kenniseconomie
De kenniseconomie
de maat genomen
W.A. Dolfsma, L. Leydesdorff
en G. van der Panne
Dolfsma is verbonden aan de faculteit Bedrijfskunde
van de Erasmus Universiteit Rotterdam en MERIT van
de Universiteit Maastricht; Leydesdorff aan de Amsterdam
School of Communications Research (ASCoR) van
de Universiteit van Amsterdam en Van der Panne aan de
vakgroep Economie van innovatie van de TU Delft.
wdolfsma@rsm.nl
De belangrijkste bronnen voor de kennisbasis van de
Nederlandse economie blijken in de medium-tech sectoren te
liggen. De entropiebenadering laat zien dat de dienstverlening
minder bijdraagt aan de kenniseconomie.
n zijn discussie over industriële districten spreekt Alfred
Marshall over kennis en ideeën alsof die ‘in de lucht’ zouden
zitten. Deze uitspraak geeft de ongrijpbaarheid van de bijdrage
van kennis aan economische ontwikkeling aan. Onder ‘kenniseconomie’ verstaan wij dat deel van de economie dat voor haar
ontwikkeling is gedreven door het gebruik van en de ontwikkeling
in kennis. Met behulp van de informatietheorie is het mogelijk
om de ongrijpbare fenomenen meetbaar te maken in termen
van de entropie van een innovatiesysteem (Theil, 1972). Hierbij
benadrukken we de structurele aspecten van een economisch
systeem, zoals dat ook in de literatuur over de kennisbasis van
innovatiesystemen gebeurt (Foray & Lundvall, 1996). In deze
bijdrage laten wij zien wat de meest belangrijke bronnen zijn
voor de kennisbasis van de Nederlandse economie (zie ook
Leydesdorff et al., 2004). Hiermee krijgt de discussie over
(nationale) innovatiesystemen een nieuwe inbreng (Balzat &
Hanusch, 2004).
I
Drie dimensies
Kennis kan zowel een publiek als een privaat goed zijn en
zowel bewust als onbedoeld worden uitgewisseld tussen bedrijven.
We stellen dat de mate waarin dat gebeurt afhankelijk is van de
eigenschappen die bedrijven hebben en de wijze waarop die
eigenschappen zijn verdeeld. We onderzoeken de interactie tussen
drie dimensies die voor de discussie over de kenniseconomie en
vanuit de literatuur over nationale innovatiesystemen het
meest relevant zijn: geografie, kennis/technologie en organisatie
(Storper, 1997). Voor deze dimensies gebruikten we de volgende
indicatoren: de postcode (te aggregeren tot regio of provincieniveau – afgekort met ‘g’), de sectorcode (aangeduid met een ‘t’
voor technologie; Vonortas, 2000) en de grootte van de organisatie (‘o’), omdat deze samenhangt met de manier waarop en de
mate waarin binnen en tussen organisaties informatie wordt
uitgewisseld (bijvoorbeeld Pugh et al., 1969). Als data gebruikten we de volledige set van in Nederland bij de Kamers van
Koophandel geregistreerde organisaties (1.131.668 bestanden
voor het tweede kwartaal van 2001). Als maat voor de synergie
op systeemniveau gebruiken we de zogenoemde ‘configurationele
informatie’, oftewel transmissie in drie dimensies. In het tekstkader
over probabilistische entropie bij dit artikel wordt deze maat
gedefinieerd. Deze transmissie kan negatief worden en dus kan
onzekerheid worden gereduceerd op systeemniveau zonder dat
dit kan worden toegerekend aan een specifieke actor of een
366
ESB 26-08-2005
specifieke relatie tussen actoren.
Wanneer we de Nederlandse economie als een systeem
beschouwen, dan blijkt het een systeem te zijn met een negatieve
waarde voor deze entropiemaat (-0,034; zie tabel 2). Dit wijst er
op dat uitwisseling van informatie tussen de verschillende organisaties binnen het systeem langs de gedefinieerde dimensies de
onzekerheid in het systeem reduceert. Interessant is het om te
zien welke van de dimensies het meest bijdragen aan de kenniseconomie van Nederland. Naar de geografische dimensie bekeken
blijken Zuid-Holland, Utrecht, Gelderland, Noord-Brabant en,
in mindere mate, Noord-Holland bovengemiddeld bij te dragen.
Ook het meer gedetailleerde beeld met de bijdragen per regio
(figuur 1) laat nog geen opvallend nieuwe bevindingen zien
(Van der Panne & Dolfsma, 2003). Voor Zuid-Holland is het
vooral de regio Rotterdam die voor de gunstige score zorgt.
