docJakość Kapitału ludzkiego w krajach Unii Europejskiej w latach 2007
download 
Reklamacja Transkrypt
Jakość Kapitału ludzkiego w krajach Unii Europejskiej w latach 2007
Martyna Nienałtowska Piotr Pomichowski Jakość Kapitału ludzkiego w krajach Unii Europejskiej w latach 2007 2010 Praca zaliczeniowa z przedmiotu Analiza Wielowymiarowa Praca przygotowana pod kierunkiem mgr Marty Anackiej Warszawa, styczeń 2014 1 Spis treści 1. Wstęp .................................................................................................................................. 3 2. Badania literaturowe ........................................................................................................ 3 3. Opis i źródło użytych danych ........................................................................................... 5 4. Opis zastosowanych metod ............................................................................................... 7 5. Prezentacja i analiza wyników ......................................................................................... 9 5.1 Metoda Hellwiga .......................................................................................................... 9 5.2 Analiza skupień .......................................................................................................... 11 6. Wnioski............................................................................................................................. 17 2 1. Wstęp Jak wiadomo kapitał ludzki to przede wszystkim zasób wiedzy, umiejętności, zdrowia, siły, a także energii witalnej zawartej w człowieku. Na temat zasobów ludzkich i jego roli na świecie toczy się wiele dyskusji. Jednym z najważniejszych zadań Europejskiej Wspólnoty Gospodarczej jest cały czas podnoszenie jakości kapitału ludzkiego, zgodnie do wymogów konkurencyjnej gospodarki opartej na wiedzy. Poszczególne kraje UE prowadzą swoje działania w tym zakresie zgodnie z indywidualnymi strategiami rozwoju. Dzięki temu istnieje możliwość porównania ich wyników i ustalenie wzorców do naśladowania, które można wykorzystać do tworzenia nowych strategii oraz ukazanie antywzorców, których należałoby unikać. Zatem ciągła analiza zasobów ludzkich odgrywa na świecie dużą rolę w procesie budowania konkurencyjności gospodarek i podmiotów gospodarujących Przedmiotem badania projektu jest analiza jakości kapitału ludzkiego w wybranych krajach Unii Europejskiej (UE). Zanim przeprowadzono powyższą analizę przeprowadzono badanie nad zmiennymi, które najlepiej scharakteryzują jakość kapitału ludzkiego, a także badanie na poziomie regionów klasyfikowanych wg klasyfikacji NUTS 21 . 2. Badania literaturowe W celu ustalania rankingu, w badaniu zastosowano syntetyczną miarę rozwoju Hellwiga (SMi). Wybór metody badawczej oparty został na podstawie przeanalizowanej literatury. Wiele osób zajmowało się podobnymi tematami i najczęściej stosowało metody taksonomiczne, gdyż umożliwiają one szersze spojrzenie na kapitał ludzki w wybranych krajach UE. Pozwalają one na przeanalizowanie zarówno jakościowych, jak i ilościowych czynników kształtujących zasób ludzki. Przykład użycia takich metod można znaleźć w pracy Iwony Pawlas pt.”Kapitał ludzki w krajach Unii Europejskiej w świetle badań taksonomicznych”, czy też w pracy Adama Balcerzaka pt. „Taksonomiczna analiza jakości kapitału ludzkiego w Unii Europejskiej w latach 2002 – 2008”. Pani Iwona Pawlas przeprowadziła wielowymiarową analizę porównawczą obejmującą 27 państw członkowskich UE, odnosząc się do poziomu rozwoju kapitału ludzkiego w 2006 roku. Wykorzystała do tego miarę rozwoju Hellwiga. Z jej badań wynika, że w 2006 roku najwyższym poziomem rozwoju kapitału ludzkiego wykazały się Szwecja i Finlandia, a natomiast najniższym 1 Klasyfikacja Jednostek Terytorialnych do Celów Statystycznych NUTS standard geokodowania rozwinięty w Unii Europejskiej na potrzeby identyfikowania statystycznych jednostek terytorialnych 3 charakteryzowały się Rumunia oraz Bułgaria.2 Natomiast w pracy pana Adama Balcerzaka, który wykorzystał miarę rozwoju SMi ze zmiennym wzorcem oddzielnym dla każdego roku badania oraz stałym wzorcem dla całego okresu badania, czyli na przestrzeni lat 2002 – 2008, najwyższy poziom rozwoju kapitału ludzkiego osiągały takie kraje jak: Szwecja, Dania i Finlandia, a najniższy Rumunia i Węgry. 