The Urban Turn i en dansk kontekst. Høgni Kalsø Hansen Institut for geografi & geologi, KU

Transkript

1 The Urban Turn i en dansk kontekst Høgni Kalsø Hansen Institut for geografi & geologi, KU hh@geo.ku.dk

2 Hansen, H.K & Winther, L. (2012) The Urban Turn Cities, talent and knowledge in Denmark Aarhus University Press 148 s. 6 kapitler og en epilog baseret på tidligere publiceret men omskrevet materiale og en del nyt.

3 The Urban Turn Agglomeration økonomi Lokaliseringsøkonomi Vidensspillovers baseret på ensartet produktion Klynger, ældre industrier Urbaniseringsøkonomi Videsspillovers baseret på diversitet Massen af forskellighed, nyere industrier

4 Urban Turn Vækst og fremgang skabes primært i byregionerne De erhverv der er i fremgang konkurrerer på vidensinput og service Disse konkurrenceparametre fordrer face to face interaktion og dermed nærhed mellem producenter og kunder Derfor bliver byen en naturlig markedsplads i vidensøkonomien.

5 The Urban Turn Jagten på talent: Human kapital og kreativitet anses som nøglen til innovation og dermed til vækst Men talent er en potentielt mobil ressource Hvordan kan den tiltrækkes..hvordan kan den fastholdes?

6 The Urban Turn Herlighedsværdier som forklaringsramme: Place marketing gennem opgradering af byrum => højt uddannede og kreative søger den gode by Massen af uddannede har en effekt i sig selv Jobudbuddet følger massen af højtuddannede Evolutionære og institutionelle som forklaringsramme: Institutionelle og strukturelle forhold vanskeliggør en quick fix arbejdsudbud og arbejdskraftens kompetencer må følges ad et langt sejt træk. Massen af højtuddannede følger jobudbuddet

7 eksempler fra Sverige Cultural and entertainment facilities Work 50% 45% 40% 35% Low education High education 50% 45% 40% 35% Low education High education 30% 30% 25% 25% 20% 20% 15% 15% 10% 10% 5% 5% 0% No importance Small importance Some importance Great importance Utmost importance 0% No importance Small importance Some importance Great importance Utmost importance Outdoor activities/recreation Career opportunities 50% 45% 40% 35% Low education High education 50% 45% 40% 35% Low education High education 30% 30% 25% 25% 20% 20% 15% 15% 10% 10% 5% 5% 0% No importance Small importance Some importance Great importance Utmost importance 0% No importance Small importance Some importance Great importance Utmost importance Niedomysl & Hansen, 2010: What matters more for the decision to move: jobs versus amenities, Environment and Planning A 42:

8 eksempler fra Sverige Migration rate 12% 10% 8% 6% 4% High educated Low education Hansen & Niedomysl, 2009: Migration of the creative class: Evidence from Sweden, Journal of Economic Geography 9: % % Age All Migrants Low Education High Education (N = 4909) (N = 3725) (N = 1184) Education 17% % % 85 Employment 26% % % 277 Living environ. 12% % % 167 Housing 16% % % 283 Social reasons 24% % % 305 Other reasons 5% % % 67 Total 100% % % 1184

9 Talenterne koncentreres i byer

10 København Slagelse Danmark Talent andel ,9 3,9 7, ,8 4,8 8, ,4 5,2 10,0 Talent vækst ,7 33,9 33, ,4 23,7 15, ,6 8,2 15,6 Beskæftigelse vækst ,9 1,2 3, ,1 0,2 0, ,8 1,0 2,7

11 Ikke kun mellem regioner men også internt i regioner er der er rumlig arbejdsdeling af talent. Der er en klar koncentration af talent job i de nordlige dele af hovedstadsregionen. Selv internt i de vidensintensive erhverv er der en højere del af talenter i den nordlige del af hovedstadsregionen

12

13

14 Correlations between human capital and employment growth Total employment growth 1 2 Growth in employed human capital 0.608*** 1 3 Growth in public employment 0.557*** 0.288*** Growth in private employment 0.936*** 0.601*** 0.256*** 1 5 Growth in publicly employed human capital 6 Growth in privately employed human capital 0.327*** 0.530*** 0.435*** 0.196*** *** 0.885*** *** 0.137** 1 *** Correlation is significant at the 0.01 level (2 tailed). **Correlation is significant at the 0.05 level (2 tailed).

15 Talenternes og vækstens geografi OLS model with employment growth as dependent variable and with cluster robust standard errors to control for spatial dependence at regional level (with std. errors in bracket) Employment growth Base Model Model 1 Model 2 Full Model Growth in publicly employed human capital 0.06*** (0.01) 0.05*** (0.01) Growth in privately employed human capital 0.07*** (0.01) 0.07*** (0.01) Controllers City region 10.86*** (1.22) 10.14*** (1.05) 6.34*** (1.22) 6.00*** (1.22) University region 2.37** (0.99) 2.17** (1.01) 1.61 (1.21) 1.49 (1.27) Outer city 14.24*** (1.22) 11.02*** (1.03) 10.31*** (1.16) 8.25*** (1.18) Bybånd 7.97*** (2.21) 7.56*** (1.97) 5.80*** (1.87) 5.62*** (1.71) Intercept 0.75 (1.22) 4.09*** (1.37) 5.48*** (1.46) 8.02*** (1.60) R Square ***0.01, ** 0.05 level of confidents, *0.10 level of confidents Robust standard errors are generated on basis of the 23 labour market regions that Denmark can be divided into according to Larsen (2006). Also regression models with mixed effects and multilevel effects were tested in order to test for variation within and between labour market regions, but an LR test suggested that OLS models would make a better fit.

16 En klar koncentration af talent i byregionerne Det private talent er samlokaliseret med væksten Talent, især privat talent er lokaliseret i bestemte områder af byregionerne polarisering selv inden for lavteknologi, rengøring mv. ses samme mønster Således skabes en ulig geografi, ikke på erhverv, men på i og uden for byregionerne

17 Generelt lav mobilitet (35 år) Talent tiltrækker talent Mennesker flytter pga. arbejde eller af personlige årsager Højtuddannede flytter pga. arbejde eller karrierer Mange herlighedsværdier tiltrækker i anden række lavt og mellemuddannede Forskellige herlighedsværdier tiltrækker forskellige mennesker efter alder, uddannelse, indkomst, civil status mv. stor diversitet! Få muligheder for højtuddannede, få steder med store, brede arbejdsmarkeder