Tér és Társadalom 23. évf. 2009/4. 27-44. p.
Tér és Társadalom XXIII. évf. 2009 s 4: 27-44
KREATÍV KISTÉRSÉGEK MAGYARORSZÁGON'
(Creative Micro-regions in Hungary)
RITTGASSZER IMOLA
Kulcsszavak:
kreatív osztály tudásalapú gazdaság kistérségek területi elemzés
A gazdasági környezetet a globalizáció mellett napjainkban egyéb háttérfolyamatok is befolyásolják,
átalakítják, amelyekre, mint térszervez ő erőkre érdemes és kell is odafigyelni. Manapság a globalizációs
folyamatok alakulásából egyértelm űen látszik, hogy az emberi tényez ők és az arra épülő tudás válhat a
fejlődés jövőbeli kulcstényez őjévé. Egy olyan világban élünk, ahol a tudás, az emberi kreativitás és
a végeláthatatlan információk feldolgozásának képessége szintén a fejl ődés egyik mozgatórugója.
Jelen tanulmány célja annak vizsgálata, hogyan lehet a magyarországi kistérségeket a kreatív osztály
elhelyezkedése szerint csoportosítani. Kiinduló kérdés, hogy a kistérségek, mint területi egységek alkal-
masak-e a kreatív osztály térbeli elhelyezkedésének vizsgálatára? További alapkérdések, hogy a kreatív
osztály elhelyezkedése milyen kapcsolatban van a jövedelemképz ődéssel, valamint az, hogy a
kreatív osztály valóban az urbánus térségekben koncentrálódik-e?
A magyarországi kistérségek elemzésénél Richard Florida kreatív osztállyal foglalkozó vizsgálatából indu-
lunk ki. A magyar kistérségekre kialakított adatbázist és mutatóit többváltozós statisztikai eljárásokkal
vizsgáljuk.
Bevezetés
A globális versenyben nem a tárgyi javak, hanem egyre inkább a tudás vagy a
kapcsolati tőke váltak kulcsfontosságú tényez ővé, a gazdasági fejl ődés legfontosabb
mozgatórugóivá (Enyedi 2000). A regionális tudományban a tudást, mint a regionális
fejlődés meghatározó tényez őjét azonosítják (Lengyel L 2003; Rechnitzer—Smahó
2005; Varga 2005). A regionális növekedést, fejl ődést meghatározó tényez ők válto-
zását figyelembe véve Magyarországon is azt tapasztalhatjuk, hogy a rendszervál-
tást követő években azok a térségek emelkedtek ki, ahol a humán tényez ők koncent-
ráltan jelen vannak. Manapság a humán tőke minősége — több elismert tudományos
irányzat szerint innovativitása, kreativitása — és a gazdasági fejlődés szoros kapcso-
latban áll egymással, továbbá egy térség sikerességét többek között az határozza
meg, hogy a rendelkezésre álló kreatív munkaer ő mennyire képes innovatív gazda-
sági teljesítményre (Lengyel L—Rechnitzer 2004; Varga 2009). A képzett munka-
erőn kívül természetesen számos tényez őnek szerepe van egy térség gazdasági
teljesítményében, de napjainkban a tudás, az emberi kreativitás és az információk
feldolgozásának képessége a fejl ődés egyik legfontosabb mozgatórugójává vált.
Mindezekből következik, hogy tudásalapú gazdaságfejlesztési stratégiát azon térsé-
gekben lehet sikeresen alkalmazni, ahol rendelkezésre áll a megfelel ő minőségű
humán erőforrás (Lengyel L 2007).
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
28 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
A regionális fejl ődést a munkaer ő minőségére visszavezet ő irányzatok közül ki-
emelkedik az amerikai közgazdász-geográfus Richard Florida által kidolgozott el-
mélet. Florida nem csak a kreatív osztály fogalmát vezette be, hanem az Amerikai
Egyesült Államok nagyvárosi régióira a kreatív osztály vizsgálatára alkalmas mód-
szert is kidolgozta (Florida 2000a).
A tudásalapú gazdaság és a kreatív osztály
A tudásalapú gazdaság legszélesebb körben elfogadott definícióiból kiderül, hogy
a tudásalapú gazdaság egy igen komplex fogalom, széles kör ű tulajdonságokkal bír,
amely számos aspektusból megközelíthet ő (OECD 1996, 7; 2005, 28; DTI 1998;
Leadbeater 1999; Kok 2003; ESRC 2005; Leydesdorff 2006; WBI 2007; Huggins-
Izushi 2008; Lengyel B.—Leydesdorff 2008). A definíciók között egyetlen egy közös
metszet található, ami a tudás teremtésének kiemelked ő szerepét hangsúlyozza.
Ebbő l is levonható az a következtetés, hogy a tudásalapú gazdaság indikátorokkal
való leképezése nem történhet meg néhány kiragadott mutatóval, hanem komplex,
többváltozós elemzést kell alkalmazni.
A globális gazdaság tudáshoz köt ődő magyarázatai továbbá alapvet ően kétféle
logika szerint csoportosíthatóak:
1) A „tudásalapú gazdaság", mint hívószó, mint program inkább gazdaságpoliti-
kai jelleg ű fogalom. A gazdaságpolitikai közgondolkodás alapvet ően a K+F
képességben látja a tudásalapú gazdaságban való érvényesülés zálogát
(Bajmócy 2008; Lengyel B. 2008).
2) A tudásalapú gazdaság másik magyarázata a humán tőke oldalhoz kapcsolódik,
a tudás létrehozásában és terjesztésében játszik kiemelt szerepet (Varga 2009).
A tanulmány tárgyát ez utóbbi, vagyis a tudásalapú gazdaság humántőke oldalá-
nak speciális szegmense, a kreatív osztály elhelyezkedésének vizsgálata képezi, és
nem foglalkozik a tudásalapú gazdaság gazdaságpolitikai oldalával. Rechnitzer
János és Smahó Melinda (2005, 14) kiemeli, hogy „a hazai területi kutatások eddig
elhanyagolták a tudásnak, mint a regionális fejlődés új elemének vizsgálatát", így —
bár ezen a területen az utóbbi id őben jelentős előrelépések történtek — kutatásunkkal
ebbe az irányba kívánunk elmozdulni. Természetesen a globális gazdaság tudáshoz
kötődő magyarázatainak kétféle logika szerinti csoportosítása nem választható el
egymástól, hiszen a humán tőke minősége, alapvetően befolyásolja, hogy az adott
térségben lehetséges-e tudásalapú gazdaságfejlesztési stratégiát alkalmazni. A tanul-
mány elemző részében erre majd még röviden visszatérünk.
A tudásalapú gazdaság mibenlétének vizsgálatakor alapvet ő kérdés, hogy mi moz-
gatja a tudásalapú gazdaságot? A kérdésre adott egyik elfogadott válasz szerint,
amely a tudásalapú gazdaság humán t őke szegmense fel ől közelíthető, az egyes térsé-
gek fejlődési lehető ségeit nagyban meghatározza a térségben fellelhet ő humán erőfor-
rás mennyisége és min ősége (Rechnitzer—Csizmadia—Grosz 2004). Florida (2002a)
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 29
szerint a 21. században már nem egyszer űen tudásalapú gazdaság, hanem inkább
kreatív gazdaság jött létre, amit a humán erőforrás egy speciális részhalmaza, a krea-
tív osztály mozgat.
