągu pozostają one domeną obszarów o słabym potencjale rozwoju. Z punktu widzenia prawdopodobieństwa innowacyjności na skutek kontaktów z przemysłowymi dostawcami, rozumianymi jako liczba występujących powiązań międzyprzemysłowych, obserwuje się wewnętrznie zbieżne co do kierunku i charakterystyki związki. Modele istotne statystycznie zostały wygenerowane dla jedenastu z osiemnastu potencjalnych zmiennych przyjętych do badania, dotyczyły zatem większości przyjętych obszarów. W podobnym stopniu zostały opisane płaszczyzny: finansowa, implementacyjna i kooperacyjna. Finansowanie nowych rozwiązań w badanych przedsiębiorstwach w przemysłowym łańcuchu dostaw świadczy o występowaniu więzi przemysłowych determinujących aktywność innowacyjną w systemie regionalnym. Zasadniczo występowanie w województwie związków sieciowych między przedsiębiorstwami produkcyjnymi na wejściu wpływa na kreowanie nowych rozwiązań technologicznych.

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

251

Ich zbliżona, wysoka intensywność ułatwia wyprowadzenie jednoznacznych wniosków. W przypadku dostawców aktywność innowacyjna rośnie, z im większą ilością różnych przemysłów utrzymują kontakty badane podmioty – modele z czterema dostawcami wystąpiły w jedenastu płaszczyznach innowacji. Dla siedmiu obszarów powiązania z dostawcami przemysłowymi pozostały bez istotnych współzależności.Innymi słowy sam fakt współpracy po stronie dostawców z innymi przedsiębiorstwami przemysłowymi, bez względu na ich przyporządkowanie do konkretnej grupy PKD, jest warunkiem wystarczającym do zwiększonego dynamizmu innowacyjnego układu. Dodatkowo postępujące zróżnicowanie (dywersyfikacja) i rozszerzenie liczby powiązań przemysłowych zasadniczo przyśpiesza omawiane procesy. Po stronie odbiorców liczba przedsiębiorstw posiadających powiązania wewnątrz- i międzyprzemysłowe spada czterokrotnie w porównaniu z dostawcami – z ilością zdarzeń na poziomie 183 – co jest niekorzystnym zjawiskiem. Pozytywne zmiany obserwuje się w strukturze powiązań przemysłowych. Znaczący spadek odnotowano dla grupy przedsiębiorstw z obszaru niskich technologii (32,4% przypadków), niewielki wzrost można przypisać produkcji w obszarze średnioniskich technologii (29,1%). Poważnie wzrosła rola przemysłów średniowysokich (34,6% – pięciokrotnie) i nieznacznie spadło znaczenie przedsiębiorstw tworzących produkty oparte na wysokich technologiach (3,8%). Mimo słabości potencjału mierzonego wskazaną liczbą kontaktów, dostrzega się pozytywne zmiany strukturalne opisujące badane relacje, co niewątpliwie wpływa korzystnie na realizację działalności innowacyjnej. Pierwszą pozycję zajmuje dział produkcji maszyn i urządzeń (22 powiązania – średniowysokie technologie). Za nim plasują się producenci pojazdów mechanicznych (15 przypadków – średniowysokie technologie) i wytwórcy metalowych wyrobów gotowych (15 przypadków − średnioniskie technologie). Na podstawie przytoczonych danych można zauważyć, że przedsiębiorstwa przemysłowe w regionie stanowią często element łańcucha również po stronie odbiorców, choć rzadziej i z dużo mniejszą intensywnością. Cieszy fakt, że w owych sprzężeniach elementem wyjściowym są grupy producentów należących do średniowysokich obszarów technologicznych. Małe znaczenie przedsiębiorstw produkujących najbardziej zaawansowane rozwiązania świadczy o niskim potencjale rozwojowym regionu i wskazuje jednocześnie na typowe dla naszego kraju zacofanie cywilizacyjne – embrionalny poziom rozwoju nie tylko tych przedsiębiorstw, ale nawet powiązań z takimi grupami podmiotów. Brakuje zatem pola do ewentualnej współpracy. Przedsiębiorstwa będące ogniwem pośrednim w przemysłowym łańcuchu dostaw również wskazują na znaczną poprawę parametrów innowacyjności regionalnej sieci tworzenia nowych wyrobów i technologii, wzmacniając tym samym tezę o silnych powiązaniach międzyprzemysłowych i ich wpływie na aktywność innowacyjną układu regionalnego bez względu na przynależność sektorową badanych przedsiębiorstw (PKD) i ich fizyczną odległość do zewnętrznych (pozaregionalnych) sieci innowacyjnych. Zaobserwowane prawidłowości dotyczą czter-

252

Arkadiusz Świadek

Tabela 6. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie małopolskim z punktu widzenia liczby dostawców przemysłowych

Parametr innowacyjności

Liczba dostawców

Prawdopodobieństwo Postać probitu

zdarzenie właściwe

zdarzenie alternatywne

1. Nakłady na działalność B+R

y1A = -0,48 + 1,09xdos

0,62

0,35

2. Inwestycje w dotychczas niestosowane środki trwałe, w tym:

y1B = 0,71 + 0,63xdos

0,33

0,21

a) w maszyny i urządzenia techniczne

y1B2 = 0,50 + 0,67xdos

0,38

0,24

3. Nakłady na oprogramowanie komputerowe

y1C = 0,18 + 0,52xdos

0,46

0,33

4. Implementacja nowych procesów, w tym:

y22 = 0,53 + 0,64xdos

0,37

0,24

a) systemów okołoprodukcyjnych

y2B = –0,56 + 0,75xdos

0,64

0,45

b) systemów wsparcia

y2C = –0,83 + 0,79xdos

0,49

0,30

5. Współpraca z dostawcami

y3a = –0,85 + 0,66xdos

0,70

0,55

6. Współpraca z konkurentami

y3b = –1,99 + 0,65xdos

0,21

0,12

7. Współpraca odbiorcami

y3g = –0,91 + 0,48xdos

0,71

0,61

8. Współpraca innowacyjna ogółem

y3a – g = –0,38 + 0,65xdos

0,59

0,43

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

nastu z osiemnastu przyjętych do badania zmiennych, czyli nawet szerszej grupy niż w przypadku dostawców. Biorąc jednak pod uwagę małą liczbę powiązań z odbiorcami, skala pozytywnego systemowego oddziaływania jest mniejsza niż mogłaby być. Przytoczone dane sugerują, podobnie jak miało to miejsce w przypadku dostawców, że raczej rosnąca liczba odbiorców, lecz koniecznie o charakterze

253

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

Tabela 7. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie małopolskim z punktu widzenia liczby odbiorców przemysłowych Prawdopodobieństwo

Liczba odbiorców

Postać probitu

zdarzenie właściwe

zdarzenie alternatywne

1. Nakłady na działalność B+R

y1A = –0,48 + 1,09xodb

0,62

0,35

2. inwestycje w dotychczas niestosowane środki trwałe, w tym:

y1B = 0,70 + 0,48xodb

0,33

0,24

a) budynki i budowle

y1B1 = –0,83 + 0,53xodb

0,42

0,30

b) w maszyny i urządzenia techniczne

y1B2 = 0,49 + 0,50xodb

0,38

0,27

3. Implementacja nowych wyrobów

y21 = 0,50 + 1,04xodb

0,38

0,18

4. Implementacja nowych procesów technologicznych, w tym:

y22 = 0,54 + 1,00xodb

0,37

0,18

a) metody wytwarzania

y2A = –0,09 + 0,77xodb

0,52

0,34

b) systemy okołoprodukcyjne

y2B = –0,56 + 0,75xodb

0,64

0,45

c) systemy wspierające

y2C = –0,84 + 0,41xdos

0,39

0,30

5. Współpraca z dostawcami

y3a = –0,83 + 0,67xodb

0,70

0,54

6. Współpraca ze szkołami wyższymi

y3d = –2,08 + 0,93xodb

0,24

0,11

7. Współpraca z krajowymi JBR

y3e = –1,63 + 0,79xodb

0,30

0,16

8. Współpraca z odbiorcami

y3g = –0,92 + 0,57xodb

0,71

0,59

9. Współpraca innowacyjna ogółem

y3a – g = –0,37 + 0,85xodb

0,60

0,38

Parametr innowacyjności

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

254

Arkadiusz Świadek

Tabela 8. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie małopolskim z punktu widzenia łańcuchów międzyprzemysłowych Prawdopodobieństwo Parametr innowacyjności

Postać probitu

zdarzenie właściwe

zdarzenie alternatywne

1. Nakłady na działalność B+R

y1A = –0,49 + 0,54xłań

0,61

0,34

2. Inwestycje w budynki i budowle

y1B1 = –0,85 + 0,46xłań

0,40

0,30

3. Implementacja nowych procesów technologicznych, w tym:

y22 = 0,51 + 0,38xłań

0,38

0,29

a) metody wytwarzania

y2A = –0,13 + 0,38xłań

0,53

0,44

b) systemy wspierające

y2C = –0,82 + 0,36xłań

0,39

0,30

4. Współpraca z dostawcami

y3a = –0,88 + 0,45xłań

0,71

0,61

5. Współpraca z krajowymi JBR

y3e = –1,61 + 0,50xłań

0,25

0,17

6. Współpraca z odbiorcami

y3g = –0,95 + 0,44xłań

0,72

0,62

7. Współpraca innowacyjna ogółem

y3a – g = –0,43 + 0,58xłań

0,61

0,46

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

przemysłowym, przyczynia się do poprawy aktywności innowacyjnej podmiotów w regionie. Małopolska zaliczana jest do silnych systemów przemysłowych w Polsce, dlatego w odróżnieniu od słabych ekonomicznie województw rośnie znaczenie rozległych powiązań międzyprzemysłowych. Uzupełnieniem analizy wpływu powiązań industrialnych na aktywność innowacyjną przedsiębiorstw jest badanie związków między- i wewnątrzprzemysłowych. Na podstawie zebranego materiału analitycznego można zaobserwować, że intensywność realizacji procesów kreowania nowych rozwiązań jest ściśle zależna od funkcjonowania w obrębie łańcucha przemysłowego z jednej strony, od jego dywersyfikacji − z drugiej, ale również odmiennego typu działalności (PKD). Powiązania te dotyczą zatem różnych przemysłów i wskazują na brak imperatywu specjalizacji w obrębie wąskiej działalności; wręcz przeciwnie podmioty w regionie na ogół nie utrzymują związków innowacyjnych z jednostkami reprezentującymi ten sam dział przemysłu – poza jednym przypadkiem. Biorąc pod uwagę, że powszechnym w polskich realiach stanem jest dominująca pozycja sektorów

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

255

niskich i średnioniskich technologii, to powiązania z innymi przemysłami wskazują na próby nawiązywania i utrzymywania kontaktów na ogół z przedsiębiorstwami reprezentującymi bardziej zaawansowane technologicznie grupy. Teza ta została potwierdzona również wcześniej przy okazji analizy struktury powiązań z dostawcami i odbiorcami. Reasumując, wzrost intensywności i zróżnicowania związków industrialnych w łańcuchu zarówno po stronie dostawców, jak i odbiorców pozytywnie wpływa na częstotliwość wprowadzania nowych rozwiązań. Przypadek województwa małopolskiego wskazuje również na konieczność występowania powszechnych i zdywersyfikowanych interakcji zachodzących w obrębie regionalnego systemu przemysłowego, ale przede wszystkim w jego relacjach z otoczeniem krajowym i międzynarodowym, traktowanych jako kanały transferu wiedzy. Z jednej strony liczba dostawców i odbiorców w ramach przemysłu nie jest zasadniczo różna od tych obserwowanych dla alternatywnych przypadków województw, jednak ich struktura technologiczna jest zdecydowanie korzystniejsza, z drugiej zaś wyestymowane modele probitowe wskazują na imperatyw zdywersyfikowanego i szerokiego dziedzinowo podejmowania współpracy (związków) z przemysłem w celu akceleracji procesów innowacyjnych w regionie.

