Kapita intelektualny wojewdztw a sytuacja na rynku pracy w latach 2006 i 2007 analiza porwnawcza

(1)

Uniwersytet Ekonomiczny w Poznaniu

Streszczenie

Głównym motorem zmian zachodzących z gospodarce XXI wieku, nierzadko na-zywanej „gospodarką napĊdzaną wiedzą” lub „gospodarką opartą na wiedzy”, jest szeroko rozumiany kapitał intelektualny. W literaturze przedmiotu czĊsto zwraca siĊ uwagĊ na to jak wielkie znaczenie dla przedsiĊbiorstwa ma wykwalifikowana siła robacza. Firmy, coraz skrupulatniej dobierając pracowników, wpływają na poziom stopy bezrobocia oraz zmieniają w sposób istotny strukturĊ zatrudnienia. W niniej-szym artykule za pomocą podstawowych modeli regresyjnych potwierdzimy istnienie zaleĪnoĞci w jakich pozostają kapitał intelektualny i rynek pracy. Ponadto, zmierzy-my poziom kapitału intelektualnego oraz ocenizmierzy-my sytuacjĊ na rynku pracy woje-wództw Polski w latach 2006 i 2007.

Słowa kluczowe: kapitał intelektualny, rynek pracy, gospodarka oparta na wiedzy, gospodarka napĊdzana wiedzą.

1. Wprowadzenie

Wzrost gospodarczy, który dziĞ obserwujemy, a który rozpoczął siĊ na przełomie XX i XXI wieku, jest wynikiem stale rosnącego poziomu kapitału intelektualnego, a w szczególnoĞci efek-tem pracy wykwalifikowanej siły roboczej[6]. „DziĞ wiedza jest jedynym znaczącym zasobem, Ğrodkiem do osiągania społecznych i ekonomicznych rezultatów” [3]. Pracownicy stanowią naj-waĪniejszy zasób, jakim dysponuje kaĪde przedsiĊbiorstwo, a głównym czynnikiem zmian jest rozwój nauki i związany z nim postĊp technologiczny, zaleĪny od człowieka.

Zmiany zachodzące w gospodarce skutkują równieĪ zmianami na rynku pracy, które charakte-ryzuje:

• rosnące ryzyko nieznalezienia zatrudnienia na legalnym rynku z powodu nieodpowiednich lub zbyt niskich kwalifikacji,

• koniecznoĞü ciągłego poszerzania i podnoszenia swoich kwalifikacji zawodowych, • potrzeba pogłĊbiania osobistych kompetencji [5].

W dobie globalizacji gospodarki, zarówno pracownik, jak i organizacja muszą byü przygoto-wani na wysoki poziom niepewnoĞci zawodowej. Jest to związane przede wszystkim z tym, Īe przedsiĊbiorstwo nie posiada pracownika na własnoĞü. Organizacja jest najemcą wiedzy kaĪdego pracownika i traci ją z chwilą jego odejĞcia z firmy. Konsekwencją globalizacji jest teĪ duĪa suwe-rennoĞü wysoko wykwalifikowanych pracowników w poszukiwaniu zatrudnienia na zagranicz-nych rynkach pracy. Z drugiej strony przedsiĊbiorstwa poszukują nowych pracowników, mając na uwadze to, Īe „posiadane przez nich informacje, potencjalne pomysły i wiedza wywodzą siĊ przede wszystkim z wykształcenia i doĞwiadczeĔ Īyciowych” [4].

W niniejszym artykule dokonano analizy porównawczej województw Polski ze wzglĊdu na poziom kapitału intelektualnego i sytuacjĊ na rynku pracy w latach 2006 i 2007 oraz,

(2)

wykorzystu-jąc podstawowe modele regresyjne, potwierdzono istnienie zaleĪnoĞci pomiĊdzy tymi zjawiskami. Ponadto, w oparciu o uzyskane wyniki, dokonano oceny województw pod wzglĊdem efektywnoĞci wykorzystania kapitału intelektualnego do poprawy sytuacji na rynku pracy.

2. Wskaniki charakteryzujce kapitał intelektualny i rynek pracy

W niniejszym punkcie zostaną przedstawione wskaĨniki, które w przeprowadzonych bada-niach posłuĪyły do opisu kapitału intelektualnego i rynku pracy województw. Pomimo duĪego nasycenia literatury przykładowymi miernikami mającymi słuĪyü do ich opisu, wybór odpowied-niego zestawu zmiennych jest bardzo trudny. NaleĪy w taki sposób ustaliü rodzinĊ zmiennych, aby wyczerpująco oddawała poziom analizowanych zjawisk w poszczególnych regionach. W przypad-ku wyceny kapitału intelektualnego problem doboru zmiennych ten jest tym wiĊkszy, Īe na sa-mym początku naleĪy w ogóle zdefiniowaü pojĊcie kapitału intelektualnego i dopiero w myĞl tej definicji próbowaü wyceniü jego wartoĞü. Nie ma bowiem jednoznacznie okreĞlonej definicji wy-jaĞniającej w pełni zakres tego zjawiska.