Richard Florida alapmodellje
Florida a gazdasági fejl ődést az ún. 3T modellel, azaz a Technológiával, a Tehet-
séggel és a Toleranciával magyarázza. Ennek lényege, hogy a technológia, mint a
gazdasági növekedés egyik — általánosan elfogadott — kulcsa mellett a tehetséget és
a toleranciát is a kreatív gazdaság növekedésének el őmozdítójaként veszi számba.
Florida szerint e három tényez ő a gazdasági fejl ődés három szükséges, de önmagá-
ban nem elégséges feltétele. Florida azt állítja, ha egy régióban megvan ez a három
tényező , és együtt is képesek jól m űködni, akkor a régió képes lehet fejl ődést pro-
dukálni, ellenkező esetben azonban lemarad (Florida 2002a):
1) Technológia, az első T: A 3T első eleméről, a technológiáról a neoklasszikus
Robert Solow Nobel-díjjal kitüntetett munkájában kimondta, hogy a gazdasági
fejlődés fellendítése inkább függ a technológiai haladás mértékének növekedésé-
től, mint az addig vizsgált t őkefelhalmozástól vagy piacb ővüléstől (Lengyel I.—
Rechnitzer 2004). Technológia alatt Florida az adott terület gazdasági-
technológiai fejlettségét érti, ami a high-tech iparágak meglétét jelenti. Szerin-
te szükséges, de nem elégséges feltétele a high-tech iparágak jelenléte egy tér-
ségben, hogy a térség kreatív központtá válhasson és újabb kreatív embereket,
valamint vállalatokat tudjon odavonzani, amelyek dinamikus gazdasági növe-
kedést és magasabb foglalkoztatottságot tudnak generálni.
2) Tehetség, a második T: A tehetség, mint második változó a szintén Nobel-díjas
Robert Lucas humán tőke szerepét kihangsúlyozó téziseire vezethet ő vissza.
Ezen kulcstényez ő a rendelkezésre álló humán erőforrás minőségét jelenti.
A jól képzett emberek képesek új tudást létrehozni. A már meglév ő és új tu-
dásukat hatékonyan, kreatívan képesek alkalmazni, ezáltal értékeket el őállí-
tani. A kreatív munkavégzéshez nem feltétlenül szükséges fels őfokú végzett-
ség, de azért a legtöbb kreatív munkavégz ő valamilyen fels őfokú diplomával
rendelkezik. A kreatív osztály tagjai általában tudás-intenzív iparágakban dol-
goznak, nagymérték ű kreatív tőkével rendelkeznek, amelyet felhasználnak a
munkájuk során éppúgy, mint az élet egyéb területein is. A kreatív osztály el ő-
állításában fontos szerepe van az egyetemeknek, mint katalizátoroknak.
3) Tolerancia, a harmadik T: A Florida-féle 3T modell harmadik, újszerű ténye-
zője a modell talán legfontosabb, döntő változója. Maga a tolerancia is többfé-
le módon közelíthető meg, és ez az a tényez ő , mely a kreatív osztály életfor-
májának egyik alapköve.
Florida a toleranciát a modellt alapvet ően befolyásoló tényez őnek tartja, mert a
technológia és a tehetség már eddig is ismert, kulcstényez őként emlegetett vál-
tozó, amelyeket egy-egy térség gazdasági fejl ődésének leírásához korábban is
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
30 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
felhasználtak. Ezekhez képest a tolerancia elemének szerepeltetése újdonság a
modellben. A kreatív osztály tagjainak ugyanis közös jellemz ője az individua-
lizmusra való törekvés. Szeretnek saját maguk urai lenni, és maguk definiálni
identitásukat úgy, hogy az kifejezze kreativitásukat. Nyitottak a sokféleségre,
mint valami olyan dologra, amely kreatív potenciáljuk kifejtéséhez és megter-
mékenyüléséhez szükséges (Florida 2004). A kreatív gazdaságban a verseny-
képes térségek elismerik a kreatív munkaer őt, elfogadják, hogy nem az öltözéke,
hanem a szakértelme alapján kell megítélni. „A városok és régiók is veszítenek
versenyképességükb ől, ha nem reflektálják az új kultúrát" (Florida 2002a,
120). Az elmélet szerint a gazdasági fejlődés a kreatív emberek letelepedési
döntéseinek a függvénye. Ezek az emberek pedig olyan helyeket keresnek,
amelyek sokszínűek, toleránsak és nyitottak az új ötletekkel szemben. Ez a fel-
ismerés teszi szükségessé az új, kreatív gazdaság növekedésének 3T modelljé-
ben a tolerancia, mint változó szerepeltetését. A tolerancia ugyanis el ősegíti a
tehetség érvényesülését, az pedig el őmozdítja a gazdasági fejl ődést. Florida ez-
zel azt állítja, hogy a befogadó kulturális, nyitott környezet és a gazdasági fej-
lődés között szoros kapcsolat mutatható ki (Florida 2005).
Florida egyik munkájában sem ad pontos leírást módszerér ől, azt az olvasónak
kell kihámoznia és értelmeznie. A módszer mellett az indexek, illetve az azokat
leképez ő indikátorok bemutatásában is hiányosságokat tapasztaltunk. Ennek azon-
ban elő nye és hátránya is van. A nem teljesen körülhatárolt módszer el őnye, hogy
azt tanulmányozva, abból kiindulva, a vizsgált országra, térségre specializálva el
lehet készíteni a saját 3T modellt. Hátránya mindenféleképpen az, hogy a módszer
és indikátorainak pontról-pontra történ ő lekövetése lehetetlen.
Florida 3T modelljében egy-egy index meghatározásához legtöbb helyen egy vagy
két indikátort használ fel. A saját modell majd tartalmazza azokat az indikátorokat,
amelyek relevánsak, azonban a vizsgált térségek specifikumának megfelel ően
további indikátorok vizsgálatba való bevonása szükséges.
A modell nemzetközi adaptációi
Florida módszere és indikátorkészlete az amerikai specialitások miatt nagyon nehe-
zen adaptálható Magyarországra, másrészt Florida által elemzett aggregációs szint túl
nagy az általunk elemezni kívánt kistérségi szinthez képest. A benchmark példák át-
tekintésétő l azt várjuk, hogy ezen felvetésekre adott válaszainkat megkönnyítik.