Figuur 1. Bijdrage aan de kenniseconomie, op regionaal /
NUTS-3-niveau, in transmissie (T) tussen drie dimensies uitgedrukt in millibits informatie
∆T > -0,5
-0,5 > ∆T > -1
-1 > ∆T
–
kenniseconomie
Tabel 1. Classificatie van sectoren (Eurostat/OECD; OECD, 2001)a
hightech maakindustrie
kennisintensieve diensten
30 manufacturing of office machinery and computers
61 water transport
32 manufacturing of radio, television and communication equipment
62 air transport
and apparatus
64 post and telecommunications
33 manufacturing of medical precision and optical instruments, watches
and clocks
65 financial intermediation, except insurance and pension funding
66 insurance and pension funding, except compulsory social security
67 activities auxiliary to financial intermediation
medium-high tech maakindustrie
70 real estate activities
71 renting of machinery and equipment without operator and of per
24 manufacture of chemicals and chemical products
sonal and household goods
29 manufacture of machinery and equipment n.e.c.
31 manufacture of electrical machinery and apparatus n.e.c.
72 computer and related activities
34 manufacture of motor vehicles, trailers and semi-trailers
73 research and development
35 manufacturing of other transport equipment
74 other business activities
80 education
85 health and social work
92 recreational, cultural and sporting activities
sectoren 64, 72 and 73 zijn hightech diensten.
a. De sectorbenamingen zijn onvertaald gelaten om verwarring met Nederlandstalige, andere indelingen te voorkomen.
Datzelfde geldt voor de regio rond Eindhoven binnen NoordBrabant en de agglomeratie Amsterdam in Noord-Holland.
Utrecht, de Veluwe en het noordelijk deel van Overijssel leveren
ook een bovengemiddelde bijdrage aan de negatieve entropiescore
voor Nederland als geheel.
High- en medium-tech productiebedrijven
of diensten?
Voor de dimensie technologie, waarbij de sectorcodes als
indicator werden gebruikt, kunnen we opvallende bevindingen
presenteren. Utrecht en Noord- en Zuid-Holland zijn qua verdeling van hun bedrijvigheid over de verschillende sectoren
meer gespecialiseerd dan de andere provincies. Er is in
Flevoland weinig spreiding qua grootte en soort bedrijvigheid.
Deze structuur is ongunstig voor synergie in de economie en
lijkt vooral te worden veroorzaakt doordat de economie er nog
relatief onvolgroeid is. Voor Groningen en Drenthe geldt iets
vergelijkbaars, maar in tegengestelde zin. Deze provincies doen
er mogelijk goed aan de basis van hun economie te verbreden en
een meer diverse opbouw naar bedrijfsgrootte na te streven.
Diversiteit in de samenstelling van de economische activiteiten
in een regio is immers aan te bevelen (Frenken et al., 2005).
Enkele van de meest welvarende provincies in ons land,
Noord- en Zuid-Holland, zijn in de onderste regionen van de
Europese ranglijst terug te vinden waar het gaat om werkgelegenheid in high-tech en medium-tech sectoren van de economie.
Nederland als geheel laat op deze indicator zelfs alleen Luxemburg, Griekenland en Portugal achter zich. De werkgelegenheidsstatistieken wijzen erop dat sommige provincies zich specialiseren op hetzij kennisintensieve diensten dan wel high-tech
industrie. Zuid-Holland heeft bijvoorbeeld de meeste high-tech
bedrijven binnen haar grenzen. Flevoland spant in relatieve zin
de kroon: van het relatief geringe aantal bedrijven in deze provincie zijn er relatief veel in high-tech sectoren (6,2% tegenover
4% voor Nederland als geheel). Ook de provincie Utrecht, met
5,4%, kent betrekkelijk veel high-tech bedrijvigheid.
Met behulp van statistische decompositieanalyse van de
gebruikte informatiematen van Theil kunnen we bepalen welke
type sectoren (dienstverlening, medium- of high-tech) het
meest bijdragen aan de kenniseconomie in Nederland (Theil,
1972). Daartoe groeperen we eerst de sectoren volgens tabel 1,
om ons onderzoek vergelijkbaar te maken met dat van anderen
die ook deze indeling van de OESO hanteerden. In tabel 2 is de
bijdrage van de verschillende clusters van sectoren aan de dynamiek van de Nederlandse kenniseconomie weergegeven in termen van de entropiescores.