Kolejnym problemem z jakim moĪna zetknąü przy ocenie tych problemów jest dostĊpnoĞü danych statystycznych. Czasami zdarza siĊ, Īe instytucje zajmujące siĊ gromadzeniem danych statystycznych nie posiadają informacji na temat niektórych wskaĨników, które wydawaü by siĊ mogło, najbardziej trafnie opisują analizowane zdarzenie. NaleĪy wówczas zastosowaü inny wskaĨnik, który z jednej strony jest dostĊpny, a z drugiej strony opisuje taki sam aspekt danego zdarzenia. CzĊsta jest równieĪ sytuacja, w której nie posiadamy informacji na temat poziomu da-nego wskaĨnika, ale tylko dla niektórych przypadków, czyli wystĊpują tzw. braki danych. Istnieje kilka moĪliwych sposobów wyjĞcia z tej sytuacji: moĪna pominąü przypadki z brakami danych, zastąpiü je zwykłymi Ğrednimi, albo spróbowaü obliczyü wartoĞci tych braków, posługując siĊ prostymi modelami ekonometrycznymi.

Za kaĪdym razem przy wyborze metody zastĊpowania braków danych pewnymi przybliĪo-nymi wartoĞciami traci siĊ na precyzji wyników badaĔ i naleĪy podejĞü do nich z duĪym sceptycy-zmem. W związku z czym, wskaĨniki, które zostały uĪyte w niniejszych badaniach i które posłu-Īyły do opisu kapitału intelektualnego oraz rynku pracy, zostały dobrane w taki sposób, aby nie wystĊpowały Īadne braki danych. Oprócz tego, mierniki dobierano w taki sposób, aby współczyn-nik zmiennoĞci kaĪdego wskaĨwspółczyn-nika osiągał wartoĞü powyĪej 10%, a współczynwspółczyn-nik korelacji po-miĊdzy zmiennymi opisującym to samo zjawisko nie przekraczał wartoĞci 0,8. Ostatecznie, do opisu sytuacji na rynku pracy uĪyto piĊciu mierników, natomiast do oceny kapitału intelektualnego oĞmiu zmiennych (tabela 2.1).

(3)

Tabela 2.1. WskaĨniki kapitału intelektualnego i rynku pracy

Nazwa: Definicja:

Charakter zmiennej:

Stopa bezrobocia procentowy udział osób bezrobotnych w

gru-pie aktywnych zawodowo ogółem D

WskaĨnik zatrudnienia procentowy udział osób zatrudnionych w

gru-pie osób w wieku produkcyjnym S

WskaĨnik wynagrodzeĔ przeciĊtne miesiĊczne wynagrodzenie brutto na

pracującego S

WskaĨnik wydajnoĞci pracy liczba jednostek PKB na jedną osobĊ pracującą S Rynek pracy:

WskaĨnik przedsiĊbiorczoĞci

liczba zarejestrowanych prywatnych podmio-tów gospodarczych przypadająca na 1 tys. osób w wieku produkcyjnym

S

WskaĨnik wykształcenia wyĪ-szego

procentowy udział osób w grupie wiekowej

15-64 posiadających wykształcenie wyĪsze S WskaĨnik zaburzeĔ

psychicz-nych

liczba osób z zaburzeniami psychicznymi spo-wodowanymi naduĪywaniem alkoholu przypa-dająca na 1 tys. mieszkaĔców

D

WskaĨnik nakładów na B&R procentowy udział nakładów na B&R w PKB S WskaĨnik zasiĊgu transportu

publicznego

procentowy udział ludnoĞci mieszkającej w miastach obsługiwanych przez Zakłady Ko-munikacji Miejskiej w ogólnej liczbie ludnoĞci

S

WskaĨnik kontaktów z zagra-nicą w zakresie kultury i sztu-ki

przeciĊtna liczba organizowanych wystaw miĊdzynarodowych przypadająca na jeden obiekt działalnoĞci scenicznej i wystawienni-czej

S

WskaĨnik rozwodów procentowy udział rowodów w liczbie

zawar-tych małĪeĔstw D

WskaĨnik niepełnosprawnoĞci

procentowy udział instytucji kulturowych do-stosowanych do osób poruszających siĊ na wózkach inwalidzkich w ogólnej liczbie tych obiektów

S Kapitał

inte-lektualny:

WskaĨnik poziomu współpra-cy przedsiĊbiorstw z zagranicą

procentowy udział przedsiĊbiorstw z kapitałem zagranicznym w ogólnej liczbie firm zareje-strowanych

S

ħródło: Opracowanie własne.

