1. bookVolume 61 (2003): Issue 4 (July 2003)
Journal Details
License
Format
Journal
eISSN
1869-4179
First Published
30 Jan 1936
Publication timeframe
6 times per year
Languages
German, English
Open Access

Convergence of economic structures of german cities

Published Online: 31 Jul 2003
Volume & Issue: Volume 61 (2003) - Issue 4 (July 2003)
Page range: 252 - 258
Journal Details
License
Format
Journal
eISSN
1869-4179
First Published
30 Jan 1936
Publication timeframe
6 times per year
Languages
German, English
Abstract

This paper tests whether the economic structures of german cities converged to a representative structure within the time period from 1990 to 1998. To do this, data describing the economic structure of german cities is used. It can be shown that the economic structures of German cities converged statistically significant to a representative structure. From the perspective of an individual city this means that those sectors with a below average number of employees will on the average perform better — grow more or shrink less — than other sectors.

Einleitung

In einem neoklassischen Wachstumsmodell Solowscher Prägung existiert ein Mechanismus, der regionale Einkommensdisparitäten auszugleichen vermag. Fragen der ökonomischen Angleichung wurden daher klassischerweise zwischen weiter und weniger weit entwickelten Region en mit einem Fokus auf dem ProKopf- Einkommen betrachtet. Diese Art der Konvergenz, wenn nämlich arme Volkswirtschaften höhere Wachstumsraten als reiche Volkswirtschaften aufweisen, wird absolute bzw.unbedingte /3-Konuergenz genannt. Unbedingte /3-Konvergenz lieB sich aber in vielen Fällen empirisch nicht verifizieren.

Hierfür wurden mehrere Gründe angeführt:

Einerseits sei es wichtig, nur Regionen mit vergleichbaren Voraussetzungen bezüglich ihrer Wachstumsraten zu vergleichen. Falls Konvergenz für solcherart vergleichbare Regionen vorliegt, spricht man, Sala-i- Martin (1996) folgend, von bedingter ß-Konvergenz.

Bedingte ß-Konvergenz impliziert, dass nur diejenigen Volkswirtschaften im langfristigen Wachstumsgleichgewicht dasselbe Pro-Kopf-Einkommen erreichen, die bestimmte Voraussetzungen erfüllen, wie z.B. gleiche Ausstattung mit Humankapital, Infrastruktur und institutionelle Stabilität.

Ein weiteres Problem wird darin gesehen, dass ein hohes Maß an sektoraler oder regionaler Aggregation, die ein hohes Maß an Heterogenität verbirgt, irreführend sein kann.

Vgl. Erber und Gagemann (2002), S. 328

Deshalb ist bei empirischen Untersuchungen für die verwendeten Daten ein höchstmögliches Maß an räumlicher und sektoraler Disaggregiertheit anzustreben. Diese Forderung gilt jedoch nicht nur für Analysen der Einkommenskonvergenz, sondern auch für Analysen der Strukturkonvergenz. In einer von Möller (2000) durchgeführten Analyse der Konzentrations- und Spezialisierungstrends in Deutschland werden die Beschäftigtenanteile der Sektoren „Grundstoffe und Produktionsgüter“, „Investitionsgüter“, „Konsumgüter“ und „Nahrungs- und Genussmittel“ den sektoralen Wachstumsraten gegenübergestellt. Hierbei kommt er in drei von vier Fällen zu dem Ergebnis, dass „Wirtschaftsbereiche … in Regionen, in denen sie in der Ausgangslage konzentriert waren, im Mittel nur ein unterdurchschnittliches Wachstum realisieren, während sie in Regionen, in denen sie schwach vertreten waren, relative Anteilsgewinne zu verzeichnen hatten.“

In einer Untersuchung des Einflusses von Standortfaktoren auf den Wirtschaftsstandort Bielefeld kommen Frohn, Niermann und Niermann (2000) zu einem vergleichbaren Ergebnis: „Die Ergebnisse deuten darauf hin, dass eine Konvergenz der Bielefelder Wirtschaftsstruktur hin zu einer repräsentativen nordrhein-westfälischen Stadt stattfindet.” In dieser Arbeit werden ebenfalls sektorale Beschäftigtenanteile eines Basiszeitpunktes dem in einem darauf folgenden Zeitraum gegenübergestellt.

Die Vermutung, dass auch Wirtschaftsstrukturen einem Konvergenzprozess unterworfen sind, scheint durchaus plausibel zu sein; ihr steht aber eine Theorie entgegen, die besagt, dass auch eine Arbeitsteilung zwischen Regionen erfolgt - und zwar durch Clusterbildung. Eine solche Clusterbildung würde aber eine Divergenz der Wirtschaftsstrukturen - zumindest partiell - implizieren.