6. POWIĄZANIA PRZEMYSŁOWE I AKTYWNOŚĆ INNOWACYJNA PRZEDSIĘBIORSTW W WOJEWÓDZTWIE LUBUSKIM W prezentowanym badaniu w 464 na 545 przedsiębiorstw istnieją powiązania z dostawcami przemysłowymi z tej samej dziedziny, co stanowi 85,1% wszystkich powiązań z dostawcami. Analizowane podmioty wskazują na występowanie 888 różnych powiązań, co daje średnią około 1,6 interakcji na badaną firmę. Do grup przemysłowych najczęściej typowanych zaliczono produkcję drewna i wyrobów z drewna (108), metali (97), wyrobów gumowych i z tworzyw sztucznych (90), artykułów spożywczych (70), wyrobów z pozostałych surowców niemetalicznych (67), maszyn i urządzeń (58), masy włóknistej (58), wyrobów chemicznych (45). Stanowią one łącznie 66,8% liczby powiązań z dostawcami. Z punktu widzenia poziomów technologicznych najczęściej powiązania z dostawcami dotyczą przemysłów niskiej technologii, lecz jednocześnie ta grupa charakteryzuje się najbardziej ekstensywnymi związkami (w przeliczeniu na jedną firmę). Najintensywniejsze interakcje zachodzą z przemysłami średniowysokich i średnioniskich technologii. Przedsiębiorstwa przemysłowe w regionie lubuskim rzadko realizują produkcję na rzecz innych przedsiębiorstw przemysłowych (35,4%). Łącznie wskazano na 193 powiązania produkcyjne z odbiorcami wyrobów. Najczęściej wspomniane działania dotyczą producentów pojazdów mechanicznych, gotowych wyrobów metalowych, maszyn i urządzeń oraz drewna i wyrobów z drewna. Biorąc jednak

256

Arkadiusz Świadek

pod uwagę intensywność relacji, to najwyższą można zaobserwować dla pierwszej i trzeciej grupy. Odbiorcy przemysłowi reprezentują głównie sektory średniowysokich technologii. Warto jednak zaznaczyć, że podobną liczbę kontaktów przemysłowych obserwuje się dla przedsiębiorstw zarówno z obszaru niskich, średniowysokich i średnioniskich technologii. Modele obrazujące aktywność innowacyjną z punktu widzenia zróżnicowania liczby dostawców i odbiorców wskazują na kilka interesujących zachowań firm w regionie. Najwyższą skłonność do implementacji nowych technologii wykazują podmioty posiadające znaczną ilość dostawców przemysłowych. Potwierdzono tym samym spostrzeżenia z innych województw dotyczące istotnego znaczenia zewnętrznych firm w kształtowaniu procesów innowacyjnych w regionach. Tabela 9. Modele probitowe prawdopodobieństwa implementacji różnorodnych form innowacji pod wpływem liczby dostawców w regionie lubuskim Prawdopodobieństwo

Liczba dostawców

Postać probitu

zdarzenie właściwe

zdarzenie alternatywne

Nakłady na prace B+R

y1a = –0,57 + 0,30xdos

0,39

0,29

Nakłady na maszyny i urządzenia techniczne

y1Bb = 0,37 + 0,30xdos

0,75

0,64

Oprogramowanie komputerowe

y1c = 0,12 + 0,60xodb

0,76

0,55

Nowe wyroby

y21 = 0,47 + 0,68xodb

0,88

0,68

Nowe technologie

y22 = 0,61 + 0,34xodb

0,83

0,73

Systemy okołoprodukcyjne

y2b = –0,46 + 0,55xdos

0,54

0,32

Systemy wspierające

y2c = –0,84 + 0,39xdos

0,33

0,20

Kooperacja z dostawcami

y3a = –0,53 + 0,35xdos

0,43

0,30

Kooperacja ze szkołami wyższymi

y3d = –2,07 + 0,44xdos

0,05

0,02

Kooperacja z odbiorcami

y3g = –1,16 + 0,54xdos

0,27

0,12

Rodzaj działalności innowacyjnej

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

257

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

Znaczna liczba dostawców pozwala korzystać z szerokiego dostępu do wiedzy. Wyestymowane modele dotyczą większości płaszczyzn innowacyjności. Przedsiębiorstwa przemysłowe posiadające mniej niż dwóch-trzech dostawców przemysłowych charakteryzują się bardziej zróżnicowaną, ale jednocześnie słabszą aktywnością innowacyjną. Liczba dostawców odgrywa szczególną rolę w przypadku: ponoszenia nakładów na działalność B+R, maszyny i urządzenia, oprogramowanie komputerów, implementację nowych wyrobów i technologii (systemów okołoprodukcyjnych i wspierających) oraz kooperacji w tworzeniu nowych rozwiązań, szczególnie z dostawcami, szkołami wyższymi i odbiorcami. Tabela 10. Modele probitowe prawdopodobieństwa implementacji różnorodnych form innowacji pod wpływem liczby odbiorców w regionie lubuskim Prawdopodobieństwo

Liczba odbiorców

Postać probitu

Nakłady na prace B+R

y1a = –0,46 + 0,80xodb

0,63

0,32

Nakłady na maszyny i urządzenia techniczne

y1Bb = 0,37 + 0,36xdos

0,77

0,64

Oprogramowanie komputerowe

y1c = 0,22 + 1,40xodb

0,95

0,59

Nowe technologie

y22 = 0,64 + 0,58xodb

0,89

0,74

Systemy okołoprodukcyjne

y2b = –0,42 + 0,62xodb

0,58

0,34

Kooperacja ze szkołami wyższymi

y3d = –1,90 + 0,90xodb

0,16

0,03

Kooperacja z odbiorcami

y3g = –0,77 + 0,35xodb

0,34

0,22

Kooperacja innowacyjna

y3a – f = –0,09 + 0,34xodb

0,60

0,46

Rodzaj działalności innowacyjnej

zdarzenie właściwe

zdarzenie alternatywne

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

Po stronie odbiorców przemysłowych aktywność innowacyjna przyjmuje odmienny kierunek. Wysoką wartość prawdopodobieństwa osiąga się pod warunkiem, że podmiot posiada nie więcej niż trzech głównych klientów przemysłowych. Widocznie interakcje z większą ich liczbą rozpraszają zasoby firmy, natomiast koncentracja na współpracy z małą ich liczbą skutkuje bliższymi związkami. Owa aktywność dotyczy: działalności B+R, inwestycji w maszyny i urządzenia techniczne, oprogramowania komputerowego, implementacji

258

Arkadiusz Świadek

nowych technologii (w tym systemy okołoprodukcyjne) i kooperacji w obszarze nowych rozwiązań, lecz tym razem szczególnie ze szkołami wyższymi i odbiorcami. W stosunku do poprzednio prowadzonych badań dostrzega się, że rosnąca liczba odbiorców przemysłowych sprzyja prowadzonej działalności innowacyjnej. Tym samym system lubuski ewoluuje w kierunku bardziej dojrzałych systemów przemysłowych w Polsce, nawiązując współpracę innowacyjną z coraz większą grupą odbiorców. Tabela 11. Prawdopodobieństwo występowania różnych obszarów innowacyjności w regionie lubuskim z punktu widzenia łańcuchów wewnątrz i międzyprzemysłowych Prawdopodobieństwo

Parametr innowacyjności W – wewnątrzprzemysłowy M – międzyprzemysłowy

Postać probitu

M Nakłady na działalność B+R

y1A = –0,54 + 0,51xłań

0,49

0,29

W Inwestycje w nowe środki trwałe

y1B = 0,67 + 0,67xłań

0,91

0,75

W Inwestycje w maszyny i urządzenia techniczne

y1B2 = 0,40 + 0,94xłań

0,61

0,66

M Nakłady na oprogramowanie komputerowe

y1C = 0,18 + 0,39xłań

0,72

0,57

M Implementacja nowych procesów technologicznych, w tym:

y22 = 0,61 + 0,44xłań

0,85

0,73

M a) metody wytwarzania

y2a = –0,04 + 0,28xłań

0,60

0,48

M b) systemy okołoprodukcyjne

y2b = –0,49 + 0,43xłań

0,48

0,31

W Współpraca z konkurentami

y3b = –1,47 + 0,77xłań

0,24

0,07

M Współpraca ze szkołami wyższymi

y3d = –2,00 + 0,55xłań

0,07

0,02

M Współpraca z odbiorcami

y3g = –0,76 + 0,35xłań

0,34

0,22

M Współpraca innowacyjna ogółem

y3a – g = –0,08 + 0,30xłań

0,59

0,47

zdarzenie właściwe

zdarzenie alternatywne

Źródło: opracowanie własne na podstawie przeprowadzonych badań.

Przedsiębiorstwa będące elementem międzyprzemysłowego lub wyspecjalizowanego pełnego łańcucha (w obrębie tej samej dziedziny przemysłowej) również odpowiadają za innowacyjność w regionie. Związane to jest z prowadzeniem prac

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

259

B+R, inwestycjami w nowe środki trwałe (w tym maszyny i urządzenia techniczne oraz oprogramowanie komputerowe) i implementację nowych technologii (metod wytwarzania i systemów okołoprodukcyjnych) czy współpracy innowacyjnej z konkurentami, szkołami wyższymi i odbiorcami. Warto przy tym zwrócić uwagę, iż różnica uzyskanych prawdopodobieństw jest relatywnie wyższa w porównaniu do modeli obrazujących powiązania jednostronne z dostawcami lub odbiorcami. Świadczy to o wysokim wpływie pełnych łańcuchów produkcyjnych na aktywność innowacyjną przedsiębiorstw w regionie. Biorąc jednak pod uwagę wagę specjalizacji, dostrzegamy, że podmioty powinny częściej znajdować się w łańcuchach międzyprzemysłowych (osiem modeli) niż monoprzemysłowych (trzy modele). Nie zmienia to faktu, że zarówno jedne jak i drugie akcelerują zmiany technologiczne w lubuskim przemyśle. Przeprowadzone badanie wskazało na wagę relacji powiązań przemysłowych z innowacyjnością przedsiębiorstw w regionie. Zidentyfikowano wiele modeli ukazujących znaczenie liczby uczestników na kształtowanie innowacyjności w przedsiębiorstwach i kooperacji między nimi, dokumentując wagę dużej liczby kanałów wejściowych i relatywnie mniejszej na wyjściu, wskazując równolegle na istotną rolę pełnych łańcuchów przemysłowych.

PODSUMOWANIE Celem artykułu była próba poszukiwania warunków wpływu charakteru związków przedsiębiorstw na ich aktywność innowacyjną w obrębie regionalnych systemów przemysłowych w Polsce, a w konsekwencji określenie warunków brzegowych dla modelowej struktury regionalnych sieci innowacji uwzględniających specyfikę badanych przypadków województw. Obecnie w Polsce obserwuje się nasilenie zainteresowania zarówno od strony teoretycznej, jak i praktycznej endogeniczną teorią wzrostu i jej gospodarczymi implikacjami. Koncentruje się ona na pobudzaniu wewnętrznych czynników rozwoju jako kluczowych dla poprawy innowacyjności i konkurencyjności gospodarki, prowadząc do silnej specjalizacji regionów i kraju. Badając jednocześnie strategie innowacji w województwach Polski, dostrzega się wyraźne odejście od przemysłu na rzecz wsparcia innowacyjnego innych dziedzin gospodarki, choć kreuje on w dalszym ciągu znaczną część produktu narodowego brutto. Te fakty stoją w sprzeczności z uzyskanymi na łamach niniejszej pracy efektami prowadzonych analiz. Ewolucyjny charakter zmian w regionalnych systemach innowacji w Polsce wskazuje, że powiązania przemysłowe i ich intensywność są i będą w dalszym ciągu ważnym elementem odpowiedzialnym za transfer wiedzy, a w konsekwencji za aktywność innowacyjną krajowych przedsiębiorstw i poprawę nowoczesności struktury technologicznej. Uzyskane wyniki prowadzonych badań wskazały, że uczestnictwo przedsiębiorstwa w przemysłowym łańcuchu dostaw zarówno po stronie dostawców jak i odbiorców, determinuje pozytywnie aktywność innowacyjną systemu regional-

