Verschillen tussen landen

Zoals aangegeven in de inleiding van dit hoofdstuk, was in bepaalde Europese landen de ontwikkeling van eco-technologieën minder afhankelijk van de regionale eco-kennisbasis, omdat daar sprake was van een stimuleringsbeleid specifiek gericht op eco-technologieën. Het is niet mogelijk dit direct te onderzoeken, omdat er geen gedetailleerde gegevens be- schikbaar zijn over het type beleid dat de afgelopen decennia in elk Europees land is ge- voerd. Wel kunnen we meer in het algemeen onderzoeken of in sommige landen regio’s een

30 _{Dit is gemeten met behulp van de RCA (zie voetnoot 1 voor de formule).}

31 _{De eco-kennisbasis van elke regio r wordt dan per jaar t voor elk eco-technologieveld i als volgt berekend,}

waarbij



, , ,

100

Eco kennisbasis















grotere kans hadden op het in een vroeg stadium ontwikkelen van eco-technologieën. Als alle regio’s in een land structureel eerder eco-technologieën hebben ontwikkeld, suggereert dit dat daar bijzondere omstandigheden een rol speelden.

Dit onderzoeken we door in de modelschattingen voor elk van de zestien Europese landen een variabele op te nemen die aangeeft of een regio in dat land ligt of niet: voor de variabele Nederland krijgen bijvoorbeeld alle Nederlandse regio’s een waarde 1 en alle andere regio’s een waarde 0.32 _{Daarnaast onderzoeken we ook of er een interactie bestaat tussen de eco-} kennisbasis in regio’s en het land waarin die regio’s liggen, zodat we kunnen achterhalen of het effect van de regionale eco-kennisbasis op de ontwikkeling van eco-technologieën ver- schilt per land. Een algemeen effect van de regionale eco-kennisbasis voor alle Europese regio’s samen hoeft nog niet te betekenen dat dit effect in ieder land hetzelfde is. Zo zou het effect van de eco-kennisbasis in regio’s in Duitsland bijvoorbeeld lager kunnen zijn, omdat landelijke factoren, zoals het stimuleringsbeleid onder de Energiewende, daar ertoe hebben geleid dat ook regio’s met een minder ontwikkelde eco-kennisbasis zijn gestart met de ont- wikkeling van eco-technologische kennis.

5.2.5 Methode

Met behulp van een zogenaamde duuranalyse toetsen we of het gemiddeld genomen zo is dat een goed ontwikkelde regionale eco-kennisbasis de kans verhoogt dat een Europese re- gio in een vroeg stadium startte met de substantiële ontwikkeling van patenten in een be- paald eco-technologieveld. Via een duuranalyse schatten we niet alleen de kans op het starten met het ontwikkelen van de eco-technologische kennis, maar houden we ook reke- ning met hoeveel tijd reeds is verstreken. Vaak is er sprake van een regionale diffusie van technologieën, waardoor de kans dat een regio start met de ontwikkeling van bepaalde tech- nologische kennis groter wordt naarmate er meer jaren zijn verstreken na de introductie van de technologie.

Het effect van de regionale eco-kennisbasis op het aantal vanuit de regio aangevraagde eco- patenten per jaar en per eco-technologieveld schatten we met een negative binomial regres- siemodel.33 _{In dit model nemen we naast de regionale eco-kennisbasis ook een variabele op} die het aantal eerder ontwikkelde eco-patenten in hetzelfde eco-technologieveld meet. Zo kunnen we achterhalen of voor de verdere ontwikkeling van eco-technologische kennis in regio’s vooral het opbouwen van veel kennis in het eco-technologieveld zelf van belang is, of dat ook de ontwikkeling van de technologievelden die de basis van de eco-technologie vorm- den van belang blijven (zie tekstkader 5.1). Zo vinden Noailly en Shestalova (2013) voor technologieën voor hernieuwbare energie dat in maar liefst 83 procent van alle patenten wordt verwezen naar minimaal één ander patent uit dezelfde technologieklasse.

Naast de regionale eco-kennisbasis en factoren op landsniveau zijn nog meer factoren van invloed op de ontwikkeling van eco-technologische kennis in een regio. Om te voorkomen dat het effect van de eco-kennisbasis eigenlijk regionale verschillen in omvang of een algemeen goed ontwikkelde kennisbasis weerspiegelt, nemen we voor elke regio de bevolkingsdicht- heid, de totale R&D-uitgaven en het totale aantal patenten op in de modellen.

Daarnaast controleren we voor verschillen in de omvang en ontwikkeling van de verschillen- de eco-technologievelden: als er in een bepaald veld meer onderzoeksactiviteiten zijn, dan is de kans groter dat regio’s starten met de ontwikkeling van die kennis dan voor technologie- velden met minder activiteiten. We controleren hiervoor door per technologieveld het aantal uitvinders en de algemene groei van het aantal patenten in de technologieklasse op te ne- men. Daarnaast controleren we ook voor de mate waarin de onderzoeksactiviteiten van een

32 _{Overigens kunnen we met deze methode nog steeds belangrijke effecten op landsniveau missen. Landelijk}

stimuleringsbeleid voor bijvoorbeeld zonnepanelen zal bijvoorbeeld vooral effect hebben in die regio’s waar de zonneceltechnologie-intensieve industrie is geconcentreerd. Dit betekent dat landelijk stimuleringsbeleid zeer lokaal neerslaat, in slechts één of enkele regio’s, en niet in alle regio’s in dat land.

33 _{We gebruiken een negative binomial model en geen Poisson model, omdat de te verklaren variabele (aantal}

technologieveld zijn geconcentreerd in specifieke regio’s: hoe groter de concentratie van een technologie in enkele regio’s, hoe kleiner de kans dat andere regio’s deze technologie ook gaan ontwikkelen.

Tot slot controleren we voor tijd- en technologieafhankelijke effecten die ertoe leiden dat het aantal patenten in het algemeen toeneemt in de tijd of in een bepaald technologieveld.34 Hiervoor controleren we door het opnemen van een aparte variabele voor elk jaar en elk technologieveld (zogenoemde fixed effects).