XXI. MEZINÁRODNÍ KOLOKVIUM O REGIONÁLNÍCH VĚDÁCH. SBORNÍK
PŘÍSPĚVKŮ.
21ST
INTERNATIONAL COLLOQUIUM ON REGIONAL SCIENCES.
CONFERENCE PROCEEDINGS
Place: Kurdějov (Czech Republic)
June 13-15, 2018
Publisher: Masarykova univerzita, Brno
Edited by:
Viktorie KLÍMOVÁ
Vladimír ŽÍTEK
(Masarykova univerzita / Masaryk University, Czech Republic)
Vzor citace / Citation example:
AUTOR, A. Název článku. In Klímová, V., Žítek, V. (eds.) XXI. mezinárodní kolokvium
o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, 2018. s. 1–5.
ISBN 978-80-210-8969-3.
AUTHOR, A. Title of paper. In Klímová, V., Žítek, V. (eds.) 21st
International Colloquium
on Regional Sciences. Conference Proceedings. Brno: Masarykova univerzita, 2018. pp. 1–
5. ISBN 978-80-210-8969-3.
Publikace neprošla jazykovou úpravou. / Publication is not a subject of language check.
Za správnost obsahu a originalitu výzkumu zodpovídají autoři. / Authors are fully responsible for the
content and originality of the articles.
© 2018 Masarykova univerzita
ISBN 978-80-210-8969-3
ISBN 978-80-210-8970-9 (online : pdf)
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
133
DOI: 10.5817/CZ.MUNI.P210-8970-2018-16
UNIVERZITY AKO DETERMINANT LOKALIZÁCIE
VZDELANÉHO ĽUDSKÉHO KAPITÁLU
Universities as a determinant of the localization of educated human capital
KATARÍNA MELICHOVÁ1
MICHAL HRIVNÁK2
MÁRIA FÁZIKOVÁ2
1
Katedra verejnej správy
2
Katedra regionalistiky a rozvoja vidieka
Fakulta európskych štúdií a regionálneho rozvoja
Slovenská poľnohospodárska univerzita v Nitre
1
Department of Public Administration
2
Department of Regional and Rural Development
Faculty of European Studies and Regional Develop.
Slovak University of Agriculture in Nitra
 Trieda Andreja Hlinku 2, 949 76 Nitra, Slovak Republic
E-mail: katarina.melichova@uniag.sk, michal.hrivnak@hotmail.com, maria.fazikova@uniag.sk
Anotácia
V podmienkach znalostnej ekonomiky 21. storočia je schopnosť regiónu produkovať a priťahovať vzdelaný ľudský
kapitál jedným z najvýznamnejších predpokladov regionálneho rastu. Príspevok skúma jeden z dôležitých dopadov
univerzít na formovanie regionálneho prostredia – ich vplyv na distribúciu kvalitného ľudského kapitálu,
prostredníctvom modelovania vzťahu medzi lokalizáciou univerzít a čistou mierou migrácie vzdelaných na
Slovensku. Pre uskutočnenie tejto analýzy využívame nástroje priestorovej ekonometrie, pričom pracujeme s
panelovými dátami za roky 2003-2016 na priestorovej úrovni LAU1. Výsledky nasvedčujú tomu, že existencia
univerzity v regióne významne priťahuje kvalitný ľudský kapitál, aj keď musíme konštatovať, že tieto efekty sú
limitované v rámci regiónu lokalizácie univerzity a významne nepresahujú za jeho hranice.
Kľúčové slová
univerzity, ľudský kapitál, migrácia
Annotation
In the conditions of a knowledge-based economy in the 21st century, the region's ability to produce and attract
quality human capital is one of the most important prerequisites for regional growth. The paper examines one of
the important impacts of universities on shaping the regional environment - their impact on the distribution of
educated human capital, by modeling the relationship between localization of universities and the net migration
rate of the educated in conditions of Slovak Republic. To perform this analysis, we use spatial econometrics tools,
while working with panel data for the years 2003-2016 at LAU1 spatial level. The results suggest that the existence
of a university in the region is significant factor of attraction of educated human capital, although we must state
that these effects are limited within the region of the university's location and do not significantly exceed its
borders.