A kutatás során áttekintett 10 nemzetközi adaptáció rendkívül fontos tapasztala-
tokkal járt a módszer magyar kistérségekre történ ő alkalmazhatóságát illetően. Több
szerző is megállapította, hogy az európai területi szintek elemzésénél nem lehetséges
a módszer egy az egyben történ ő adaptációja, hiszen Florida 3T modellét alkotó
indexekhez tartozó indikátorok többsége elérhetetlen a különböz ő országok adatbázi-
saiból (Andersen—Lorenzen 2005; Hackler—Mayer 2008; Houston 2008; Lengyel B.—
Ságvári 2008; Zimmerman 2008). Számos áttekintett tanulmány Floridánál jóval több
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 31
mutatót, komplett mutatószámrendszereket használt a valós eredmények elérése
érdekében (Andersen—Lorenzen 2005; Mellander—Florida 2007; Clifton 2008; Hara
2008; Lengyel B.—Ságvári 2008) és többváltozós statisztikai elemzéseket alkalma-
zott a vizsgálat során (Lengyel B.—Ságvári 2008; Sharp—Joslyn 2008 ). A másik
lényeges tapasztalat, hogy az elemzésnél el őször érdemes a kiválasztott területi
szint teljes körű vizsgálatát elvégezni, majd a levont tanulságok, következtetések
után lehetőség szerint szűkíteni az elemzésbe vont területeket és azokra egy újabb
vizsgálatot elkészíteni (Andersen—Lorenzen 2005; Lengyel B.—Ságvári 2008). Ez a
módszer az általunk kiválasztott területi szintre maradéktalanul használható az
egyes hazai kistérségek igen különböz ő fejlettségét és tulajdonságait alapul véve.
A vizsgált nemzetközi munkák mindegyike Richard Florida alapmódszertanára és
alapmodellére épült, azonban megállapíthatjuk, hogy kivétel nélkül minden tanul-
mányban található valami újdonság, ami Florida módszertanának alapos átgondolása
után az adott ország és az elemzésül választott területi szint sajátosságainak köszön-
hető. Mindezek után megállapíthatjuk azt, hogy a nemzetközi munkák majdnem azo-
nos fogalomkészlettel, azonos elemzési módszerekkel, illetve hasonló indikátorkészlet-
tel közelítették meg a kreatív osztály térbeli elhelyezkedésének vizsgálatát.
Richard Florida módszertanára épül ő nemzetközi adaptációk tapasztalatait csak
közvetetten tudjuk alkalmazni az elemzésünk során, hiszen nemzetközi viszonylat-
ban városokat, régiókat, városrégiókat vagy éppen munkaerő-vonzáskörzeteket
vizsgáltak a szerz ők — kivéve Lengyel és Ságvári —, amelyek az általunk vizsgálni
kívánt területi szintnek nem felelnek meg. A nemzetközi tanulmányokból egyedül
Andersen és Lorenzen (2005) elemzésében használt területi egységhez, a város-
régiókhoz hasonló az elemzésünk alapegységéül választott kistérségi szint.
Természetesen a tanulmányban bemutatni kívánt, általunk kialakított módszer
csak egy lehetséges változata annak, hogyan lehet a magyarországi kistérségekre a
kreatív osztály térbeli elhelyezkedését és a térségi fejl ődést értelmezni, elemezni.
A magyar kistérségek elemzése
Az áttekintett elemzések többsége városrégió, munkaer ő-vonzáskörzet, illetve kis-
térség szinten vizsgálódott. Az els ő kettő a régió fogalmak közül a csomóponti
régiónak feleltethető meg (Lengyel I.—Rechnitzer 2004), amely közgazdasági érte-
lemben igen fontos és jól értelmezhet ő, azonban statisztikai adatokkal nagyon nehe-
zen leképezhet ő kategória, mivel a határai nem adhatóak meg pontosan.
Az elemzés alapegységének a nemzetközi gyakorlatnak megfelel ően mi is mun-
kaerő-vonzáskörzeteket vagy városrégiókat alkalmaznánk. A hazai statisztikai adat-
gyűjtésben a munkaer ő-vonzáskörzetnek leginkább a kistérség feleltethet ő meg
(Lukovics 2007).
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
32 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
A felhasznált adatállomány
Az adatállomány kialakításánál alapvet ően Richard Florida 3T modelljét leképez ő
indikátorokhoz tartozó adatokat gy űjtöttünk össze, illetve nemzetközi és hazai tanul-
mányokra támaszkodtunk. Fontos megemlíteni, hogy a végleges, az elemzés alapjául
szolgáló adatállomány kialakítása többszöri finomítás után nyerte el végs ő formáját.
Munkánkat a kistérségi szinten elérhet ő adatok korlátolt száma és az alapmodell-
ben használt, Magyarországon nem gyűjtött adatok hiánya is nehezítette. A 174 kis-
térségre vonatkozó adatok túlnyomó többsége az Országos Területfejlesztési és Terü-
letrendezési Információs Rendszerb ő l (továbbiakban TeIR) származik. Emellett a
szabadalmak számát a Magyar Szabadalmi Hivatal „PIPACS" iparjogvédelmi adatbá-
zisából, a köztestületi tagok számát az MTA Köztestületi adatbázisból gy űjtöttük, míg
a K+F adatokat a Központi Statisztikai Hivataltól egyéni adatkérés után kaptuk meg.
Az adatbázis elkészítésénél sok szempontot figyelembe vettük, de leginkább arra
törekedtünk, hogy a dolgozat elemz ő részénél a 2008-ban elérhet ő legfrissebb ada-
tokat használjuk fel. Az adatbázis 2006-os kistérségi adatokból és a 2001-es nép-
számlálás adataiból épül fel. Igaz, hogy a 2001-es népszámlálási adatok a 7 évvel
ezelő tti állapotot mutatják, de ezeket tudtuk csak felhasználni, hiszen ez a legfris-
sebb olyan teljes körű adatforrás, amely rendelkezésre áll.
Az ily módon kialakított adatbázis 93 alapadatott tartalmazott, amelyekb ől fajlagos,
illetve aránymutatókat képezve állt el ő az elemzés alapjául szolgáló adatbázis. A kö-
vetkező lépésben ezeket az adatokat a 3T modell szerint rendeztük, így a Florida-féle
Technológia dimenziót 11, a Tehetség dimenziót 26, míg a Tolerancia dimenziót 16
mutató képezte le. Összesen 53 mutatóval kezdtük meg az elemzést. Itt jegyeznénk
meg, hogy a különböz ő dimenziókhoz tartozó mutatószámok aránytalan eloszlása
nem jelenti az elemzésben a több mutatóval leképezett dimenzió felülreprezentált-
ságát. Az egyes dimenziókon belül ugyanis külön-külön rangsorok készülnek, a
végső T index pedig ezek súlyozatlan számtani átlagából áll el ő , vagyis az, hogy az
egyes dimenziók hány indikátorból álltak, a végs ő T index kalkulációja során
indifferenssé válik.
