View
147
Download
0
Category
Preview:
Citation preview
Innovaatioklustereiden syntyminen lähelle luovan luokan asuinalueita – spatiaalinen regressioanalyysi pääkaupunkiseudun postinumeroalueistaMAANTIETEEN PÄIVÄT 29.10.2015 – TALOUDEN LIIKENTEEN JA INNOVAATIOIDEN MAANTIEDE IIJUHO KIURU - TOHTORIKOULUTETTAVA, HELSINGIN YLIOPISTO
Ihmispääoma / luova luokka innovatiivisen kasvun alustana Ihmispääoman ja innovaatioiden välinen yhteys todistettu valtioiden, maakuntien ja kaupunkiseutujen välillä (Florida 2012, Makkonen & Inkinen 2013, 2015)
Kaupunkiseudun sisäistä yhteyttä ei kuitenkaan ole tutkittu regressioanalyysi pääkaupunkiseudun postinumeroalueista
Toisaalta muiden kuin tutkittavan alueen ihmispääoma saattaa olla merkittävämpi (Simonen & McCann 2008) spatiaalinen regressioanalyysi, joka ottaa huomioon myös tutkittavan alueen naapurialueet
Innovaation mittareita Patentit, T&K menot sekä tietointensiivisten työpaikkojen määrä käytetyimpiä innovaatioiden mittareita (esim. Doms et al. 2010, Glaeser et al. 2010, Makkonen & Inkinen 2013)
Pääkaupunkiseudusta tehty 150m ruututarkastelu, jonka KIBS-luokittelua käytetään tässäkin tutkimuksessa (Inkinen & Kaakinen 2015)
Mielenkiintoinen lähestymistapahtuma tutkimuksessa oli sekä KIBS työpaikkojen suhteellisen että absoluuttisen määrän tarkastelu
Koottiin joukko aiemmassa tutkimuksessa käytettyjä indikaattoreita, joista tehtiin indeksit 0-100
Tehtiin faktorianalyysi selvittämään mitkä kaikki mittaavat samaa ilmiötä
Merkitsevän arvon faktorianalyysissa saaneista mittareista tehtiin yksi innovaatioindeksi 0-100
Innovaation mittareita Faktorianalyysi potentiaalisista
(saatavilla olevista) mittareista Tekes, Patentti- ja
rekisterihallitus, HSY Seutu CD Sekä absoluuttiset että
suhteelliset muuttujat merkitsevät
KIBS II suhteellinen osuus ainoa jolla ei merkittävyyttä
KIBS työpaikat yhteensä ja T&K projektien määrä merkitsevimmät indikaattorit
Patentit yllättäen heikoin indikaattori
Component Matrixa
Component
1 2 3R&D Projects (Number) 0,908 -0,243 -0,120R&D Projects (Euros) 0,879 -0,259 -0,126KIBS I (IT) abs. 0,884 -0,139 -0,038KIBS II (R&D, education) abs. 0,613 0,371 -0,487KIBS III (Business services) abs. 0,867 -0,190 -0,099KIBS I-III abs. 0,966 -0,139 -0,119KIBS I (IT) prop. 0,672 0,068 0,313KIBS II (R&D, education) prop. 0,095 0,827 -0,430KIBS III (Business services) prop. 0,386 0,366 0,681KIBS I-III prop. 0,592 0,749 0,273PATENTS abs. 0,505 -0,131 0,315Extraction Method: Principal Component Analysis.
a. 3 components extracted.