Key words
universities, human capital, migration
JEL classification: I24, E24, C33
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
134
Úvod
Rozpoznávame množstvo priamych i nepriamych efektov, prostredníctvom ktorých univerzity prispievajú k
zvyšovaniu dynamiky rastu národných, regionálnych i lokálnych ekonomík. Okrem priamych, krátkodobých,
ekonomických efektov, ktoré boli intenzívne preskúmané predovšetkým na lokálnej úrovni, sa pozornosť
ekonomických vied upiera stále výraznejšie na hodnotenie efektov znalostí univerzít a osobitne na objasnenie
úlohy priestoru v ich distribúcií (Garrido-Iserte, Gallo-Rivera, 2010; Csehné Papp, 2017). Vysoké školstvo
lokalizované v regióne ovplyvňuje regionálne prostredie z viacerých hľadísk, avšak pokiaľ sa chceme obmedziť
na skúmanie priesakov znalostí produkovaných na univerzitách, nachádzame v zahraničnej literatúre tri kategórie
dopadov; (1) na zvyšovanie dynamiky produkcie inovácií tak na pôde univerzít, ako aj v súkromnom sektore, (2)
na stimuláciu podnikania, predovšetkým v znalostne intenzívnych odvetviach a (3) na distribúciu kvalitného
ľudského kapitálu, ktorý je nositeľom najmä tacitných znalostí produkovaných univerzitami (Jaffe, Trajtenberg
a Hendreson, 1993; Fritsch a Slatchev, 2007; Audretsch a Keilbach, 2007; Belistky a Korosteleva, 2012). Široká
paleta empirických štúdií dokladuje nespornú úlohu vzdelaného ľudského kapitálu pre ekonomický rast (Lucas,
1988; Barro, 1991; Simon and Nardinelli, 1996; Florida, 2002). V našom príspevku sa však budeme zameriavať
na objasnenie faktorov, ktoré ovplyvňujú jeho distribúciu v priestore.
Existenciu vplyvu univerzít na distribúciu kvalitného ľudského kapitálu možno vnímať z dvoch perspektív; prvou
je skutočnosť, že univerzity zvyšujú zároveň ponuku, i dopyt po ľudskom kapitáli prostredníctvom produkcie
vzdelaných a svojich vedecko výskumných aktivít (Abel a Deitz, 2011), zároveň sú však determinantom
lokalizácie iných vedecko-výskumných inštitúcií, či znalostne intenzívnych firiem, čo možno považovať za
nepriamy efekt na lokalizáciu vzdelaného obyvateľstva (Audertsch a Keilbach, 2007; Calcagnini a kol., 2014).
Zahraničná literatúra poskytuje dostatočnú evidenciu o determinantoch migrácie vzdelaného ľudského kapitálu
(Florida, Mellander a Stolaric, 2007; Faggian a McCann, 2009). Hapaanen a Tervo (2010) zistili, že čím je väčšia
vzdelanostná úroveň obyvateľov, tým migrujú častejšie a ďalej. Preto upozorňujú, že pred rozhodnutím
o dodatočných investíciách do vzdelávacej infraštruktúry treba brať do úvahy skutočnosť, že vzdelaný predstavujú
veľmi mobilnú kategóriu obyvateľstva. Iný autori zastávajú opačný postoj, keď zdôrazňujú benefity nepretržitého
toku vzdelaného ľudského kapitálu do regiónu, v ktorom sú lokalizované univerzity. Výsledky štúdie Gottlieba a
Josepha (2006) napovedajú, že po ukončení štúdia majú absolventi tendenciu zostávať v regiónoch, v ktorých
študovali, a to najmä z dôvodu „psychických nákladov“ migrácie. Tento odhad podporujú napríklad aj štúdie
Fagiana a kol (2007), či Faggiana a McCanna (2009), z ktorých vyplýva, že väčšina absolventov vysokých škôl
v Spojenom Kráľovstve nemigruje 10 rokov po ukončení štúdia. Na druhej strane je odliv mozgov podľa ich
výsledkov charakteristickejší pre univerzity v periférnych, ako centrálnych regiónoch. Hapaanen a Tervo (2010)
dodávajú, že absolventi, ktorí študujú vo regióne trvalého bydliska, majú oveľa nižšiu tendenciu migrovať než tí,
ktorí žijú mimo domova. Abel a Deitz (2010) zase preukázali, že neexistuje štatisticky významný vzťah medzi
produkciou absolventov univerzitami a celkovým vzdelaným ľudským kapitálom v periférnych regiónoch.
Domnievajú sa preto, že v „súboji“ o vzdelaný ľudský kapitál môže byť v porovnaní s regiónom, ktorý ho sám
produkuje úspešnejší aj taký región, ktorý síce neprodukuje žiadny ľudský kapitál, no sústredí sa na atrakciu
vzdelaných.
Tab. 1: Faktory emigrácie a imigrácie obyvateľstva
Faktory emigrácie obyvateľstva Faktory imigrácie obyvateľstva
chudoba vysoká úroveň priemernej mzdy
nezamestnanosť dostatok príležitostí na trhu práce
nízke mzdy potenciál pre zvýšenie kvality života
vysoké ceny nehnuteľností spotrebného koša nízka cena spotrebného koša
nízka kvalita zdravotníctva a jeho nedostupnosť nízke ceny nehnuteľností
spoločenské konflikty, bezpečnostné ohrozenie,
prítomnosť násilia
prítomnosť kvalitných vzdelávacích inštitúcií v
regióne
korupcia a nerešpektovanie právneho poriadku bezpečnosť, politický režim a etnické faktory
diskriminácia na základe etnickej príslušnosti možnosti trávenia voľného času a kultúrne relevantné
faktory
Zdroj: vlastné spracovanie podľa Herbst a Rok (2013); López-Baso a Karahasan, (2011); OECD, (2009); Hubl, Šerý, Toušek
(2017)
Väčšina modelov v týchto štúdiách pracuje s vysvetľovanou premennou počet absolventov, čo neodzrkadľuje
tendencie pohybu celého súboru vzdelaného obyvateľstva. Preto sa v našej štúdií zameriame na vzťah medzi
lokalizáciou univerzít a čistou migráciou vzdelaného obyvateľstva. Okrem vplyvu lokalizácie univerzít budeme
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
135
sledovať aj iné, konvenčné faktory imigrácie a emigrácie obyvateľstva, ktorých efekty boli už dostupnej literatúre
intenzívne skúmané (Tab.1). Skúmanie tejto problematiky v podmienkach Slovenska považujeme za potrebné
najmä vzhľadom k skutočnosti, že záujem o štúdium na vysokých školách na Slovensku od roku 2007 klesá
(Cifranič a Valach, 2017).
Materiál a metódy
Pre našu analýzu využívame panelové dáta obsahujúce údaje o čistej migrácií obyvateľstva s III. stupňom
vzdelania, ktorá bude našou vysvetľovanou premennou (CISM), dáta k počtu fakúlt vysokých škôl a univerzít,
ktoré budú slúžiť ako sledovaná vysvetľujúca premenná (POCF) a kontrolné premenné za roky 2003-2016.
Úvodný empirický model využitý pre odhad vplyvu lokalizácie univerzít na distribúciu kvalitného ľudského
kapitálu bol konceptualizovaný nasledovne:
 CISMit = β1POCFit + β2HUSTPOPit + β3PODN1000it + β4MNEZit + β5PRMZDit + β5ZDRAVZit + β7SOBBMit
+ β8KULTINSit +αi + εit
Kontrolné premenné sme zvolili v súlade s literatúrou, pojednávajúcou o determinantoch rôznych druhov
migrácie. Pre vysvetlenie vplyvu aglomeračných efektov zahŕňame do modelu kontrolnú premennú hustota
obyvateľstva (HUSTPOP), vplyv dostupnosti práce kontrolujeme prostredníctvom ukazovateľa miery
nezamestnanosti (MNEZ) a počtu podnikov na 1000 obyvateľov (PODN1000), životnú úroveň obyvateľstva
prostredníctvom ukazovateľa priemerná mzda v okrese (PRMZD), dostupnosť zdravotnej starostlivosti
prostredníctvom ukazovateľa, v ktorom agregujeme počet polikliník a počet nemocníc v okrese (ZDRAVZ),
dostupnosť stredoškolských vzdelávacích inštitúcií agregáciou počtu gymnázií, stredných odborných škôl
odborných učilíšť (STRSK), počtom sobášov podľa trvalého bydliska muža (SOBBM), pričom pri využití tohto
ukazovateľa vychádzame z literatúry (Jang a kol., 2014) a teda z predpokladu, že pri sobášoch dochádza častejšie
k sťahovaniu ženy za mužom a počtom kultúrnych inštitúcií, pričom v tejto premennej agregujeme počet galérií,
reštaurácií a kín (KULTIST) a hodnotíme tak vplyv kvality života v regióne zo spoločensko-kultúrneho hľadiska.
Tab. 2: Deskriptívna štatistika premenných
Variable Obs Mean Std. Dev. Min Max
cism 1008 10,27679 213,32390 -197 1935
pocf 1008 10,27680 5,07917 0 40
hustpop 1008 10,27682 164,78190 28,2 1175,16
podn1000 1008 10,27683 13,89981 2,439662 146,7247
mnez 1008 10,27684 6,60193 1604 35,59
prmzd 1008 10,27685 165,32490 339,47 1400,6
strsk 1008 10,27686 11,37982 1 95
zdravz 1008 10,27687 4,23028 0 40
sobbm 1008 10,27688 337,67090 42 2946
kultins 1008 10,27689 7,05059 0 75
Zdroj: vlastné spracovanie
Tab. 3: Faktor rozptylu variancie vysvetľujúcich premenných
Variable VIF 1/VIF
strsk 14.69 0.068077
sobbm 9.71 0.102967
pocf 9.20 0.108692
zdravz 8.22 0.121663
hustpop 6.04 0.165591
podn1000 5.32 0.188130
kultins 5.14 0.194529
prmzd 2.35 0.425591
mnez 1.49 0.669616
Zdroj: vlastné spracovanie
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
136
Tabuľka 2 popisuje základnú deskriptívnu štatistiku vstupných premenných. V prípade viacerých vysvetľujúcich
premenných v modeli by sme mohli predpokladať určitú mieru vzájomnej korelácie, preto testujeme prítomnosť
multikolinearity v dátach prostredníctvom VIF (Variation inflation factor) testu lineárnej OLS regresie. Len
v prípade jednej vysvetľujúcej premennej dosiahol VIF index hodnotu vyššiu ako 10 (spomínaný ukazovateľ počtu
stredoškolských inštitúcií STRZ), v prípade ostatných vysvetľujúcich premenných sa multikolinearita nepotvrdila
(Tab. 3).
Za účelom preskúmania vhodnosti predpokladaného ekonometrického modelu testujeme aj prítomnosť
heteroskedasticity, prierezovej závislosti, skupinovej heteroskedasticity a autokorelácie v panelových dátach.
Následne realizujeme výber modelu s fixnými alebo náhodnými efektmi.
Výsledky a diskusia
V tejto časti článku sumarizujeme výsledky ekonometrických modelov, ktorými hodnotíme vplyv vybraných
faktorov na lokalizáciu vzdelaného ľudského kapitálu na okresnej úrovni na Slovensku. Dáta v panelovom modeli
štandardizujeme prostredníctvom z-skórovania pre lepšiu porovnateľnosť koeficientov. Logaritmickú
transformáciu nebolo možné využiť vzhľadom k skutočnosti, že niektoré vysvetľujúce premenné obsahujú nulové
hodnoty a naša vysvetľovaná premenná, čistá migrácia vzdelaných, obsahuje aj negatívne hodnoty.
Tab. 4: Výsledky regresných modelov
I. II. III. IV.
Premenné Pooled OLS
Random effects
GLS panel model
Fixed effects
(within) panel model
Fixed effects panel model
with time-fixed effects and
Driscoll-Kraay standard
errors
pocf -0,298 0,463***
0,800***
0,570**
(0,053) (0,071) (0,077) (0,183)
hustpop 0,167***
0,186*
2,788***
2,731*
(0,044) (0,092) (0,242) (0,930)
podn1000 0,558***
0,151***
0,091*
0,153*
(0,041) (0,028) (0,026) (0,070)
mnez 0,029 0,020 0,032 0,107**
(0,022) (0,017) (0,016) (0,030)
prmzd -0,124***
-0,093***
-0,080***
0,177*
(0,028) (0,016) (0,015) (0,074)
zdravz 0,017 -0,025 -0,025 -0,038
(0,052) (0,029) (0,027) (0,070)
sobbm -0,201***
0,260***
0,419***
0,384**
(0,047) (0,066) (0,068) (0,098)
kultins 0,488***
-0,003 0,006 -0,025
(0,041) (0,027) (0,026) (0,092)
const. 2,17E-09 3.50e-09 5.29e-09 0,330**
(0,018) (0,066) (0,006) (0,102)
Number of
observations
1008 1008 1008 1008
Chi2 380,77***
F test 248.54***
56,13***
20,30***
R2 0,6656 0,3943
within 0,231 0,3261
between 0,5828 0,5364
overall 0,5613 0,512
* štatistická významnosť na úrovni p<0.05, ** p<0.01, *** p<0.001; štandardné chyby sú uvedené v zátvorke
Zdroj: vlastné spracovanie
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
137
Vysvetľujúca premenná, ktorá je predmetom nášho primárneho záujmu (počet fakúlt) sa v prípade OLS regresie
nepreukázala ako štatisticky významná. Keď sme však model vyjadrili ako panelový, zisťujeme pozitívny vzťah
medzi počtom fakúlt a hodnotou čistej migrácie vzdelaného obyvateľstva. Keďže model vychádza z panelových
dát, je potrebné zvoliť si regresný estimátor s fixnými, alebo náhodnými efektmi. Hausmanov test (Tab. 5)
preukázal vhodnosť panelového modelu s fixnými efektmi. Napriek preukázanej vhodnosti modelu s fixnými
efektmi, veľké rozdiely medzi modelom s náhodnými (II.) a fixnými efektmi (III.) nie sú. Z kontrolných
premenných sa ako štatisticky významné preukázali hustota populácie, priemerná mesačná mzda, počet podnikov
na obyvateľa a počet sobášov podľa bydliska muža. Z toho hustota populácie, počet podnikov a počet sobášov
podľa bydliska muža štatisticky významne priťahujú vzdelanú populáciu. Prekvapivým zistením je, že so
zvyšovaním priemernej mesačnej mzdy sa čistá migrácia vzdelaného obyvateľstva znižuje, čo je v priamom
rozpore s teóriu migrácie založenou na ľudskom kapitále. Avšak konštatovať musíme, že v prípade zahrnutia
dummy premenných pre každý rok v paneli (IV.) sa znamienko tohto faktora mení na pozitívne. Časovo fixné
efekty sme sa rozhodli do modelu vložiť na základe testu, ktorým testujeme či sú koeficienty dummy premenných
pre všetky roky panelu rovné nule. Nakoľko sa koeficienty pre všetky roky nerovnajú nule (Tab. 5) v našom
prípade potrebujeme časové fixné efekty zahrnúť do finálneho regresného modelu. Okrem toho zisťujeme aj
prítomnosť sériovej korelácie v idiosynkratických chybách modelu, heteroskedasticitu v reziduách regresného
modelu i prítomnosť prierezových závislostí v dátach. Preto pri finálnom panelovom modeli (IV.) používame
Driscoll-Kraay štandardné chyby, ktoré generujú výsledky robustné na prítomnosť heteroskedasticity, prierezovej
korelácie a autokorelácie v panelových dátach (Hoechle, 2007). Výsledky tohto modelu indikujú štatistickú
významnosť všetkých kontrolných premenných, ako aj pozitívny vplyv počtu fakúlt na čistú migráciu vzdelanej
populácie. Jedine priemerná mesačná mzda zmenila znamienko a vo finálnom modely pozitívne ovplyvňuje čistú
migráciu. Na druhej strane však zisťujeme aj pozitívny vplyv miery nezamestnanosti na čistú migráciu vzdelaných
obyvateľov. Vysvetlenie tohto zistenia len z údajov v týchto modeloch nájsť nevieme. Zmena vo významnosti
tohto faktora, po očistení od vplyvu časovo fixných efektov môže byť odrazom relatívnej nepružnosti pracovnej
sily na zmeny na pracovnom trhu v krátkodobom horizonte.
Tab. 5: Diagnostika regresných modelov
I. II. III. IV.
Test Pooled OLS
Random effects
GLS panel
model
Fixed effects
(within) panel
model
Fixed effects
panel model
with time-fixed
effects
Spatial error:
Morans I 16190***
Lagrange multiplier 253074***
Robust Lagrange multiplier 34652***
Spatial lag:
Lagrange multiplier 311268***
Robust Lagrange multiplier 92845***
Hausman test 132.98***
Joint test that coefficients of timedummies
are simultaneously zero
7.92***
Pesaran's test of cross sectional
independence
6,420***
Wald test for groupwise
heteroskedasticity
75868.89***
Wooldridge test for
autocorrelation in panel data
15.933***
* štatistická významnosť na úrovni p<0.05, ** p<0.01, *** p<0.001
Zdroj: vlastné spracovanie
Na OLS regresii vykonávame aj niekoľko diagnostických testov priestorovej závislosti v našich dátach.
Vychádzame z predpokladu, že naša sledovaná vysvetľujúca premenná, počet fakúlt univerzít a vysokých škôl
v regióne ovplyvňuje migráciu vzdelaného ľudského kapitálu nielen v regióne lokalizácie fakulty, ale aj
v okolitých regiónoch, teda predpokladáme existenciu spill-over efektov lokalizácie fakúlt. Priestorová
diagnostika (Tab. 5) potvrdila prítomnosť oboch typov priestorovej závislosti: priestorovú závislosť v reziduách
modelu, ako aj priestorovú závislosť medzi vysvetľovanou a priestorovo posunutou vysvetľovanou premennou.
V tomto prípade Anselin (2001) odporúča využitie priestorovej ekonometrie, konkrétne priestorového Durbin
panelového modelu (SDM). Tento model umožňuje sledovať vplyv vysvetľujúcich premenných na vysvetľovanú
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
138
premennú nielen v regióne, ale aj v jeho susedných regiónoch a zároveň vplyv závislej premennej v regióne na
hodnoty závislej premennej v okolitých regiónoch.
Preto sme úvodný empirický model zadefinovaný v kapitole metodika rekonceptualizovali na základe
všeobecného matematického zápisu modelu, ktorý vyzerá nasledovne:
 Y = ρWY +αι + Xβ+ WXθ+ ε
Tab. 6: Výsledky priestorového Durbin panel modelu (SDM) s fixnými efektmi
coefficient spatial lag direct effect indirect effect total effect
std_pocf 0,655***
0,337 0,652***
0,305 0,958**
(0,175) (0,179) (0,174) (0,169) (0,277)
std_hustpop 2,743**
0,026 2,744**
-0,070 2,674**
(0,905) (0,177) (0,905) (0,175) (0,906)
std_podn1000 0,124 -0,073 0,125 -0,075 0,049
(0,065) (0,055) (0,066) (0,054) (0,066)
std_mnez 0,096**
-0,079 0,096**
-0,080 0,016
(0,032) (0,043) (0,032) (0,043) (0,020)
std_prmzd 0,138*
-0,219**
0,140**
-0,218**
-0,078*
(0,057) (0,076) (0,057) (0,076) (0,031)
std_zdravz -0,037 -0,091*
-0,036*
-0,088 -0,124**
(0,065) (0,044) (0,065) (0,045) (0,046)
std_sobbm 0,366***
0,072 0,366 0,057 0,423***
(0,099) (0,095) (0,099) (0,092) (0,107)
std_kultins -0,027 0,028 -0,028 0,028 0,0004
(0,082) (0,046) (0,082) (0,045) (0,084)
Spatial Rho -0.036*
(0.016)
Počet pozorovaní 1008
R-sq
within 0,3730
between 0,5343
overall 0.5112
* štatistická významnosť na úrovni p<0.05, ** p<0.01, *** p<0.001; štandardné chyby sú uvedené v zátvorke
Zdroj: vlastné spracovanie
V prípade panelového Durbin modelu, ktorý zohľadňuje aj priestorovú závislosť identifikovanú v predošlom
kroku, štatistická významnosť koeficientov a smer pôsobenia sledovaných premenných sa nemenia. Poznamenať
však musíme, že v prípade priestorového panelového modelu nie je vhodné interpretovať samotné koeficienty ale
vypočítané priame, nepriame a celkové efekty (Elhorst, 2010). Pritom priame efekty predstavujú odhad vplyvu
sledovaných nezávislých premenných na hodnoty závislej premennej v danom regióne, resp. okrese. Nepriame
efekty predstavujú odhad priestorovo posunutých nezávislých premenných na závislú premennú v danom regióne
(teda vplyv hodnôt v susediacich okresoch). Spatial Rho je priestorová autoregresná zložka, t.j. vyjadruje závislosť
medzi hodnotami vysvetľovanej premennej medzi susediacimi okresmi. V našom prípade je koeficient
autoregresnej zložky štatisticky významný, ale negatívny. Môže to odzrkadľovať to, že regióny s relatívne vyššou
hodnotou čistej migrácie vzdelaného ľudského kapitálu, tento kapitál odčerpávajú práve zo susedných regiónov,
ktoré sú dôsledkom týchto procesov charakterizované negatívnym migračným saldom vzdelanej populácie.
V prípade nepriamych efektov, štatisticky významne sa potvrdilo len pôsobenie rozdielnosti v mzdovej úrovni.
Vyššia mzdová úroveň, resp. jej zvýšenie v konkrétnom regióne síce priťahuje kvalitný ľudský kapitál do daného
regiónu, ale regióny susediace s týmto regiónom vykazujú relatívne nižšiu, alebo negatívnu hodnotu čistej
migrácie vzdelanej populácie. Toto zistenie ďalej podporuje vyššie popísané úvahy o pôsobení sťahujúcich
efektov medzi rozvinutými a menej rozvinutými regiónmi v prípade priestorového rozmiestnenia a pohybu
kvalitného ľudského kapitálu. Pôsobenie príťažlivých síl zo strany univerzít a fakúlt na ľudský kapitál v regiónoch
susediacich s miestom ich lokalizácie sa nepotvrdilo.
