1 De relatieve regionale groei van banen tussen 1991 en 2012. Omdat we de relatieve groei willen analyseren is deze variabele in de regressieanalyse opgenomen als:
ln(banen2012/banen1991).
Hier staat ‘ln’ voor het natuurlijk logaritme. De bron is Cambridge Econometrics.
De onafhankelijke variabelen
1 De nationale factor uit de shift-share-analyse. Hoe deze variabele is berekend staat uitgelegd in bijlage 2.2, vergelijking 2b. Het betreft dat deel van de totale regionale groei van banen tussen 1991 en 2012 welke wordt veroorzaakt door factoren die specifiek zijn voor een land, zoals nationaal beleid. Deze variabele meet tevens relatieve groei en heeft daarom ook een logaritmische transformatie ondergaan. Bron: Cambridge Econometrics.
2 De industriemixfactor uit de shift-share-analyse. Voor de berekening van deze variabele verwijzen we naar vergelijking 2c in bijlage 2.2. Het betreft dat deel van de totale regionale groei van banen tussen 1991 en 2012 welke wordt veroorzaakt door de regionale sectorstructuur. Zijn in een regio de landelijk snel groeiende sectoren oververtegenwoordigd en de landelijk langzaam groeiende sectoren ondervertegenwoordigd, dan draagt deze factor positief bij aan de totale groei. Ook hier is de variabele getransformeerd door het natuurlijk logaritme te nemen. Bron: Cambridge Econometrics.
3 Het aantal uren per baan in 1991. Dit is, in tegenstelling tot de vorige drie variabelen een zogenoemde ‘standvariabele’ die de mate van deeltijdwerk in de regio meet. In regio’s waar men minder uren per baan werkt wordt de mate van deeltijdwerk geacht hoger te zijn. Deze variabele kon worden bepaald op het niveau van NUTS2- regio’s. Alle NUTS3-regio’s die tot dezelfde NUTS2-regio behoren hebben daarom dezelfde waarde voor deze variabele. Ook deze variabele is ln-getransformeerd in de regressievergelijking opgenomen. Bron: Cambridge Econometrics.
4 Het aandeel van de actieve bevolking in de totale bevolking in 1991. Deze variabele kan waarden tussen 0 en 1 aannemen. Omdat dit al een relatieve maat is, is geen
logaritmische tarnsformatie toegepast. Deze variabele is gemeten op NUTS3- niveau. Bron: Cambridge Econometrics.
5 De Oost-Europa-dummy. Deze variabele neemt de waarde 1 aan indien de regio behoort tot een van de volgende landen: Bulgarije, Tsjechië, Estland, Roemenië, Slowakije, Slovenië, Polen, Litouwen of Hongarije. Behoort een regio niet tot een van deze landen dan krijgt deze de waarde 0.
6 De stedelijke-regiodummy. Indien een regio het label ‘PU’ uit de Eurostat Urban- Rural typology heeft, dan heeft deze variabele de waarde 1 en anders 0. Deze variabele is een proxy voor het effect van stedelijkheid oftewel agglomeratie- effecten.
7 De intermediaire-regiodummy. Indien een regio het label ‘IN’ uit de Eurostat Urban- Rural typology heeft, dan heeft deze variabele de waarde 1 en anders 0.
8 De interactie van de Oost-Europa-dummy en de stedelijke-regiodummy. Indien een regio het label ‘PU’ uit de Eurostat Urban-Rural typologie heeft en ook behoort tot een van de landen van de Oost-Europa-dummy, dan heeft deze variabele de waarde 1 en anders 0.
9 De stedelijke structuur in 1991. De variabele stedelijke structuur is een samengestelde variabele op basis van bevolkingsomvang en bevolkingsdichtheid van de NUTS3- regio’s. Hiervoor zijn bevolkingsdata van Cambridge Econometrics in de volgende simpele regressie gebruikt:
Ln(rank) = α + β ln(size)
Deze vergelijking is tweemaal geschat voor elk EU-land (24 landen) voor 1991, eenmaal met data over bevolkingsomvang en eenmaal met data over bevolkingsdichtheid in dat jaar. De schattingen zijn gebaseerd op een beperkt aantal datapunten: de 5 grootste regio’s (in termen van bevolking(sdichtheid) van ieder land. De absolute waarde van de coëfficiënt is een indicatie voor de mate van poly- of monocentriciteit van een land. Hoe groter β (in absolute waarde), hoe polycentrischer. De beide geschatte coëfficiënten voor een land worden vervolgens bij elkaar opgeteld en gedeeld door twee. Dit is de samengestelde variabele ‘stedelijke structuur’. Deze samengestelde variabele heeft, wanneer geschat voor het jaar 2010, een correlatie van 0,75 met dezelfde variabele geschat op bevolkingsomvangsdata van urban zones (uit de Urban Audit van Eurostat) uit 2010. De OECD gebruikt ook bevolkingsdata van urban zones om met hulp van bovenstaande simpele regressies de poly/monocentriciteit van landen te bepalen. Het voordeel van onze samengestelde maat is dat deze (1) op data van Cambridge Econometrics is gebaseerd (net als de beschrijvende statistieken, shift-share-analyse en enkele andere variabelen) en (2) beschikbaar is voor alle jaren en landen (de Urban
NUTS3-regio’s die tot hetzelfde land behoren dezelfde waarde. De variabele stedelijke structuur varieert daardoor alleen tussen landen. Omdat deze variabele tot stand is gekomen door een serie van regressies met een ln-ln-specificatie, is op de variabele zelf niet nog eens een logaritmische transformatie toegepast.
10 Lokale autonomie is berekend als de belastinginkomsten van lokale overheden gedeeld door de belastinginkomsten van alle overheden in een land. Deze data zijn afkomstig van Eurostat, voor de periode 1995-2012. Data ontbreken er voor Estland voor de jaren 1995-1999, Griekenland voor de jaren 1995-2005 en Litouwen voor de jaren 1995-2003. Omdat het een landelijke statistiek betreft hebben ook voor deze variabele alle NUTS3-regio’s die tot hetzelfde land behoren dezelfde waarde. Omdat deze variabele al een relatieve maat is, is geen logaritmische transformatie toegepast. 11 De baandichtheid in 1991. De baandichtheid is berekend als het aantal banen per regio in 1991 gedeeld door de regio-oppervlakte. Bron: Cambridge Econometrics en Neujobs (2012).
12 Het regionale loonniveau in 1991. Deze variabele is berekend als het totaal aan lonen per regio in 1991 gedeeld door het totaal aantal banen per regio. Je krijgt dan het gemiddelde loon per baan. Deze variabele kon worden bepaald op het niveau van NUTS2-regio’s. Alle NUTS3-regio’s die tot dezelfde NUTS2-regio behoren hebben daarom dezelfde waarde voor deze variabele. Ook deze variabele is met een
logaritmische transformatie in de regressievergelijking opgenomen. Bron: Cambridge Econometrics.