Az elemzés nem egy az egyben Florida módszertanának és modellének adaptációja,
hanem az alapmodell és külföldi alkalmazásainak tanulságai alapján egy megfelel ő
adatbázissal alátámasztott elemzés, ami az alapmodellhez képest módszertani
újdonságokkal is szolgál. Tulajdonképpen a fő ötletet, a gondolati vázat és a mód-
szertani mérföldköveket vesszük át, és azokat az általunk vizsgált területi egység
sajátosságaihoz igazítjuk. A módszertani újdonságok alatt egyrészt azt értjük, hogy
sokkal több változót használunk fel a modell kialakításához, mint Florida és a többi
szerző , továbbá az elemzést a magyar sajátosságokhoz alakítjuk.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 33
Az elemzés módszertana
Az adatbázis 53 kiinduló mutatójának standardizálása után Florida modelljét
követve létre kívánjuk hozni mindhárom T esetén a kistérségek rangsorát, majd
ezek alapján a végs ő rangsort. Az áttekintett elemzések alapján nyilvánvalóvá vált,
hogy a teljes térszerkezet minden egyes térsége nem tekinthet ő a kreatív osztály
megjelenési helyének, így többen az elemzés oly módon történ ő szofisztikálására
vállalkoztak, hogy bizonyos kritériumok szerint leválasztott térségekkel, mint alap-
sokasággal végezték tovább az elemzést.
1. ÁBRA
Az elemzés módszertanának logikai szerkezete
(The Logical System of the Methodology of the Analysis)
Florida alapmodellje és
módszertan és mutatói
• Az alapmodell nemzetközi adaptációinak
módszertana és mutatói
Lehetséges mutatók definiálása a tapasztalatok alapján
A magyar kistérségek szintjén elérhet ő adatok alapján az indikátorkészlet átgondolása;
A "3T" szerinti rendezett
kiindulási mutatók (53 db)
Standardizálás:
Egydimenziós skálázás, szelektálás ;
Végső
mutatókészlet (43 db)
Egydimenziós skálázás, klaszteranal'zis
A KREATÍV OSZTÁLY KISTÉRSÉGEINEK LEHATÁROLÁSA
.. . . . . . . . . . . . . . . . . . . . . .......
,Standardizálás
Klaszteranalízis
A kreatív osztály kistérségeinek
tipizálása
Forrás: Saját szerkesztés.
Azon előzetes elképzelés, miszerint az elemzés alapsokaságának számító 174 kis-
térséget azok vizsgálata után lesz űkítsük azokra a kistérségekre, ahol nagyobb való-
színűséggel lelhető fel a kreatív osztály, Florida munkáiból is következik. Florida
szerint elméletileg sincs értelme markánsan eltér ő fejlettségű térségeket együtt
vizsgálni, így célszerű leválasztani és további elemzések alá vonni azon térségeket,
amelyekben a kreatív osztály koncentráltabban jelen van, mint a többi térségben
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
34 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
(Florida 2002b). A leszűkítésre alkalmas módszer egy rangsor készítése egydimen-
ziós skálázás segítségével, melynek eredményeként a rangsor elején a legjobban, a
rangsor végén pedig a gyengébben teljesít ő kistérségek állnak. A kreatív osztály
legfőbb elő fordulási térségei az egydimenziós skálázás alapján azonban csak igen
szubjektív módon választhatók ki. Annak érdekében, hogy a leválasztást minél
objektívebb módon végezzük el, klaszteranalízist alkalmazunk.
Ezt követően reményeink szerint a 174 kistérségből kiválasztható azon kistérségek-
nek a köre, amelyekben a kreatív osztály már nagy valószín űséggel elő fordul, így az
elemzés további részében ezen n darab kistérséget fogjuk alapsokaságnak tekinteni. A
kreatív osztály el őfordulási helyeként definiált n darab kistérséget az elemzés során
felhasznált 53 mutató alapján tovább differenciáljuk klaszteranalízis segítségével
(1. ábra). Végül korrelációszámítás segítségével finomítjuk a kapott eredményeket.
Végs ő mutatókészlet
Ahogy a módszertani részben leírtuk, el ő ször egydimenziós skálázást futtattunk le i
mindeTzóra,lynkedmétingyeskéraTcholó-
gia, Tehetség és Tolerancia dimenzió mentén egy-egy koordinátát kapott, amelyek
alapján rangsorolni lehetett a kistérségeket. Ezen vizsgálat során a Technológia és a
Tehetség dimenziót leképez ő mutatóknál minden változó benne maradt megfelel ő
S-stress értékkel, azonban a Tolerancia dimenziónál szelektálást kellett végezni a
mutatók között. Ezen mutatók matematikai-statisztikai módszerekkel történ ő szelek-
tálása után a végs ő adatbázis 11 technológiát leképező, 25 tehetséget leképez ő és
6 toleranciát leképez ő, vagyis összesen 43 mutatóból áll (1. táblázat).
A 3 dimenzió együttese alapján kialakított végs ő rangszám a három egydimenziós
skálázás rangszámainak átlagolásával állt el ő .
1. TÁBLÁZAT
A végső mutatókészlet
(The Final Set of Indicators)
Mutató megnevezése
1. A 10 000 lakosra jutó szabadalmak száma a kistérségben 2000-2006 közötti id őszakban (db)
2. K+F helyek száma 10 000 lakosra, 2006 (db)
3. K+F helyek beruházásai 1000 lakosra, 2006 (eFt)
4. K+F helyek költségei 1000 lakosra, 2006 (eFt)
TECHNOL ÓGIA
5. K+F helyek ráfordításai 1000 lakosra, 2006 (eFt)
6. K+F helyek tényleges összlétszáma 1000 lakosra, 2006 (f ő)
7. K+F helyek tudományos kutatóinak tényleges létszámadata 1000 lakosra, 2006 (f ő)
8. 10 000 lakosra jutó MTA köztestületi tagok száma, 2006 (f ő)
9. Számítógépek száma a közoktatási intézményekben 1000 lakosra, 2006 (db)
10. Intemettel ellátott feladatellátási helyek száma a közoktatási intézményekben 10 000 la-
kosra, 2006 (db)
11. ISDN vonalak száma 1000 lakosra, 2006 (db)
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 35
12. Rendszeres művelődési foglalkozások száma 1000 lakosra, 2006 (fő)
13. Rendszeres művelődési formákban résztvev ők száma 1000 lakosra, 2006 (fő)
14. Felsőoktatásban részt vev ő hallgatók száma minden tagozaton az intézmény székhelye
szerint 1000 lakosra, 2006 (fő)
15. Felsőoktatási intézményekben dolgozó oktatók száma az intézmény székhelye szerint
10 000 lakosra, 2006 (fő)
16. Állandó színházak látogatóinak száma 1000 lakosra, 2006 (fő)
17. Regisztrált vállalkozások száma az egészségügyi, szociális ellátás nemzetgazdasági ág-
ban 10 000 lakosra, 2006 (db)
18. Regisztrált vállalkozások száma az oktatás nemzetgazdasági ágban 10 000 lakosra,
2006 (db)
19. Regisztrált vállalkozások száma a pénzügyi közvetítés nemzetgazdasági ágban
10 000 lakosra, 2006 (db)
20. A munkahelyi, fels őoktatási és egyéb könyvtárak beiratkozott olvasóinak száma
1000 lakosra, 2006 (fő)
c• 21. Kulturális rendezvények száma 1000 lakosra, 2006 (db)
22. Kulturális rendezvényeken résztvev ők száma 1000 lakosra, 2006 (fő)
• 23. Múzeumi látogatók száma 1000 lakosra, 2006 (f ő)
• 24. Egyéb szellemi foglalkozásúak 1000 lakosra jutó száma, 2001 (f ő)
25. Szolgáltatási szektorban dolgozók száma 1000 lakosra, 2001 (f ő)
26. Szolgáltatási jelleg ű ágazatokban dolgozók száma 1000 lakosra, 2001 (fő)
27. Vezető, értelmiségi foglalkozásúak száma 1000 lakosra, 2001 (fő)
28. Egyetemi, főiskolai végzettségűek száma 1000 lakosra, 2001 (fő)
29. A pénzügyi tevékenységben foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
30. Az egészségügyi, szociális ellátásban foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
31. Az ingatlanügyek, gazdasági szolgáltatásban foglalkoztatottak száma 1000 lakosra,
2001 (fő)
32. Az oktatásban foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
33. A szolgáltatási foglalkozású foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
34. A vezető, értelmiségi foglalkozású foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
35. Az egyéb szellemi foglalkozású foglalkoztatottak száma 1000 lakosra, 2001 (f ő)
36. Az 1 lakosra jutó szellemi alkotások jövedelme, 2006 (eFt)
37. Szakorvosok száma 1000 lakosra, 2006 (fő)
38. Odavándorlások száma 1000 lakosra, 2006 (fő)
• 39. Az eltartott férfiak száma 1000 lakosra, 2001 (f ő)
40. A 15 éves és id ősebb népességb ől a nőtlenek, hajadonok száma 1000 lakosra, 2001 (fő)
w 41. A 15 éves és id ősebb népességb ől az elváltak száma 1000 lakosra, 2001 (fő)
• 42. 1000 lakosra jutó kisebbségiek száma, 2001 (f ő)
43. Élettársi kapcsolaton alapuló családok száma 1000 lakosra, 2001 (db)
Forrás: Saját szerkesztés.