Nach Porter (1990) bestehen Cluster aus einer Vielzahl von Unternehmen, die durch enge und vielfältige Beziehungen miteinander vernetzt sind und die gesamte Wertschöpfungskette abdecken. Sofern diese Cluster als Kompetenzzentren und somit als Attraktoren für andere Unternehmen wirken, kann dies zu einer Divergenz der regionalen Wirtschaftsstrukturen führen. Diesem Paradigma folgt im Moment auch die Mehrheit der Kommunalberater und regionalen Wirtschaftsförderer. Als Konsequenz für die regionale Wirtschaftspolitik ergibt sich daraus, regional existierende Cluster weiter zu fördern und Stärken der regionalen Wirtschaftsstruktur weiter zu stärken.

Eine gute und detailliertere Darstellung der den Konvergenz- und Divergenzvermutungen zu Grunde liegenden Theorien findet sich in der oben bereits zitierten Arbeit von Möller (2000).

Eine Konvergenz der regionalen Wirtschaftsstrukturen deutet hingegen eher darauf hin, dass die bislang unterrepräsentierten Wirtschaftsbereiche unter sonst gleichen Bedingungen höhere Wachtumspotenziale aufweisen.

Die Datengrundlage

Die Basis der Branchenanalyse stellt ein Datensatz dar, der die Beschäftigung in den verschiedenen Wirtschaftszweigen (untergliedert in 58 Sektoren) für die Jahre 1990 und 1998 umfasst. Das Zusammentragen dieser Daten für die einzelnen Kommunen erwies sich als sehr aufwändig. Da diese Daten bei den jeweiligen Statistischen Landesämtern eingeholt werden mussten und die Landesämter nicht mit bundesweit einheitlichen Verfahren für die Datenaufbereitung arbeiten, ergab sich hier ein sehr großer Koordinationsaufwand.

Bei den verwendeten Daten handelt es sich primär um solche aus der Beschäftigtenstatistik, und zwar den Anteilen der sozialversicherungspflichtig Beschäftigten nach Wirtschaftsbereichen für 1990 und 1998 (für alle Städte mit mehr als 100 000 Einwohnern in den alten Bundesländern).

Dieser Datenmatrix liegt die in Tabelle 1 wiedergegebene Branchengliederung zugrunde.

Die in der empirischen Analyse verwendete sektorale Untergliederung

Landwirtschaft, Forstwirtschaft, Tierhaltung und Fischerei

Energiewirtschaft, Wasser, Bergbau (Kurzbezeichnung: Energie)

Verarbeitendes Gewerbe insgesamt

Chemie und Mineralöl (Kurzbezeichnung: Chemie)

Kunststoff-, Gummi- und Asbestverarbeitung (Kurzbezeichnung: Kunststoff)

Steine, Erden, Feinkeramik, Glasgewerbe (Kurzbezeichnung: Steine)

Eisen, Metall, Gießerei, Stahlverformung (Kurzbezeichnung: Eisen)

Stahlbau, Maschinenbau, Fahrzeugbau (Kurzbezeichnung: Metall)

Stahlbau und Leichtmetallbau (Kurzbezeichnung: Stahl)

Maschinenbau o. Büromaschinen (Kurzbezeichnung: Maschinenbau)

Büromaschinen, Datenverarbeitungsgeräte und -einrichtungen

Fahrzeugbau

Elektrotechnik o. ADV, Feinmechanik, EBM-Waren (Kurzbezeichnung: Elektrotechnik)

Holzgewerbe, Papiergewerbe, Druckgewerbe (Kurzbezeichnung: HPD)

Leder, Textil und Bekleidung (Kurzbezeichnung: LTB)

Nahrungsmittelgewerbe und Genussmittelgewerbe (Kurzbezeichnung: Nahrung)

Baugewerbe (Kurzbezeichnung: Bau)

Handel

Verkehr und Nachrichtenübermittlung (Kurzbezeichnung: Verkehr)Kreditinstitute und Versicherungsgewerbe (Kurzbezeichnung: Kredit)

Dienstleistungen, soweit von Unternehmen und freien Berufen erbracht (Kurzbezeichnung: Dienstleistungen)

Gaststätten und Beherbergungsgewerbe (Kurzbezeichnung: Gastgewerbe)

Reinigung und Körperpflege (Kurzbezeichnung: Reinigung, hierzu gehören beispielsweise Wäscherei und Reinigung inkl. Schornsteinfeger, Friseur- u. so. Körperpflegegewerbe)

Wissenschaft, Bildung, Kunst und Publizistik (Kurzbezeichnung: Wissenschaft)

Gesundheitswesen und Veterinärwesen (Kurzbezeichnung: Gesundheit)

Rechtsberatung und Wirtschaftsberatung sowie andere vorwiegend für Unternehmen erbrachte Dienstleistungen (Kurzbezeichnung: un. Dl.)

sonstige Dienstleistungen (Kurzbezeichnung: so. Dl.)