260

Arkadiusz Świadek

nego, w którym jest zlokalizowane. Występowanie w badanych województwach ponadregionalnych związków sieciowych między przedsiębiorstwami produkcyjnymi wpływa na kreowanie nowych rozwiązań technologicznych, jednak ich różna intensywność utrudnia wyprowadzenie jednoznacznych wniosków. W przypadku dostawców aktywność innowacyjna rośnie, z im większą ilością różnych przemysłów utrzymują kontakty badane podmioty. Oznacza to, że dywersyfikacja posiada istotne znaczenie jako źródło informacji o nowych rozwiązaniach technologicznych. Sam fakt współpracy po stronie dostawców z innymi przedsiębiorstwami przemysłowymi bez względu na ich przyporządkowanie do konkretnej grupy PKD jest warunkiem wystarczającym do zwiększonego dynamizmu innowacyjnego układu. Dodatkowo postępujące zróżnicowanie (dywersyfikacja) i zwiększenie liczby powiązań przemysłowych zasadniczo przyśpieszają omawiane procesy. Jednocześnie dopiero ograniczona liczba odbiorców przemysłowych, nie mniejsza jednak niż jeden do trzech, stymuluje działalność innowacyjną regionu. Sam jednak fakt, że odbiorca powinien mieć charakter przemysłowy, jest również wystarczającą przesłanką do pobudzania innowacji w przedsiębiorstwach. Wynika to z faktu korzystniejszej identyfikacji potrzeb rynkowych bez konieczności prowadzenia kosztochłonnych badań marketingowych. A zatem po stronie powiązań z odbiorcami również bliższą prawdy jest teza, że związki o charakterze dywersyfikacyjnym są ważnym elementem kształtującym obecne postawy innowacyjne wśród przedsiębiorców w badanych regionach. Co więcej, im województwo reprezentuje bardziej dojrzały system technologiczny, tym zjawiska dywersyfikacyjne przybierają na sile. Uzupełnieniem analizy wpływu powiązań przemysłowych na aktywność innowacyjną przedsiębiorstw było badanie związków międzyprzemysłowych. Na podstawie zebranego materiału analitycznego można zaobserwować, że intensywność realizacji procesów kreowania nowych rozwiązań jest ściśle zależna od funkcjonowania w obrębie łańcucha przemysłowego. Zdywersyfikowanie łańcucha przemysłowego, który uwzględnia odmienny typ działalności (PKD), wskazuje na brak imperatywu specjalizacji w obrębie wąskiej działalności. Można wręcz stwierdzić, że podmioty w Polsce na ogół nie utrzymują związków innowacyjnych z jednostkami reprezentującymi ten sam dział przemysłu. Biorąc pod uwagę, że powszechnym w polskich realiach stanem jest dominująca pozycja sektorów niskich i średnioniskich technologii, to powiązania z innymi przemysłami wskazują na próby nawiązania i otrzymania kontaktów na ogół z przedsiębiorstwami reprezentującymi bardziej zaawansowane technologicznie grupy. W artykule zwrócono uwagę, że podmioty funkcjonujące w badanych regionach aby wprowadzać innowacje powinny być elementami przemysłowej integracji sieciowej, często ponadnarodowej. Na ogół tym bardziej intensywnie, z im większą ilością podmiotów współpracują. Zjawisko kooperacji pionowej stanowi zatem podstawę transferu wiedzy zarówno tej formalnej, jak i taktycznej w syste-

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

261

mie przemysłowym. Tym samym polityka innowacyjna na poziomie krajowym i regionalnym w Polsce powinna oferować instrumenty koncentrujące się na stymulowaniu współpracy technologicznej w przemysłowych łańcuchach dostaw, równolegle do wsparcia innych dziedzin gospodarki. Charakteryzują się one bowiem ponadprzeciętną aktywnością innowacyjną, zmierzającą jednocześnie do dywersyfikacji przemysłowej, nie zaś specjalizacji, jak sugeruje endogeniczna teoria wzrostu. Koncepcja właściwa dla rozwiniętych krajów posiada ograniczone zastosowanie w przypadku gospodarek rozwijających się, dla których fundamentem wzrostu jest przede wszystkim umiejętność absorpcji i asymilacji zewnętrznej wiedzy.

BIBLIOGRAFIA Abramowitz M. (1994), The Origins of the Post-war Patch up and Convergence Boom, w: J. Fagerberg, N. von Tunzelman, B. Verspagen (eds), The Dynamics of Technology, Trade and Growth, Edward Elgar, London. Audretsch D.B. (1998), Agglomeration and the Location of Innovative Activity, “Oxford Review of Economic Policy”, Vol. 14, No. 2. Beaudry C., Breschi S.(2003), Are Firms in Clusters Really More Innovative? “Economy. Innovation. New Technology”, No. 12(4). Berman E., Bound J., Machin S.(1997), Implications of Skill-Biased Technology Change: International Evidence, “Working Paper”, No. 6166, National Bureau of Economic Research, Cambridge, MA. Brdulak H. (2011), Łańcuchy dostaw w warunkach niepewnej gospodarki. Trendy światowe i wnioski z Polski, w: Funkcjonowanie łańcuchów dostaw: aspekty logistyczne, przykłady branżowe, H. Brdulak, E. Duliniec, T. Gołębiowski (red. nauk.), „Zeszyty Naukowe”, nr 31, Kolegium Gospodarki Światowej, SGH, Warszawa. Dosi G.(1988), Sources, Procedures and Micro-economic Effects of Innovation, “Journal of Economic Literature”, No. 36. Fischer M.M. (2001), Innovation, Knowledge Creation and System of Innovation,“Annual Regional Science”, No. 35. Guerrieri P. (1999), Patterns of National Specialisation in the Global Competitive Environment, w: D. Archibugi, J. Howells, J. Michie (red.), Innovation Policy in a Global Economy, Cambridge University Press, Cambridge. Hatzichronoglou T. (1997), Revision of the High Technology Sector and Product Classification, “STI Working Papers”, No. 2, OECD, Paris. Kortum S., Levner J. (1997), Stronger Protection or Technological Revolution: What is Behind the Recent Surge in Patenting? “Working Paper”, No. 6204, National Bureau of Economic Research, Cambridge, MA. Łukasik W., Szopik K. (2006), Istota, zakres i cele działalności przemysłowej, w: Zarys strategii rozwoju przemysłu, W. Janasz (red. nauk.), Difin, Warszawa. Maddala G.S. (2006), Ekonometria, WN PWN, Warszawa. Obrębski T., Dochód narodowy i wzrost gospodarczy, w: Makro i mikroekonomia. Podstawowe problemy, S. Marciniak (red. nauk.), WN PWN, Warszawa 1999.

262

Arkadiusz Świadek

OECD (2005), Podręcznik Oslo. Zasady gromadzenia i interpretacji danych dotyczących innowacji. Wydanie trzecie, Paryż. Pomykalski A. (2001), Zarządzanie innowacjami, WN PWN, Warszawa–Łódź. Stough R.R. (1998), Endogenous Growth in a Regional Context, “Annals of Regional Science”, No. 32. Sturn D. (2000), DecentralizedIndustrial Policies in Practice: The Case of Austria and Styria, “European Planning Studies”, Vol. 8, No. 2. Szopik-Depczyńska K., Świadek A. (2011), Dostawcy w łańcuchu dostaw w kształtowaniu innowacyjności polskich regionów, w: Funkcjonowanie łańcuchów dostaw: aspekty logistyczne, przykłady branżowe, H. Brdulak, E. Duliniec, T. Gołębiowski (red. nauk.), „Zeszyty Naukowe”, nr 31, Kolegium Gospodarki Światowej, SGH, Warszawa. Świadek A. (2011), Regionalne systemy innowacji w Polsce, Difin, Warszawa. Welfe A. (1998), Ekonometria, PWE, Warszawa.

STRESZCZENIE Celem badania była próba poszukiwania warunków decydujących o aktywności innowacyjnej łańcuchów dostaw w ramach regionalnych systemów przemysłowych w Polsce. W konsekwencji należało określić warunki brzegowe dla regionalnego modelu sieci innowacji, uwzględniając specyfikę badanych województw mazowieckiego, małopolskiego i lubuskiego. Badanie zostało oparte na kwestionariuszu na grupie 1719 przedsiębiorstw ze wskazanych regionów. Od strony metodycznej wykorzystano modelowanie probitowe (rachunek prawdopodobieństwa). Metoda ta jest skutecznym narzędziem badawczym dla dużych, ale statycznych prób, w których zmienna zależna ma charakter jakościowy. Uzyskane wyniki prowadzonych badań ukazały, że uczestnictwo przedsiębiorstwa w przemysłowym łańcuchu dostaw zarówno po stronie dostawców jak i odbiorców, determinuje pozytywnie aktywność innowacyjną systemu regionalnego, w którym jest zlokalizowane. Występowanie w badanych województwach ponadregionalnych związków sieciowych między przedsiębiorstwami produkcyjnymi wpływa na kreowanie nowych rozwiązań technologicznych, jednak ich różna intensywność utrudnia wyprowadzenie jednoznacznych wniosków. W artykule zwrócono uwagę, że podmioty funkcjonujące w badanych regionach, aby wprowadzać innowacje powinny być elementami przemysłowej integracji sieciowej, często ponadnarodowej. Na ogół tym bardziej intensywnie, z im większą ilością podmiotów współpracują. Zjawisko kooperacji pionowej stanowi zatem podstawę transferu wiedzy zarówno tej formalnej jaki i taktycznej w systemie przemysłowym. Słowa kluczowe: innowacja, system, łańcuch dostaw, region, przemysł.

Łańcuchy przemysłowe w kształtowaniu aktywności innowacyjnej…

263

Industry Supply Chains in Firms’ Innovative Activity in Polish Regions in 2008-2010 ABSTRACT The purpose of the study was to identify conditions determining innovative activities in supply chains in regional industrial systems, and, consequently, to determine the boundary conditions for the regional innovation network model, taking into account the specificities of Mazowieckie, Małopolskie and Lubuskie Voivodships (provinces). The study was based on a 1719 questionnaires of companies from indicated regions. It used probity modeling (probability), which is an effective research tool for large and static samples with qualitative dependent variable. It was found that the participation of enterprises in the industrial supply chains as either suppliers or customers positively affects the activity of the regional innovation system in which they are located. The presence of interregional industrial networks in the studied provinces fosters new technological solutions, however their different intensity makes it difficult to draw definitive conclusions. The article pointed out that in order to innovate the enterprises operating in the studied regions should be parts of integrated supply chains, often transnational ones. The phenomenon of vertical cooperation is therefore a basis for formal and tactic knowledge transfer in the industrial system. Keywords: innovation, system, supply chain, region, industry. JEL Classification: R11, O31, L52, L60

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Jacek Orzeł*

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH DLA POCHODNYCH RYZYKA OPERACYJNEGO WSTĘP Powszechnie stosowane mechanizmy zarządzania ryzykiem operacyjnym (działania organizacyjno-proceduralne, alokacja kapitału oraz ubezpieczenia) wydają się już niewystarczające w obliczu obecnego tempa rozwoju cywilizacji (szybki rozwój technologii, globalizacja itd.). Dlatego poszukuje się nowych mechanizmów, a także rozwija już istniejące1. W literaturze pojawiają się informacje o dwóch nowych mechanizmach: instrumentach pochodnych ryzyka operacyjnego (dalej IPRO) oraz sekurytyzacji tego ryzyka (Matkowski, 2006). Zanim IPRO oraz sekurytyzacja ryzyka operacyjnego pojawią się na rynku, trzeba będzie wykonać wiele prac przygotowawczych, w tym rozwinąć i doprecyzować koncepcję IPRO2. Zdając sobie sprawę z ogromu prac i wyzwań stojących przed prekursorami tej koncepcji3, warto jednak zaznaczyć, iż pierwsze podgrupy IPRO (pogodowe i katastrofowe instrumenty pochodne) już funkcjonują na rynku, ale obejmują jedynie niewielką część czynników tego ryzyka (Cruz, 2002, rozdział 13). * SGH, Kolegium Zarządzania i Finansów. Autor uzyskał stopień doktora nauk ekonomicznych w Kolegium Zarządzania i Finansów SGH. 1 Publikacje autora artykułu dotyczące zarządzania ryzykiem operacyjnym zostały umieszczone w bibliografii. 2 W lutym br. została obroniona w Szkole Głównej Handlowej w Warszawie praca doktorska pt. „Zarządzanie ryzykiem operacyjnym za pomocą instrumentów pochodnych”, w której opisano obecny stan, przedstawiono wyniki badań oraz zaproponowano kierunki dalszych badań zagadnienia instrumentów pochodnych ryzyka operacyjnego. 3 Wśród prekursorów należy wymienić m.in. M. Cruza.