Medium-tech sectoren dragen
sterk bij aan de kenniseconomie
Gegeven de discussie in de academische literatuur en in
beleidskringen ligt de verwachting dat high-tech sectoren een
belangrijke bijdrage leveren aan de kenniseconomie voor de
hand. Hun bijdrage is inderdaad gunstiger dan die voor de
Nederlandse economie als een aggregaat van bedrijven; zij dragen negatieve entropie bij aan het systeem. Het valt echter op
dat wanneer de bijdrage van medium-tech bedrijvigheid aan de
kenniseconomie wordt bestudeerd, de waarden een orde van
grootte gunstiger zijn. Medium-tech sectoren dragen dus sterk
bij aan de kenniseconomie en vooral in de provincies NoordHolland, Utrecht en Zuid-Holland. Diffusie van kennis over de
totale populatie van bedrijven – iets waar vooral medium-tech
sectoren sterk aan bijdragen – is voor de kennisbasis van de
Tabel 2. Probabilistische entropiewaarden, naar type sector (in millibits informatie)
alle Sectoren
Tgto
-0,034
high- & medium-tech manufacturing
kennisintensieve diensten
high-tech diensten
N
Tgto
%a
n
Tgto
%a
n
Tgto
%a
1131668
-0,219
-544,0
13422
-0,024
+27,3
581196
-0,034
0,0
n
41002
N / n duidt op het aantal bedrijven in de betreffende sectoren.
a. Procentuele verandering t.o.v. de Tgto-waarde voor ‘alle sectoren’.
ESB 26-08-2005
367
kenniseconomie
Probabilistische entropie
Informatietheorie biedt de mogelijkheid de configurationele
informatie, oftewel transmissie, tussen dimensies van een systeem
te analyseren. Probabilistische entropie is een maat voor onzekerheid. Analyse van interactie tussen drie dimensies is mathematisch
hanteerbaar (McGill, 1954; Abramson, 1963; Jakulin & Bratko,
2004). In geval van drie dimensies kunnen complexe patronen
van interactie ontstaan; onzekerheid in het systeem kan zowel af- als
toenemen (Schumpeter, 1964: 213-4).
De onzekerheid in bijvoorbeeld de dimensie t voor technologie
is volgens Shannon (1948):
Ht = – ∑t pt2log pt
(1)
De interactie tussen twee variabelen t en o (voor organisatie)
kan dan met de volgende formule bepaald worden:
Tto = Ht + Ho – Hto
(2)
waarin Hto = – ∑t ∑o pto2log pto , in essentie een co-variantie
maat is. Door de 2log te nemen zijn alle waarden in bits informatie uitgedrukt.
Met Abramson (1963: 129) kunnen we nu aan de hand van
de volgende formule voor de interactie in drie dimensies de
entropiewaarde van een systeem als volgt bepalen:
Tgto = Ht + Ho + Hg – Hto – Htg – Hog + Htog
(3)
Bilaterale relaties tussen dimensies zorgen altijd voor reductie
van de onzekerheid, maar de interactie in drie dimensies (Htog )
verhoogt de onzekerheid en beïnvloedt op ongunstige wijze de
entropiewaarden. Negatieve entropiewaarden duiden op een
synergie in het systeem. De hoogte van deze waarden dient
uiteraard empirisch bepaald te worden.
Nederlandse economie wellicht belangrijker dan het verdiepen
van de kennisbasis.
Dienstverlening maakt het leeuwendeel van de Nederlandse
economische activiteit uit; meer dan de helft van het totaal aantal bedrijven bevindt zich in deze sectoren. Zuid-Holland is een
regio in Europa met veel werkgelegenheid in kennisintensieve
diensten, zij het minder aan de high-tech kant binnen deze
cluster. Kennisintensieve dienstverleners leveren in Nederland
echter geen gunstige bijdrage aan de kenniseconomie op regionaal niveau met uitzondering van de Kop van Noord-Holland.
Die entropiewaarde van -0,024 is ongunstiger dan die voor
Nederland als geheel. De verklaring dat dienstverlening niet
plaatsgebonden is, maar mobiel, ligt voor de hand. Het hightech deel van de kennisintensieve dienstverleners is vooral sterk
vertegenwoordigd in de provincies Utrecht en Flevoland, en
nauwelijks aanwezig in de provincies Zeeland, Friesland en
Drenthe. Dit gedeelte levert wel een bijdrage aan de locale kenniseconomie in regio’s, maar met een entropiewaarde van -0,034
niet gunstiger dan gemiddeld. Men kan daarbij denken aan
gelokaliseerde r&d-faciliteiten.