Organisationen ohne Erwerbscharakter und Private Haushalte

Gebietskörperschaften und Sozialversicherung

In die Analyse gingen die Zahlen der sozialversicherungspflichtig Beschäftigten in diesen Wirtschaftssektoren in allen 70 Großstädten der alten Bundesländer in den Jahren 1990 und 1998 ein.

Damit ist ein hinreichend großes Ausmaß an Disaggregiertheit gewährleistet, um mögliche Verzerrungen zu vermeiden und der von Möller (2000) formulierten Forderung Rechnung zu tragen:

„In der Tat wären Untersuchungen auf Grundlage einer feineren Branchengliederung sehr aufschlussreich. Die entsprechenden Daten sind aber bisher auf kleinräumiger Ebene nicht zugänglich.“ (Möller 2000, S. 371)

Ferner ist anzumerken, dass auf diese Weise dem von Klemmer (1995) genannten Grundsatz „dass nur Vergleichbares miteinander verglichen werden sollte“, gefolgt wird. Beispielsweise wird dadurch von Sondereinflüssen wie der Zentrum-Peripherie-Problematik abstrahiert.

Beschäftigtenanteile und Wachstum: Eine intrasektorale Betrachtung

Die hier vorliegende Analyse ist motiviert durch die empirische Beobachtung, dass tendenziell diejenigen Branchen überdimensionale Wachstumspotenziale aufweisen, die bislang eher unterrepräsentiert waren. Dieser Zusammenhang soll zunächst exemplarisch für den Wirtschaftszweig der unternehmensnahen Dienstleistungen dargestellt werden. Dieser Wirtschaftsbereich wird betrachtet, da er allgemein als der Motor für Beschäftigungsgewinne angesehen wird.

Gegenübergestellt werden einerseits die Anteile der Beschäftigten, die im Jahr 1990 im Wirtschaftsbereich der unternehmensnahem Dienstleistungen beschäftigt waren. Diese Anteile variieren zwischen 1,9 % in Wolfsburg und 11,5 % in Offenbach. Andererseits werden die Wachstumsraten in Prozent der Beschäftigten in diesem Wirtschaftsbereich betrachtet. Diese variieren zwischen +18,3 % in Stuttgart (von 31 077 Beschäftigen im Jahr 1990 auf 36 771 Beschäftigte im Jahr 1998) und +171,3 % in Paderborn (von 2 049 Beschäftigen im Jahr 1990 auf 5 559 Beschäftigte im Jahr 1998).

Abbildung 1

Konvergenz bei den Beschäftigtenzahlen in der Branche der unternehmensnahen Dienstleistungen

(y-Achse = Beschäftigungswachstum 1990-1998, x-Achse = Beschäftigtenanteil im Jahr 1990)

Werden nun diese in einem Streudiagramm gegeneinander abgetragen, zeigt sich ein deutlicher negativer Zusammenhang. Die Wachstumsraten sind in denjenigen Städten tendenziell höher, die von einem niedrigeren Niveau aus gestartet sind.

Dieses Muster ist jedoch nicht nur in diesem Wirtschaftsbereich zu beobachten. In der Abbildung 2 sind die anteilsmäßigen Bestände der sozialversicherungspflichtig Beschäftigten in den sechs wichtigsten Wirtschaftszweigen im Jahr 1990 den Wachstumsraten der Zahl der sozialversicherungspflichtig Beschäftigten gegenübergestellt. In diesem Fall sind die sechs wichtigsten Branchen diejenigen, die die meisten Arbeitnehmer beschäftigen. Ein negativer Zusammenhang zwischen dem Beschäftigtenbestand zu Beginn des Betrachtungszeitraums und dem Wachstum der Zahl der Beschäftigten innerhalb des Betrachtungszeitraums ergibt sich für fast alle Wirtschaftsbereiche. Ein negativer Korrelationskoeffizient bedeutet, dass diejenigen Städte, die bezüglich der Beschäftigtenzahlen einer Branche von einem niedrigen Niveau aus gestartet sind, tendenziell höhere Wachstumsraten aufweisen als diejenigen Städte, die schon 1990 einen überdurchschnittlichen Beschäftigtenanteil in dieser Branche aufwiesen.

Abbildung 2

Konvergenz in sechs ausgewählten Wirtschaftsbereichen

(x-Achse = Beschäftigtenanteile, y-Achse = Wachstum in %)

Die Korrelationskoeffizienten wurden für diejenigen Branchen ermittelt, die die feinste verfügbare Zerlegung der gesamten Wirtschaft bilden. Branchen, die in einer detaillierteren Untergliederung Vorlagen, wurden hier nicht betrachtet.

