Scherngell Interregionale Wissensspillovers in der europäischen High-Tech Industrie

Eine empirische Analyse
2007
ISBN: 978-3-8350-5407-3
Verlag: Deutscher Universitätsverlag
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 154 Seiten, eBook

Thomas Scherngell erfasst die geographische Verbreitung von Wissenspillovers (entgeltlose Wissenstransfers) zwischen europäischen Regionen in der High-Tech-Industrie. Er zeigt, dass die Intensität von Wissensspillovers mit zunehmender geographischer Distanz signifikant abnimmt.

Thomas Scherngell ist Universitätsassistent am Institut für Wirtschaftsgeographie und Geoinformatik an der Wirtschaftsuniversität Wien.

Zielgruppe

Research

Autoren/Hrsg.

Scherngell, Thomas

Inhaltsverzeichnis

1;Vorwort;6
2;Inhalt;8
3;Abbildungsverzeichnis;10
4;Tabellenverzeichnis;14
5;1 Einleitung;16
6;2 Basiskonzepte und Indikatoren zur Erfassung von Wissen und Wissensspillovers;22
6.1;2.1 Wissen und Wissensproduktion;22
6.1.1;Eine Definition von Wissen;22
6.1.2;Explizites und implizites Wissen;23
6.1.3;Wissen und öffentliche Gutseigenschaften;26
6.1.4;Wissensproduktion und die Kodifizierung von implizitem Wissen;28
6.1.5;Die Region als zentraler Ort der Wissensproduktion;32
6.2;2.2 Patente als Indikator zur Messung von Wissen;33
6.2.1;Das Patent;34
6.2.2;Das Europäische Patentamt (EPO);35
6.2.3;Voraussetzungen zur Erteilung eines Patents am EPO;38
6.2.4;Das EPO-Patentdokument;40
6.2.5;Das Patentierungsverfahren am EPO;41
6.2.6;Das Klassifikationssystem IPC;44
6.2.7;Was messen Patente?;46
6.3;2.3 Technologische Wissensspillovers;49
6.3.1;Wissensspillovers – Definition und Einführung;49
6.3.2;Kanäle für Wissensspillovers;51
6.3.3;Konzepte zur Messung von Wissensspillovers;52
6.3.4;Die räumliche Dimension von Wissensspillovers;54
6.4;2.4 Patentzitierungen als Indikator zur Messung von Wissensspillovers;55
6.4.1;Was ist eine Patentzitierung?;55
6.4.2;Schwächen von Patentzitierungen als Indikator für Wissensspillovers;59
6.4.3;Anwendungen von Patenzitierungsdaten in der empirischen Innovationsforschung;60
6.4.4;Die durchschnittliche Häufigkeit von Zitierungen an verschiedenen Patentämtern;60
7;3 Europäische High-Tech Patente und Patentzitierungen – Eine explorative Analyse;62
7.1;3.1 Abgrenzung des Untersuchungsraums und der High-Tech Industrie;62
7.1.1;Abgrenzung des Raumsystems;62
7.1.2;Die Bedeutung von High-Tech Industrien;66
7.1.3;Abgrenzung von High-Tech Branchen für die vorliegende Arbeit;67
7.1.4;High-Tech Industrien in Europa;70
7.2;3.2 Europäische High-Tech Patente – Datendeskription und geographische Verteilung;75
7.2.1;Aufbau der Datenbasis;75
7.2.2;Deskriptive Statistiken über High-Tech Patente in Europa;77
7.2.3;Die geographische Verteilung von High-Tech Patentanmeldungen in europäischen Regionen;82
7.2.4;Sektorale Verteilung der High-Tech Patente in europäischen Regionen;85
7.2.5;Räumliche Clusterung der High-Tech Patentaktivität in Europa;89
7.3;3.3 Europäische High-Tech Patentzitierungsflüsse;96
7.3.1;Konstruktion der regionalen Patentzitierungsmatrix;96
7.3.2;Deskriptive Statistiken zu High-Tech Patentzitierungen in Europa;99
7.3.3;Zitierungslags;102
7.3.4;Die Geographie von interregionalen High-Tech Patentzitierungen in Europa;104
7.3.5;Die sektorale Verteilung von interregionalen High-Tech Patentzitierungen in Europa;112
7.3.6;Die sektorale Verteilung von High-Tech Patentzitierungen in europäischen Ländern;119
7.3.7;Räumliche Clusterung der High-Tech Patentzitierungsaktivität in Europa;120
8;4 Europäische High-Tech Patentzitierungen – Eine explanatorische Analyse;126
8.1;4.1 Der Case-Control-Matching Ansatz;127
8.1.1;Die Konstruktion der Kontrollsamples;128
8.1.2;Test der geographischen Lokalisierung von Wissensspillovers;129
8.2;4.2 Das Modell Interregionaler Patentzitierungen;133
8.2.1;Modellspezifikation;134
8.2.2;Die Poisson Spezifikation;139
8.2.3;Die Negativ-Binomial Spezifikation;140
8.2.4;Schätzergebnisse des Modells Interregionaler Patentzitierungen;141
8.3;4.3 Sektorale räumliche Interaktionsmodelle;144
8.3.1;Schätzergebnisse der sektoralen räumlichen Interaktionsmodelle interregionaler Patentzitierungen;145
9;5 Zusammenfassung und Ausblick;150
10;Literatur;156
11;Anhang;164

Basiskonzepte und Indikatoren zur Erfassung von Wissen und Wissensspillovers.- Europäische High-Tech Patente und Patentzitierungen — Eine explorative Analyse.- Europäische High-Tech Patentzitierungen — Eine explanatorische Analyse.- Zusammenfassung und Ausblick.