ZIP CODE NAME R&D abs Index
R&D euros Index
Patent abs Index
KIBS I (IT) abs. Index
KIBS II (R&D) abs. Index
KIBS III (Business services) abs. Index
KIBS I-III abs. Index
KIBS I (IT) prop. Index
KIBS III (Business services) prop. Index
KIBS I-III prop. Index
Innovation Index
00180 Ruoholahti 71 91 44 67 86 59 83 46 45 52 100
00100 Helsinki center 100 91 11 44 59 100 100 14 35 29 90
02150 Otaniemi 74 100 44 70 26 25 55 78 30 56 86
00380 Pitäjänmäki industrial area
28 37 12 100 60 22 70 89 22 58 77
02130 Pohjois-Tapiola 28 23 15 26 37 8 22 100 35 77 58
02600 Etelä-Leppävaara 41 42 2 48 7 33 49 53 42 51 57
00520 Itä-Pasila 4 1 0 39 100 15 38 60 26 54 52
00330 Munkkiniemi 6 4 71 17 6 7 14 78 38 61 47
00130 Kaartinkaupunki 17 12 100 7 8 27 24 12 53 39 46
00510 Etu-Vallila 29 36 2 41 27 13 32 44 16 32 4202630 Nihtisilta 17 16 36 35 5 7 23 60 14 37 3900120 Punavuori 22 20 0 6 36 28 26 11 57 45 3902200 Niittykumpu 7 19 59 21 1 20 25 30 33 34 3900210 Vattuniemi 19 28 2 16 2 17 21 39 48 48 3700150 Eira 16 15 0 7 9 17 17 21 55 45 3100440 Lassila 4 2 0 29 2 5 18 77 14 44 3000530 Kallio 3 3 2 6 63 16 19 11 30 30 2800290 Meilahti hospital
area1 5 0 0 65 0 5 0 3 100 28
02110 Otsolahti 4 2 0 1 0 1 1 41 67 61 2802100 Tapiola 6 2 5 6 5 18 17 18 56 44 27
Innovaatioindeksi
- Samat alueet kuin Inkisen ja Kaakisen tutkimuksessa
-> Jo KIBS työpaikat kuvaavat innovatiivisuutta hyvin, jolloin päästään tarkastelussa tarkempaan aluejakoon
Luovan luokan mittareita Ihmispääoma: työvoiman koulutus, tieto ja taito (Alquèzar, Sabadie & Johansen 2010)
Luova luokka: työvoiman taito ja suvaitsevaisuus (Florida 2012)
Tietointensiivisten alojen (KIBS) ammattilaisten määrä (HSY Seutu CD)
Kolmannen asteen tutkintojen määrä (Tilastokeskus Paavo)
35-44 vuotiaiden määrä (Tilastokeskus Paavo)
Opiskelijoiden määrä (Tilastokeskus Paavo)
Äärioikeiston kannatus (Tilastokeskus StatFin)
Luovan luokan mittareita------------- ---------------- -------------- --------------- -------------Variable Coefficient Std.Error t-Statistic Probability------------- ---------------- -------------- --------------- -------------CONSTANT 9.730335 4.476741 2.173531 0.03113STUDENT_ABS -0.1077043 0.09673906 -1.113348 0.26714EXTREME_ABS -0.02286552 0.04668736 -0.4897582 0.62494AGE_ABS1 -0.07975413 0.08561897 -0.9315006 0.35292TERTIARY_ABS 0.3079731 0.07286185 4.226808 0.00004IT_ABS 0.489457 0.05839591 700384,0 0.00000FINANCE_AB1 -0.05102273 0.0781455 -0.6529196 0.51470R_D_ABS 0.7147614 0.1109633 6.441419 0.00000EDUCATION_1 0.1387944 0.09142242 1.518165 0.13084ARTS_ABS -0.3622253 0.09385828 -3.859279 0.00016------------- ---------------- -------------- --------------- -------------
- Absoluuttiset mittarit selittävät 79% alueen innovaatiokapasiteetistä
- Spatiaalinen regressio lisää selittävyysastetta 83 prosenttiin