Da beispielsweise der Sektor mit der Kurzbezeichnung Metall noch weiter untergliedert ist, wird er folglich nicht explizit berücksichtigt

Die berücksichtigten Wirtschaftsbereiche und die korrespondierenden Korrelationskoeffizienten sind der Tabelle 2 zu entnehmen. Bei diesen Berechnungen ergab sich in lediglich 2 von 25 Fällen ein positiver Korrelationskoeffizient. Dieses Ergebnis ist nicht durch Zufallsschwankungen zu erklären. Falls keine Konvergenz vorläge, wäre nur in etwa einem von 100 000 Fällen damit zu rechnen, dass nur zwei oder weniger positive Korrelationen auftre- ten. Die Hypothese „Konvergenz der Wirtschaftsstrukturen findet nicht statt“ kann damit nahezu sicher für den Zeitraum von 1990 bis 1998 mit den deutschen Großstädten als regionale Einheiten statistisch signifikant abgelehnt werden.

Korrelationen zwischen Bestand 1990 und Wachstum zwischen 1990 und 1998

Branche

Korrelation

Land-/Forstwirtschaft (1)

−0,001

Energie (2)

−0,301

Verarbeitendes Gewerbe (3)

Chemie (31)

−0,124

Kunststoff (32)

−0,228

Steine (33)

−0,165

Eisen (34)

−0,2

Metall (35)

Stahl (351)

−0,367

Maschinenbau (352)

−0,339

Büromaschinen (353)

−0,123

Fahrzeugbau (354)

−0,273

Elektrotechnik (36)

−0,281

Holz, Papier, Druck (37)

−0,169

Leder, Textil, Bekleidung (38)

−0,172

Nahrung (39)

0,027

Bau (4)

−0,219

Handel (5)

−0,265

Verkehr (6)

−0,241

Kredit, Versicherung (7)

0,238

Dienstleistungen (8)

Gastgewerbe (81)

−0,347

Reinigung (82)

−0,074

Wissenschaft (83)

−0,206

Gesundheit (84)

−0,293

Unternehmensnahe Dienstleistungen (85+86)

−0,472

Organisationen (9)

−0,364

Gebietskörperschaften (10)

−0,127

Dies ist ein deutlicher empirischer Hinweis, dass die regionalen Wirtschaftsstrukturen bundesdeutscher Großstädte sich im Zeitraum von 1990 bis 1998 einander angenähert haben.

Die Messung der Heterogenität der Wirtschaftsstrukturen

Um auszuschließen, dass es sich bei den im vorigen Abschnitt gefundenen negativen Korrelationen lediglich um ein statistisches Artefakt handelt, das durch die sogenannte „Regression zum Mittelwert“ hervorgerufen wurde, soll in einem folgenden Schritt das Ausmaß der Unterschiedlichkeit der Wirtschaftsstrukturen der einzelnen Städte von der repräsentativen Wirtschaftsstruktur gemessen werden. Das Phänomen der „Regression zum Mittelwert” wird anschaulich bei Smith (1997) dargestellt und diskutiert.

In diesem Abschnitt wird der Frage nachgegangen, ob die Wirtschaftsstrukturen sich tatsächlich messbar einer repräsentativen Wirtschaftsstruktur angenähert haben.

Dabei wird die sektorale Gliederung mit Wirtschaftsabteilungen (1,2,4, 5, 6, 7, 9 und 10 gemäß Tabelle 2) und Wirtschaftsunterabteilungen (31, 32, 33, 34, 35, 36, 37, 38, 39, 81, 82, 83, 84, 85 gemeinsam mit 86) verwendet. Das sind 22 Wirtschaftsbereiche, die eine Zerlegung der gesamten Volkswirtschaft bilden.

Unter den Städten werden diejenigen betrachtet, die bei Verwendung dieser Untergliederung in den Betrachtungsjahren 1990 und 1998 keine fehlenden Werte aufweisen. Beispielsweise können Angaben aus Geheimhaltungsgründen fehlen, wenn einzelne Unternehmen identifiziert werden könnten, weil in der betreffenden Branche nur sehr wenige Unternehmen in der jeweiligen Stadt unternehmerisch tätig sind.

Dies trifft auf 52 der 82 deutschen Großstädte zu. Für diese 52 Städte wird nun die typische Wirtschaftsstruktur - ausgedrückt in Beschäftigungsanteilen der einzelnen Branchen - für die Jahre 1990 und 1998 durch Mittelwertbildung bestimmt.

Aus der Tabelle 3 lässt sich auch ein deutlicher Trend zur Tertiärisierung ablesen.