WskaĨniki pomiaru kapitału intelektualnego pokazane w tabeli 2.1 dobrano w myĞl definicji, którą zaproponował Bochniarz w [2]. Według niego kapitał intelektualny regionu to ogół niemate-rialnych aktywów ludzi, przedsiĊbiorstw, społecznoĞci, kultur, relacji, struktur, które poprawnie wykorzystane mogą stanowiü potencjał do przyszłego rozwoju tego regionu. Ponadto, wyróĪnia on cztery komponenty kapitału intelektualnego: kapitał ludzki, strukturalny, społeczny i relacyjny.

Kapitał ludzki to potencjał zgromadzony w mieszkaĔcach regionu, który wyraĪa siĊ najczĊ-Ğciej w ich wykształceniu, doĞwiadczeniu i umiejĊtnoĞciach. Kapitał ludzki opisują dwa

(4)

wskaĨni-ki: wykształcenia wyĪszego oraz wskaĨnik zaburzeĔ psychicznych. Drugi z nich ma za zadanie okreĞlenie stopnia uzaleĪnienia alkoholowego danej społecznoĞci. Oblicza siĊ go w oparciu o dane pochodzące z Poradni zdrowia psychicznego. NaleĪy mieü jednak na uwadze, Īe istnieją w danym okrĊgu osoby uzaleĪnione od alkoholu i niezarejestrowane w poradniach.

Kapitał strukturalny z kolei to potencjał zgromadzony w infrastrukturze systemu oĞwiaty i in-nowacji. OkreĞla on pewne moĪliwoĞci prorozwojowe danego regionu tkwiące w systemie eduka-cji, technologiach, informacjach, systemach łącznoĞci itp. Jego wartoĞü została oszacowana za pomocą wskaĨnika nakładów na B&R oraz wskaĨnika zasiĊgu transportu publicznego. Pierwszy z nich ocenia zaangaĪowanie prorozwojowe danego regionu, natomiast drugi ocenia poziom mo-bilnoĞci danego społeczeĔstwa, chociaĪby z punktu widzenia dojazdu do miejsca pracy, jaki zy-skują mieszkaĔcy danego regionu.

Kapitał społeczny definiowany jako potencjał zgromadzony w społeczeĔstwie, okreĞlany zwykle przez normy postĊpowania, zaangaĪowania i zaufania oszacowano przy uĪyciu dwóch wskaĨników: wskaĨnika rozwodów i niepełnosprawnoĞci. Pierwszy z tych wskaĨników ocenia trwałoĞü relacji miĊdzyludzkich, natomiast drugi chĊü niesienia pomocy innym, wyraĪająca siĊ w ułatwianiu osobom niepełnosprawnym wykonywania codziennych czynnoĞci poprzez inwesto-wanie w modyfikacje istniejących budynków.

Ostatnim komponentem kapitału intelektualnego jest kapitał relacyjny definiowany jako po-tencjał związany z postrzeganiem regionu na zewnątrz. WyraĪa siĊ on w poziomie integracji z gospodarką globalną, w stosunkach miĊdzyregionalnych, czy róĪnego rodzaju formach współ-pracy z innymi regionami. Poziom jego oszacowano, obliczając wartoĞü wskaĨnika kontaktów z zagranicą w zakresie kultury i sztuki oraz wskaĨnika poziomu współpracy przedsiĊbiorstw z za-granicą.

3. Metodologia bada

Głównym celem przeprowadzonych badaĔ było empiryczne potwierdzenie istnienia pewnych zaleĪnoĞci pomiĊdzy poziomem kapitału intelektualnego a sytuacją na rynku pracy. Badania skła-dały siĊ z dwóch czĊĞci.

Pierwsza polegała na opisaniu kapitału intelektualnego oraz sytuacji na rynku pracy poszcze-gólnych województw za pomocą tylko jednego miernika, w taki sposób, aby moĪliwe było utwo-rzenie rankingu województw ze wzglĊdu na jego wartoĞci. Innymi słowy obliczono wartoĞci mier-nika syntetycznego, który opisywał ogólny poziom kapitału intelektualnego (ICI) oraz sytuacjĊ na rynku pracy (LMI).

