The aim of this article is to assess the innovative potential of Polish regional economies. The article discusses various definitions of the category of innovative potential. On the path of achieving the goal, two taxonomic methods and a method that using transition matrices which come from the Markov chain theory were used. The analysis leads to the following conclusions. Firstly, the results confirmed the findings of other researchers that the best developed regions in terms of their ability to develop innovation are mazowiecki, dolnośląski, śląski, małopolski and wielkopolski, while the least developed regions are podlaski, warmińsko-mazurski, lubuski and opolski. Secondly, the ability to develop innovation is stable over time. The transition from the lower to the higher level takes place in multiannual cycles and is related to the effectiveness of the regional innovation ecosystem.
PL
Celem artykułu jest ocena potencjału innowacyjnego polskich gospodarek regionalnych. W artykule przeprowadzono dyskusję różnych ujęć definicyjnych kategorii potencjału innowacyjnego. Na ścieżce osiągania celu poznania wykorzystano dwie metody taksonomiczne oraz metodę wykorzystującą macierze przejścia pochodzące z teorii łańcuchów Markowa. Przeprowadzona analiza skłania do sformułowania następujących wniosków. Po pierwsze, wyniki potwierdziły ustalenia innych badaczy, iż najlepiej rozwiniętymi pod względem zdolności do rozwoju innowacji są regiony mazowiecki, dolnośląski, śląski, małopolski i wielkopolski, zaś najsłabiej regiony podlaski, warmińsko-mazurski, lubuski oraz opolski. Po drugie, zdolność do rozwoju innowacji jest stabilna w czasie. Przejście z niższego do wyższego poziomu odbywa się w cyklach wieloletnich i jest powiązane z efektywnością regionalnego ekosystemu innowacji.
The aim of this article is an empirical analysis of the deteminants of productivity at the voivodeships level of Poland. The beginning is a small review of the literature related to the category of productivity with examples of its quantifiers. In the path of achieving the goal the model of linear regression is used. Variables that illustrate the analyzed cathegory in the best way are: gross value of fixed assets, R&D capital expenditure and an indicator defining the relations of people employed in the agricultural sector to total employment. The analysis leads to the following conclusions. Firstly, higher values of gross fixed assets lead to an increase in labour productivity. Secondly, higher values of the amount of expenditure on research and development lead to an increase in labor productivity. Thirdly, the level of employment in the agricultural sector should be limited as it negatively affects labour productivity.
PL
Celem artykułu jest empiryczna analiza determinant produktywności pracy na poziomie wojewódzkim w Polsce. Początek stanowi przegląd literatury związanej z kategorią produktywności, przedstawione zostały jej przykładowe kwantyfikatory. Na ścieżce osiągania celu wykorzystano model regresji liniowej. Zdecydowano, że zmiennymi objaśniającymi, które najlepiej obrazują badaną kategorię są: wartość brutto środków trwałych, nakłady inwestycyjne na badania i rozwój oraz wskaźnik określający relację zatrudnionych w sektorze rolniczym (rolnictwo, łowiectwo, leśnictwo i rybołówstwo) do zatrudnionych ogółem. Przeprowadzona analiza skłania do sformułowania następujących wniosków. Po pierwsze, wyższe wartości środków trwałych brutto prowadzą do wzrostu produktywności pracy. Po drugie, zwiększenie wielkości nakładów na badania i rozwój powoduje wzrost produktywności pracy. Po trzecie, należy ograniczać poziom zatrudnienia w sektorze rolniczym, gdyż wpływa ono negatywnie na produktywność.
This study investigates the impact of unemployment and labour productivity on relative wages in Polish counties (powiats) from 2008 to 2021. Labour productivity is measured as the ratio of sold industrial production to the number of workers. The data is sourced from the Local Data Bank of Statistics Poland. The analysis employs the Solow model of efficiency wages, the neoclassical Solow model, and the Durbin model of spatial econometrics. The results reveal that both unemployment and labour productivity are statistically significant in explaining relative wages, with unemployment having the strongest, albeit negative, effect during the study period. Notably, changes in unemployment rates or wages in a county influence wage changes in neighbouring counties. The issue of spatial wage differences at the county level in Poland has not been sufficiently explored in recent years. Although recent research has focused on regional (voivodeship-level) wage differences, there remains a gap in understanding wage differences at the county level. Given changes in the Polish labour market, particularly due to the COVID-19 pandemic, this study aims to update previous findings and provide a more detailed analysis.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.