-------------- --------------- --------------- -------------- -------------Variable Coefficient Std.Error t-Statistic Probability-------------- --------------- --------------- -------------- -------------CONSTANT -13.96532 5.742845 -2.431777 0.01607STUDENTS_PROP 0.2092621 0.09664923 2.16517 0.03178EXTREME_PROP 0.2048681 0.07202004 2.844599 0.00500AGE_PROP1 0.08012276 0.06504565 1.231793 0.21974TERTIARY_P1 -0.07096914 0.06482587 -1.094766 0.27518IT_PROP 0.4429121 0.0684504 6.470554 0.00000FINANCE_PROP 0.2010936 0.06771441 2.969731 0.00341R_D_PROP 0.2347422 0.07351227 3.193238 0.00168EDUCATION_PROP 0.01197895 0.05118321 0.2340406 0.81524ARTS_PROP1 -0.05310661 0.04723472 -1.124313 0.26247-------------- --------------- --------------- -------------- -------------
- Suhteelliset mittarit selittävät 48% alueen innovaatiokapasiteetistä
- Spatiaalinen regressio lisää selittävyysastetta 51 prosenttiin
Luovan luokan mittareita Alueen innovaatiokapasiteettia selittävät alueen ja naapurialueiden
I. opiskelijoiden suhteellinen määrä,
II. äärioikeiston äänien suht. määrä,
III. kolmannen asteen tutkintojen abs. määrä,
IV. IT-ammattilaisten abs. ja suht. määrä,
V. rahoitus- ja vakuutustoiminnan alan ammattilaisten suht. määrä,
VI. tieteen ja tekniikan ammattilaisten abs. ja suht. määrä
Sen sijaan taiteilijoiden absoluuttinen määrä korreloi negatiivisesti innovatiivisuuden kanssa
35-44-vuotiaiden abs. eikä suht. määrä korreloi innovatiivisuden kanssa
Zip Code City Name STUDENTS PROP
EXTREME PROP
TERTIARY ABS
IT ABS
IT PROP
FINANCE PROP
RD ABS
RD PROP
Human Capital Index
00100 HELSINKI Helsinki Center 19 96 100 100 20 32 100 29 10002150 ESPOO Otaniemi 100 91 9 58 29 1 61 45 8000180 HELSINKI Ruoholahti 21 84 48 70 33 19 62 42 7700240 HELSINKI Länsi-Pasila 22 74 15 93 69 18 11 12 6300510 HELSINKI Etu-Vallila 17 80 25 44 31 83 15 16 6300150 HELSINKI Eira 16 94 50 25 45 2 19 50 6100210 HELSINKI Vattuniemi 11 88 37 21 45 6 19 57 5700380 HELSINKI Pitäjänmäki
industrial area19 71 11 92 54 12 12 10 57
00500 HELSINKI Sörnäinen 18 82 38 12 15 100 4 7 5600120 HELSINKI Punavuori 16 95 38 22 21 26 24 33 5502600 ESPOO Etelä-
Leppävaara20 58 33 47 35 8 33 35 55
02130 ESPOO Pohjois-Tapiola 22 79 34 26 63 0 10 36 5400300 HELSINKI Pikku
Huopalahti20 72 19 11 22 53 17 49 53
00440 HELSINKI Lassila 20 69 12 30 57 46 4 12 5002100 ESPOO Tapiola 17 88 20 5 8 93 3 7 4900130 HELSINKI Kaartinkaupunki 19 100 9 13 11 24 28 33 4802200 ESPOO Niittykumpu 18 75 41 22 21 19 16 22 4700330 HELSINKI Munkkiniemi 19 93 45 12 37 3 4 18 4700540 HELSINKI Kalasatama 58 90 1 0 12 0 2 67 4600200 HELSINKI Lauttasaari 17 92 75 1 4 4 5 30 4600590 HELSINKI Kaitalahti 18 77 2 0 31 0 0 100 4600140 HELSINKI Kaivopuisto 18 99 45 6 22 2 5 31 4600520 HELSINKI Itä-Pasila 19 73 19 37 28 2 21 23 4500530 HELSINKI Kallio 18 82 69 11 7 6 16 14 4500340 HELSINKI Kuusisaari-