Przy konstrukcji takiego miernika bardzo waĪnym etapem jest przygotowanie danych do ana-lizy. Polega ono na wyborze metody ujednolicenia charakteru rozpatrywanych zmiennych i meto-dy sprowadzenia zmiennych do admeto-dytywnoĞci. PoniewaĪ, wĞród analizowanych wskaĨników (patrz tabela 2.1) wystĊpują tylko stymulanty i destymulanty, które w dodatku nie przyjmują war-toĞci zerowych, ujednolicono charakter tych zmiennych, odwracając warwar-toĞci wskaĨników bĊdą-cych destymulantami. WskaĨniki z kolei sprowadzono do addytywnoĞci, posługując siĊ metodą standaryzacji.

Biorąc pod uwagĊ tak przekształcone dane, obliczono wartoĞci miernika syntetycznego, który skonstruowano, posługując siĊ tzw. wskaĨnikiem wzglĊdnego poziomu rozwoju:

(5)

(

)

= = = _N j jtk k N j jtk tk X X WPR 1 1 max , gdzie:

(

)

jtk k jtk jtk Z Z X = +min .

Szczegółowa analiza wartoĞci ICI (Intellectual Capital Index) oraz LMI (Labour Market In-dex) sprowadzała siĊ do porównania dwóch rankingów województw utworzonych ze wzglĊdu na wartoĞci poszczególnych wskaĨników oraz zbadania współczynnika korelacji liniowej Pearsona pomiĊdzy ICI i LMI. Współczynnik korelacji został nastĊpnie poddany testowi na istotnoĞü, który został szczegółowo opisany w [1].

Druga czĊĞü badaĔ polegała na oszacowaniu parametrów prostych modeli regresyjnych. Wy-korzystano w tym celu wszystkie wskaĨniki wyjĞciowe, tzn. nie redukowano liczby wskaĨników, ale ujĊto zarówno kapitał intelektualny, jak i rynek pracy w sposób wielowymiarowy. Dla kaĪdego miernika rynku pracy (zmienna objaĞniana), przy uĪyciu metody krokowej postĊpującej dokonano wyboru wskaĨników kapitału intelektualnego (zmienne objaĞniające), które mogłyby posłuĪyü do wyjaĞnienia zmiennoĞci tej miary. Analizy składników resztowych, w celu zbadania dobroci dopa-sowania tych modeli do danych, dokonano w oparciu o nastĊpujące testy statystyczne: Walda-Wolfowitza, Shapiro-Wilka, Boxa-Pierce’a i Goldfelda-Quandta. Pierwszy z tych testów weryfi-kuje hipotezĊ zerową mówiącą o tym, Īe szereg składników resztowych jest białym szumem, na-tomiast test Shapiro-Wilka stosuje do testowania normalnoĞci rozkładu. Przypomnijmy, Īe szereg składników resztowych jest białym szumem, jeĪeli posiada zerową autokorelacjĊ, zerową wartoĞü oczekiwaną oraz skoĔczoną jednakową wariancjĊ. WystĊpowanie autokorelacji i homoskedastycz-noĞci w szeregach składników resztowych zweryfikowano przy uĪyciu testów: Boxa-Pierce’a i Goldfelda-Quandta1.

4. Wyniki bada empirycznych

W tabeli 4.1 znajdują siĊ wartoĞci współczynnika korelacji liniowej Pearsona obliczonego dla wskaĨników ICI oraz LMI. Przeprowadzony test istotnoĞci współczynników pozwala na wycią-gniĊcie wniosków o istnieniu takich zaleĪnoĞci liniowych, co wiĊcej w roku 2007 zaleĪnoĞü miĊdzy tymi wskaĨnikami była silniejsza niĪ w roku 2006. Charakter liniowy tych zaleĪnoĞci po-twierdza wykres rozrzutu (wykres 4.1). Jak widaü, współczynnik korelacji liniowej Pearsona jest dodatni, a to oznacza, Īe wraz ze wzrostem poziomu kapitału intelektualnego poprawia siĊ sytu-acja na rynku pracy w danym województwie.

(6)

Tabela 4.1. Współczynnik korelacji pomiĊdzy ICI i LMI 2006 2007 2006–2007 Współczynnik korelacji: 0,699 0,762 0,685 Sprawdzian testu: 3,522*** 4,244*** 4,981*** 0,01 3,012 2,763 0,05 2,160 2,048 WartoĞü krytycz-na: 0,1 1,771 1,701

***odrzucenie hipotezy zerowej na poziomie 0,01 ħródło: Obliczenia własne.

0.20 0.30 0.40 0.50 0 .2 0 .4 0 .6 ICI L M I 0.3 0.4 0.5 0.6 0 .2 0 .4 0 .6 ICI L M I

Rys. 4.1. Wykres rozrzutu województw ze wzglĊdu na ICI i LMI w roku 2006 (z lewej) i 2007 (z prawej)

SprawdĨmy zatem w jakim stopniu województwa wykorzystują swój kapitał intelektualny do poprawy sytuacji na rynku pracy. W tym celu województwa zostały posortowane według maleją-cych wartoĞci wskaĨnika ICI oraz LMI. Dla kaĪdego województwa obliczono róĪnicĊ pozycji, jaką zajmuje ono w rankingu utworzonym ze wzglĊdu na ICI oraz w rankingu utworzonym ze wzglĊdu na LMI. W tabeli 4.2 widaü, Īe wiĊkszoĞü województw wykazuje zbliĪone miejsca ran-kingowe. Przez zbliĪone miejsca rankingowe rozumiemy sytuacjĊ, w której dane województwo zajmuje takie same pozycje w obu rankingach, albo te pozycje róĪnią o maksymalnie trzy miejsca.