Repräsentative Wirtschaftsstrukturen

Branche

Repräsentative Wirtschaftsstruktur

1998

1990

Land-/Forstwirtschaft (1)

0.004

0.004

Energie (2)

0.025

0.035

Chemie (31)

0.040

0.046

Kunststoff (32)

0.008

0.010

Steine (33)

0.007

0.008

Eisen (34)

0.026

0.036

Metall (35)

0.084

0.113

Elektrotechnik (36)

0.048

0.062

Holz, Papier (37)

0.021

0.024

Leder, Textil (38)

0.008

0.013

Nahrung (39)

0.020

0.023

Bau (4)

0.049

0.054

Handel (5)

0.150

0.149

Verkehr (6)

0.054

0.056

Kredit, Versicherung (7)

0.048

0.045

Gaststätten (81)

0.039

0.031

Reinigung (82)

0.019

0.018

Wissenschaft (83)

0.060

0.050

Gesundheit (84)

0.080

0.061

Unternehmensnahe Dl (85 + 86)

0.101

0.064

Organisationen (9)

0.038

0.029

Gebietskörperschaften (10)

0.069

0.073

Im folgenden Schritt wird gemessen, wie stark die Branchenstrukturen der einzelnen Städte von diesen durchschnittlichen Branchenstrukturen abweichen. Ein Abstandsmaß für die 52 Städte von dieser repräsentativen Wirtschaftsstruktur ergibt sich, falls für jede Stadt die quadrierten Abstände der Beschäftigtenan- teile von den durchschnittlichen Beschäftigtenantei- len über alle Branchen aufaddiert werden. Die resultierenden Werte und die Veränderungen zwischen den Jahren 1990 und 1998 sind der Tabelle 4 zu entnehmen.

Ausmaß der Unterschiedlichkeit zur repräsentativen Wirtschaftsstruktur

Stadt

Abstand 98

Abstand 90

Differenz

Karlsruhe

0,0695

0,0599

0,0096

Köln

0,0776

0,0749

0,0027

Kassel

0,0644

0,0761

−0,0117

Osnabrück

0,0787

0,0781

0,0006

Lübeck

0,0766

0,0816

−0,0050

Hannover

0,0738

0,0831

−0,0093

Dortmund

0,0764

0,0848

−0,0084

Düsseldorf

0,086

0,0886

−0,0026

Bielefeld

0,0713

0,0893

−0,0180

Kiel

0,0733

0,0898

−0,0165

Freiburg

0,0955

0,094

0,0015

München

0,0878

0,0945

−0,0067

Aachen

0,0933

0,0999

−0,0066

Mönchengladbach

0,0829

0,1033

−0,0204

Mannheim

0,0684

0,1038

−0,0354

Oberhausen

0,0885

0,1048

−0,0163

Essen

0,0847

0,1053

−0,0206

Darmstadt

0,1282

0,1059

0,0223

Hamburg

0,0816

0,1099

−0,0283

Stuttgart

0,1153

0,1129

0,0024

Wuppertal

0,0829

0,113

−0,0301

Neuss

0,1053

0,1131

−0,0078

Ulm

0,0748

0,1182

−0,0434

Bochum

0,1062

0,1189

−0,0127

Wiesbaden

0,1128

0,1191

−0,0063

Offenbach

0,1186

0,1202

−0,0016

Krefeld

0,1022

0,1204

−0,0182

Herne

0,11

0,1282

−0,0182

Münster

0,0975

0,1285

−0,0310

Siegen

0,0925

0,1289

−0,0364

Augsburg

0,095

0,1294

−0,0344

Heilbronn

0,0856

0,13

−0,0444

Mülheim

0,1056

0,132

−0,0264

Bergisch Gl.

0,1064

0,1327

−0,0263

Hamm

0,0964

0,1348

−0,0384

Nürnberg

0,1122

0,138

−0,0258

Heidelberg

0,1499

0,1452

0,0047

Mainz

0,1291

0,147

−0,0179

Paderborn

0,1405

0,1514

−0,0109

Frankfurt (M)

0,1717

0,1551

0,0166

Hagen

0,1536

0,1717

−0,0181

Recklinghausen

0,1325

0,1776

−0,0451

Bonn

0,1643

0,182

−0,0177

Gelsenkirchen

0,0873

0,1848

−0,0975

Bottrop

0,1631

0,1884

−0,0253

Kaiserslautern

0,155

0,1893

−0,0343

Moers

0,0893

0,1931

−0,1038

Witten

0,1412

0,1984

−0,0572

Duisburg

0,1487

0,2051

−0,0564

Pforzheim

0,1801

0,2629

−0,0828

Leverkusen

0,4231

0,491

−0,0679

Ludwigshafen

0,4781

0,522

−0,0439

In fast allen Fällen - genau gesagt in 44 von 52 Fällen - hat sich die Wirtschaftsstruktur der Städte der repräsentativen Wirtschaftsstruktur angenähert. Die Hypothese, dass der Abstand der Städte von der repräsentativen Wirtschaftsstruktur nicht abgenommen hat, lässt sich damit ebenfalls unter Verwendung eines Vorzeichentests überprüfen. Auch hier kann die Hypothese, dass keine Konvergenz stattgefunden hat, hoch signifikant abgelehnt werden.