266

Jacek Orzeł

Koncepcja IPRO opartych na indeksach ryzyka operacyjnego (z ewentualnym uwzględnieniem korelacji klas ryzyka lub zdarzeń ryzyka operacyjnego) jest na wstępnym etapie rozwoju. Istnieje zatem pilna potrzeba rozwijania koncepcji IPRO i tworzenia rynku dla tych instrumentów ze względu m.in. na szybki wzrost poziomu ryzyka operacyjnego towarzyszącego działalności gospodarczej. Chociaż pojawienie się tej nowej klasy instrumentów pochodnych jest tylko kwestią czasu, to jednak na tej drodze pojawia się wiele trudności, co powoduje oddalanie się w czasie ucieleśnienia tej koncepcji. Opóźnienia w pojawieniu się IPRO spowodowane są m.in. jakościowo-ilościową heterogeniczną naturą ryzyka operacyjnego i związanymi z tym problemami z jego kwantyfikacją na obecnym stosunkowo wstępnym etapie rozwoju dziedziny zarządzania ryzykiem operacyjnym (historia dyscypliny zarządzania ryzykiem operacyjnym liczy sobie zaledwie około 20 lat). Słaba jakość i niekompletność danych, jak również trudności z ich uzyskaniem, sposób włączenia korelacji między zdarzeniami operacyjnymi, niestacjonarność strat z tytułu ryzyka operacyjnego, są tylko przykładami wyzwań w tym obszarze. Jednym z problemów do rozwiązania w celu wprowadzenia na rynek finansowy powyższej nowej klasy instrumentów pochodnych jest określenie instrumentu podstawowego dla tej grupy instrumentów. Wydaje się, że indeksy ryzyka operacyjnego (zagregowane indeksy ryzyka oraz indeksy dla klasy ryzyka operacyjnego) mogłyby pełnić taką funkcję. Przez klasę ryzyka operacyjnego można rozumieć np. określoną grupę zdarzeń ryzyka operacyjnego. W umowie Basel II4 określono siedem oddzielnych kategorii zdarzeń ryzyka operacyjnego w bankach komercyjnych. Kategoryzacja zdarzeń operacyjnych i strat operacyjnych zaproponowana w NUK była przedmiotem wielu analiz (np. Piołunowicz, 2006; Zawiła-Niedźwiecki, 2010). Zanim pojawią się indeksy ryzyka operacyjnego, instrument podstawowy dla pewnej grupy IPRO mogłyby stanowić zdarzenia ryzyka operacyjnego (np. dla umów wymiany oraz opcji5). Jest to naturalny kierunek rozwoju instrumentów IPRO, przypominający kredytowe instrumenty terminowe. Biorąc pod uwagę obecne bariery rozwoju całej gamy IPRO, związane m.in. z trudnością w dostępie do danych dotyczących ryzyka operacyjnego (a właściwie brakiem takich danych o wystarczającej jakości oraz długości szeregów czasowych), konieczne jest poszukiwanie instrumentów podstawowych dla nowych grup IPRO. Celem artykułu jest analiza adekwatności Rekomendacji M dotyczącej zarzą dzania ryzykiem operacyjnym w bankach6 (dalej: Rekomendacja M) do wymogów instrumentów bazowych dla IPRO oraz przedstawienie metodyki opracowania 4 Nowa Umowa Kapitałowa (NUK, Basel II) - Dokument Bazylejskiego Komitetu ds. Nadzoru Bankowego „Ujednolicenie pomiaru kapitału i standardów kapitałowych w skali międzynarodowej, Znowelizowana Metodologia” (International Convergence of Capital Measurement and Capital Standards, A Revised Framework) z czerwca 2004 r. mający na celu międzynarodowe ujednolicenie regulacji nadzorczych dotyczących adekwatności kapitałowej banków. 5 Omówienie instrumentów pochodnych znajduje się poza zakresem tego artykułu. Są one przedmiotem wielu publikacji (np. Hull, 2006). 6 Rekomendacja M dotycząca zarządzania ryzykiem operacyjnym w bankach, KNB, Warszawa 2004.

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

267

klasyfikacji i definicji zdarzeń operacyjnych, które mogłyby stać się instrumentami podstawowymi dla instrumentów pochodnych ryzyka operacyjnego.

RYZYKO OPERACYJNE W naukach ekonomicznych ryzyko rozumiane jest powszechnie jako niepewność osiągnięcia oczekiwanego celu. Natomiast pojęcie ryzyka operacyjnego jest najczęściej rozumiane tylko negatywnie jako możliwość wystąpienia niepożądanego zdarzenia utożsamianego z możliwością poniesienia straty (zagrożenie), a rzadziej neutralnie, czyli jako możliwości poniesienia strat innych niż oczekiwane (Chernobai i in., 2007, s. 16). Ryzykiem operacyjnym coraz szerzej interesują się zarówno praktycy, jak i teoretycy. Jednakże zaledwie 20-letni okres zainteresowania się tą kategorią ryzyka powoduje, iż stanowi ona jeszcze w wielu aspektach tajemnicę. Jedną z większych trudności przy oswojeniu ryzyka operacyjnego jest duża heterogeniczność polegająca na bardzo wielu czynnikach prowadzących do potencjalnej lub rzeczywistej materializacji się ryzyka operacyjnego. Klasyfikacja i kategoryzacja każdego ryzyka jest niezbędna dla jego prawidłowego zarządzania. Klasyfikacji tej można dokonać na wiele sposobów. Obecnie każda klasyfikacja uwzględnia kategorię ryzyka operacyjnego. Jednak klasyfikacja ryzyka operacyjnego jest nadal stosunkowo dużym problemem utrudniającym procesy zarządcze. Najbardziej znaną obecnie na świecie definicją ryzyka jest definicja podana w Nowej Umowie Kapitałowej (NUK, Basel II), zgodnie z którą ryzyko to możliwość poniesienia straty w wyniku nieodpowiednich lub błędnych procesów i procedur wewnętrznych, działania ludzi lub systemów, a także zdarzeń zewnętrznych (BIS, 2006). Definicja ta posiada liczne słabe punkty, wynikające z przyjętej ogólnej formuły i braku precyzji przy jej definiowaniu. Słabość tej definicji wykazywało wielu autorów w literaturze fachowej (Zombirt, 2003). Definicja ta opiera pojęcie ryzyka operacyjnego na bezpośredniej stracie finansowej. Pomimo niedoskonałości została ona przyjęta przez wiele podmiotów, zwłaszcza z rynku finansowego. W NUK przedstawiono wiele propozycji w zakresie zarządzania ryzykiem operacyjnym. Jednakże propozycje określania rzeczywistej ekspozycji na ryzyko operacyjne w NUK są często krytykowane (w dużym stopniu słusznie). Obecnie przyjmuje się powszechnie, że zarządzanie ryzykiem jest procesem składającym się z kilku etapów: identyfikowania zagrożeń, szacowania lub pomiaru ryzyka, sterowania ryzykiem, monitorowania i raportowania oraz kontroli. Aktualny trend preferuje zintegrowane systemy zarządzania ryzykiem, które zalecają zarządzanie różnymi kategoriami ryzyka w podobny sposób i przy użyciu tych samych lub podobnych narzędzi i metod. Podejście to ma także swoich przeciwników poddających w wątpliwość jego prawidłowość (Rowe, 2004, s. 56). Można zaryzykować tezę, iż obecnie największym stymulatorem rozwoju metod pomiaru i zarządzania ryzykiem operacyjnym jest NUK, który nadał pewną dyna-

268

Jacek Orzeł

mikę procesowi rozwoju dziedziny zarządzania ryzykiem operacyjnym. Intensywne prace badawcze w zakresie nowych metod zarządzania ryzykiem operacyjnym prowadzone są obecnie na całym świecie, w tym także w wielu ośrodkach w Polsce7, co szybciej lub wolniej spowoduje pokonanie obecnych problemów.

ZDARZENIA OPERACYJNE – CHARAKTERYSTYKA I KLASYFIKACJE Istotną częścią procesu zarządzania ryzykiem operacyjnym jest ustalenie definicji zdarzenia operacyjnego. Przez zdarzenie operacyjne rozumiemy każde zdarzenie, które jest materializacją ryzyka operacyjnego8. Zakłada się, że zdarzenie takie wystąpiło w określonym czasie i pociągnęło za sobą określone konsekwencje finansowe, które mogą być związane z: 11

poniesieniem przez instytucję kosztów, uzyskaniem przychodów z tytułu wystąpienia zdarzenia operacyjnego,

wypłatą odszkodowań,

wypłatą kar (np. kary za transakcje kartowe, praktyki monopolistyczne)

otrzymaniem odszkodowania z tytułu zdarzenia operacyjnego,

utratą lub uzyskaniem korzyści,

utworzeniem rezerwy na zobowiązania,

utratą aktywów lub koniecznością dokonania odpisów aktualizujących ich wartość.

Zdarzenia operacyjnego nie należy utożsamiać ze stratą operacyjną. Straty operacyjne to konsekwencje finansowe zdarzeń operacyjnych (niektóre zdarzenia operacyjne nie pociągają za sobą strat operacyjnych, np. zdarzenia typu near misses mogą skutkować tylko wystąpieniem ryzyka utraty reputacji). Straty operacyjnej nie należy kojarzyć ze stratą w znaczeniu rachunkowym. W nauce rozróżnia się problem klasyfikacji i grupowania danych. Grupowanie jest to operacja, w wyniku której zbiór elementów jest rozdzielany na zbiory (dąży się do otrzymania grup rozłącznych). Klasyfikacja natomiast jest to przyporządkowanie elementów do jednej z już istniejących grup. Poprzez grupowanie można rozwiązać m.in. problemy z gatunku odkrywania struktury w danych oraz doko7 Także

w Katedrze Bankowości SGH. „zdarzenie operacyjne” został zdefiniowany m.in. przez Stowarzyszenie ORX jako zdarzenie powodujące, że finalny efekt procesu biznesowego różni się od zakładanego w następstwie niewłaściwych lub błędnych procesów, błędów lub niedostępności ludzi i systemów oraz wydarzeń i okoliczności zewnętrznych. Podobnie Stowarzyszenie ORX zdefiniowało stratę operacyjną jako następstwo zdarzenia operacyjnego składające się ze wszystkich realnie poniesionych wydatków (mających odzwierciedlenie w raportach finansowych), których by nie było, gdyby nie doszło do zdarzenia (ORX Association, 2004, s. 4). 8 Termin

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

269

nywania uogólniania9. Grupowanie polega na wyodrębnianiu grup (klas, podzbiorów, kategorii) poprzez identyfikację naturalnych grup, w których obiekty podobne do siebie mają zostać umieszczone w jednej grupie, natomiast obiekty znacznie się różniące – w różnych grupach. W przypadku naszej analizy podstawowym celem jest wyodrębnienie grup zdarzeń operacyjnych, które mogłyby zostać precyzyjnie zdefiniowane i stać się instrumentami podstawowymi dla instrumentów pochodnych ryzyka operacyjnego. Obiekty (w naszym przypadku zdarzenia operacyjne) powinny zostać grupowane przez zastosowanie odpowiedniej metody grupowania zgodnie z założonym kryterium. Metody grupowania powinny być oparte na kilku zasadach. Zakłada się, że obiekty podobne do siebie (czyli takie, które powinny należeć do tej samej grupy) posiadają te same wartości niektórych atrybutów. Samo dobranie atrybutów, które decydują o przyłączeniu obiektu do danej grupy, jest trudnym zadaniem. Najlepiej, gdy dostępna jest szczegółowa wiedza na ten temat, pozwalająca na ustalenie hierarchii ich ważności. Najczęściej jednak wiedza taka nie jest kompletna, można wówczas posiłkować się pewnymi wskaźnikami statystycznymi, pozyskanymi z posiadanej bazy danych o występowaniu i charakterystyce poszczególnych atrybutów. Wskaźniki takie, na przykład współczynniki korelacji, częstotliwość występowania, pomagają w zdobyciu pewnych reguł pozwalających na ocenę przedstawianego podziału. Dla algorytmów grupowania niewymagających miary odległości kluczowe staje się dobranie właściwej funkcji kryterium jakości grupowania. Sam algorytm polega na generowaniu kolejnych podziałów, weryfikowaniu ich za pomocą funkcji kryterium i wybraniu najlepszego rozwiązania (Mazur, 2005). W celu wyodrębnienia grup zdarzeń operacyjnych należałoby zastosować jedną z dostępnych naukowych formalnych metod grupowania, np. metodę grupowania koncepcyjnego (conceptual clustering) lub uproszczone grupowanie metodami intuicyjnymi. W przypadku badanych przez nas obiektów bardziej właściwe byłoby używanie pojęcia grupowania zdarzeń operacyjnych, chyba że wykorzystamy jedną ze znanych gotowych klasyfikacji. Najbardziej znaną klasyfikację zdarzeń ryzyka operacyjnego podaje NUK oraz konsekwentnie Dyrektywa CRD10 oraz Rekomendacja M. 9 Wybrane

cele dokonywania grupowania obejmują m.in.: • uzyskanie jednorodnych przedmiotów badania, ułatwiających wyodrębnienie ich zasadniczych cech, • zredukowanie dużej liczby danych pierwotnych do kilku podstawowych kategorii, które mogą być traktowane jako przedmioty dalszej analizy, • zmniejszenie nakładu pracy i czasu analiz, których przedmiotem będzie uzyskanie klasyfikacji obiektów typowych, • odkrycie nieznanej struktury analizowanych danych. 10 Dyrektywa w sprawie Wymogów Kapitałowych (Capital Requirements Directive) stanowi nowelizację Dyrektywy 2000/12/EC (BCD) oraz Dyrektywy 93/6/EEC (CAD). Dyrektywa ta dostosowuje obowiązujące regulacje UE do zasad Nowej Umowy Kapitałowej Bazylejskiego Komitetu ds. Nadzoru Bankowego. Dyrektywa CRD została uchwalona przez Parlament Europejski 28 września 2005 r., a następnie przyjęta przez Radę Unii Europejskiej ds. Ekonomicznych i Finansowych (ECOFIN) w dniu 11 października 2005 r. Tekst dyrektywy CRD w języku angielskim jest dostępny w wielu miejscach sieci Internet.