W roku 2006 duĪym zróĪnicowaniem pozycji rankingowych charakteryzowały siĊ cztery wo-jewództwa: lubelskie, podkarpackie, ĞwiĊtokrzyskie oraz lubuskie. Województwo lubuskie posia-da słaby kapitał intelektualny i dobrą sytuacjĊ na rynku pracy, co oznacza, Īe efektywnoĞü wyko-rzystania kapitału intelektualnego jest wysoka. Pozostałe województwa naleĪą do pasa wschodnie-go kraju oraz są objĊte programem : PO Rozwój Polski Wschodniej i charakteryzują siĊ wzglĊdnie wysokim poziomem kapitału intelektualnego i złą sytuacją na rynku pracy.

(7)

Tabela 4.2. WartoĞci miernika wzglĊdnego poziomu rozwoju kapitału intelektualnego (ICI) i rynku pracy (LMI) dla województw w latach 2006 i 2007

2006 Ranking (ICI) Województwo ICI Ranking

(LMI) Województwo LMI RóĪnica

1 Małopolskie 0,56 4 Małopolskie 0,61 -3 2 Pomorskie 0,54 1 Pomorskie 0,74 +1 3 ĝląskie 0,49 5 ĝląskie 0,60 -2 4 Lubelskie 0,48 10 Lubelskie 0,38 -6* 5 DolnoĞląskie 0,47 2 DolnoĞląskie 0,69 +3 6 Wielkopolskie 0,43 3 Wielkopolskie 0,66 +3 7 Podkarpackie 0,41 15 Podkarpackie 0,18 -8* 8 Zachodniopomorskie 0,37 6 Zachodniopomorskie 0,57 +2 9 Łódzkie 0,36 7 Łódzkie 0,49 +2 10 ĝwiĊtokrzyskie 0,35 14 ĝwiĊtokrzyskie 0,26 -4* 11 Kujawsko-pomorskie 0,34 8 Kujawsko-pomorskie 0,42 +3 12 Opolskie 0,30 13 Opolskie 0,26 -1 13 Podlaskie 0,29 11 Podlaskie 0,32 +2 14 Lubuskie 0,28 9 Lubuskie 0,38 +5* 15 WarmiĔsko-mazurskie 0,20 12 WarmiĔsko-mazurskie 0,28 +3 2007 1 Pomorskie 0,64 1 Pomorskie 0,73 0 2 DolnoĞląskie 0,62 2 DolnoĞląskie 0,68 0 3 ĝląskie 0,60 5 ĝląskie 0,58 -2 4 Małopolskie 0,54 4 Małopolskie 0,59 0 5 Podkarpackie 0,49 15 Podkarpackie 0,18 -10* 6 Zachodniopomorskie 0,47 6 Zachodniopomorskie 0,57 0 7 Wielkopolskie 0,46 3 Wielkopolskie 0,65 +4* 8 Łódzkie 0,41 7 Łódzkie 0,51 +1 9 Lubelskie 0,40 10 Lubelskie 0,38 -1 10 WarmiĔsko-mazurskie 0,39 14 WarmiĔsko-mazurskie 0,28 -4* 11 ĝwiĊtokrzyskie 0,38 13 ĝwiĊtokrzyskie 0,28 -2 12 Podlaskie 0,34 11 Podlaskie 0,31 +1 13 Lubuskie 0,34 9 Lubuskie 0,38 +4* 14 Kujawsko-pomorskie 0,33 8 Kujawsko-pomorskie 0,39 +6* 15 Opolskie 0,27 12 Opolskie +3

ħródło: Obliczenia własne.

W roku 2007 województwo lubuskie i podkarpackie utrzymało wysoki poziom niestabilnoĞci, co wiĊcej niestabilnoĞü rankingowa województwa podkarpackiego znacznie powiĊkszyła siĊ. RóĪnica rankingowa dla tego województwa wynosi -10. EfektywnoĞü wykorzystania kapitału inte-lektualnego do poprawy sytuacji na rynku pracy przez to województwo jest bardzo słaba.