Conclusie
Informatietheorie biedt de mogelijkheid de kenniseconomie
de maat te nemen in termen van een entropiemaat die in andere
contexten nuttig is gebleken. De geografische indicatie van de
kenniseconomie komt overeen met de verwachting; dit wijst op
de validiteit van de gebruikte methode. Wat vooral opvalt, is
welke sectoren bijdragen aan de dynamiek binnen de kenniseconomie. Vooral bedrijven in medium-tech sectoren doen dat en
368
ESB 26-08-2005
wel een factor tien meer dan de high-tech sectoren (die overigens wel degelijk een gunstige bijdrage leveren). Bedrijven in
medium-tech sectoren verdienen meer aandacht dan ze krijgen,
bijvoorbeeld vanuit het Innovatieplatform. High-tech productiebedrijven zijn wellicht meer gericht op bedrijfsinterne processen enerzijds en wereldwijde ontwikkelingen anderzijds om een
al te groot lokaal effect te kunnen verwachten.
Het beeld voor dienstverlenende bedrijven is gemengd.
High-tech dienstverleners leveren een gunstige bijdrage aan de
economische dynamiek, zij het niet meer dan gemiddeld. Hightech dienstverleners zijn echter niet sterk vertegenwoordigd in
Nederland. Kennisintensieve dienstverleners, inclusief adviesbureaus van allerlei aard, dragen minder dan gemiddeld bij aan de
versterking van de kenniseconomie in de regio’s. Weliswaar gaat
het bij deze sectoren om een groot aantal bedrijven en veel
werkgelegenheid, maar in termen van bijdrage aan de kenniseconomie kan vanuit het perspectief van regionale ontwikkeling
van hen niet te veel worden verwacht. â–
Wilfred Dolfsma, Loet Leydesdorff
en Gerben van der Panne
Literatuur
Abramson, N. (1963) Information Theory and Coding. New York: McGraw-Hill.
Balzat, B. & H. Hanusch (2004) Recent trends in the research on national innovation systems. Journal of Evolutionary Economics, 14(2), 197-210.
Foray, D., B.-A. Lundvall (1996) The Knowledge-Based Economy: From the
Economics of Knowledge to the Learning Economy. In OECD Documents:
Employment and Growth in the Knowledge-Based Economy. Parijs:
OECD, 11-32.
Frenken, K., F.G. van Oort & T. Verburg (2005) Het gelijk van variëteit. ESB, 3
juni, 247-9.
Jakulin, A. & I. Bratko (2004) Quantifying and Visualizing Attribute Interactions:
An Approach Based on Entropy, from http://arxiv.org/abs/cs.AI/0308002.
Leydesdorff, L.(2003) The Mutual Information of University-IndustryGovernment Relations. Scientometrics, 58 (2), 445-467.
Leydesdorff, L., W. Dolfsma & G. van der Panne (2004) Measuring the
Knowledge Base of an Economy in terms of Triple-Helix Relations among
‘Technology, Organization, and Territory. ERIM Working paper ERS-2004-34ORG; zie http://papers.ssrn.com/sol3/papers.cfm?abstract_id=594968.
McGill, W. J. (1954) Multivariate Information Transmission. Psychometrika, 19(2),
97-116.
OECD (2001) Science, Technology and Industry Scoreboard. Parijs: OECD.
Pugh, D. S., D. J. Hickson & C.R. Hinings (1969b) An empirical taxonomy of
structures of work organizations. Administrative Science Quarterly, 14(1),
115-126.
Schumpeter, J. (1964) Business Cycles: A Theoretical, Historical and Statistical
Analysis of Capitalist Process. New York: McGraw-Hill.
Shannon, C. E. (1948) A Mathematical Theory of Communication. Bell System
Technical Journal, 27, 379-423 en 623-356.
Storper, M. (1997) The Regional World – Territorial Development in a Global
Economy. New York: Guilford Press.
Theil, H. (1972) Statistical Decomposition Analysis. Amsterdam/ London: NorthHolland.
Panne, G. van der & W. Dolfsma (2003) The Odd Role of Proximity in
Knowledge Relations: High-Tech in the Netherlands. Journal of Economic
and Social Geography, 94(4), 451-460.
Vonortas, N.S. (2000) Multimarket Contact and Inter-firm Cooperation in R&D.
Journal of Evolutionary Economics, 10(1-2), 243-271.