270

Jacek Orzeł

Komitet Bazylejski wyróżnił 7 ogólnych kategorii zdarzeń operacyjnych (i konsekwentnie kategorii strat operacyjnych). Są one następujące: 11

oszustwo wewnętrzne (internal fraud),

oszustwo zewnętrzne (external fraud),

praktyka kadrowa i bezpieczeństwo pracy (employment practices and work place safety),

klienci, produkty i praktyka biznesowa (clients, products and business practices),

uszkodzenia aktywów (damage to physical assets),

zakłócenia działalności i błędy systemów (business disruptions and system failu res),

dokonywanie transakcji, dostawa oraz zarządzanie procesami (execution, deli very and process management)11. Tabela 1. Systematyka zdarzeń operacyjnych – kategoria: oszustwo wewnętrzne Kategorie zdarzeń operacyjnych

1. Oszustwo wewnętrzne – Straty z tytułu działań mających na celu zamierzone oszustwo, sprzeniewierzenie własności lub obejście regulacji, praw lub polityki spółki, z wyłączeniem zdarzeń z zakresu różnicowania i dyskryminacji, dotyczące co najmniej jednej osoby wewnętrznej

Rodzaje zdarzeń w ramach kategorii

Przykłady zdarzeń operacyjnych

1. Działania nieuprawnione

1. Działania nierejestrowane (zamierzone) 2. Nieautoryzowane transakcje (poniesiona strata) 3. Błędna wycena transakcji (zamierzona)

2. Kradzież i oszustwo

1. Oszustwo, oszustwo kredytowe, bezwartościowy depozyt 2. Kradzież, wymuszenie, defraudacja, rabunek 3. Sprzeniewierzenie aktywów 4. Zamierzone zniszczenie aktywów 5. Fałszerstwo 6. Oszustwo czekowe 7. Przemyt 8. Przejęcie rachunku, mistyfikacja itp. 9. Niezgodności podatkowe, unikanie podatków (umyślne) 10. Przekupstwo, łapówkarstwo 11. Działalność na korzyść własną (nie na rachunek firmy)

Źródło: Rekomendacja M dotycząca zarządzania ryzykiem operacyjnym w bankach (fragment tabeli), KNB, Warszawa 2004. 11 Polskie nazwy kategorii ryzyka zostały zaczerpnięte z Rekomendacji M Komisji Nadzoru Bankowego, natomiast nazwy angielskie – z terminologii Komitetu Bazylejskiego, wykorzystywanej m.in. w Nowej Umowie Kapitałowej.

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

271

W bankach funkcjonują często inne niż powyższa klasyfikacje zdarzeń operacyjnych (Krasodomska, 2008), jednak często można je powiązać z klasyfikacją zaproponowaną w NUK. Dla banków wdrażających zaawansowane modele zarządzania ryzykiem operacyjnym – AMA – istnienie takiego powiązania jest obligatoryjne (np. Blunden i in., 2010; Moosa, 2008; Soprano i in., 2009).

ZDARZENIA KREDYTOWE JAKO INSTRUMENTY PODSTAWOWE DLA KREDYTOWYCH INSTRUMENTÓW POCHODNYCH W punkcie tym zasygnalizowano rozwiązanie, które może zostać wykorzystane w obszarze ryzyka operacyjnego. Zarówno sposób podejścia do klasyfikacji i definicji zdarzeń kredytowych, jak i pochodne kredytowe oparte na tych zdarzeniach mogą stanowić pewien wzór i kierunek dla rozważań dotyczących obszaru ryzyka operacyjnego, aczkolwiek nie można bezpośrednio zastosować pełnego analogonu ze względu na odmienną specyfikę obu kategorii ryzyka. W celu ułatwienia przeprowadzania terminowych transakcji kredytowych na rynku pozagiełdowym Stowarzyszenie ISDA (International Swaps and Derivatives Association) w dokumencie The ISDA 2003 Credit Derivatives zdefiniowało warunki przeprowadzania takich transakcji, w tym precyzyjnie zdefiniowało pojęcie zdarzenia kredytowego. W Polsce przełożenia na grunt polski dokonał Związek Banków Polskich (ZBP) w Rekomendacji w sprawie zawierania kredytowych transakcji terminowych na polskim rynku międzybankowym w styczniu 2005 r. (dalej: Rekomendacja ZBP). Opublikowanie tej rekomendacji przyczyniło się do ujednolicenia zasady zawierania kredytowych transakcji terminowych i zwiększenia ich wolumenu oraz do rozwoju tego rynku zgodnie z zamierzeniami autorów. Zgodnie z deklaracją, na wstępie Rekomendacja ZBP stanowi standard obejmujący szczegółowy opis kredytowych instrumentów pochodnych od strony prawnej (swap kredytowy i opcja kredytowa). Natomiast jako wzorcową dokumentację transakcyjną wskazano standardowe umowy zawarte w Rekomendacji dotyczącej zawierania wybranych transakcji na rynku międzybankowym wydanej we wrześniu 2003 r. także przez ZBP. W rekomendacji dotyczącej kredytowych transakcji terminowych określono m.in. opis transakcji, cel, przedmiot oraz podział kredytowych transakcji terminowych, zdarzenia kredytowe, warunki i zasady rozliczenia oraz opis poszczególnych transakcji. Celem kredytowych transakcji terminowych jest zabezpieczenie wierzytelności przez ryzykiem kredytowym, czyli mogą one zostać wykorzystane do zarządzania tą kategorią ryzyka. Rekomendacja ZBP definiuje podstawowy wykaz zdarzeń kredytowych oraz podaje ich precyzyjne, formalne definicje. Zdefiniowano siedem zdarzeń kredytowych: „brak zapłaty”, „istotną zmianę”, „natychmiastową wymagalność”, „nie-

272

Jacek Orzeł

ważność lub bezskuteczność wierzytelności”, „niewykonanie lub nienależyte wykonanie zobowiązań”, „niewypłacalność” oraz „zaprzeczenie”. W szczególności zdarzenie „niewypłacalność” zostało zdefiniowane przez szczegółowe wymienienie i określenie zdarzeń oznaczających stan niewypłacalności. Tak zdefiniowane zdarzenia kredytowe stanowią instrumenty podstawowe dla kredytowych instrumentów terminowych.

ZDARZENIA OPERACYJNE JAKO INSTRUMENTY PODSTAWOWE DLA INSTRUMENTÓW POCHODNYCH RYZYKA OPERACYJNEGO – KONCEPCJA I UWARUNKOWANIA Rozpoczęcie funkcjonowania grupy IPRO, w tym głównie umów wymiany i opcji, opartych na zdarzeniach operacyjnych, musi być poprzedzone precyzyjnym zdefiniowaniem zdarzeń operacyjnych, na bazie których te umowy byłyby konstruowane, tj. należałoby dokonać zdefiniowania zdarzeń operacyjnych, podobnie jak zdefiniowano zdarzenia kredytowe12. Jednakże precyzyjne zdefiniowanie zdarzeń operacyjnych będzie, jak się wydaje, stanowić duże wyzwanie ze względu na dużą różnorodność zdarzeń ryzyka operacyjnego. Być może wystarczające będzie zdefiniowanie na początku wybranych (np. często spotykanych) zdarzeń ryzyka operacyjnego. Oczywiście należy pozostawić możliwość wskazania innych zdarzeń operacyjnych niż wymienione w podstawowym katalogu, o ile zajdzie taka potrzeba, przy zachowaniu zasad stosowanych przy definiowaniu zdarzeń w katalogu podstawowym. Dodatkowo wstępny katalog zdarzeń operacyjnych w miarę upływu czasu mógłby, a nawet powinien być uzupełniany. Opierając się na przykładzie Rekomendacji ZBP, w tym w szczególności analizując zdefiniowane siedem kategorii zdarzeń kredytowych, można postawić hipotezę, iż siedem ogólnych kategorii zdarzeń operacyjnych zdefiniowanych w Rekomendacji M ma zbyt małą ziarnistość (zbyt duży poziom ogólności), aby je przyjąć za kategorie zdarzeń do wykorzystania jako instrumenty podstawowe dla IPRO. Natomiast rodzaje zdarzeń w ramach każdej z siedmiu kategorii mogłyby być uznane wstępnie, po precyzyjnym ich zdefiniowaniu, za zdarzenia operacyjne o szczegółowości adekwatnej do wymagań stawianych aktywom pełniącym rolę instrumentu podstawowego. Być może dla celów wykorzystania zdarzeń operacyjnych jako instrumentu podstawowego dla IPRO potrzebne będą dalsze podziały tych zdarzeń na podkategorie, ale to pokażą dalsze badania i potwierdzi praktyka. Warunkiem ujęcia w klasyfikacji oraz zdefiniowania danego zdarzenia powinny być co najmniej względnie duża częstość występowania lub powodowanie stosunkowo dużych konsekwencji (strat materialnych lub niematerialnych). 12 Zdefiniowania

zdarzeń kredytowych dokonało Stowarzyszenie ISDA (International Swaps and Derivatives Association) w dokumencie The ISDA 2003 Credit Derivatives. W Polsce przełożenia na grunt polski dokonał Związek Banków Polskich w rekomendacji w sprawie zawierania kredytowych transakcji terminowych na polskim rynku międzybankowym.

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

273

Kategoryzacja zdarzeń operacyjnych jako instrumentu podstawowego dla IPRO zostanie najprawdopodobniej zrealizowana po uświadomieniu realnej potrzeby rozwoju IPRO lub w wyniku silnego lobbingu potencjalnych inwestorów. Jednym z dodatkowych warunków jest prowadzenie dalszych badań i analiz w tym obszarze; innymi słowy bez wsparcia „świata nauki” rozwój tych instrumentów pochodnych może okazać się trudny, o ile ciągle wykonalny.

Zdarzenia operacyjne jako instrumenty podstawowe dla instrumentów pochodnych ryzyka operacyjnego – propozycja podejścia do klasyfikacji i definicji W punkcie 4 świadomie użyto bardziej formalnego stylu, gdyż – zdaniem autora – jest on najbardziej odpowiedni do właściwego uregulowania analizowanego zagadnienia. Przykład Rekomendacji ZBP dotyczący zdarzeń ryzyka kredytowego, przybliżony w punkcie 4, może być potwierdzeniem przyjętego podejścia – definicje zdarzeń operacyjnych mogących stanowić instrumenty bazowe muszą być zrozumiałe, dokładne i precyzyjne, aby mogły stanowić dobrą podstawę dla instrumentów pochodnych. Zgodnie z proponowaną w artykule koncepcją, przyjęto klasyfikację zdarzeń operacyjnych z Rekomendacji M, przy czym za zdarzenia operacyjne przyjęto wstępnie rodzaje zdarzeń w ramach kategorii przyjętych w tej rekomendacji. W Rekomendacji M zidentyfikowano siedem głównych kategorii zdarzeń operacyjnych oraz dwadzieścia rodzajów zdarzeń w ramach tych kategorii: 1) oszustwo wewnętrzne: a) działania nieuprawnione, b) kradzież i oszustwo; 2) praktyka kadrowa i bezpieczeństwo pracy: a) stosunki pracownicze, b) bezpieczeństwo środowiska pracy, c) podziały i dyskryminacja; 3) klienci, produkty i praktyka biznesowa: a) obsługa klientów, ujawnianie informacji o klientach, zobowiązania względem klientów, b) niewłaściwe praktyki biznesowe lub rynkowe, c) wady produktów, d) klasyfikacja klienta i ekspozycje, e) usługi doradcze; 4) uszkodzenia aktywów: a) klęski żywiołowe i inne zdarzenia;