Der p-Wert dieses Tests beträgt 3,5.10-8

Auf der Basis dieser sektoral differenzierten Beschäftigungszahlen der Städte lässt sich natürlich nicht nur das Ausmaß der Unterschiedlichkeit zu einer repräsentativen Stadt messen, sondern auch das Ausmaß der Unterschiedlichkeit der Wirtschaftsstrukturen der Städte untereinander. Auf der Basis dieser Distanzstruktur wurde eine Clusteranalyse durchgeführt. Das zugehörige Dendrogramm ist in der Abbildung 3 dargestellt. Dieser Abbildung ist zu entnehmen, welche Städte ähnliche Branchenstrukturen aufweisen und wie stark die einzelnen Branchenstrukturen von der repräsentativen Wirtschaftsstruktur abweichen.

Abbildung 3

Darstellung der Ähnlichkeiten der Wirtschaftsstrukturen

Schlussbetrachtungen

Vieles deutet darauf hin, dass das Ausmaß der Unterschiedlichkeit der Branchenstrukturen deutscher Großstädte abnimmt. Falls dieser Trend sich fortsetzt, hat dies auch Auswirkungen auf die regionale Wirtschaftsförderung und hier insbesondere auf den Aspekt der Bereitstellung von Gewerbeflächen. Aus Sicht einer Kommune bedeutet dies, dass neue Arbeitsplätze am ehesten in den Branchen zu erwarten sind, die einerseits regional unterrepräsentiert sind und andererseits generell zu den Wachstumsbranchen gezählt werden können.

Abbildung 1

Konvergenz bei den Beschäftigtenzahlen in der Branche der unternehmensnahen Dienstleistungen(y-Achse = Beschäftigungswachstum 1990-1998, x-Achse = Beschäftigtenanteil im Jahr 1990)
Konvergenz bei den Beschäftigtenzahlen in der Branche der unternehmensnahen Dienstleistungen(y-Achse = Beschäftigungswachstum 1990-1998, x-Achse = Beschäftigtenanteil im Jahr 1990)

Abbildung 2

Konvergenz in sechs ausgewählten Wirtschaftsbereichen(x-Achse = Beschäftigtenanteile, y-Achse = Wachstum in %)
Konvergenz in sechs ausgewählten Wirtschaftsbereichen(x-Achse = Beschäftigtenanteile, y-Achse = Wachstum in %)

Abbildung 3

Darstellung der Ähnlichkeiten der Wirtschaftsstrukturen
Darstellung der Ähnlichkeiten der Wirtschaftsstrukturen

Repräsentative Wirtschaftsstrukturen

Branche

Repräsentative Wirtschaftsstruktur

1998

1990

Land-/Forstwirtschaft (1)

0.004

0.004

Energie (2)

0.025

0.035

Chemie (31)

0.040

0.046

Kunststoff (32)

0.008

0.010

Steine (33)

0.007

0.008

Eisen (34)

0.026

0.036

Metall (35)

0.084

0.113

Elektrotechnik (36)

0.048

0.062

Holz, Papier (37)

0.021

0.024

Leder, Textil (38)

0.008

0.013

Nahrung (39)

0.020

0.023

Bau (4)

0.049

0.054

Handel (5)

0.150

0.149

Verkehr (6)

0.054

0.056

Kredit, Versicherung (7)

0.048

0.045

Gaststätten (81)

0.039

0.031

Reinigung (82)

0.019

0.018

Wissenschaft (83)

0.060

0.050

Gesundheit (84)

0.080

0.061

Unternehmensnahe Dl (85 + 86)

0.101

0.064

Organisationen (9)

0.038

0.029

Gebietskörperschaften (10)

