Spatial Model Selection and Spatial Knowledge Spillovers: A Regional View of Germany

Wissen und technologischer Wandel sind die treibenden Kräfte für wirtschaftliches Wachstum. Regionen, die ein im Vergleich zu anderen Regionen höheres Wissenspotential aufweisen, können in der Regel durch ein im Durchschnitt zu anderen Regionen höheres Pro-Kopf-Einkommen charakterisiert werden. Agglomerationseffekte sorgen dafür, dass das Einkommens- und Produktionsdifferential dieser im Durchschnitt prosperierenden Regionen mit den verbleibenden Regionen im Zeitverlauf immer größer wird. Regionen interagieren und stehen in einer räumlichen Abhängigkeit zueinander. Es ist folglich nicht verwunderlich, wenn man annimmt, dass die von Nachbarregionen generierten Spillover die eigene ökonomische Leistungsfähigkeit beeinflussen. In der Literatur werden insbesondere sog. Wissensspillover eine große Bedeutung zugemessen, da sie die Agglomerationstendenzen verstärken können: Regionen mit einem im Vergleich hohen Pro-Kopf-Einkommen sind attraktiv für Unternehmensansiedelungen, da in diesen Regionen relativ viel Humankapital akkumuliert und genutzt wird. Diese Kernregionen produzieren vermehrt Wissen, da in diesen eine hohe Dichte an Hochschulen, Universitäten und Forschungseinrichtungen vorzufinden ist. Schwächere Regionen, die in unmittelbarer Nachbarschaft liegen, können nun ihre eigene Leistungsfähigkeit durch Ausnutzung von Wissenspillover der Kernregion verbessern. Je weiter eine Region jedoch von dem Zentrum der Wissensbildung entfernt liegt, desto geringer ist die Chance, an diesen Wissensspillovern teilzuhaben. Der Wissensverbreitung sind demnach räumliche Grenzen gesetzt, selbst wenn man annimmt, dass jede Region das generierte Wissen gleich gut absorbieren kann. Demnach sind Regionen nicht nur räumlich voneinander abhängig, sie sind auch heterogen bzgl. des Wissenspotentials, welches endogen durch Wissenspillover beeinflusst wird. Ein Anwendungsgebiet der räumlichen Ökonometrie ist nun gerade darin zu sehen, diese Wissensspillover in Regionaldatensätzen sichtbar zu machen. Obwohl sich einige Beiträge der Identifikation von räumlicher Abhängigkeit von Regionen gewidmet haben, so ist doch zu konstatieren, dass diese häufig nicht für räumliche Heterogenität in den Daten kontrollieren. Im Rahmen dieses Aufsatzes wird ein Modellselektionsmechanismus für räumliche Querschnittsdaten vorgestellt, der nicht nur wie bereits bestehende Modellauswahlverfahren, ausschließlich für räumliche Abhängigkeit kontrolliert, sondern auch die Heterogenität von Regionen und für die Tatsache, dass räumliche Effekte wie Wissenspillover in ihrer Wirkung räumlich beschränkt sind. kontrolliert. Für deutsche NUTS-2 Regionen wird daraufhin untersucht, ob die wirtschaftliche Leistungsfähigkeit von heterogenen Regionen durch Nachbarregionen beeinflusst wird. Als Ergebnis lässt sich festhalten, dass die Anwendung des Selektionsmechanismus Hinweise auf räumlich beschränkte Spillovereffekte (etwa bei den Patenten) und auf räumliche Heterogenität liefert. Würde man die Heterogenität im Rahmen der Schätzung vernachlässigen, führt dies zu falschen Schlussfolgerungen bzgl. der wirtschaftlichen Leistungsfähigkeit von Regionen.

Klarl, Torben (2010), Spatial Model Selection and Spatial Knowledge Spillovers: A Regional View of Germany, ZEW Discussion Paper Nr. 10-005, Mannheim.