274

Jacek Orzeł

5) zakłócenia działalności i błędy systemów: a) systemy; 6) dokonywanie transakcji, dostawa oraz zarządzanie procesami: a) wprowadzanie do systemu, wykonywanie, rozliczanie i obsługa transakcji, b) monitorowanie i sprawozdawczość, c) dokumentacja dotycząca klienta, d) zarządzanie rachunkami klientów, e) uczestnicy procesów niebędący klientami banku (np. izby rozliczeniowe), f) sprzedawcy i dostawcy. Kategoria ogólna: „Oszustwo wewnętrzne” zostało podzielone na dwa rodzaje zdarzeń: „Działania nieuprawnione” oraz „Kradzież i oszustwo”. „Oszustwo wewnętrzne” zostało zdefiniowane jako „Straty z tytułu działań mających na celu zamierzone oszustwo, sprzeniewierzenie własności lub obejście regulacji, prawa lub polityki spółki, z wyłączeniem zdarzeń z zakresu różnicowania i dyskryminacji, dotyczące co najmniej jednej osoby wewnętrznej”. Natomiast rodzaje zdarzeń dla poszczególnych kategorii zostały zdefiniowane poprzez wymienienie przykładów zdarzeń operacyjnych dla poszczególnych rodzajów. Taka definicja nie jest wystarczająco precyzyjna dla instrumentu podstawowego. W celu dokładnego zdefiniowania poszczególnych rodzajów zdarzeń proponuje się wykorzystanie przepisów prawa powszechnie obowiązującego i skorzystanie z definicji tego prawa po jego dostosowaniu do wymogów stawianych przez instrumenty pochodne instrumentom podstawowym (bazowym). W szczególności zdarzenia tego typu są zdefiniowane m.in. w: Kodeksie karnym, Prawie bankowym, Kodeksie pracy, Kodeksie spółek handlowych, Ustawie o stanie klęski żywiołowej, Kodeksie cywilnym, a także we wzorach umów ubezpieczeniowych. Rekomenduje się oparcie definicji zdarzeń operacyjnych na definicjach zawartych w powyższych regulacjach. Poniżej podane zostaną przykładowe definicje wybranych rodzajów zdarzeń operacyjnych: 1) oszustwo wewnętrzne – oznacza zdarzenie, będące działaniem nieuprawnionym, kradzieżą lub oszustwem, polegające na umyślnym wyrządzeniu szkody majątkowej organizacji przez osobę fizyczną, związaną z organizacją stosunkiem cywilnoprawnym, poprzez naruszenie norm prawnych lub obyczajowych, w celu osiągnięcia przez wyrządzającego szkodę korzyści lub spowodowania strat w organizacji. Zdarzenia te obejmują w szczególności: a) działania nierejestrowane (zamierzone), b) nieautoryzowane transakcje (poniesiona strata), c) błędna wycena transakcji (zamierzona), d) oszustwo, oszustwo kredytowe, bezwartościowy depozyt, e) kradzież, wymuszenie, defraudacja, rabunek, f) sprzeniewierzenie aktywów, g) zamierzone zniszczenie aktywów,

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

275

h) fałszerstwo, i) oszustwo czekowe, j) przemyt, k) przejęcie rachunku, mistyfikacja itp., l) niezgodności podatkowe, unikanie podatków (umyślne), m) przekupstwo, łapówkarstwo, n) działalność na korzyść własną (nie na rachunek firmy); 2) kradzież i oszustwo zewnętrzne – oznacza zdarzenie, będące działaniem nieuprawnionym, kradzieżą lub oszustwem bądź naruszeniem bezpieczeństwa systemów, polegające na umyślnym wyrządzeniu szkody majątkowej organizacji przez osobę fizyczną, niezwiązaną z organizacją stosunkiem cywilnoprawnym, poprzez naruszenie norm prawnych lub obyczajowych, w celu osiągnięcia przez wyrządzającego szkodę korzyści lub spowodowania strat w organizacji; 3) dyskryminacja – obejmuje wszelkie typy dyskryminacji pracowników i oznacza zdarzenie, polegające na różnicowaniu bądź odmiennym traktowaniu pracownika lub grup pracowników w przypadku, kiedy nie ma podstaw do ich różnego traktowania. Ponadto dyskryminację stanowi zdarzenie polegające na traktowaniu w sposób identyczny osób lub sytuacji, które są w rzeczywistości różne. Traktowanie uznawane jest za dyskryminujące, jeżeli nie można go uzasadnić w sposób obiektywny i racjonalny; 4) wady produktów – oznaczają zdarzenia związane z błędami konstrukcji lub niewłaściwym stosowaniem wykorzystywanych modeli bądź wadliwą konstrukcją produktów lub usług; 5) klęski żywiołowe – oznaczają zdarzenia, których skutki zagrażają życiu lub zdrowiu dużej liczby osób, mieniu w wielkich rozmiarach albo środowisku na znacznych obszarach, a pomoc i ochrona mogą być skutecznie podjęte tylko przy zastosowaniu nadzwyczajnych środków, we współdziałaniu różnych organów i instytucji oraz specjalistycznych służb i formacji działających pod jednolitym kierownictwem. Zdarzenia te mają charakter katastrofy naturalnej lub awarii technicznej i mogą być również zdarzeniami wywołanymi działaniem terrorystycznym, przy czym: a) katastrofa naturalna oznacza zdarzenie związane z działaniem sił natury, w szczególności wyładowania atmosferyczne, wstrząsy sejsmiczne, silne wiatry, intensywne opady atmosferyczne, długotrwałe występowanie ekstremalnych temperatur, osuwiska ziemi, pożary, susze, powodzie, zjawiska lodowe na rzekach i morzu oraz jeziorach i zbiornikach wodnych, masowe występowanie szkodników, chorób roślin lub zwierząt albo chorób zakaźnych ludzi, albo też działanie innego żywiołu, b) awaria techniczna oznacza zdarzenie gwałtowne, nieprzewidziane, którego bezpośrednim następstwem jest uszkodzenie lub zniszczenie obiektu budowlanego, urządzenia technicznego lub systemu urządzeń technicznych powodujące przerwę w ich używaniu lub utratę ich właściwości.

276

Jacek Orzeł

Analiza kategoryzacji zdarzeń operacyjnych proponowana w Rekomendacji M pokazuje, iż dla instrumentów podstawowych nie będzie możliwe skorzystanie wprost z przyjętych w rekomendacji rodzajów zdarzeń w ramach kategorii ogólnych, gdyż niektóre z nich są zdefiniowane zbyt szeroko. Pewne grupy – rodzaje zdarzeń – są jednak określone dość wąsko i mogą posłużyć jako instrumenty podstawowe dla IPRO (np. kradzież), podczas gdy inne mają zbyt nieprecyzyjnie zakreślone granice (np. klęski żywiołowe i inne zdarzenia). W przypadku tych drugich należy je dodatkowo podzielić na podkategorie, tj. dalej pogrupować. Ponadto analiza pokazała, iż można byłoby włączyć do katalogu zdarzeń podstawowych niektóre ogólne kategorie zdarzeń operacyjnych, np. „oszustwo wewnętrzne”, gdyż zidentyfikowane w Rekomendacji M dwa rodzaje zdarzeń w tej kategorii nie stanowią dwóch rozłącznych zbiorów (działania nieuprawnione obejmują kradzież i oszustwo). Dodatkowo, zapewne nie wszystkie rodzaje zdarzeń powinny zostać uwzględnione w katalogu podstawowym od początku jego istnienia (tj. w pierwszej wersji). Podsumowując, można posłużyć się systematyką zdarzeń zaproponowaną w Rekomendacji M, ale podstawowy katalog zdarzeń operacyjnych do celów wykorzystania ich jako instrumentów podstawowych dla instrumentów pochodnych powinien zostać opracowany przy uwzględnieniu zdarzeń ze wszystkich trzech poziomów szczegółowości zdarzeń operacyjnych określonych w tej rekomendacji.

PODSUMOWANIE Precyzyjne i jednoznaczne zdefiniowanie zdarzeń operacyjnych w języku prawniczym umożliwi rozwój instrumentów pochodnych ryzyka operacyjnego (IPRO) i w konsekwencji umożliwi szerokie zabezpieczanie się przed ryzykiem operacyjnym za pomocą instrumentów pochodnych (a także spekulację na ryzyku operacyjnym). Zdarzenia te mogą stanowić instrument podstawowy w szczególności dla umów wymiany ryzyka operacyjnego oraz opcji ryzyka operacyjnego. W artykule wykazano, iż definicje zdarzeń operacyjnych zawarte w Reko mendacji M są zbyt szerokie i ogólne, a przez to nieprecyzyjne, dlatego też nie mogłyby pełnić roli instrumentów bazowych dla IPRO. Zaproponowano autorskie podejście do klasyfikacji i definicji zdarzeń operacyjnych, które opiera się w pewnym stopniu na Rekomendacji M, a dokładnie – jest jej rozwinięciem. Opracowanie wytycznych dla transakcji terminowych ryzyka operacyjnego w formie podobnej do dokumentu opracowanego przez Stowarzyszenie ISDA (The ISDA 2003 Credit Derivatives) i dostosowanego do warunków polskich np. przez ZBP będzie jednak wymagało wiele pracy teoretyków i praktyków. Zapewne upłynie jeszcze wiele czasu do opracowania takiego dokumentu, a zanim on powstanie, to handel instrumentami pochodnymi opartymi na zdarzeniach operacyjnych już się rozpocznie. Niewątpliwe walory ekonomiczne instrumentów pochodnych ryzyka operacyjnego oraz wzrastające potrzeby w zakresie zabezpieczania się przed ryzykiem operacyjnym wymuszą powstanie

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

277

takiego dokumentu, który ułatwi zawieranie terminowych transakcji ryzyka operacyjnego i przyczyni się do rozwoju rynku IPRO. Koncepcja instrumentów pochodnych opartych na zdarzeniach ryzyka operacyjnego, chociaż teoretycznie niezbyt wyrafinowana, czeka na jej pełne opracowanie i wdrożenie. Nieuświadomiona do końca potrzeba oraz teoretyczne uzasadnienie wykonalności mogą okazać się niewystarczające do ucieleśnienia się tej idei w krótkim czasie. Bez wątpienia potrzebne są jeszcze inne bodźce, np. fascynacja takimi instrumentami ludzi z pierwszych stron gazet lub wsparcie ze strony organizacji promujących innowacyjność. Ponieważ jest to zagadnienie interdyscyplinarne, konieczna będzie współpraca przedstawicieli wielu dziedzin nauki, w tym m.in. ekonomistów, finansistów, socjologów, prawników a także praktyków. Może pojawić się pytanie: co by było, gdyby IPRO upowszechniły się bardzo szybko i zaczęto by je stosować na duża skalę? Jakie byłyby skutki makroekonomiczne szybkiego wprowadzenia IPRO? Odpowiadając na to pytanie można stwierdzić, iż nie dostrzega się zagrożeń makroekonomicznych, które mogą nieść ze sobą IPRO w przypadku ich szybkiego wdrożenia na dużą skalę, gdyż wdrożenie takie nie byłoby możliwe, biorąc pod uwagę obecne uwarunkowania (bardzo wstępny etap rozwoju koncepcji IPRO). Czas potrzebny do ucieleśnienia tej koncepcji jest na tyle długi (kilka, kilkanaście lub kilkadziesiąt lat w zależności m.in. od zaangażowania zwolenników tej nowej klasy instrumentów pochodnych), że rynek zostanie odpowiednio wyedukowany i potencjalne zagrożenia zostaną w ten sposób zniwelowane. Gdyby jednak IPRO upowszechniły się bardzo szybko i zaczęto by je stosować na duża skalę już obecnie, mogłoby to mieć potencjalnie duże negatywne skutki makroekonomiczne.

BIBLIOGRAFIA BIS (2006), International Covergence of Capital Measurement and Capital Standards, Komitet Bazylejski, Basel. Blunden T., Thirlwell J. (2010), Mastering Operational Risk, Prentice Hall, Wielka Brytania. Chernobai A.S., Rachel S.T., Fabozzi F.J. (2007), Operational Risk. A Guide to Basel II Capital Requirements, Models, and Analysis, John Wiley & Sons, New Jersey. Cruz M. (2002), Modeling, Measuring and Hedging Operational Risk, John Wiley & Sons, New York. Hull J. (2006), Options, Futures, and Other Derivatives, Prentice Hall, Upper Saddle River. ISDA (2003), The ISDA 2003 Credit Derivatives, New York, February. Komisja Nadzoru Bankowego (2004), Rekomendacja M dotycząca zarządzania ryzy kiem operacyjnym w bankach, Warszawa. Krasodomska J. (2008), Zarządzanie ryzykiem operacyjnym w bankach, PWE, Warszawa. Matkowski P. (2006), Zarządzanie ryzykiem operacyjnym, Oficyna Wydawnicza, Kraków.