(8)

Pozosta-łe regiony charakteryzujące siĊ wysokim poziomem niestabilnoĞci to województwo: warmiĔsko-mazurskie, wielkopolskie, kujawsko-pomorskie. Województwa te moĪna podzieliü na dwie grupy: pierwsza z nich skupia regiony charakteryzujące siĊ niskim poziomem wykorzystania kapitału intelektualnego, druga wysokim poziomem. Do pierwszej grupy naleĪy województwo warmiĔsko-mazurskie, dla którego obliczona róĪnica rankingowa wynosi -4. W drugiej grupie wystĊpują wo-jewództwa: wielkopolskie i kujawsko-pomorskie, dla których róĪnice rankingowe równe są odpo-wiednio +4 i +6.

PowyĪsze podejĞcie do problemu istnienia związków pomiĊdzy kapitałem intelektualnym a rynkiem pracy pozwala na zbadanie takich zaleĪnoĞci pomiĊdzy wszystkimi zmiennymi jedno-czeĞnie. Dzieje siĊ tak dziĊki skonstruowanemu miernikowi syntetycznemu, który wskazuje na ogólny poziom zjawisk opisanych za pomocą wielu zmiennych, innymi słowy, pozwala zreduko-waü liczbĊ zmiennych. Odkrycie istnienia takiego związku rodzi pytanie, które z tych wskaĨników wpływają na siebie najmocniej i które zmienne opisujące kapitał intelektualny są najsilniej wyko-rzystywane na rynku pracy. PodejĞcie zastosowane wyĪej, z uĪyciem miernika syntetycznego nie daje na nie odpowiedzi. W związku z tym zastosowano procedurĊ opisaną w czĊĞci 3 artykułu polegająca na zastosowaniu prostych modeli regresyjnych w odniesieniu do wyjĞciowych zmien-nych. Okazało siĊ, Īe dopasowanie tych modeli do danych nie było najlepsze. Współczynnik R2 wahał siĊ w okolicach 60%, natomiast współczynnik zmiennoĞci, co prawda przyjmował niĪsze wartoĞci dla modeli nieliniowych, ale kosztem współczynnika determinacji, który i tak w przypad-ku modeli liniowych był bardzo niski.

Analogiczna procedura przeprowadzona dla modeli bez wyrazu wolnego znacznie poprawia dopasowanie modeli. Wyniki zostały zestawione w tabeli 4.3. W pierwszej kolumnie poniĪszej tabeli umieszczone zostały nazwy zmiennych, które zostały wprowadzone do modelu w wyniku zastosowanej metody regresji krokowej. Kolejnie kolumny zawierają oszacowania parametrów i miary dopasowania kolejnych modeli, odpowiednio: liniowego, potĊgowego i wykładniczego.

Współczynnik dopasowania niemal w kaĪdym modelu przyjmuje wartoĞci wiĊksze od 90% (wyjątek: model wykładniczy i potĊgowy dla wskaĨnika zatrudnienia w B&R), a współczynnik zmiennoĞci w wiĊkszoĞci modeli jest poniĪej 13%. Czcionką pogrubioną i wyjustowaną zaznaczo-no w tabeli modele, które mogą na podstawie dostĊpnych miar dopasowania posłuĪyü do opisania zmiennoĞci poszczególnych wskaĨników rynku pracy. Przy wyborze tych modeli uwzglĊdniano kolejno: istotnoĞü parametrów, współczynnik zmiennoĞci, współczynnik dopasowania. Zanim jed-nak podejmiemy decyzjĊ o mozliwoĞci uĪycia tych modeli do opisu zjawisk, naleĪy zweryfiko-waü, czy spełnione są załoĪenia dotyczące reszt. Wyniki zastosowanych testów znajdują siĊ w ta-beli 4.4.

Jak wynika z poniĪszej tabeli składniki resztowe spełniają załoĪenia modelu. Są homoskeda-styczne bez autokorelacji, co wynika z przeprowadzonego testu Goldfelda-Quandta i Boxa-Pierce’a. Ponadto rozkład składników resztowych obliczonych dla tych modeli jest rozkładem normalnym. Z przeprowadzonych analiz wynika, Īe jedynie reszty uzyskane z modeli wykładni-czych oszacowanych dla stopy bezrobocia oraz wskaĨnika zatrudnienia nie spełniają załoĪeĔ (test Walda-Wolfowitza), jednak współczynnik dopasowania, jaki moĪna zaobserwowaü w przypadku modeli liniowych, jest takĪe bardzo wysoki. PoniewaĪ współczynniki zmiennoĞci dla tych regresji są zbliĪone do współczynników modeli wyjĞciowych oraz parametry są istotne przeanalizowano szeregi reszt dla tych modeli. Wyniki estymacji znajdują siĊ w tabeli 4.5.