A kreatív kistérségek lehatárolása
Az egydimenziós skálázás segítségével, amint erre már kitértünk, nem tudjuk egyér-
telműen meghatározni a kreatív osztály legvalószín űbb előfordulási helyének tekintett
kistérségeket. Nem lehet ugyanis önkényesen meghúzni a rangsor valamelyik kistérsége
után a határvonalat. Annak érdekében, hogy el tudjuk határolni egymástól a kreatív és a
gyengébben prosperáló kistérségeket, klaszteranalízist érdemes alkalmazni.
Az elemzésnél a hierarchikus klaszterezést választottuk, mert nem volt semmiféle el ő-
zetes iránymutatás a létrehozandó klaszterek számára vonatkozóan. A hierarchikus klasz-
terezési eljárás felépítési táblázata alapján négy klasztert sikerült azonosítani (2. ábra).
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
36 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
2. ÁBRA
A 174 kistérség tipizálása
(Typology of the 174 Micro-regions)
eI. klaszter
El 2. klaszter
II 3. klaszter
u 4. klaszter
Forrás: Saját szerkesztés.
Az els ő klaszterbe azok a kistérségek kerültek, amelyek mind a technológia, mind
a tehetség, mind a tolerancia szempontjából a legkiemelkedőbbek. A második, a
harmadik, és a negyedik klaszter olyan kistérségekb ől épül fel, amelyek legalább az
egyik T dimenzió szerint az átlagnál alacsonyabb értéket vesznek fel, így ezen kis-
térségeket — mint nem kreatív kistérségeket — az elemezés további részéb ől elhagy-
juk. A továbbiakban tehát kizárólag azon kistérségeket elemezzük tovább, amelyek
az első klasztert alkotják.
A kreatív kistérségek tipizálása
Az új, vizsgálandó alapsokaság az 1. klaszterbe tartozó 38 kistérség. Az új alap-
sokaság elemzésére felhasznált mutatók köre megegyezik a 174 kistérség elemzésé-
re használt mutatókéval, így a 38 kistérséget 43 mutató segítségével vizsgáljuk.
A 38 kistérséghez tartozó mutatók újbóli standardizálása után klaszteranalízis
segítségével további csoportokat hozzunk létre, amelyek elemzéséb ől remélhetően
tovább tudunk differenciálni, illetve pontosítani tudjuk a kreatív osztály elhelyezke-
dését Magyarországon.
Mivel a létrehozandó klaszterek száma — a 174 kistérségre lefolytatott elemzéshez
hasonlóan — ezúttal sem volt el őre meghatározható, így ismét hierarchikus
klaszterezési eljárást futtattunk. A klaszterek összevonási táblázatából kiolvasható,
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 37
hogy ezúttal is 4 klaszter lehatárolása indokolt. Az 1. klaszter 5 kistérséget, a
2. klaszter 5 kistérséget, a 3. klaszter 23 kistérséget, míg a 4. klaszter 5 kistérséget
foglal magában (2. táblázat).
2. TÁBLÁZAT
A kreatív kistérségek típusai
(Types of the Creative Micro-regions)
Szuper „Spill-over" Potenciálisan Mérsékelten
kreatív térség vezérelt térség kreatív térség kreatív térség
- Budapest — Budaörsi — Békéscsabai — Balatonalmádi
— Debreceni — Dunakeszi — Dunaújvárosi — Balatonföldvári
— Pécsi — Érdi — Egri — Balatonfüredi
- Szegedi Pilisvörösvári — Ercsi - Keszthelyi
- Veszprémi — Szentendrei - Esztergomi — Siófoki
- Gárdonyi
— Gödöllői
- Gyáli
- Győri
- Gyulai
- Hódmezővásárhelyi
- Kaposvári
— Kecskeméti
Miskolci
Sopron—Fertődi
Szarvasi
— Székesfehérvári
Szekszárdi
— Szolnoki
- Tatabányai
— Tatai
— Váci
- Várpalotai
Forrás: Saját szerkesztés.
3. TÁBLÁZAT
A változók klaszterenként felvett értékeinek átlagos nagysága a 3T szerint rendezve
(The Typology of the 38 Creative Micro-regions)
Klaszter Technológia (T1) Tehetség (T2) Tolerancia (T3)
Szuper
magas magas magas
kreatív térség
„Spill-over"
relatíve alacsony relatíve magas relatíve magas
vezérelt térség
Potenciálisan
relatíve magas közepes közepes
kreatív térség
Mérsékelten
közepes relatíve alacsony relatíve alacsony
kreatív térség
Forrás: Saját szerkesztés.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
38 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
Nagy hangsúlyt fektettünk arra, hogy az egyes klaszterek legf őbb tulajdonságait
megtaláljuk, ezért a klaszteranalízis outputjában lev ő táblázatok minden egyes
klaszterhez tartozó értékeinek alapos, egyenkénti vizsgálata után megkíséreltük
elnevezni a négy klasztert úgy, hogy az elnevezés tükrözze az egyes klaszterbe tar-
tozó kistérségek viszonyát a 3T dimenzióhoz (3. táblázat).