Lehtisaari27 95 10 1 44 10 1 33 45
02160 ESPOO Westend 21 90 19 1 12 6 3 57 42
Luovan luokan indeksi
”Alisuorittavat” alueet
Area Zip Code
Municipality Innovation Index
Prop. Predicted Prop. Residual
Jätkäsaari 00220 Helsinki 1,5 29,3 -31,6
Kaitalahti 00590 Helsinki 7,9 38,6 -29,1
Kulosaari 00570 Helsinki 4,1 33,5 -27,2
Pikku Huopalahti 00300 Helsinki 10,1 36,5 -26,5
Länsi-Pasila 00240 Helsinki 17,5 40,0 -22,9
Martinlaakso industrial area
01770 Vantaa 17,5 39,7 -22,8
Kuusisaari-Lehtisaari 00340 Helsinki 20,2 35,1 -19,4
Sörnäinen 00500 Helsinki 19,1 36,7 -17,6
Laajalahti-Friisinmäki 02140 Espoo 10,7 20,9 -14,7
Jokiniemi 01370 Vantaa 2,9 16,4 -13,9
Kaivopuisto 00140 Helsinki 12,4 25,0 -13,1
Pajamäki 00360 Helsinki 20,4 28,0 -11,6
Otsolahti 02110 Espoo 27,7 33,6 -10,4
Lassila 00440 Helsinki 30,2 40,1 -9,3
Lintuvaara 02660 Espoo 7,0 15,3 -9,0
Puolarmetsä 02280 Espoo 5,4 13,9 -8,2
Eira 00150 Helsinki 31,3 40,3 -8,1
Kruununhaka 00170 Helsinki 11,7 17,4 -8,0
Koskela-Helsinki 00600 Helsinki 2,1 9,5 -7,1
Lauttasaari 00200 Helsinki 15,4 18,2 -7,0
Area Zip Code
Municipality Innovation Index
Abs. Predicted
Abs. Residual
Länsi-Pasila 00240 Helsinki 17,5 48,9 -31,1
Jätkäsaari 00220 Helsinki 1,5 19,5 -17,1
Pikku Huopalahti 00300 Helsinki 10,1 26,5 -17,0
Lauttasaari 00200 Helsinki 15,4 25,0 -10,2
Laajalahti-Friisinmäki
02140 Espoo 10,7 19,1 -9,9
Mankkaa 02180 Espoo 7,4 15,3 -9,7
Eira 00150 Helsinki 31,3 41,1 -8,3
Kaivopuisto 00140 Helsinki 12,4 21,2 -8,2
Kulosaari 00570 Helsinki 4,1 10,9 -7,6
Kilo 02610 Espoo 5,7 11,5 -7,4
Kivihaka 00310 Helsinki 1,3 11,7 -7,0
Koskela-Helsinki 00600 Helsinki 2,1 8,7 -6,7
Jokiniemi 01370 Vantaa 2,9 9,3 -6,3
Kruununhaka 00170 Helsinki 11,7 16,9 -5,5
”Alisuorittavat” alueet
Johtopäätökset – kansainvälinen konteksti Innovaatiota, ihmispääomaa ja näiden välistä yhteyttä mitattaessa tarvitaan sekä absoluuttisia että suhteellisia mittareita
35-44-vuotiaiden määrä ainut testatuista mittareista, joka ei korreloi innovatiivisuuden kanssa
Uutena keskusteluun nostettu äärioikeiston suosio näyttäisi toimivan suvaitsevaisuuden indikaattorina
Absoluuttiset luovan luokan mittarit selittävät jopa 79 % alueen innovatiivisuudesta
Kun tarkastellaan myös naapurialueiden ihmispääomaa, selitysaste nousee 83 prosenttiin
Johtopäätökset – paikallinen konteksti Rakenteilla olevien Jätkäsaaren, Pasilan, Kruunuvuorenrannan, Jokiniemen, Keran ja Mankkaan potentiaalinen vetovoima jo nykyisen ihmispääoman suhteen erinomainen
Kantakaupungin etelä- ja pohjoisosassa potentiaaliset innovatiivisen kasvun vyöhykkeet myös kantakaupungin laajentamisella bulevardisoimalla kysyntää
Pelkästään suhteellisen tai absoluuttisen ihmispääoman suhteen potentiaalisia innovatiivisen kasvun alueita Keski-Espoossa ja Pohjois-Helsingissä/Etelä-Vantaalla
Recommended