278

Jacek Orzeł

Mazur D. (2005), Metody grupowania i ich implementacja do eksploracji danych postaci symbolicznej, Praca doktorska, http:// www.madar.com.pl/dmazur/pdf/Doktorat. pdf (4.05.2011). Moosa I.A. (2008), Quantification of Operational Risk Dunder Basel II. The Good, Bad and Ugry, Palgrave Macmillan, Wielka Brytania. ORX Association (2004), ORX Reporting Standards, Basel. Orzeł J. (2004), Jakościowe metody analizy ryzyka operacyjnego reprezentowane ilo ściowo w przyjętej skali liczbowej, w: Analiza systemowa w finansach i zarządzaniu. Wybrane problemy, J. Hołubiec (red.), tom 6, Exit, Instytut Badań Systemowych PAN, Warszawa. Orzeł J. (2005a), Rola metod heurystycznych, w tym grupowej oceny ekspertów, oraz prawdopodobieństwa subiektywnego w zarządzaniu ryzykiem operacyjnym, „Bank i Kredyt”, nr 5. Orzeł J. (2005b), Ilościowe metody pomiaru ryzyka operacyjnego, „Bank i Kredyt”, nr 6. Orzeł J. (2005c), Na drodze do zaawansowanych metod ilościowego pomiaru ryzyka operacyjnego, „Bank i Kredyt”, nr 7. Orzeł J. (2008), Okiełznać ryzyko. Instrumenty pochodne ryzyka operacyjnego, „Gazeta Bankowa”, nr 6. Orzeł J. (2010), Indeksy dla klas ryzyka oraz zagregowane indeksy ryzyka operacyjnego, „FINANSE”, nr 1(2), Komitet Nauk o Finansach PAN. Orzeł J. (2011), Zarządzanie ryzykiem operacyjnym za pomocą instrumentów pochod nych (praca doktorska), Szkoła Główna Handlowa, Warszawa. Parlament Europejski i Rada (2006), Dyrektywa Capital Requirements Directive (CRD) obejmująca: Dyrektywę 2006/48/WE z dnia 14 czerwca 2006 r. w sprawie podejmowania i prowadzenia działalności przez instytucje kredytowe oraz Dyrektywę 2006/49/WE z dnia 14 czerwca 2006 r. w sprawie adekwatności kapitałowej firm inwestycyjnych i instytucji kredytowych, Bruksela. Piołunowicz M. (2006), Kategoryzacja strat operacyjnych w bankowości, „Bank i Kredyt”, t. 37, nr 9. Rowe D. (2004), Zintegrowany ale czy na pewno właściwy? „Rynek Terminowy”, nr 3. Soprano A., Crielaard B., Piacenza F., Ruspantini D. (2009), Measuring Operational and Reputational Risk. A Practitioner’s Approach, John Wiley & Sons, Wielka Brytania. Ustawa z dnia 15 września 2000 r. Kodeks spółek handlowych, Dz. U. z 2000 r. Nr 94, poz. 1037, z późn. zm. Ustawa z dnia 18 kwietnia 2002 r. o stanie klęski żywiołowej, Dz. U. z 2002 r. Nr 62, poz. 558, z późn. zm. Ustawa z dnia 2 sierpnia 1997 r. Kodeks karny, Dz. U. z 1997 r. Nr 88, poz. 553, z późn. zm. Ustawa z dnia 23 kwietnia 1963 r. Kodeks cywilny, Dz. U. z 1964 r. Nr 16, poz. 93, z późn. zm. Ustawa z dnia 26 czerwca 1974 r. Kodeks pracy, Dz. U. z 1998 r. Nr 21, poz. 94, z późn. zm. Zawiła-Niedźwiecki J. (2010), Pojęcie ryzyka operacyjnego i klasyfikacja jego rodzajów, „Przegląd Organizacji”, nr 6.

NIEADEKWATNOŚĆ REKOMENDACJI M DO INSTRUMENTÓW BAZOWYCH

279

Zombirt J. (2003), NUK − Poprzeczka Wyżej, „Bank”, nr 9; przedruk z „The Banker”, nr 8. Związek Banków Polskich (2005), Rekomendacja w sprawie zawierania kredytowych transakcji terminowych na polskim rynku międzybankowym, Warszawa, styczeń.

STRESZCZENIE Artykuł dotyczy rozwoju nowej klasy instrumentów pochodnych – instrumentów pochodnych ryzyka operacyjnego (IPRO). Obecnie ta klasa nie istnieje, a funkcjonują jedynie dwie grupy instrumentów pochodnych (katastrofowe i pogodowe instrumenty pochodne), które mogłyby zostać zaliczone do IPRO. Klasa IPRO dotyczy zabezpieczenia się przed dowolnym czynnikiem ryzyka operacyjnego. Rozwój koncepcji instrumentów IPRO będzie wymagać dużego zaangażowania wielu uczestników rynku finansowego. Wejście w życie tej idei jest tylko kwestią czasu, gdyż potrzeby w zakresie zabezpieczania się przed ryzykiem operacyjnym rosną coraz szybciej, a przed wieloma czynnikami tego ryzyka obecnie nie można się zabezpieczyć. Celem artykułu jest analiza adekwatności Rekomendacji M dotyczącej zarządzania ryzykiem operacyjnym w bankach (dalej Rekomendacja M) do wymogów instrumentów bazowych dla IPRO oraz przedstawienie metodyki opracowania klasyfikacji i definicji zdarzeń operacyjnych, które mogłyby stać się instrumentami podstawowymi dla instrumentów pochodnych ryzyka operacyjnego. Podejście to w szczególności opiera się na wykorzystaniu analogii konstruowania i stosowania kredytowych instrumentów pochodnych oraz instrumentów pochodnych ryzyka operacyjnego. Proponuje się opracowanie dla obszaru ryzyka operacyjnego dokumentu podobnego do „Rekomendacji w sprawie zawierania kredytowych transakcji terminowych na polskim rynku międzybankowym, funkcjonującego w obszarze ryzyka kredytowego”, która może przyspieszyć rozwój tej nowej klasy instrumentów pochodnych – instrumentów pochodnych ryzyka operacyjnego. Uzyskane rezultaty to nowatorskie myśli i koncepcje dotyczące m.in.: możliwości wykorzystania Rekomendacji M, pomysłu na nową grupę instrumentów pochodnych ryzyka operacyjnego (IPRO oparte na zdarzeniach ryzyka operacyjnego), pomysłu opracowania dokumentu dla ryzyka operacyjnego na podobieństwo „Rekomendacji w sprawie zawierania kredytowych transakcji terminowych na polskim rynku międzybankowym”, propozycji podejścia do definiowania zdarzeń operacyjnych, które mogłyby być instrumentami bazowymi dla IPRO oraz kilka autorskich definicji zdarzeń operacyjnych, a także propozycja metody ich definiowania. Zdefiniowanie zdarzeń operacyjnych dla potrzeb IPRO przyspieszy dalszy rozwój tej klasy instrumentów, przyczyniając się do obniżenia poziomu ryzyka operacyjnego. Słowa kluczowe: ryzyko operacyjne, zdarzenia operacyjne, instrumenty pochodne ryzyka operacyjnego, kategoryzacja ryzyka operacyjnego, klasyfikacja ryzyka operacyjnego, instrumenty pochodne oparte na zdarzeniach ryzyka operacyjnego, Rekomendacja M.

280

Jacek Orzeł

Inadequacy of Recommendation M to Underlying Instruments for Operational Risk Derivatives ABSTRACT This article describes the development of a new class of derivatives - operational risk derivatives (ORD). Currently, this class does not exist and only two groups of derivatives traded on the market (catastrophe and weather derivatives) could be classified as the ORD. This class of derivatives applies to hedge against any operational risk factor. The development of the concept will require extensive involvement of many financial market participants. Implementation of this idea is only a matter of time, because the need for hedging against operational risks is growing ever faster and currently many of the risk factors cannot be hedged. The paper aims to analyze the adequacy of the M Recommendation (on operational risk management in banks) to the requirements of base instruments for the ORD, and to propose a methodology regarding the classification and definitions of operational events, which could become the base instruments for operational risk derivatives. The approach, in particular, assumes analogy between the construction and use of credit derivatives and operational risk derivatives. It points to the need to prepare, in the field of operational risk, a document similar to ”Recommendations on the closing credit futures on the Polish interbank market, operating in the area of credit risk”. Implementation of such solution may accelerate the development of this new class of operational risk derivatives. The achieved results are innovative ideas and concepts such as: 11 the possibility of using the M Recommendation of Polish banking supervision mentioned above, 11 the idea for a new group of derivatives of operational risk (ORD based on event operational risk), 11 the idea to develop a document for operational risks similar to “Recommendations on the closing credit futures on the Polish interbank market, operating in the area of credit risk”, 11 the proposal of an approach to define operational events that may underlie instruments for the ORD, and the author’s several definitions of operational events and defining methods. Defining operational events for the ORD can accelerate further development of this class of instruments, helping to reduce the level of operational risk. Keywords: operational risk, operational events, operational risk derivatives, operational risk categorization, operational risk classification, operational risk derivatives based on operational events, M Recommendation on operational risk management in banks. JEL Classification: G10, G32, K22, O16

Studia ekonomiczne 1 Economic studies nr 2 (LXXIII) 2012

Recenzje

Łukasz Hardt

W POSZUKIWANIU ISTOTY EKONOMII Tomáš Sedláĉek, Ekonomia dobra i zła. W poszukiwaniu istoty ekonomii od Gilgamesza do Wall Streat, Studio Emka, Warszawa 2012, s. 357 Marcel Proust powiedział kiedyś: „Prawdziwa podróż ku odkryciu składa się nie z poszukiwania nowych pejzaży, lecz obserwacji nowymi oczami”. W taką podróż po ekonomii i jej historii zabiera nas Tomáš Sedláĉek, czeski ekonomista i były szef doradców ekonomicznych prezydenta Vaclava Havla, w swojej książce Ekonomia dobra i zła, która po raz pierwszy wydana w Czechach w 2009 r. stała się od razu bestsellerem (jej sprzedaż przekroczyła tam nakład Kodu da Vinci), a jej anglojęzyczne wydanie (w Cambridge University Press) spotkało się z entuzjastycznym przyjęciem – jej recenzji „Financial Times” poświęcił, co zdarza się naprawdę rzadko, aż całą stronę. Należy się spodziewać, że również w Polsce książka ta spotka się z dużym zainteresowaniem, dlatego warto bliżej przyjrzeć się podróży, w którą zabiera nas Sedláĉek. Nie jest to książka o „podręcznikowej” ekonomii, ale jest to praca, której autor próbuje na ekonomię patrzeć przez pryzmat jej związków z filozofią i etyką, dlatego zaczyna rekonstrukcję jej historii od przywołania sumeryjskiego mitu o Gilgameszu, czy też starotestamentowych opowieści. To tam szuka archetypów, które odpowiadają za sposób kształtowania się ekonomii w czasach późniejszych: „postaram się pokazać, że do dziś dnia opowieści zawarte w mechanizmach ekonomicznych dotyczą w istocie ‘dobrego życia’ i są zrodzone z tradycji starożytnych Greków i Hebrajczyków” (s. 18). Książka ta nie jest jednak podręcznikiem historii myśli ekonomicznej, ale raczej autorską próbą spojrzenia na ekonomię „nowymi oczami”, którymi dla Sedláĉka jest poszukiwanie jej „duszy”: „W pierwszej [części książki] szukamy ekonomii w mitach, religii, teologii, filozofii i nauce. W drugiej szukamy mitów, religii, teologii i nauki w ekonomii” (s. 20). To w pierwszej części książki możemy odnaleźć interesującą interpretację snu faraona (z 41. rozdziału Księgi Rodzaju) o siedmiu latach tłustych i siedmiu latach chu-