(9)

Tabela 4.3. Parametry oszacowanych modeli bez wyrazu wolnego oraz podstawowe miary dopasowania

Liniowy: PotĊgowy: Wykładniczy:

współczynniki p-wartoĞci współczynniki p-wartoĞci współczynniki p-wartoĞci

bezrobocie zaburzenia 1,527 0,001 0,354 0,102 0,335 0 rozwody 0,192 0,008 0,599 0 0,03 0,004 aktywnoĞü zawodowa zaburzenia 3,141 0 1,425 0 0,174 0,005 wykształcenie 2,527 0,031 0,177 0,149 0,227 0 zatrudnienie w B&R zaburzenia -0,1 0 -0,74 0,006 -0,246 0 nakłady na B&R 1,038 0,015 0,173 0,043 0,029 0,074 wykształcenie 0,044 0 0,439 0,101 1,053 0,293 niepełnosprawni 0,02 0,005 -0,104 0,707 -0,004 0,878 wynagrodzenia wykształcenie 114,307 0 2,351 0 0,404 0 niepełnosprawni 41,2 0 0,558 0,007 0,089 0,005 wystawy 191,758 0,01 -0,003 0,495 0,775 0,018 wydajnoĞü pracy wykształcenie 1613,104 0,001 2,791 0 0,626 0 niepełnosprawni 1940,66 0 1,238 0 0,118 0,035 kapitał zagraniczny 22272,192 0,032 -0,151 0,369 0,168 0,908 przedsiĊbiorczoĞü niepełnosprawni 0,25 0,001 0,47 0 0,036 0,001 kapitał zagraniczny 5,074 0,006 0,119 0,029 0,417 0,134 wykształcenie 0,298 0 0,428 0,001 0,108 0

ħródło: Obliczenia własne.

Przeprowadzone testy ponownie wskazują na odrzucenie modelu liniowego oszacowanego dla stopy bezrobocia. Dopasowanie modelu liniowego, w którym zmienną objaĞnianą jest wskaĨnik aktywnoĞci zawodowej, jest lepsze niĪ w przypadku poprzednio analizowanego modelu wykładni-czego: szereg składników resztowych jest białym szumem, rozkład reszt jest normalny, nie ma autokorelacji i model ten jest modelem homoskedastycznym. Analiza merytoryczna tego modelu budzi jednak pewne wątpliwoĞci ze wzglĊdu na znak współczynnika stojącego przy wskaĨniku

(10)

zaburzeĔ. Znak jest dodatni, co Ğwiadczy o tym, Īe wzrost liczby osób naduĪywających alkoholu powoduje wzrost aktywnoĞci zawodowej społeczeĔstwa.

Tabela 4.4. Podstawowe testy statystyczne słuĪące do weryfikacji dobroci dopasowania modeli do danych

bezrobocie

Shapiro-Wilk Box-Pierce Goldfeld-Quandt Wald-Wolfowitz

Statystyka testowa: 0,96691 2,269 1,569 -4,253

p-wartoĞü wartoĞü krytyczna wartoĞü krytyczna wartoĞü krytyczna model

wykładniczy

0,45834 7,810 2,550 1,645

aktywnoĞü zawodowa

Shapiro-Wilk: Box-Pierce: Goldfeld-Quandt: Wald-Wolfowitz:

Statystyka testowa 0,95527 0,584 1,388 x

wykładniczy

0,23336 7,810 2,550 x

zatrudnienie w B&R

Statystyka testowa 0,97021 3,769 1,570 0,585

liniowy

0,54496 7,810 2,550 1,645

wynagrodzenia

Statystyka testowa 0,93546 0,875 1,777 -1,301

p-wartoĞü: wartoĞü krytyczna: wartoĞü krytyczna: wartoĞü krytyczna: model

liniowy

0,06869 7,810 2,550 1,645

wydajnoĞü pracy:

liniowy

0,28886 7,810 2,550 1,645

przedsiĊbiorczoĞü:

potĊgowy

0,78851 7,810 2,550 1,645

(11)