A klaszteranalízis lefuttatása után kiemelten fontos a kapott eredmények értelme-
zéséhez, hogy meghatározzuk az egyes klaszterek legfontosabb tulajdonságait asze-
rint, hogy az egyes kistérségek klaszterekbe rendezése mely ismérvek alapján tör-
tént. Technikailag mindez úgy valósítható meg, hogy az SPSS egyik outputjában
listázza minden egyes változónak az adott klaszterben felvett átlagos értékét. Ezen
értékek elemzése után egyértelm űen meghatározható, hogy az egyes klaszterekbe
milyen tulajdonságokkal rendelkez ő kistérségek kerültek, így kialakíthatóvá vált a
kreatív magyar kistérségek négy alaptípusa (3. ábra):
1) Szuper kreatív térség 4: az 5 kistérség, ahol mindhárom T dimenzió szerinti
változók a legmagasabb értéket veszik fel. A Budapesti, Debreceni, Pécsi,
Szegedi és Veszprémi kistérség a Technológia, a Tehetség és a Tolerancia
szempontjából kiemelkednek. Ezen kistérségek állnak az egydimenziós ská-
lázás eredményeként megkapott végs ő rangsor el őkelő első 5 helyén is.
Mindhárom T változói átlagosan magasabb értéket mutatnak ebben a
klaszterben, mint a többi háromban.
2) „Spill-over" vezérelt térség: a 3T szerint csoportosított változók közül azok
mutatnak relatíve magas értéket, amelyek a Tolerancia és a Tehetség körébe
tartoznak, míg a Technológia változói relatíve alacsony értékkel bírnak. Ebbe
a klaszterbe Budapest agglomerációs gy űrűjébe tartozó kistérségek tartoz-
nak, amelyek északról, északnyugatról, nyugatról és délnyugatról határolják.
Napjaink társadalmi-gazdasági folyamatait vizsgálva azt találjuk, hogy a
Budapesten jelentkez ő urbanizációs hátrányokra adott válaszként egyrészt a
fő városban koncentrálódó gazdasági és politikai elit egyre inkább az agglo-
merációba költözik ki, onnan jár be Budapestre dolgozni, másrészt pedig a
vállalatok egyre nagyobb része választ telephelyet a f őváros helyett az ahhoz
nagyon közel lev ő, de jóval élhetőbb agglomerációban található települése-
ken. Ezen ldaszter kistérségeinek kreativitása nagyban tulajdonítható a
Budapesten képz ődő tudás túlcsordulásának (spill-over).
3) Potenciálisan kreatív térség: ezen kistérségeknek a Technológia dimenzió-
hoz tartozó változói relatíve magas értéket képviselnek, továbbá a Tehetség
változói közepesen magas, illetve a Tolerancia dimenzió szerint is a változók
közepesen magas értéket mutatnak. A Technológia változóinak magas értéke
annak köszönhet ő, hogy az ebbe a klaszterbe tartozó kistérségek 90%-ában
jelen van valamilyen fels őoktatási intézmény székhelye vagy kihelyezett
tagozata. Ha az egydimenziós skálázás végs ő rangsorát nézzük, akkor a
Potenciális kreatív klaszterbe tartozó kistérségek a rangszámaik alapján a
rangsor első harmadába tartoznak.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 39
4) Mérsékelten kreatív térség: olyan kistérségeket reprezentál, amelyek a 3T
dimenzió szerint csoportosított változók közül közepes értéket értek el a
Technológia dimenzióban, míg a Tolerancia és a Tehetség dimenziókhoz tar-
tozó változók relatíve alacsony értéket mutatnak. A Mérsékelten kreatív tér-
ség klaszterébe csupán 5 kistérség tartozik, azonban ezek földrajzilag közel
helyezkednek el egymáshoz a Balaton közelében.
Az elemzés néhány további következtetése
A kapott eredmények alapján néhány további statisztikai vizsgálatot végeztünk el,
amelyeket a következ ő két vezérfonal mentén lehet elkülöníteni:
1) A kreatív osztály és a jövedelemképz ődés közötti kapcsolat vizsgálatával az
a cél, hogy megállapítsuk, vajon a kreatív osztály, illetve a kreatív osztály
számára fontos feltételek esetleges fejlesztése várhatóan együtt jár-e az adott
térségek jövedelmi szintjének várható növekedésével, ceteris paribus.
2) A kreatív osztály és az urbanizáltság kapcsolatának vizsgálatával az a
célunk, hogy feltárjuk, vajon a tudásalapú (vagy Florida szerint kreatív) gazda-
ság motorjaként definiált kreatív osztály fellelhet ő-e egyáltalán a rurális térsé-
gekben. Másképpen fogalmazva: rurális térségekben érdemes-e ezen vizsgá-
lati szempont szerint a kreatív osztály, illetve a kreatív osztály számára fontos
feltételek fejlesztésére stratégiákat kidolgozni.
Fontos kérdés, hogy a kreatív osztály milyen kapcsolatban van a jövedelemképz ő-
déssel. A GDP helyett, mivel kistérségre nem áll rendelkezésre, sokan alkalmazzák
kistérségi szint ű jövedelem mérésére az egy f őre jutó bruttó hozzáadott érték (GVA)
mutatót. Ez azonban félrevezet ő lehet, hiszen a TeIR-ben elérhető bruttó hozzáadott
érték néven szerepl ő mutató a társaságiadó-statisztikából nyerhet ő székhely szerinti
adat, vagyis kizárólag azon adóalanyok bruttó hozzáadott értékét jelenti, amelyek az
adott évben társasági adóbevallást készítettek. Ez pedig nem azonos a teljes bruttó
hozzáadott értékkel. Mindebb ől az következik, hogy ezen mutató alkalmazását elve-
tettük, helyette a könnyen elérhet ő és jól definiált egy főre jutó személyi jövedelemadó
alapját képező jövedelem mutatóval fejeztük ki a kistérségi jövedelmet.
A vizsgált két mennyiség között pozitív irányú er ős kapcsolat mutatkozik
(r=0,76), ami azt jelenti, hogy a kreatív osztály Magyarországon is kimutathatóan a
jövedelemtermelésben élen járó térségekben koncentrálódik. Ebből az következik,
hogy a kreatív osztály b ővülése, illetve a számukra fontos feltételek esetleges fej-
lesztése várhatóan együtt jár az adott térségek jövedelmi szintjének növekedésével.
Ezen megállapítást tovább lehet finomítani akkor, ha azt is meg tudjuk mondani,
hogy a 3T közül mely tényez ő egységnyi változása eredményezi a legnagyobb mér-
tékű változást a térségi jövedelemben. Erre a kérdésre többváltozós regresszió-
számítás elvégzésével lehet választ kapni. Ebben a modellben eredményváltozó az
egy lakosra jutó személyi jövedelemadó alapját képez ő jövedelem, a három magya-
rázó változó pedig a Technológia, a Tehetség és a Tolerancia dimenzió.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
40 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
Forrás: Saj át szerkesztés.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 41
A kapott regressziós egyenlet:
5); = 350250 + 184,04T, + 2131,06T, + 66,137;
ahol:
TI : Technológia dimenzió koordinátái az egydimenziós skálázás alapján
T2:Tehetség dimenzió koordinátái az egydimenziós skálázás alapján
T3:Tolerancia dimenzió koordinátái az egydimenziós skálázás alapján
A paraméterek értelmezéséb ől látható, hogy a jövedelem a Tehetség mutatóinak
változására a legérzékenyebb, és a Tolerancia mutatók változására a legkevésbé
érzékeny. Ez azt jelentheti, hogy ezen modell szerint egy térségben a Tehetség
dimenzióhoz tartozó mutatók befolyásolásával az adott térség jövedelmi szintje
várhatóan megn ő.