282

Łukasz Hardt

dych w kategorii opowieści o cyklu koniunkturalnym. To wreszcie w jednym z pierwszych rozdziałów książki Sedláĉek pisze o istotnym wpływie tradycji chrześcijańskiej na rozwój ekonomii, jak też samej gospodarki, gdyż to chrześcijaństwo pojmuje czas w sposób linearny, a nie cykliczny, jak chociażby miało to miejsce wcześniej w Mezopotamii. Bez czasu linearnego nie mogłoby być mowy o jakimkolwiek postępie. W sposób naturalny opowieść Sedláĉka prowadzi nas do starożytnej Grecji. W rozdziale trzecim książki można znaleźć interesującą analizę prapoczątków modelowania ekonomicznego, gdzie wskazuje się chociażby na to, że to już Pitagorejczycy rozważali możliwość zredukowania świata do form liczbowych. Pojawi się więc pytanie o to, co jest prawdziwą rzeczywistością i jaka jest relacja języka do empirii. Nie może być więc niespodzianką, że Sedláĉek zabiera nas do jaskini rzeczywistości Platona i przytacza jego znane zdanie: „Jest absolutnie konieczne, aby ten świat był obrazem jakiegoś innego świata”. To wtedy rodzi się racjonalizm jako swoiste uwolnienie od dominacji zmysłów i to również wtedy pojawia się tendencja do uznawania modelu za bardziej realny od empirii, do której dostęp jest jedynie zapośredniczony przez zmysły. Dalej Sedláĉek pisze o tym, o czym ekonomiści zwykle milczą, chociaż jest to coś, co umożliwia im jakąkolwiek aktywność naukową, a mianowicie o założeniu o istnieniu świata poznawalnego i niezależnego od obserwatora. Tłumaczy to później szczególnie silnie obecnym w ekonomii dziedzictwem Kartezjusza z jego koncentracją na wymiarze matematycznym i mechanicznym rzeczywistości. Co więcej, według autora omawianej książki, to racjonalizm Kartezjusza wpłynął na kształt koncepcji homo oeconomicus, który określany jest przez logiczne myślenie, a nie emocje. W dalszej części książki Sedláĉek w interesujący sposób przedstawia Das Adam Smith problem, żeby posłużyć się sformułowaniem Schumpetera, tj. zagadnienie swoistej niespójności wizji człowieka sformułowanych przez Smitha, z jednej strony, w Teorii uczuć moralnych, a z drugiej − w Bogactwie narodów. Sedláĉek dowodzi, odwołując się zresztą do bogatej literatury temu poświęconej, że praca Smitha z 1776 r. jest błędnie interpretowana, i że Smithowi niesłusznie przypisuje się poglądy Hobbesa, a szczególnie Mandeville’a. Smith nie poszedł drogą Epikura, ale raczej był mu bliższy sposób patrzenia na świat reprezentowany przez stoików. Rozdział o Smithie potrzebny był Sedláĉkowi do tego, aby w kolejnej części książki zająć się generalną refleksją nad tym, czy to cnotliwość służy wzrostowi gospodarczemu, czy może jej przeciwieństwo symbolizowane przez Ul Mandeville’a. Im dalej Sedláĉek posuwa się ze swoją narracją, tym coraz bardziej poddaje ocenie współczesną gospodarkę, ale też samą teorię ekonomii i generalnie kulturę popularną z jej koncentracją na konsumpcji. Wychodzi tutaj od ciekawej interpretacji grzechu pierworodnego i stwierdza, iż zerwanie jabłka było pierwszym przejawem skłonności człowieka do nadmiernej konsumpcji. To w Ogrodzie Eden narodziła się dominująca obecnie świecka religia, jaką jest postęp materialny. Kapłanami tejże religii są, według Sedláĉka, często sami ekonomiści

W POSZUKIWANIU ISTOTY EKONOMII

283

i przypomina on w tym kontekście słowa Gary’ego Beckera o M. Friedmanie: „[on] z misjonarską pobożnością wyznawał prawdę (…) i nadzwyczaj gorliwie nawracał barbarzyńców”. Ich biblią, według niego, stała się Ekonomia (1948) Samuelsona, która w przeciwieństwie do wcześniejszych „świętych” książek ekonomistów, a więc Bogactwa narodów (1776) Smitha i Zasad ekonomiki (1890) Marshalla, przypomina podręcznik do fizyki i − jak kategorycznie pisze Sedláĉek − „ekonomia straciła kontakt z etyką, z której się wywodzi” (s. 281). Czeski ekonomista krytykuje tak rozumianą ekonomię i nawet poddaje w wątpliwość jej naukowość, gdyż stwierdza, że neoklasyczne pojęcie „użyteczność” – idea klucz do wyjaśnienia wszystkich zachowań człowieka, a więc nawet śmierci wielu męczenników za wiarę, których zachowanie może być wyjaśnione maksymalizacją pośmiertnej użyteczności (życie wieczne) – staje się zwykłą tautologią i właściwie niemożliwe staje się podanie przykładu, w którym człowiek nie maksymalizowałby użyteczności, a więc teoria ta przestaje poddawać się falsyfikacji i staje się nienaukowa (s. 238). Ostatnie rozdziały książki zawierają krytyką współczesnej ekonomii. W rozdziale 13 książki o znamiennym tytule „Matematyka” Sedláĉek pisze o nadmiernym, według niego, formalizmie współczesnej ekonomii, czym wpisuje się w standardową krytykę ekonomii neoklasycznej. Jakkolwiek można zgodzić się z niektórymi stwierdzeniami Sedláĉka, jak chociażby z następującym: „Poświęcamy bowiem więcej uwagi metodom (matematycznym) niż problemom, do których metody te stosujemy” (s. 300), to jednak szereg konstatacji zawartych w tym rozdziale budzi sprzeciw. Po pierwsze, Sedláĉek utożsamia ekonomię współczesną z podejściem neoklasycznym. To błąd, przecież ekonomia głównego nurtu obecnie nie ogranicza się wyłącznie do dziedzictwa Arrowa-Debreu, ale przecież zalicza się do niej ekonomia instytucjonalna, behawioralna czy nawet eksperymentalna1. Po drugie, problemem dla Sedláĉka nie jest wyłącznie matematyzacja ekonomii, ale sama matematyka: „(…) elegancja matematyki przestaje być tak zaskakująca i cudowna, gdy uświadomimy sobie, że cała matematyka to wytwór człowieka i w rzeczywistości wcale nie istnieje” (s. 305). Czeski autor zajmuje więc tutaj jednoznacznie antyrealistyczne stanowisko i staje się bliski tradycji nominalistyczno-konstruktywistycznej. Tutaj niestety Sedláĉek sam sobie częściowo zaprzecza, gdyż z jednej strony wymaga od ekonomii twardego oparcia się na empirii, co musi implikować uznanie stanowiska realizmu naukowego, a z drugiej pisze, że właściwie rzeczywistość podlega negocjacjom, i że „jako istoty racjonalne i wierzące w siebie jesteśmy nie tylko wytworami, ale także współtwórcami rzeczywistości. Naukowcy, także matematycy, regularnie zapominają o tym zastrzeżeniu w swoich argumentacjach” (s. 312). Trudno się zgodzić z tego rodzaju stanowiskiem; raczej jest zupełnie inaczej i wielu filozofów wskazuje na to, iż sukces nauki w ostatnich stuleciach wynika raczej z mocnego oparcia się na fundamencie realizmu i uznaniu istnienia niezależnego od obserwatora i poznawal1 Por. D. Colander, The Death of Neoclassical Economics, “Journal of the History of Economic

Thought” 2000, Vol. 22, No. 2.

284

Łukasz Hardt

nego świata (zob. np. tzw. „argument z cudu” sformułowany przez H. Putnama w jego pracy z 1975 r.). Po trzecie, autor książki stawia tezę o tym, iż problem wpływu badacza na rzeczywistość jest poważniejszy w naukach społecznych, w tym w ekonomii, niż w przyrodniczych. Można się z tym częściowo zgodzić, chociaż również w naukach społecznych analizujemy takie aspekty rzeczywistości, na które badacz nie wywiera wpływu2. Po czwarte, Sedláĉek zarzuca ekonomii, iż posługuje się nadmiernie nierealistycznymi założeniami. Trudno znowu zgodzić się z tak upraszającą krytyką ekonomii, gdyż nie sama metoda idealizacji jest problemem, ale raczej to, jak jest ona stosowana. Innymi słowy, ważne jest to, od czego się abstrahuje. Sedláĉek zapomina też, że nierealistyczne założenia mają różną funkcję i mogą określać na przykład zakres stosowalności teorii (domain assumptions), czy też ułatwiać budowę modeli ekonomicznych (heuristic assumptions)3. Wskazałem tutaj jedynie na najważniejsze ułomności metodologiczne analizy zawartej w książce, jak też kwestie, które wymagają głębszej dyskusji, a zostały przez Sedláĉka potraktowane zbyt skrótowo. Powyższe zastrzeżenia nie obniżają jednak mojej bardzo wysokiej oceny książki. Praca ta stanowi znakomity przewodnik po ekonomii i odkrywa przed czytelnikiem je nieznane oblicze. Dobrze, że książka ta ukazuje się właśnie teraz, gdy z jednej strony trwa dyskusja o przyczynach globalnego kryzysu gospodarczego, a z drugiej wielu stawia poważne zarzuty teorii ekonomii i samym ekonomistom. Książka Sedláĉka jest ważnym głosem w tej debacie. Warto się z nią zapoznać.

2 Zob.

1997.

3 Por.

nr 1.

interesującą dyskusję w pracy: T. Lawson, Economics & Reality, Rutledge, Abingdon

Ł. Hardt (2012), Problem realistyczności założeń w teorii ekonomii, „Ekonomista” 2012,

UWAGI REDAKCYJNE 11

Redakcja przyjmuje do publikacji artykuły w języku polskim i angielskim.

Wszystkie artykuły są poddawane recenzji.

Redakcja nie przyjmuje artykułów opublikowanych przez inne wydawnictwa.

Redakcja prosi o przesyłanie artykułów na adres e-mail czasopisma: studia. ekonomiczne@inepan.waw.pl. Objętość artykułów (łącznie z tabelami, rysunkami i bibliografią) nie powinna przekraczać 25 znormalizowanych stron (45 tysięcy znaków bez spacji). Redakcja zastrzega sobie prawo dokonania w nadesłanych artykułach skrótów, poprawek redakcyjnych i innych zmian zgodnie z wymogami czasopisma.

Przypisy należy umieszczać na dole strony, a odnośniki bibliograficzne w tekście, na końcu zdania w nawiasie okrągłym (autor, rok wydania, numer strony).

Autorzy są proszeni o podanie tytułu naukowego oraz adresu zwrotnego do korespondencji (z adresem e-mailowym).

Razem z artykułem należy przesłać jego streszczenie w języku polskim i angielskim, w objętości 1/2–2/3 strony maszynopisu. Streszczenie powinno składać się z czterech części: celu pracy (purpose), wskazania wykorzystanej metodologii badawczej (methods), opisu uzyskanych wyników (results) oraz wniosków (conclusions). Streszczenie powinno również zawierać słowa i zwroty kluczowe (keywords) w języku polskim i angielskim, klasyfikację JEL oraz pełną afiliację autora (wraz z adresem macierzystej jednostki naukowej).

Przesyłając artykuły do publikacji, autorzy wyrażają zgodę na umieszczenie artykułu w pełnej wersji tekstowej wraz ze streszczeniami w języku polskim i angielskim w archiwum na stronie internetowej czasopisma oraz w internetowej bazie IDEAS RePEc (Research Papers In Economics), a także na wprowadzenie angielskiego streszczenia do internetowej bazy danych czasopisma „The Central European Journal of Social Sciences and Humanities” (CEJSH) oraz upoważniają Redakcję „Studiów Ekonomicznych” do uzgodnienia z CEJSH ostatecznego tekstu streszczenia.

Redakcja „Studiów Ekonomicznych” Instytut Nauk Ekonomicznych PAN Pałac Staszica (pok. 22) ul. Nowy Świat 72, 00–330 Warszawa, tel. (22) 657 27 90 e-mail: studia.ekonomiczne@inepan.waw.pl „Studia Ekonomiczne” zamawiać można listownie lub faxem pod adresem: Instytut Nauk Ekonomicznych PAN, Biblioteka ul. Nowy Świat 72, 00–330 Warszawa fax (22) 657 28 04

2/2012

770239 772084

641008 439007

ECONOMIC STUDIES nr 2 (LXXIII) 2012

ISSN 2084–4395 0239–6416

Cena 30,00 zł (w tym 5% VAT) Nakład 200 egz.

STUDIA EKONOMICZNE

STUDIA EKONOMICZNE • ECONOMIC STUDIES

Instytut Nauk Ekonomicznych Polskiej Akademii Nauk Pałac Staszica ul. Nowy S´wiat 72 00-330 Warszawa www.inepan.waw.pl

INSTYTUT NAUK EKONOMICZNYCH POLSKIEJ AKADEMII NAUK

WARSZAWA 2012