Az utóbbi néhány évtized közgazdaságtani felismerései között az egyik legfontosabb, hogy a gazdasági növekedés innovációhoz, ezáltal a kutatás-fejlesztéshez való szerves kötődése különösen fontossá teszi a térbeliség szerepét. Az innovációhoz szükséges tudás- és információáramlás ugyanis sokszor lokális, azaz földrajzi korlátokba ütközik, még az információtechnológiai forradalom napjaiban is. Ez mindenekelőtt azzal magyarázható, hogy az innovációhoz vezető fejlesztési folyamatok során kialakuló és áramló tudás sok tacit elemet tartalmaz, amelynek átadását a térbeli közelség, a közvetlen, személyes interakció megkönnyíti. Több régiós sikertörténet esetén leírták, hogy az intenzív, gyors tudásáramlás − különösen ezekben a tacit dimenziókban − lényegesen hozzájárult ahhoz, hogy ezek a régiók kiemelkedtek és dinamikus pályára álltak, mi több, versenyelőnyüket folyamatosan fenn képesek tartani (a legjobb példa ebben a tekintetben a kaliforniai Szilícium-völgy, amelyet az információtechnológiai szektor robbanásszerű növekedése tart lendületben).
A lokális tudásáramlás mellett azonban legalább ilyen fontos az is, hogy egy régió vállalatai, intézményei rendelkezzenek olyan külső kapcsolatokkal is, amelyek más innovatív centrumokhoz kötik őket, továbbá szélesebb, más típusú információ- és tudásforrást jelentenek. Ugyanakkor nem világos, hogy a helyi tudásáramlás és a külső kapcsolatokon keresztül elérhető tudás között milyen viszony áll fenn: vajon kiegészítik vagy éppen helyettesítik egymást? Ez a kérdésfeltevés fontos gazdaságpolitikai vetülettel is rendelkezik, különösen az EU-hoz 2004-ben csatlakozott kelet-közép-európai országok számára, amelyekben igazán innovatív (nyugat-európaiakhoz mérhető) központokat nem nagyon találunk. Az ilyen országok/régiók számára a lokális tudásáramlás kevéssé jelenthet kiutat, míg a külső kapcsolatokon keresztül megvalósuló tudástranszfer − az erős központokhoz való kapcsolódáson keresztül − elindíthat kedvező folyamatokat.
Ezt a kérdést járja körül Varga Attilával közösen írt két új tanulmányunk, amelyek arra keresik a választ, hogy milyen hatása van a régiókon belüli és a régiók közötti (vagyis egy régió külső kapcsolatrendszeréből, hálózatából eredő) tudásáramlásnak a szabadalmi tevékenységre a kelet-közép-európai és a nyugat-európai régiókban (a két tanulmány egy-egy EU-keretprogram keretében készült). A szabadalmi aktivitáson keresztül a régiók innovációs teljesítményét próbáljuk megragadni, míg a régiók közötti tudásáramlás mércéjeként egy speciális indexet használunk, amelyet egy korábbi tanulmányunkban vezettünk be (Sebestyén, T.−Varga, A.: Reserach productivity and the quality of interregional knowledge networks. Annals of Regional Science, Vol. 51. 155−189. o., 2013).
A szóban forgó index olyan mérőszám, amely egy adott hálózatból elérhető tudás minőségét számszerűsíti. A közvetlen és közvetett partnereknél lévő tudás nagyságát súlyozza azok hálózatban vett távolságával, illetve a hálózati kapcsolatok szerkezetének bizonyos jellemzőivel. A vizsgálatokban a hálózat, amely a mérce alapját adja, az egyes régiók közötti kutatási együttműködéseken alapul: megnézzük, hogy két régió intézményei mennyi közös, EU-keretprogramban megvalósuló kutatási projektben vesznek részt, és a két régió között ennek megfelelő erősségű kapcsolatot feltételezünk. Így a régiók külső kapcsolataiként az ilyen keretprogram-projektek szolgálnak.
A vizsgált minta elemei európai régiók, amelyeket két részmintára bontunk: a kelet-közép-európai részmintába soroltunk minden olyan lengyel, cseh, szlovák, szlovén, magyar, bolgár, román, észt, litván és lett régiót, amelyek az úgynevezett 1. célkitűzés alá esnek, vagyis az egy főre jutó GDP tekintetében nem érik el az EU-átlag 75 százalékát. Ezek a régiók a fővárosokat magukban foglaló régiók kivételével gyakorlatilag lefedik a felsorolt országokat. A nyugat-európai részmintába soroltunk minden más régiót. Az 1. célkitűzés alá nem tartozó kelet-közép-európai régiók átsorolása azért célszerű, mert ezek számos jellemzőjüket tekintve inkább a nyugati, mint a keleti régiókhoz hasonlítanak. A minták kialakítását követően szisztematikus ökonometriai elemzés segítségével azt vizsgáltuk, hogy a régión belüli és a régiók közötti tudásáramlás (mely utóbbit a fenti hálózatiminőség-indexszel mérünk) mennyiben befolyásolja a szabadalmi aktivitást az egyes régiókban.
Az eredmények éles különbséget mutatnak a két részminta esetén. Míg a nyugati régiókban a keretprogramokban való részvétel − egészen pontosan a keretprogramok által létrehozott tudáshálózatban elfoglalt pozíció minősége − nincsen érzékelhető összefüggésben a szabadalmi aktivitással, addig a régión belüli intenzívebb tudásáramlás fontos meghatározó tényező ebben a tekintetben. Ugyanakkor a keleti, periferikus régiókban éppen ellenkező tendenciát találunk: a hálózati beágyazottság itt lényeges szerepet játszik a szabadalmazásban, miközben a helyi tudásáramlás hatása jóval gyengébb, csupán az adott régióra terjed ki és a szomszédos régiók ilyen hatása nem érzékelhető. Kicsit másként megfogalmazva: az elmaradottabb régiókban a külső kapcsolatok, vagyis a régiókat összekötő tudáshálózatokban elfoglalt pozíció kiegészíti az innovációhoz szükséges helyi erőforrásokat (lokális tudást), míg a fejlettebb régiók esetén ez a kiegészítő viszony nem érzékelhető, ezek a régiók sokkal inkább a meglévő saját erőforrásaikra támaszkodva lépnek előre az innovatív teljesítményt tekintve.
Ezek az eredmények lényeges gazdaságpolitikai (fejlesztéspolitikai) vetülettel is rendelkeznek. Arra mutatnak rá ugyanis, hogy az elmaradottabb régiókban a kutatási irányok és kifejezetten a nemzetközi kutatási hálózatokba való intenzívebb bekapcsolódás kedvező hatással lehet nem csupán a tudományos kutatási teljesítményre, hanem e régiók innovációs aktivitásán keresztül a gazdasági növekedésre is. Különösen fontos ez a következtetés abból a szempontból, hogy az EU 2014−2020-as időszakra vonatkozó innovációs politikája, az úgynevezett intelligens specializáció (smart specialization) egyik javasolt eszköze a periferikus területek centrumhoz kapcsolása kutatási és innovációs együttműködések révén.
Sebestyén Tamás tudományos munkatárs, MTA-PTE Innováció és Gazdasági Növekedés Kutatócsoport; Pécsi Tudományegyetem Közgazdaságtudományi Kar
Szerző:
