STOWARZYSZENE Ocena stopnia EKONOMSTÓW zróżnicowania ROLNCTWA kapitału intelektualnego AGROBZNESU polskie wsi Roczniki Naukowe tom XV zeszyt 4 179 Joanna Muszyńska wona Müller-Frączek Uniwersytet Mikołaa Kopernika w Toruniu OCENA STOPNA ZRÓŻNCOWANA KAPTAŁU NTELEKTUALNEGO POLSKEJ WS AN APPRASAL OF THE LEVEL OF DVERSTY OF NTELLECTUAL CAPTAL OF POLSH COUNTRYSDE Słowa kluczowe: kapitał intelektualny taksonomia pozycyna a Webera Keywords: intellectual capital taxonomy Weber Abstrakt. Celem artykułu była analiza zróżnicowania przestrzennego kapitału intelektualnego mieszkańców polskie wsi. Miała ona doprowadzić do podziału woewództw na grupy o podobnym poziomie wytypowania liderów wskazania nasłabszych woewództw. Korzystaąc z danych statystyki publiczne wybrano zmienne odnoszące się do różnych komponentów kapitału intelektualnego. Na ich podstawie skonstruowano mierniki syntetyczne. Ze względu na asymetrię rozkładów zmiennych wykorzystano konstrukce bazuące na miarach pozycynych. Zastosowano dwie metody standaryzaci danych edną opartą na ie drugą na ie Webera. W wyniku tych dwóch podeść otrzymano mierniki o silnym zróżnicowaniu które mogły stanowić podstawy typologii. Dokonano porządkowania i grupowania obiektów. Rezultaty badania w obu wariantach standaryzaci były zbliżone. Woewództwa o nawyższym kapitale intelektualnym na wsi to (alfabetycznie): łódzkie małopolskie mazowieckie śląskie i wielkopolskie wszystkie związane z nawiększymi ośrodkami mieskimi natomiast nasłabsze to: podlaskie i warmińsko-mazurskie w których miasta nie przekraczaą 300 tys. mieszkańców. Wstęp W roku 2010 Unia Europeska (UE) ogłosiła plan strategiczny Europa 2020. Nowa strategia poza kontynuacą dążeń do osiągnięcia pozyci nabardzie konkurencyne i dynamiczne gospodarki świata ma być również odpowiedzią na problemy uwypuklone przez kryzys gospodarczy z lat 2008-2009. Celem planu Europa 2020 est inteligentny rozwó Wspólnoty w kierunku gospodarki oparte na wiedzy i innowaci gospodarki efektywnie korzystaące z zasobów konkurencyne i bardzie przyazne środowisku o wysokim poziomie zatrudnienia zapewniaące spóność społeczną i terytorialną [Europa 2020 2010]. Jednak realizaca tego celu nie będzie w pełni możliwa bez odpowiednie akości kapitału intelektualnego zapewniaącego zarówno wiedzę ak i zdolność do ciągłego poszukiwania wdrażania i upowszechniania nowych rozwiązań. Poęcie kapitału intelektualnego definiowane est naczęście przez pryzmat przedsiębiorstwa. Jednak kapitał intelektualny można rozpatrywać nie tylko w ramach poszczególnych organizaci lecz również w innych układach: regionalnym narodowym i globalnym [Bal-Woźniak 2005]. Źródłem kapitału intelektualnego est wiedza. Stanowi ona ogół wiadomości zdobytych dzięki uczeniu się i doświadczeniu zasób wiarygodnych i użytecznych informaci o rzeczywistości wraz z umieętnością ich wykorzystania w praktyce [Wiatrak 2005]. Wiedza kształtue kapitał intelektualny wszystkie ego składowe a od ludzi maących wiedzę ich aktywności i zdolności do wprowadzania zmian zależy w aki sposób zostanie on wykorzystany. Rozwó kapitału intelektualnego est możliwy tylko dzięki współdziałaniu oraz ciągłe dynamiczne integraci ego komponentów: kapitału ludzkiego relacynego strukturalnego i społecznego. Kapitał ludzki definiowany est ako ogół predyspozyci (w tym również zdrowotnych) wiedzy zdolności i umieętności oraz możliwości ich spożytkowania w postaci kompetenci w trakcie realizowania określonych zadań [Bal-Woźniak 2005]. Natomiast powiązania ednostki z bliższym i dalszym otoczeniem stanowią e kapitał relacyny. W odniesieniu do regionu oznacza
180 Joanna Muszyńska wona Müller-Frączek on kształtowanie więzi gospodarczych i społecznych nawiązywanie współpracy międzyregionalne i zagraniczne relace lokalnych podmiotów gospodarczych z klientami dostawcami ośrodkami władzy pozyskiwanie doświadczenia. Kapitał strukturalny tworzą wszelkie umieętności rozwiane w celu sprostania wymogom rynku badania i działania na rzecz rozwou działania innowacyne umieętność sprawne organizaci podemowanych działań a także licence patenty certyfikaty znaki towarowe. Spoiwem łączącym wszystkie komponenty kapitału intelektualnego est kapitał społeczny. W odniesieniu do regionu obemue zarówno aktywność ego mieszkańców i ich dynamizm w radzeniu sobie w istnieące sytuaci ak i powstaące między nimi więzi zaufania loalności i solidarności które ułatwiaą wspólne działanie i samoorganizowanie. Celem artykułu była ocena zróżnicowania regionalnego kapitału intelektualnego mieszkańców polskie wsi w podziale na woewództwa. Analiza miała zarówno wskazać liderów ak i wytypować obszary nasłabsze pod tym względem. Materiał i metodyka badań Badania przeprowadzono dla danych z 2013 roku wykorzystuąc materiał empiryczny statystyki publiczne (Bank Danych Lokalnych GUS roczniki statystyczne Oświata i wychowanie w roku szkolnym 2013/2014 [2014] Rocznik demograficzny [2014] Rocznik statystyczny rolnictwa [2014] Rocznik statystyczny woewództw [2014]). Dobór zmiennych był silnie determinowany dostępnością danych dla agregatów wieś/miasto ednak udało się wyłonić 34 cechy dotyczące kapitału intelektualnego na wsi. Przeprowadzono wstępną analizę statystyczną usuwaąc wskaźniki o niewielkie zmienności oraz wysokim wzaemnym skorelowaniu 1. Otrzymano zestaw zmiennych diagnostycznych składaący się z 5 stymulant (S) oraz 5 destymulant (D): X 1 liczba urodzeń na 1 zgon (S) X 2 zgony niemowląt na 1000 urodzeń żywych (D) X 3 odsetek absolwentów gimnazów w liczbie piętnastolatków (S) X 4 odsetek osób z wyższym wykształceniem (S) X 5 poszkodowani w wypadkach w gospodarstwach indywidualnych do liczby gospodarstw (D) X 6 pracuący w rolnictwie wśród osób w wieku produkcynym zamieszkałych na wsi (S) X 7 odsetek bezrobotnych w wieku poniże 24 lat w liczbie osób w wieku 15-24 (D) X 8 stopa bezrobocia na wsi (D) X 9 odsetek gospodarstw ekologicznych z certyfikatem w liczbie gospodarstw (S) X 10 udział gospodarstw prowadzących działalność rolniczą i inną w liczbie gospodarstw (S). Wszystkie zmienne miały charakter wskaźników. W tabeli 1 przedstawiono ich podstawowe charakterystyki. Mimo niewielkie liczby determinant analizowany zestaw dobrze odzwierciedlał komponenty kapitału intelektualnego kapitał ludzki relacyny strukturalny i społeczny: obciążenie demograficzne X 1 stan zdrowia X 2 wykształcenie (świadomość) X 3 X 4 X 5 doświadczenie zawodowe (lub ego brak) X 6 X 7 organizaca pracy X 5 innowacyność dynamizm umieętność/nieumieętność radzenia sobie w zmieniaących się warunkach X 9 X 10 X 8 relace z otoczeniem X 10. Niektóre z wymienionych wskaźników odnoszą się do kilku komponentów kapitału intelektualnego dlatego trafna wydae się ich łączna analiza w postaci zmienne syntetyczne. Badanie prowadzono wykorzystuąc miary pozycyne ponieważ rozkłady niektórych zmiennych diagnostycznych były asymetryczne. W pierwszym kroku za pomocą formuły różnicowe 2 zamieniono charakter destymulant. Następnie dokonano standaryzaci zgodnie ze wzorem: 1 Do oceny współzależności zmiennych wykorzystano metodę odwrócone macierzy korelaci [Panek Zwierzchowski 2013]. 2 dla c = 0. Opis sposobów stymulaci można znaleźć m.in. w pracach: [Metody statystyczne...2004 Młodak 2006].
Ocena stopnia zróżnicowania kapitału intelektualnego polskie wsi 181 xi med( X ) zi = (1) 14826 mad( X ) gdzie: med (X ) oznacza ę a mad( X ) = med xi med( X ) est owym i= 1... n odchyleniem bezwzględnym. Przy standaryzaci zastosowano dwa podeścia oparte na ie oraz na ie Webera 3 [Lira i in. 2002]. Druga propozyca zapewnia lepsze odzwierciedlenie wzaemnych powiązań między zmiennymi diagnostycznymi ednak nie spełnia ściśle założeń standaryzacynych: zerowe miary średnie i ednostkowego odchylenia. W tabeli 1 przedstawiono charakterystyki zmiennych diagnostycznych po standaryzaci drugą metodą (w ostatnie kolumnie podano wartości y Webera). Tabela 1. Charakterystyki opisowe zmiennych diagnostycznych (przekształconych na stymulanty) przed standaryzacą oraz po standaryzaci y Webera. Table 1. Descriptive characteristics of the diagnostic variables (converted into stimulants) before the data and after the data based on the of Weber. Zmienna/ Miary klasyczne/classical measures Miary pozycyne/positional mẽd Variable measures x Vs As med Vm A B A B A B A B A B X 1 1024 0122 0225 7986 1082 1082 1015 0082 0158 8215 0996 X 2-5056 -0093 0211 16877-1096 -1096-4900 0137 0112 5913-4993 X 3 0937-0342 0033 3225-0019 -0019 0942-0149 0021-4633 0946 X 4 0096-0405 0114 2210 0562 0562 0094-0546 0092-1298 0101 X 5-0011 -0086 0326 11636-0544 -0544-0010 0353 0220 1644-0011 X 6 0233-0139 0433 5415 0772 0772 0203-0363 0315-1312 0252 X 7-0107 -0030 0190 28094-0118 -0118-0105 0062 0158 10829-0106 X 8-10463 -0162 0199 5108-0001 -0001-10050 0002 0169 417047-10054 X 9 0021 0442 1157 4024 2053 2053 0012-0227 0516-1966 0015 X 10 0029 0413 0317 2758 0689 0689 0027 0108 0209 6346 0026 x średnia arytmetyczna/arithmetical mean Vs współczynnik zmienności/variation coefficient As współczynnik asymetrii/skewness coefficient med a/ Vm współczynnik zmienności/ variation coefficient mẽd a Webera/Weber. A przed standaryzacą/before the data B po standaryzaci/after the data Źródło: opracowanie własne na podstawie wyników badania Source: own compilation based on results of the study Do konstrukci miernika syntetycznego (dla obu sposobów normalizaci) zastosowano metodę wzorcową Hellwiga w uęciu pozycynym [Lira Wysocki 2004]: d 0 i di = 1 (2) d0 gdzie: d 0 i = med zi max zi est odległością od wzorca w postaci maksimum natomiast = 1...m i= 1...n d0 = med( d 0 i ) + 25 mad( d 0 i ) 4. Uzyskane wartości mierników syntetycznych posłużyły do budowy rankingów woewództw (obszarów wieskich) ze względu na poziom kapitału intelektualnego ich mieszkańców. Współczynnik korelaci rang Spearmana (r s = 096) wykazał duże podobieństwo otrzymanych klasyfikaci. 3 Mediana Webera (inacze a przestrzenna lub punkt Webera) punkt dane przestrzeni rzeczywiste który minimalizue sumę odległości euklidesowych od skończone liczby danych punktów te przestrzeni (badanych obiektów) [Młodak 2006]. 4 Stała 25 to tzw. odpornościowa wartość progowa która wyznacza barierę korzystne odległości obiektów od wzorca rozwou.
182 Joanna Muszyńska wona Müller-Frączek Tabela 2. Wartości mierników kapitału intelektunastępnie wykorzystuąc różne metody alnego na wsi w roku 2013 grupowano woewództwa o zbliżonych wartotable 2. The values of the measures of the ściach miernika. Ostatecznie dla obu wariantów intellectual capital in the countrywide in 2013 dokonano podziału metodą odchyleń w uęciu Woewództwo/ Miernik/ Pozyca/ Grupa/ pozycynym. Otrzymane wyniki porównano edprovince Measure Position Group nak zastosowane miary poprawności grupowań P W P W P W nie dały wyraźne przewagi żadnemu z podeść5. Dolnośląskie 024 029 10 8 KuawskoWyniki badań 014 016 13 14 V V pomorskie W tabeli 2 zawarto wyniki pomiaru kapitału Lubelskie 032 035 7 6 intelektualnego mieszkańców wsi. SkonstruLubuskie 018 024 12 12 owane mierniki wyraźnie zróżnicowały woełódzkie 036 040 5 5 wództwa pod tym względem i mogły stanowić Małopolskie 045 050 3 1 podstawę typologii (zmienność ich wartości dla Mazowieckie 041 044 4 3 standaryzaci pozycyne i oparte na ie Opolskie 004 017 14 13 V Webera wyniosła odpowiednio: 60% i 46%). Podkarpackie 025 025 9 11 Przy podziale na grupy granice przedziałów Podlaskie 000 002 15 16 V V wyznaczono za pomocą y i bezwzględnego odchylenia owego ponieważ przy Pomorskie 029 027 8 9 podziale naczęście proponowanym dla podeśląskie 046 042 2 4 ścia pozycynego med( d i ) ± 2 5 mad ( d i ) Świętokrzyskie 034 029 6 7 skrane grupy okazywały się puste. Warmińsko-003 009 16 15 V V Rankingi woewództw oraz przydział do mazurskie pozycyna/ grup zawarto w kolenych kolumnach tabeli 2. Wielkopolskie 049 049 1 2 of data m Na rysunku 1 graficznie zaprezentowano wyniki Zachodnio024 025 11 10 grupowań. W obu rankingach nalepie wypadły pozycyna/ z wyko pomorskie woewództwa (alfabetycznie): łódzkiey mało- st of data P pozycyna/ polskie mazowieckie śląskie i wielkopolskie using the o of data W y pozycyna/ natomiast wyraźnie nasłabsze to: podlaskie i based on the of warmińsko-mazurskie. of data Podział y na grupy dla obu Weber using the of Weber Źródło: opracowanie własne na podstawie wyników konstrukci był zbliżony. Badanie poprawności pozycyna/ badania (iloraz miar homogeniczności grupowania of data y i Source: own compilation based on results of the study using the of Weber pozycyna/ of data y pozycyna/ pozycyna/ using the of Weber of data of data yy the of using theusing Weberof Weber 1 (the best) 1 (the best) 1 (the best) grupa 2 grupa 3 best) 1 (the 1 (the best) 1 (the best) 2 2 3 3 2 3 grupa 4 (nasłabsza) grupa24 (nasłabsza) 4 (the weakest) 4 (the weakest) 2 3 2 3 grupa 4 (nasłabsza) 4 (the weakest) grupa 4 (nasłabsza) 4 (the weakest) Rysunek 1. Wyniki grupowania intelektualnego mieszkańców wsi grupa 1 (nalepsza) ze względu na podobieństwo grupa 4kapitału (nasłabsza) 1 (the best) 2 3 due to the similarity 4 (the weakest) Figure 1. The results of the ing provinces of the intellectual capital of country dwellers Źródło: opracowanie własne na podstawie wyników badania Source: own compilation based on results of the study 5 grupa Szczegóły dotyczące badania poprawności grupowania można znaleźć m.in. w pracach: Grabiński i współautorzy [1989] Młodak [2006].
Ocena stopnia zróżnicowania kapitału intelektualnego polskie wsi 183 heterogeniczności grupowania) wykazało mało znaczącą przewagę metody oparte na ie Webera (różnica na poziomie 001-002). Podsumowanie Przedstawiona analiza z pewnością nie wyczerpue wszystkich aspektów badanego zawiska tym bardzie że dotyczy tylko ednego roku. W ubogim materiale empirycznym udało się ednak wskazać zmienne reprezentuące istotne komponenty kapitału intelektualnego dlatego wyniki badania pozwalaą na wyciągnięcie następuących wniosków: 1. Kapitał intelektualny mieszkańców polskie wsi est silnie zróżnicowany przestrzennie co zostało potwierdzone wysoką zmiennością miar syntetycznych. 2. stnieą duże możliwości poprawy sytuaci we wszystkich woewództwach o czym świadczą niskie znacznie mniesze od edności wartości miar rozwou. 3. Liderami pod względem kapitału intelektualnego są woewództwa z nawiększymi ośrodkami mieskimi co sugerue ich silne oddziaływanie na sytuacę na wsi. 4. Dziwić może pozyca woewództwa warmińsko-mazurskiego (ostatnie lub przedostatnie miesce w rankingu) które w badaniach dotyczących różnych aspektów rozwou rolnictwa znadowało się wśród liderów [por. Muszyńska Müller-Frączek 2014]. Ostatni wniosek pozwala nakreślić dalsze kierunki badań kapitału intelektualnego mieszkańców wsi. nteresuące wydae się łączne ego analizowanie wraz z innymi aspektami dotyczącymi rozwou obszarów wieskich. Literatura Bal-Woźniak T. 2005: Kapitał intelektualny fundamentalnym warunkiem powodzenia regionalnych strategii innowaci Nierówności Społeczne a Wzrost Gospodarczy nr 7 [online] http://www.ur.edu.pl/nauka/ czasopisma-uniwersytetu-rzeszowskiego-punktowane-przez-ministerstwo/nierownosci-spoleczne-a- -wzrost-gospodarczy dostęp 7.05.2015. Bank Danych Lokalnych GUS http://www.stat.gov.pl/bank danych lokalnych dostęp marzec-kwiecień 2015. Europa 2020. Strategia na rzecz inteligentnego i zrównoważonego rozwou sprzyaącego włączeniu społecznemu 2010: Komunikat Komisi Europeskie [online] http://ec.europa.eu/eu2020/pdf/1_pl_ ACT_part1_v1.pdf dostęp 30.04.2015. Grabiński T. Wydymus S. Zeliaś A. 1989: Metody taksonomii numeryczne w modelowaniu zawisk społeczno-gospodarczych PWN Warszawa SBN 83-01-08596-7. Lira J. Wagner W. Wysocki F. 2002: Mediana w zagadnieniach porządkowania obiektów wielocechowych [w]: J. Paradysz (red.) Statystyka regionalna w służbie samorządu terytorialnego i biznesu nternetowa Oficyna Wydawnicza Centrum Statystyki Regionalne Poznań 87-99 SBN 83-907538-0-5. Lira J. Wysocki F. 2004: Zastosowanie pozycynego miernika rozwou do pomiaru zagospodarowania infrastrukturalnego powiatów Wiadomości Statystyczne nr 9 39-49. Metody statystyczne analizy wielowymiarowe w badaniach marketingowych E. Gatnar M. Walesiak (red.). 2004: Wydawnictwo Akademii Ekonomiczne im. Oskara Langego Wrocław SBN 83-7011-703-1. Młodak A. 2006: Analiza taksonomiczna w statystyce regionalne Centrum Doradztwa i nformaci Difin Warszawa SBN 83-7251-605-7. Muszyńska J. Müller-Frączek 2014: Zmiany wielkości ekonomiczne polskich gospodarstw rolnych w latach 2004-2012 Rocz. Nauk. SERiA t. XV z. 3 205-210. Oświata i wychowanie w roku szkolnym 2013/2014. 2014: GUS Warszawa. Panek T. Zwierzchowski J. 2013: Statystyczne metody wielowymiarowe analizy porównawcze. Teoria i zastosowania Oficyna Wydawnicza SGH Warszawa SBN 978-83-7378-869-5. Rocznik demograficzny. 2014: GUS Warszawa. Rocznik statystyczny rolnictwa. 2014: GUS Warszawa. Rocznik statystyczny woewództw. 2014: GUS Warszawa. Wiatrak A.P. 2005: Wiedza i kapitał intelektualny ako źródła nierówności gospodarczych i społecznych Nierówności Społeczne a Wzrost Gospodarczy nr 7 [online] http://www.ur.edu.pl/nauka/czasopismauniwersytetu-rzeszowskiego-punktowane-przez-ministerstwo/nierownosci-spoleczne-a-wzrost-gospodarczy dostęp 7.05.2015.
184 Joanna Muszyńska wona Müller-Frączek Summary The aim of the article was the attempt to measure the intellectual capital of country dwellers in Poland and the appraisal of the level of its diversity. The analysis was to lead to the division of provinces into s with the similar level of intellectual capital to point out the leaders and indicate the weakest regions. Based on the data of public statistics the variables concerning various components of intellectual capital were selected. They were the basis for the construction of synthetic measures. Since the distributions of variables were asymmetrical the statistics were used to construct the synthetic measures. Two methods of the data were applied: one based on the the other on the of Weber. The results of the study in both variants of data were similar. The highest level of intellectual capital in the countryside was achieved by provinces (alphabetically): łódzkie małopolskie mazowieckie śląskie and wielkopolskie all associated with maor urban centres. The weakest regions in this terms were podlaskie and warmińsko-mazurskie where population of cities do not exceed 300 thousand dwellers. Adres do korspondenci dr Joanna Muszyńska dr wona Müller-Frączek Uniwersytet Mikołaa Kopernika w Toruniu Wydział Nauk Ekonomicznych i Zarządzania Katedra Ekonometrii i Statystyki ul. Gagarina 13a 87-100 Toruń e-mail: oanna.muszynska@umk.pl muller@econ.umk.pl