0.069

0.073

Ausmaß der Unterschiedlichkeit zur repräsentativen Wirtschaftsstruktur

Stadt

Abstand 98

Abstand 90

Differenz

Karlsruhe

0,0695

0,0599

0,0096

Köln

0,0776

0,0749

0,0027

Kassel

0,0644

0,0761

−0,0117

Osnabrück

0,0787

0,0781

0,0006

Lübeck

0,0766

0,0816

−0,0050

Hannover

0,0738

0,0831

−0,0093

Dortmund

0,0764

0,0848

−0,0084

Düsseldorf

0,086

0,0886

−0,0026

Bielefeld

0,0713

0,0893

−0,0180

Kiel

0,0733

0,0898

−0,0165

Freiburg

0,0955

0,094

0,0015

München

0,0878

0,0945

−0,0067

Aachen

0,0933

0,0999

−0,0066

Mönchengladbach

0,0829

0,1033

−0,0204

Mannheim

0,0684

0,1038

−0,0354

Oberhausen

0,0885

0,1048

−0,0163

Essen

0,0847

0,1053

−0,0206

Darmstadt

0,1282

0,1059

0,0223

Hamburg

0,0816

0,1099

−0,0283

Stuttgart

0,1153

0,1129

0,0024

Wuppertal

0,0829

0,113

−0,0301

Neuss

0,1053

0,1131

−0,0078

Ulm

0,0748

0,1182

−0,0434

Bochum

0,1062

0,1189

−0,0127

Wiesbaden

0,1128

0,1191

−0,0063

Offenbach

0,1186

0,1202

−0,0016

Krefeld

0,1022

0,1204

−0,0182

Herne

0,11

0,1282

−0,0182

Münster

0,0975

0,1285

−0,0310

Siegen

0,0925

0,1289

−0,0364

Augsburg

0,095

0,1294

−0,0344

Heilbronn

0,0856

0,13

−0,0444

Mülheim

0,1056

0,132

−0,0264

Bergisch Gl.

0,1064

0,1327

−0,0263

Hamm

0,0964

0,1348

−0,0384

Nürnberg

0,1122

0,138

−0,0258

Heidelberg

0,1499

0,1452

0,0047

Mainz

0,1291

0,147

−0,0179

Paderborn

0,1405

0,1514

−0,0109

Frankfurt (M)

0,1717

0,1551

0,0166

Hagen

0,1536

0,1717

−0,0181

Recklinghausen

0,1325

0,1776

−0,0451

Bonn

0,1643

0,182

−0,0177

Gelsenkirchen

0,0873

0,1848

−0,0975

Bottrop

0,1631

0,1884

−0,0253

Kaiserslautern

0,155

0,1893

−0,0343

Moers

0,0893

0,1931

−0,1038

Witten

0,1412

0,1984

−0,0572

Duisburg

0,1487

0,2051

−0,0564

Pforzheim

0,1801

0,2629

−0,0828

Leverkusen

0,4231

0,491

−0,0679

Ludwigshafen

0,4781

0,522

−0,0439

Die in der empirischen Analyse verwendete sektorale Untergliederung

Landwirtschaft, Forstwirtschaft, Tierhaltung und Fischerei

Energiewirtschaft, Wasser, Bergbau (Kurzbezeichnung: Energie)

Verarbeitendes Gewerbe insgesamt

Chemie und Mineralöl (Kurzbezeichnung: Chemie)

Kunststoff-, Gummi- und Asbestverarbeitung (Kurzbezeichnung: Kunststoff)

Steine, Erden, Feinkeramik, Glasgewerbe (Kurzbezeichnung: Steine)

Eisen, Metall, Gießerei, Stahlverformung (Kurzbezeichnung: Eisen)

Stahlbau, Maschinenbau, Fahrzeugbau (Kurzbezeichnung: Metall)

Stahlbau und Leichtmetallbau (Kurzbezeichnung: Stahl)

Maschinenbau o. Büromaschinen (Kurzbezeichnung: Maschinenbau)

Büromaschinen, Datenverarbeitungsgeräte und -einrichtungen

Fahrzeugbau

Elektrotechnik o. ADV, Feinmechanik, EBM-Waren (Kurzbezeichnung: Elektrotechnik)

Holzgewerbe, Papiergewerbe, Druckgewerbe (Kurzbezeichnung: HPD)

Leder, Textil und Bekleidung (Kurzbezeichnung: LTB)

Nahrungsmittelgewerbe und Genussmittelgewerbe (Kurzbezeichnung: Nahrung)

Baugewerbe (Kurzbezeichnung: Bau)

Handel

Verkehr und Nachrichtenübermittlung (Kurzbezeichnung: Verkehr)Kreditinstitute und Versicherungsgewerbe (Kurzbezeichnung: Kredit)

Dienstleistungen, soweit von Unternehmen und freien Berufen erbracht (Kurzbezeichnung: Dienstleistungen)

Gaststätten und Beherbergungsgewerbe (Kurzbezeichnung: Gastgewerbe)

Reinigung und Körperpflege (Kurzbezeichnung: Reinigung, hierzu gehören beispielsweise Wäscherei und Reinigung inkl. Schornsteinfeger, Friseur- u. so. Körperpflegegewerbe)

Wissenschaft, Bildung, Kunst und Publizistik (Kurzbezeichnung: Wissenschaft)

Gesundheitswesen und Veterinärwesen (Kurzbezeichnung: Gesundheit)

Rechtsberatung und Wirtschaftsberatung sowie andere vorwiegend für Unternehmen erbrachte Dienstleistungen (Kurzbezeichnung: un. Dl.)

sonstige Dienstleistungen (Kurzbezeichnung: so. Dl.)