A kreatív osztály és az urbanizáltság kapcsolatának számszer űsítéséhez Lukovics
Miklós módszertanát alkalmaztuk, amely négy mutató alapján hoz létre urbánus-
rurális indexet (Lukovics 2008):
1) A kistérségközpont lakosságának száma a vizsgált év végén érje el az 50 000 f őt.
2) A 120 feletti népsűrűségű településeken lakók aránya a vizsgált kistérségben
legyen legalább 75%.
3) A térségközpont lakosságának aránya a kistérség lakosságában ne legyen
kisebb, mint 75%.
4) A kistérségben fels őoktatási intézmény m űködik.
Ezen módszer alkalmazásának eredményeként megállapítható, hogy az urbani-
záltság és a 174 kistérségre kiszámított végs ő rangszámok között er ős a korrelációs
kapcsolat (r=0,75), ami azt jelenti, hogy a kreatív osztály Magyarországon is az
urbánus térségekben koncentrálódik. Ebből következik, hogy a modell szerint a
rurális térségekben nem lehet reálisan tudásalapú gazdaságfejlesztést végezni, mert
ezen térségek nem rendelkeznek megfelel ő feltételekkel. Továbbá azt a következte-
tést is levonhatjuk, hogy a rurális térségekben a kreatív osztály számára fontos felté-
telek esetleges fejlesztése várhatóan nem jár együtt az adott térségek jövedelmi
szintjének várható növekedésével.
Összegzés
A tanulmány arra az alapkérdésre kereste a választ, hogyan lehet a magyarországi
kistérségeket a kreatív osztály elhelyezkedése szerint csoportosítani Olyan további
kérdéseket boncolgatott, hogy a kreatív osztály elhelyezkedése milyen kapcsolatban
van a jövedelemképződéssel, illetve, a kreatív osztály valóban az urbánus térségek-
ben koncentrálódik-e.
A vizsgálat alapján az els ő megállapítás, hogy a kreatív osztály nem térképezhet ő fel
egy-két kiragadott mutatóval, az elemzéshez komplex mutatószámrendszert kell
alkalmazni. A tudásalapú gazdaság fogalma annyira bonyolult és komplex, hogy az
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
42 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
ezen alapuló, ebb ől kiinduló elemzések mutatókészleteinek is komplexnek kell lenni,
annak érdekében, hogy az elemzésb ől levonható eredmények korrektek lehessenek.
A nemzetközi tanulmányok és saját vizsgálatunk alapján megállapítható, hogy a
174 kistérségben nincs meg mindenhol a kreatív osztály „kritikus tömege", emiatt
szükséges az úgynevezett kreatív kistérségek elkülönített vizsgálata, tipizálása.
A Technológia, a Tehetség, a Tolerancia változóinak egydimenziós skálázással tör-
ténő vizsgálata és a klaszteranalízis elvégzése után létrejött négy csoport alapján
egyértelműen leválaszthatóvá váltak azon kistérségek, amelyeket kreatív kistérség-
ként definiálhatunk. Ezen leválasztott, 38 kreatív kistérség mind a három dimenzió-
ban a legkiemelkedőbbek.
Az elemzés eredményeként a 38 kreatív kistérség a Technológia, a Tehetség és a
Tolerancia klaszterenként felvett értékeinek átlagos nagysága szerint, illetve ezen
tulajdonságok értékelése után négy csoportot alkotnak; melyek a Szuper kreatív tér-
ség, „Spill-over" vezérelt térség, Potenciálisan kreatív térség, valamint a Mérsékelten
kreatív térség elnevezést kapták. A megyei jogú várost is magában foglaló kistérségek
öt kivételével (a Nagykanizsai, a Nyíregyházi, a Salgótarjáni, a Szombathelyi és a
Zalaegerszegi) kreatív kistérségek. Ezen öt kistérséget a technológia, tehetség és tole-
rancia dimenziók együttese alapján a nem kreatív térségek közé lehet sorolni.
Továbbá megállapíthatjuk, hogy a kreatív osztály jelenléte jelent ős hatást gyakorol
a térség jövedelemtermelésére. A korrelációszámítás a két vizsgált változó között
pozitív irányú és szoros kapcsolatot mutatott ki, vagyis a kreatív osztály Magyaror-
szágon is a jövedelemtermelésben élen járó térségekben koncentrálódik. Továbbá
ebbő l az következik, hogy a kreatív osztály b ővülése és a számukra fontos feltételek
esetleges fejlesztése várhatóan együtt jár az adott térségek jövedelmi szintjének
növekedésével. A regressziószámítás elvégzésével lehet választ kapni arra, hogy
mely tényező egységnyi változása eredményezi a legnagyobb mérték ű változást a
térségi jövedelemben. Az elemzés paramétereinek vizsgálata után megállapítható,
hogy a Tehetség dimenzióhoz tartozó mutatókat befolyásoló tényez ők fejlesztésével
lehetne az adott térség jövedelmi szintjét leginkább növelni.
Annak vizsgálata, hogy a kreatív osztály valóban az urbánus térségekben koncent-
rálódik-e, korrelációszámítással, valamint az urbánus—rurális index kiszámításával
történt. Az urbanizáltság és a 174 kistérségre kiszámított végs ő rangszámok közötti
erő s korrelációs kapcsolat (r=0,75) azt jelenti, hogy a kreatív osztály Magyarorszá-
gon is az urbánus térségekben koncentrálódik, vagyis a kritikus tömeg megléte
szükséges, de nem elégséges feltétele a kreatív osztály jelenlétének. A kreatív. osz-
tály elhelyezkedése és a térség jövedelemtermelésére gyakorolt hatásának együttes
eredményeként megállapítható, hogy a rurális térségekben a kreatív osztály számára
fontos feltételek esetleges fejlesztése várhatóan nem jár együtt az adott térségek
jövedelmi szintjének növekedésével.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
TÉT XXIII. évf. 2009 s4 Kreatív kistérségek 43
Jegyzetek
1
Jelen tanulmány a XXIX. Országos Tudományos Diákköri Konferencia Közgazdaságtudományi Szek-
ciój ának "Regionális gazdaságtan II" tagozatán I. díjat nyert azonos cím ű pályamű átdolgozásával,
aktualizálásával, a vitában elhangzottak figyelembevételével született.
2
Beleértve a végs ő T index korreláció számításához használt adatokat is.
3
Elemzéseinkhez az SPSS 13.0 verzióját használtuk.
4
A szuper kreatív szóösszetétel Florida munkáiból következik. Továbbá itt jegyezzük meg, hogy az ebbe
a klaszterbe tartozó kistérségek csoportját fejlett országokkal való összehasonlításnál nem lehetne szu-
per kreatív térségnek nevezni.