3 Badania nad kapitałem ludzkim można rozpatrywać z różnych punktów widzenia. Dlatego też można spotkać się z pracami, w których badana tematyka została przedstawiona za pomocą metod grupowania. Dobrym przykładem jest praca zbiorowa Małgorzaty Stec, Agaty Janas oraz Artura Kulińskiego pt. „Grupowania państw Unii Europejskiej ze względu na zasoby kapitału ludzkiego i intelektualnego”, w której stan kapitału ludzkiego został przedstawiony za pomocą metody Warda. 4 Inną pracą, którą warto przytoczyć, jest praca Gabrieli Wronowskiej pt. „Kapitał ludzki w krajach Unii Europejskiej – analiza porównawcza”, w której autorka ukazała klasyfikację kapitału ludzkiego w poszczególnych krajach UE. Przeprowadziła ona badania w oparciu o wskaźniki syntetyczne na podstawie danych za 2006 rok. W swojej pracy wykazała, że liderem była Dania, a Polska miała najsłabszy poziom rozwoju kapitału ludzkiego w tamtym okresie.5 Ponadto przedstawiła ona swoje wyniki wykorzystując metodę Warda. Na miano dobrej pracy na temat kapitału ludzkiego zasługuje także praca Marka Kunasza pt. „Ranking wykorzystania zasobów ludzkich w krajach Unii Europejskiej”, w której autor szczegółowo przestawił analizę zbiorowości 3 grup państw: UE-15 (grupa państw tworząca UE przed polską akcesją), UE-10 (grupa państw wstępujących w struktury UE równolegle z Polską) oraz UE-2 (grupa najmłodszych członków UE na stan 2009 roku). 2 Pawlas I. „Kapitał ludzki w krajach Unii Europejskiej w świetle badań taksonomicznych”, [w:] Kopycińska D. (red.) „Kapitał ludzki jako czynnik przewagi konkurencyjnej”, Katedra Mikroekonomii Uniwersytetu Szczecińskiego, Szczecin 2009, s. 26 – 27 3 Balcerzak A. „Taksonomiczna analiza jakości kapitału ludzkiego w Unii Europejskiej w latach 2002 – 2008”, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 176, Taksonomia 18. Klasyfikacja i analiza danych – teoria i zastosowania, 2011, s. 462 – 463 4 Stec M, Janas A., Kuliński A. ,,Grupowanie państw Unii Europejskiej ze względu na zasoby kapitału ludzkiego i intelektualnego”, Uniwersytet Rzeszowski 5 Wronowska G. „Kapitał ludzki w krajach Unii Europejskiej - analiza porównawcza ”, [w:] Kopycińska D. (red.) „Kapitał ludzki jako czynnik przewagi konkurencyjnej”, Katedra Mikroekonomii Uniwersytetu Szczecińskiego, Szczecin 2009, s. 39 4 Po analizie lektury przedmiotu jako uzupełnienie prac powyżej wymienionych, w tym projekcie użyto analizy skupień, gdyż w powyższych pracach (za wyjątkiem pracy M. Stec) brakuje użycia tej metody, a mogłaby wnieść ciekawe wnioski oraz spostrzeżenia. Metoda ta będzie zwieńczeniem projektu i pozwoli na pogrupowanie różnych krajów o podobnej jakości kapitału. W pracy wyżej wymienionej autorów M. Stec, A. Janas, A Kuliński użyto tej metody do pogrupowania krajów. Jako liczbę skupień w metodzie Warda wybrano dwa i trzy, dzięki temu otrzymano klastry których interpretacja była jednoznaczna i trywialna. Metoda ta wyodrębniła podział krajów na starych i nowych członków UE. Tamta praca także ze względu na dużą liczbę zmiennych oraz małą liczbę obserwacji i uogólnienie do poziomu krajów mogła dać nie do końca dobre wyniki. Inną jedną z nielicznych, zagraniczną pracą, która porusza podobny problem jest praca pt. „Country Clustering in Comparative Political Economy” J. Ahlquist’a I C. Breunig’a. Jest to praca bardzo szczegółowa która analizuje problem w wielu płaszczyznach, ale tylko na poziomie krajów. Przeprowadzono tam analizę z wykorzystaniem różnych kombinacji zmiennych, choć jak można przypuszczać może dać ona inne wyniki co w rezultacie nie doprowadzi to do spójnej interpretacji i wniosków. Niektóre zmienne, które użyto w wyżej wymienionej pracy, które charakteryzowały kapitał ludzki użyto także w tym projekcie(liczba patentów, Pkb i inne). W projekcie zdecydowano się na szczegółową analizę, na poziomie regionów, które pomogą odpowiedzieć nam na różne pytania a także zobaczyć jak dużą różnorodnością pod względem kapitału odznacza się dany kraj. 3. Opis i źródło użytych danych W literaturze przedmiotu jest wiele definicji kapitału ludzkiego i interpretacji tego pojęcia, wynikających ze stosowania odmiennych założeń badawczych osób zajmujących się tym tematem. Wieloznaczność pojęcia jest uzależniona od szczebla prowadzonych rozważań w skali makro lub na poziomie organizacji. Jako przykład rozważań możemy przytoczyć pracę autora Stanisława R. Domańskiego „Kapitał ludzki i wzrost gospodarczy”. Pojęcie to scharakteryzował jako „zasób wiedzy i umiejętności, zdrowia, energii witalnej zawarty w społeczeństwie lub narodzie jako całości”. Pisał on, że: „Kapitał ludzki jest źródłem zdolności do pracy, usług, satysfakcji i zarobków. Zasób ten nie jest dany przez genetyczne cechy danej populacji raz na zawsze, ale można go powiększać drogą inwestycji”. Idąc za rozumowaniem Domańskiego można stwierdzić iż wpływ na jakość kapitału mają inwestycje na: kształcenie, badania naukowe, czy opiekę zdrowotną. 