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
139
Záver a diskusia
Význam lokalizácie univerzít a fakúlt v kontexte ich pôsobenia na priestorové rozmiestnenie a pohyb kvalitného
ľudského kapitálu sme analyzovali prostredníctvom modelovania vplyvu ich počtu a lokalizácie na hodnotu čistej
migrácie populácie s vysokoškolským vzdelaním. Výsledky nasvedčujú tomu, že existencia univerzity v regióne
významne priťahuje kvalitný ľudský kapitál, aj keď zohľadníme ďalšie „pull“ faktory ako sú hustota populácie,
miera nezamestnanosti, mzdová úroveň, počet podnikov a ďalšie ekonomické a mimoekonomické faktory,
ktorých vplyv na migračné rozhodovanie už bol preukázaný. Na druhej strane však musíme poznamenať, že
pôsobenie príťažlivých síl vysokých škôl v tomto kontexte je limitované v rámci regiónu, v ktorom sa tieto
inštitúcie nachádzajú a významne nepresahuje za jeho hranice. Toto tvrdenie odôvodňujeme preukázanou
nevýznamnosťou počtu fakúlt v danom regióne na čistú mieru migrácie vysokoškolsky vzdelanej populácie
v okolitých regiónoch. Napriek týmto zisteniam však diskusiu o vplyve lokalizácie univerzít na priestorovú
distribúciu ľudského kapitálu neuzavierame. Komplexné pochopenie príčinno-dôsledkových vzťahov týchto
dvoch javov si vyžaduje ďalšie skúmanie. K ich lepšiemu objasneniu by mohlo viesť rozšírenie sledovaných
ukazovateľov nielen o ďalšie relevantné kontrolné premenné, ale aj alternatívna kvantifikácia „existencie“
univerzít, resp. fakúlt. Totižto len ich samotný počet neodzrkadľuje ich veľkosť, ani ich kvalitu. Okrem toho,
v prípade skúmania rozmiestnenia javov a ich priestorových vzťahov, vo väčšine prípadov býva problematické
určiť geografickú úroveň agregácie. V našom prípade sme pracovali s okresmi, avšak v prípade zvolenia vyššej
alebo nižšej priestorovej jednotky môžu pôsobiť iné mechanizmy určujúce smer a intenzitu vzájomného pôsobenia
sledovaných javov.
Literatúra
[1] ABEL, J., DEITZ, R., (2011). The Role of Colleges and Universities in Building Local Human Capital.
Current Issues in Economy and Finance, vol. 17, no. 6.
[2] ACS, Z., ARMINGTON, C., ZHANG, T., (2006). The Determinants of New-firm Survival across Regional
Economies. Papers in Regional Science, vol. 86, no. 3, pp. 367–391. ISSN 1435-5957. DOI: 10.1111/j.1435-
5957.2007.00129.x.
[3] ANSELIN, L., (2001). Spatial Econometrics: A Companion to Theoretical Econometrics. Oxford: Basil
Blackwell. DOI: 10.1002/9780470996249.ch15.
[4] AUDRETSCH, D., KEILBACH, M., (2007). The localisation of entrepreneurship capital: Evidence from
Germany. Papers in Regional Science, vol. 86, no. 3, pp. 351-365. ISSN 1435-5957. DOI: 10.1111/j.1435-
5957.2007.00131.x.
[5] BARRO, R. J. (1991). Economic Growth in a Cross Section of Countries, Quarterly Journal of Economics,
vol. 106, no. 2, pp. 407-443. DOI: 10.1.1.312.3126.
[6] BELITSKI, M., KOROSTELEVA, J., (2012). Entrepreneurial Dynamics and Higher Education Institutions:
Evidence from the Post-Communist World. Regional Studies, vol. 51, no. 3, pp. 439-453. DOI:
10.1080/00343404.2015.1103370.
[7] CALCAGNINI, G., FAVARETTO, I., GIOMBINI, G., PERUGINI, F., ROMBALDONI, R., (2016). The
role of universities in the location of innovative start-ups. Journal of Technology Transfer, vol. 41, no. 4, pp.
670–693. DOI: 10.1007/s10961-015-9396-9.
[8] CIFRANIČ, M., VALACH, M., (2017). Innovative approaches to system of education focusing on business.
In XX. mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno: Masarykova univerzita, pp.
520-527. ISBN 978-80-210-8586-2. DOI: 10.5817/CZ.MUNI.P210-8587-2017-33
[9] CSEHNÉ PAPP, I., SZABÓ, K., SCHWARCZOVÁ, L., HAJÓS, L., (2017). Očakávania a predstavy „z”
generácie univerzitných študentov od trhu práce. Acta Oeconomica Universitatis Selye, vol. 6, no. 1. ISSN
1338-6581.
[10]ELHORST, P., (2010). Spatial panel data models. In Handbook of applied spatial analysis. Berlin: Springer.
ISBN 978-3-642-03646-0.
[11]FAGGIAN, A., MCCANN, P., (2009). Universities, Agglomerations and Graduate Human Capital Mobility.
TESG Journal of Economics and Social Geography, vol. 100, no. 2, pp. 210–223. DOI: 10.1111/j.1467-
9663.2009.00530.x.