Tabela 4.5. Testy statystyczne słuĪące do weryfikacji dobroci dopasowania modeli liniowych do danych

bezrobocie

Statystyka testowa 0,976 0,836 1,326 -2,787

p-wartoĞü wartoĞü krytyczna wartoĞü krytyczna wartoĞü krytyczna

0,703 7,810 2,550 1,645

aktywnoĞü zawodowa

Statystyka testowa 0,963 2,651 1,194 0,848

p-wartoĞü wartoĞü krytyczna wartoĞü krytyczna wartoĞü krytyczna

0,37 7,810 2,550 1,645

ħródło: Obliczenia własne. 5. Podsumowanie

W latach 2006 i 2007 moĪna zaobserwowaü silny związek pomiĊdzy poziomem kapitału inte-lektualnego a sytuacją na rynku pracy województw, co potwierdzają przeprowadzone badania. Porównanie dwóch rankingów utworzonych ze wzglĊdu na zdefiniowany wczeĞniej poziom LMI oraz ICI daje ogólny pogląd na efektywnoĞü wykorzystania zasobów intelektualnych analizowa-nych województw. Okazuje siĊ, Īe dla województw z Polski wschodniej wysoka niestabilnoĞü rankingowa spowodowana jest nieefektywnym wykorzystaniem kapitału intelektualnego, nato-miast dla pozostałych województw, wysoka wartoĞü róĪnicy rankingowej jest efektem „nadprze-ciĊtnie” dobrego wykorzystania tego potencjału.

Najsłabsze zaleĪnoĞci moĪna zaobserwowaü pomiĊdzy stopą bezrobocia i wskaĨnikiem za-trudnienia a miernikami kapitału intelektualnego. Zadanie wyjaĞnienia zmiennoĞci stopy bezrobo-cia za pomocą prostych modeli regresyjnych i dostĊpnych wskaĨników kapitału intelektualnego okazało siĊ zadaniem bardzo trudnym. ĩaden z powyĪszych modeli nie jest w stanie dobrze wyja-Ğniü zmiennoĞci tego wskaĨnika. Istnieją dwa wyjĞcia z tej sytuacji: albo zmiennoĞci tej przy uĪy-ciu dostĊpnych mierników wyjaĞniü siĊ nie da, albo charakter tych zaleĪnoĞci jest inny niĪ rozpa-trywane w poprzedniej czĊĞci artykułu. Warto byłoby poĞwiĊciü temu wiĊcej uwagi przy okazji innych analiz i szczegółowo zbadaü ten problem.

Najbardziej znaczące wskaĨniki kapitału intelektualnego to wskaĨnik niepełnosprawnoĞci i wykształcenia wyĪszego. Są to jedyne wskaĨniki, które okazały siĊ istotne przy wyjaĞnianiu zmiennoĞci wszystkich wskaĨników rynku pracy. Do opisu zmiennoĞci wskaĨnika wydajnoĞci pracy oraz przedsiĊbiorczoĞci nadają siĊ te same zmienne kapitału intelektualnego. Oprócz wspo-mnianego wyĪej wskaĨnika niepełnosprawnoĞci i wykształcenia istotnym okazał siĊ równieĪ wskaĨnik kapitału zagranicznego. Wszystkie oszacowane modele, oprócz tego oszacowanego dla stopy bezrobocia, nadają siĊ do prognozowania wartoĞci pozostałych wskaĨników rynku pracy. Za ich pomocą jesteĞmy w stanie wyjaĞniü ponad 90% zmiennoĞci poszczególnych miar.

(12)

%LEOLRJUDILD

[1] Aczel A.D., Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2000. [2] Bochniarz P., Raport o kapitale intelektualnym Polski, Warszawa, 10 lipca 2008. [3] Drucker P.E., SpołeczeĔstwo pokapitalistyczne, PWN, Warszawa 1999.

[4] Piotrkowski K. (red.), Zarządzanie potencjałem ludzkim w organizacji XXI wieku, Wojskowa Akademia Techniczna, Warszawa 2006.

[5] Przybyszewski R., Kapitał ludzki w procesie kształtowania gospodarki opartej na wiedzy, Difin, Warszawa 2007.

[6] Welfe W., Gospodarka oparta na wiedzy, Polskie Wydawnoctwo Ekonomiczne, Warszawa 2007.

[7] Witkowska D., Podstawy ekonometrii i teorii prognozowania”, Oficyna Ekonomiczna, Kra-ków, 2006.

THE INTELLECTUAL CAPITAL OF POLISH PROVINCES AND THE SITUATION ON LABOUR MARKET IN 2006 AND 2007 – A COMPARATIVE ANALYSIS

Summary

The driving force behind the changes in the economy of the 21st century, fre-quently called “knowledge-based economy” or “knowledge-driven economy”, is widely-understood intellectual capital. The specialist literature pays attention on the great significance of the high-qualified workforce. Companies carefully selecting their employees influence on the level of unemployment and significantly change the structure of employment. In this article we confirm the existance of the relationship between intellectual capital and labour market. Furthermore, we measure the value of intellectual capital and judge situation on labour market of polish provinces in 2006 and 2007.

Keywords: intellectual capital, labour market, the knowledge-based economy, the knowledge- driven economy.

Monika OsiĔska

Uniwersytet Ekonomiczny w Poznaniu e-mail: monika.osinska@ue.poznan.pl