Organisationen ohne Erwerbscharakter und Private Haushalte

Gebietskörperschaften und Sozialversicherung

Korrelationen zwischen Bestand 1990 und Wachstum zwischen 1990 und 1998

Branche

Korrelation

Land-/Forstwirtschaft (1)

−0,001

Energie (2)

−0,301

Verarbeitendes Gewerbe (3)

Chemie (31)

−0,124

Kunststoff (32)

−0,228

Steine (33)

−0,165

Eisen (34)

−0,2

Metall (35)

Stahl (351)

−0,367

Maschinenbau (352)

−0,339

Büromaschinen (353)

−0,123

Fahrzeugbau (354)

−0,273

Elektrotechnik (36)

−0,281

Holz, Papier, Druck (37)

−0,169

Leder, Textil, Bekleidung (38)

−0,172

Nahrung (39)

0,027

Bau (4)

−0,219

Handel (5)

−0,265

Verkehr (6)

−0,241

Kredit, Versicherung (7)

0,238

Dienstleistungen (8)

Gastgewerbe (81)

−0,347

Reinigung (82)

−0,074

Wissenschaft (83)

−0,206

Gesundheit (84)

−0,293

Unternehmensnahe Dienstleistungen (85+86)

−0,472

Organisationen (9)

−0,364

Gebietskörperschaften (10)

−0,127

Erber, Georg; Hagemann, Harald; Zimmermann, K. F.: Wachstum, Strukturwandel und Beschäftigung. Neue Entwicklungen in der Wirtschaftswissenschaft. 2002: Heidelberg, Physika, 321–369.ErberGeorgHagemannHaraldZimmermannK. F.Wachstum, Strukturwandel und BeschäftigungNeue Entwicklungen in der Wirtschaftswissenschaft2002HeidelbergPhysika32136910.1007/978-3-662-12571-7_7Search in Google Scholar

Klemmer, Paul: Kritische Bestandsaufnahme von Städte-und Regionenvergleichen. 1995, Baden-Baden, Nomos VerlagsgesellschaftKlemmerPaulKritische Bestandsaufnahme von Städte-und Regionenvergleichen1995Baden-BadenNomos VerlagsgesellschaftSearch in Google Scholar

Frohn, Joachim; Niermann, Stefan; Niermann, Ute (2000): Der Einfluss von Standortfaktoren auf die sektorale Entwicklung — Eine quantitative Analyse am Beispiel des Wirtschaftsstandortes Bielefeld. Essen. = Schriften und Materialien zur Regionalforschung des RWI, H. 5Frohn, Joachim; Niermann, Stefan; Niermann, Ute (2000): Der Einfluss von Standortfaktoren auf die sektorale Entwicklung — Eine quantitative Analyse am Beispiel des Wirtschaftsstandortes Bielefeld. Essen. = Schriften und Materialien zur Regionalforschung des RWI, H. 5Search in Google Scholar

Möller, Joachim (2000):, Spezialisierungs- und Konzentrationstrends in einem Europa der Regionen. In: Raumforschung und Raumordnung (58) H. 5, S. 363–372Möller, Joachim (2000):, Spezialisierungs- und Konzentrationstrends in einem Europa der Regionen. In: Raumforschung und Raumordnung58536337210.1007/BF03182926Search in Google Scholar

Porter, Michael E. (1990): The Competitive Advantage of Nations. New YorkPorter, Michael E. (1990): The Competitive Advantage of Nations. New York10.1007/978-1-349-11336-1Search in Google Scholar

Sala-i-Martin, Xavier (1996): The Classical Approach to Convergence Analysis. In: Economic Journal, Vol. 106, S. 1019–103610.2307/2235375Sala-i-MartinXavier1996The Classical Approach to Convergence AnalysisEconomic Journal10610191036Open DOISearch in Google Scholar

Smith, Gary (1997): Do Statistics Test Scores regress towards the Mean? In: Chance, Vol. 10 (4), S. 42–4510.1080/09332480.1997.10542064SmithGary1997Do Statistics Test Scores regress towards the Mean?Chance1044245Open DOISearch in Google Scholar

Recommended articles from Trend MD

Plan your remote conference with Sciendo