[12]FAGGIAN. A., MCCANN, P., SHEPPARD, S.C., (2007). Human Capital, Higher Education and Graduate
Migration: An Analysis of Scottish and Welsh Students. Urban Studies, vol. 44, no. 13, pp. 2511-2528. DOI:
10.1080/00420980701667177
[13]FLORIDA, R. (2002) The Economic Geography of Talent. Annals of the Association of American
Geographers, vol. 92, no. 4, pp. 743-755. DOI: 10.1111/1467-8306.00314.
[14]FLORIDA, R., MELLANDER, C., STOLARICK, K., (2008). Inside the black box of regional developmenthuman
capital, the creative class and tolerance. Journal of Economic Geography, vol. 8, no. 5, pp. 615-649.
DOI: 10.1093/jeg/lbn023.
Sborník příspěvků XXI. mezinárodní kolokvium o regionálních vědách Kurdějov 13.–15. 6. 2018
140
[15]FRITSCH, M., SLAVTCHEV, V., (2007). Universities and innovation in space. Industry and Innovation,
vol. 14, no. 2, pp. 201-218. DOI: 10.1080/13662710701253466.
[16]GARRIDO-ISERTE, R., GALLO-RIVERA, M. T., (2010). The impact of the university upon local economy:
three methods to estimate demand-side effects. Annals of Regional Science, vol. 44, no. 39. DOI:
10.1007/s00168-008-0243-x.
[17]GOTTLIEB, P.D., JOSEPH, G., (2006). College-to-Work Migration of Technology Graduates and Holders
of Doctorates within the United States. Journal of Regional Science, vol. 46, no. 4, pp. 627–659. DOI:
10.1111/j.1467-9787.2006.00471.x.
[18]HAAPANEN, M., TERVO, H., (2012). Migration of the highly educated: evidence from residence spells of
university graduates. Journal of Regional Science, vol. 52, no. 4, pp. 587-605. DOI: 10.1111/j.1467-
9787.2011.00745.x.
[19]HERBST, M., ROK, J., (2013). Mobility of human capital and its effect on regional economic development.
Review of theory and empirical literature: MPRA Paper, University Library of Munich, Germany. Dostupné
na internete: https://ideas.repec.org/p/pra/mprapa/45755.html.
[20]HOECHLE, D. (2007). Robust standard errors for panel regressions with cross-sectional dependence. Stata
Journal, vol. 7, no. 3, pp. 281-312.
[21]HUBL, R., ŠERÝ, M., TOUŠEK, V., (2017). Role migrace v populačním vývoji shrinking city – příklad
města Uherské Hradiště. In XX. mezinárodní kolokvium o regionálních vědách. Sborník příspěvků. Brno:
Masarykova univerzita, pp. 520-527. ISBN 978-80-210-8586-2. DOI: 10.5817/CZ.MUNI.P210-8587-2017-
67.
[22]JAFFE, A., TRAJTENBERG, M., HENDERSON, R., (1993). Geographic localization of knowledge spillovers
as evidenced in patent citations. Quarterly journal of Economics, vol. 108, no. 3, pp. 577-598. DOI:
10.3386/w3993.
[23]JAFFE, A., TRAJTENBERG, M., HENDERSON, R., (1993). Geographic localization of knowledge spillovers
as evidenced in patent citations. Quarterly journal of Economics, vol. 108, no. 3, pp. 577-598. DOI:
10.3386/w3993.
[24]JANG, J. B., CASTERLINE, J.B., SNYDER, A., (2014). Migration and Marriage: Modeling the Joint
Process. Demographic Research, vol. 30, no. 40, pp. 1339–1366. DOI: 10.4054/DemRes.2014.30.47.
[25]LOPEZ-BAZO, E., KARAHASAN, B., (2011). The Spatial Distribution of Human Capital: Can It Really
Be Explained by Regional Differences in Market Access? IREA Working Papers, No. 201102. University of
Barcelona: Research Institute of Applied Economics. Dostupné na internete:
https://econpapers.repec.org/paper/irawpaper/201102.htm.
[26]LUCAS, R. (1988). On the Mechanics of Economic Development. Journal of Monetary Economics, vol. 22,
no. 1, pp. 3-42. DOI: 10.1016/0304-3932(88)90168-7.
[27]OECD. 2009. The Future of International Migration to OECD Countries. Paríž: OECD publishing. ISBN
978-9264044494.
[28]SIMON, C., NARDINELLI, C., (1996). The Talk of the Town: Human Capital, Information and the Growth
of English Cities, 1861–1961. Explorations in Economic History, vol. 33, no. 3, pp. 384–413. DOI:
10.1006/exeh.1996.0021.
Príspevok bol spracovaný v rámci projektu APVV-14-0512 “Univerzity a ekonomický rozvoj regiónov“.