Irodalom
Andersen, K.V.—Lorenzen, M. (2005) The geography of the Danish Creative Class. A Mapping and
Analysis. Copenhagen Business School, Frederiksberg.
Bajmócy Z. (2008) A regionális innovációs képesség értelmezése és számbavétele a tanulás-alapú gaz-
daságban. — Lengyel I.—Lukovics M. (szerk.) Kérdőjelek a régiók gazdasági fejlődésében. JATEPress,
Szeged, 26-46. o.
Clifton, N. (2008) The „creative class" in the UK: an initial analysis. — Geografiska Annaler Series B:
Human Geography. 1. 63-82. o.
DTI (1998) Competitiveness White Paper. Department of Trade and Industry, London.
Enyedi Gy. (2000) Globalizáció és magyar területi fejl ődés. — Tér és Társadalom. 1. 1-10. o.
ESRC (2005) ESRC Strategic Plan 2005-2010. Swindon.
Florida, R. (2002a) The rise of the creative class. Basic Books, New York.
Florida, R. (2002b) The economic geography of talent. — Annals of the Association of American
Geographers. 92. 743-755. o.
Florida, R. (2004) Cities and the creative class. Routledge, New York.
Florida, R. (2005) The Flight of the Creative Class: The New Global Competition for Talent. Harper-
Collins, New York.
Hackler, D.—Mayer, H. (2008) Diversity, entrepreneurship, and the urban environment. — Journal of
Urban Affairs. 3. 273-307. o.
Haza, I. (2008) A Study of Regional Creative Development and Policy. Paper presented at the "Culture,
Cohesion and Competitiveness: Regional Perspectives" 48th Congress of the European Regional
Science Association, Liverpool.
Houston, D. (2008) Will attracting the „creative class" boost economic growth in old industrial regions?
A case study of Scotland. — Human Geography. 2. 133-149. o.
Huggins, R.—Izushi, H. (2008) Benchmarking the knowledge competitiveness of the globe's high-
performing regions. A review of the World Knowledge Competitiveness Index. — International Busi-
ness Journal. 1-2. 70-86. o.
Kok, W. (2003) Enlarging the European Union. Achievements and Challenges. Report of Wim Kok to
the European Commission. European University Institute Robert Schuman Centre for Advanced
Studies, Florence.
KSH (2007) Területi Statisztikai Évkönyv 2006. Központi Statisztikai Hivatal, Budapest.
Leadbeater, C. (1999) New measures for the New Economy Report. Demos, London.
Lengyel B. (2008) Tudásteremtés és ko-evolúció: az egyetem—gazdaság—kormányzat kapcsolatok globá-
lis és lokális vetületei. — Lengyel I.—Lukovics M. (szerk.) Kérdőjelek a régiók gazdasági fejlődésében.
JATEPress, Szeged. 47-61. o.
Lengyel B.—Leydesdorff, L. (2008) A magyar gazdaság tudásalapú szervez ődésének mérése: az innová-
ciós rendszerek szinergiáinak térbelisége. — Közgazdasági Szemle. Június. 522-547. o.
Lengyel B.—Ságvári B. (2008) A kreatív munkaerő feltérképezése Magyarországon. A „Tehetség, Tech-
nológia, Tolerancia, a kreatív gazdaság lehet ségei Magyarországon." Kézirat. Demos, Budapest.
ő
Lengyel I. (2003) Verseny és területi fejl ődés: térségek versenyképessége Magyarországon. JATEPress,
Szeged.
Rittgasszer Imola : Kreatív kistérségek Magyarországon.
Tér és Társadalom 23. évf. 2009/4. 27-44. p.
44 Rittgasszer Imola TÉT XXIII. évf. 2009 s4
Lengyel I. (2007) Fejlesztési pólusok, mint a tudásalapú gazdaság kapuvárosai. — Magyar Tudomány. 6.
749-758. o.
Lengyel I.—Rechnitzer J. (2004) Regionális gazdaságtan. Dialóg Campus, Budapest—Pécs.
Leydesdorff, L. (2006) The Knowledge-Based Economy: Modeled, Measured, Simulated. Universal
Publishers, Boca Rota, Florida.
Lukovics M. (2007) A lokális térségek versenyképességének elemzése. Doktori értekezés. Szegedi
Tudományegyetem Gazdaságtudományi Kar, Szeged.
Lukovics M. (2008) Térségek versenyképességének mérése. JATEPress, Szeged.
Mellander, C.—Florida, R. (2007) The Creative Class or Human Capital? Explaining regional develop-
ment in Sweden. CESIS, Stockholm.
OECD (1996) The Knowledge-Based Economy. Science, Technology and Industry. Outlook 1996.
Organisation for Economic Co-operation and Development, Paris.
OECD (2005) Oslo Manual. Guidelines for Collecting and Interpreting Innovation Data. Third edition.
Organisation for Economic Co-operation and Development, Paris.
Rechnitzer J.—Csizmadia Z.—Grosz A. (2004) A magyar városhálózat tudásalapú megújítóképessége az
ezredfordulón. — Tér és Társadalom. 2.117-156. o.
Rechnitzer J.—Smahó M. (2005) A humán erő források sajátosságai az átmenetben. MTA Közgazdaság-
tudományi Intézet, Budapest.
Sharp, E.—Joslyn, M. (2008) Culture, Segregation, and Tolerance in Urban America. — Social Science
Quarterly. 3.573-591. o.
TeIR (2008) Országos Területfejlesztési és Területrendezési Információs Rendszer. VÁTI, Budapest.
Varga A. (2005) Agglomeráció, technológiai haladás és gazdasági növekedés: A K+F térszerkezet mak-
rogazdasági hatásainak vizsgálata. MTA Doktori Értekezés, Pécs.
Varga A. (2009) Térszerkezet és gazdasági növekedés. Akadémiai Kiadó, Budapest.
WBI (2007) Building knowledge economies: advanced strategies for development. World Bank,
Washington, D.C.
Zimmerman, J. (2008) From brew town to cool town: Neoliberalism and the creative city development
strategy in Milwaukee. — Cities. 4.230-242. o.
CREATIVE MICRO-REGIONS IN HUNGARY
IMOLA RITTGAS SZER
Today the economic environment is influenced and transformed by other background
pro-cesses besides globalisation, which worth being and have to be paid attention to as area
organiser powers. Nowadays the development of globalisation processes unambiguously
shows that human factors and the knowledge based on it may become the future key factors
to development. We live in a world where knowledge, human creativity and the ability to
pro-cess infinite information are also one of the prime movers of development.
This study aims to analyse how Hungarian micro-regions can be classified according to the
position of the creative class. The starting question is whether the micro-regions as regional
units are suitable to examine the spatial position of the creative class. Further basic questions
are what sort of connection there is between the position of the creative class and income
formation and whether the creative class is really concentrated in urban areas.
In the analysis of the Hungarian micro-regions I take Richard Florida's study dealing with
the creative class as a starting point. I examine the database and its indexes developed for
Hungarian micro-regions with multivariable statistical analysis.