Leseproben

2 Basiskonzepte und Indikatoren zur Erfassung von Wissen und Wissensspillovers (S. 7)

Wissen ist der zentrale Produktionsfaktor für die ökonomische Leistungserstellung in Unternehmungen. Der Gedanke, dass Wissen und Wissensspillovers für den Erfolg von Unternehmen eine wichtige Rolle spielen, ist keineswegs neu. Schumpeter (1912) erkannte auf neuem Wissen basierende Innovationen als Triebfeder der Wirtschaftsdynamik. Aufgrund der schwierigen Konzeptualisierung von Wissen und der mangelnden Verfügbarkeit von Daten blieb dieser Produktionsfaktor in der Wirtschaftsforschung jedoch lange Zeit unterrepräsentiert. Erst in den letzten 20 bis 30 Jahren gab es einen starken Anstieg an Forschungsarbeiten, die Wissen als zentralen Produktionsfaktor betrachten (vgl., beispielsweise, Freeman 1990, Lundvall 1995, Maskell und Malmberg 1999, OECD 2000, Fischer 2001a).

Im Folgenden wird zunächst Wissen definiert und dargestellt, welche Arten von Wissen zu unterscheiden sind. Im Anschluss werden Patente als Indikator zur Messung von Wissen beschrieben. Aufgrund der breiten Verfügbarkeit über längere Zeiträume und der detaillierten Aggregation nach technischen Feldern sind Patente ein prominenter Indikator in der empirischen Innovationsforschung. Danach werden Wissensspillovers in den Mittelpunkt der Ausführungen gestellt. Es wird dargestellt, über welche Kanäle Wissensspillovers übertragen werden können und welche Konzepte zur Messung es gibt. Abgeschlossen wird dieses Kapitel durch eine ausführliche Diskussion von Patentzitierungen, die in dieser Arbeit als Indikator für Wissensspillovers herangezogen werden.

2.1 Wissen und Wissensproduktion

Bevor man sich mit Wissen bzw. Wissensspillovers auseinandersetzen kann, ist es notwendig, Wissen zu definieren bzw. gegenüber verwandten Begriffen abzugrenzen. Zudem sollen verschiedene Typen von Wissen charakterisiert werden.

Eine Definition von Wissen

Es finden sich in der Literatur zahlreiche, jedoch oft nicht eindeutige und kontroversielle Definitionen von Wissen (vgl., beispielsweise, Polanyi 1967). Eine adäquate Definition von Wissen erreicht man durch eine Abgrenzung von Wissen zu Information. Information ist eine „ … message, usually in the form of a document or an audible or visible communication" (Davenport und Prusak 2000, S. 2). Zentrales Element von Information ist die Wiedererkennbarkeit anhand eines bestimmten Musters oder Codes. Der verwendete Code ist für einen Benutzer der Information innerhalb eines bestimmten Kontextes von Bedeutung. Ordnet dieser eine Information in seinen Erfahrungskontext ein, spricht man von Wissen.

Wissen kann demnach als kontextuelle Information definiert werden. Es ist die Summe aller individuellen Erfahrungen, Wertvorstellungen und Fachkenntnisse, die als Strukturrahmen zur kontextuellen Einordnung neuer Informationen dienen. Somit umfasst Wissen den zweckgebundenen, systematischen Einsatz von Informationen, der zu Entscheidungen oder menschlichen Handlungen führt (vgl., unter anderem, Polanyi 1967, Saviotti 1988, Nonaka und Takeuchi 1995, Howells 1996, Davenport und Prusak 2000, Bodendorf 2003, Gertler 2003, OECD 2004).

In dieser Arbeit steht das technologische Wissen einer Regional- oder Volkswirtschaft im Mittelpunkt der Betrachtung. Technologisches Wissen ist jenes Wissen, das in der Produktion bzw. bei der ökonomischen Leistungserstellung angewendet wird. Technologie bezeichnet den Stand des technologischen Wissens, unter technologischem Wandel ist demnach die Erweiterung dieses Wissens in Form neuer Produkte oder verbesserter Produktionssysteme und Organisationstechniken zu verstehen.

Neben Wissen und Information ist auch der Begriff Daten zu definieren. Daten sind eine Menge an Zeichen oder Symbolen, die durch gezielte Strukturierung (Datenaufbereitung) zu Information werden (Bodendorf 2003).

Über Autor(innen)

Thomas Scherngell ist Universitätsassistent am Institut für Wirtschaftsgeographie und Geoinformatik an der Wirtschaftsuniversität Wien.