Zusammenfassung
In diesem Beitrag wird analysiert, wie Positions- und relationale Daten in 186 Regionen Deutschlands die Standortentscheidungen wissensbasierter Unternehmen beeinflussen. Es wird ein innovativer Weg zur Untersuchung solcher Standortentscheidungen von Unternehmen durch Netzwerkanalyse vorgestellt, der exponential random graph modeling (ERGM) mit dem Interlocking Network Model (INM) verbindet. Durch die Kombination von Attribut- und relationalen Daten in einem umfassenden Datensatz erfassen wir sowohl die räumlichen Punkteigenschaften als auch die Beziehungen zwischen den Standorten. Unser Ansatz weicht von der allgemeinen Beschreibung individueller Standortentscheidungen in Städten ab und stellt umfangreiche Netzwerke von wissensintensiven Unternehmen in den Mittelpunkt der Untersuchung. Mit dieser Methode kann daher die individuelle Bedeutung von Erreichbarkeit und überörtlicher Konnektivität in Firmennetzwerken untersucht werden. Wir verwenden attributive Daten für Verkehr (Bahn, Flugzeug), Universitäten und Bevölkerung, jeweils auf funktionaler regionaler Ebene; wir verwenden relationale Daten für Reisezeit (Bahn, Straße, Flugzeug) und Häufigkeit von Beziehungen (Bahn, Flugzeug) zwischen zwei Regionen. Die 186 funktionalen Regionen werden einem dreistufigen Urbanisierungsgrad zugeordnet, während die wissensintensiven Wirtschaftstätigkeiten in vier Wissensbasen gruppiert werden. Die Ergebnisse zeigen, dass räumliche Merkmale wie die Bevölkerungszahl oder die Anzahl der Universitäten in einer Region günstig zu sein scheinen, aber auch deutliche Unterschiede aufweisen, z. B. die Nähe zur Verkehrsinfrastruktur und die unterschiedliche Bewertung der Erreichbarkeit für jede Wissensbasis.
Die Publikation können sie hier finden.