5 Na istotne znaczenie kapitału ludzkiego i inwestycji w człowieka dla rozwoju gospodarki wskazywali laureaci Nagrody Nobla, w tym m.in. G. Becker 6 i T. W. Schulz 7. Schultz podkreślał, że zamożność narodów jest uzależniona „od zdolności nabytych przez ludzi – od ich wykształcenia, doświadczenia, umiejętności i zdrowia”. Dowodził, iż: „Niewiele krajów, jeśli w ogóle jakieś, weszło na ścieżkę szybkiego i zrównoważonego wzrostu bez znaczących inwestycji w człowieka”. T. W. Schulz (1981) uważał, że czynnikiem decydującym o rozwoju gospodarczym jest działający człowiek, poprzez takie inwestycje, jak właściwe wychowanie, własne kształcenie, zdobywanie doświadczeń zawodowych, dokształcanie i rozwijanie umiejętności oraz dbałość o zdrowie. Natomiast G. Becker wprowadził do ekonomii pojęcie inwestycji w człowieka wykazał opłacalność w kształceniu bezrobotnych (czyli podnoszeniu jakości kapitału). Po dłuższych rozważaniach jak i możliwością dostępu do danych dla poszczególnych regionów przyjęto, że tak scharakteryzowany kapitał dobrze opiszą zmienne: Tabela 1. Wytypowane zmienne diagnostyczne do analizy kapitału ludzkiego w wybranych krajach UE Symbol Zmienne diagnostyczne zmiennej Typ zmiennej X1 PKB per capita według parytetu siły nabywczej X2 Procent osób w wieku 25-64 z niskim wykształceniem destymulanta X3 Procent osób w wieku 25-64 z średnim wykształceniem stymulanta X4 Liczba pracowników i naukowców(% populacji aktywnej zawodowo) stymulanta stymulanta X5 Procent populacji wcześnie porzucających edukację destymulanta X6 współczynnik zgonów na 100 tys mieszkańców destymulanta X7 wydatki na badania i rozwój (euro na mieszkańca) X8 Procent populacji bez zatrudnienia i bez pracy w wieku 18-24 X9 Liczba lekarzy na 1000 mieszkańców stymulanta X10 Liczba patentów składanych w EPO stymulanta stymulanta destymulanta Źródło: opracowanie własne. 6 Becker, Gary S. „Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. 2d ed.” New York: Columbia University Press for NBER, 1975. 7 Schulx T.W. „Investing in People. The Economics of Population Quality” (1981) 6 Użycie podobnych zmiennych można zauważyć w pracy pt. „Country Clustering in Comparative Political Economy” J. Ahlquist’a I C. Breunig’a. 8 Ze względu na zejście do poziomu regionów, w wyniku czego dane były ograniczone, kilka istotnych zmiennych zostało zastąpionych przez inne zmienne, dla których było łatwiej uzyskać dane oraz również są istotne w podejmowanym badaniu. Zmienne w omawianej pracy tj.: benefits duration, tax wage nie zostały użyte w tym projekcie, gdyż mają mało istotny wpływ na jakość kapitału ludzkiego, w przeciwieństwie do wniosków wyciągniętych przez wyżej wymienionych autorów. Przy doborze zmiennych także obliczono współczynnik zmienności, który miał wyeliminować zmienne quasi – stałe. Jest to miara względna i wyznacza się go zgodnie z wzorem: Vj Sj *100% xj gdzie: x j - średnia arytmetyczna zmiennej x, S j - odchylenie standardowe zmiennej x. Standardowo za wartość krytyczną przyjęto 10%. W zbiorze zmiennych każda wartość współczynnika spełniała nierówność V > 10%, więc nie istniały tutaj zmienne quasi – stałe. Wszystkie zmienne zostały przyjęte do badania. Dane statystyczne do pracy pozyskano ze strony Urzędu Statystycznego Unii Europejskiej – Eurostat. Wykorzystano dane dla lat 2007 – 2010. 8 Ahlquist J. Breunig C. „Country Clustering in Comparative Political Economy”, MPIfG Discussion Paper 09/5 7 4. Opis zastosowanych metod Jak już wcześniej wspomniano, w pracy zostały zastosowane dwie metody. Pierwsza z nich jest to jedna z miar wykorzystywanych do liniowego porządkowania obiektów, które są opisywane przez wiele zmiennych diagnostycznych. Nazywa się syntetycznym miernikiem rozwoju Hellwiga. Miara ta umożliwia wyznaczenie miary agregatowej zbudowanej na podstawie taksonomicznej miary odległości danego obiektu od teoretycznego wzorca rozwoju. W pierwszym etapie dane zostały znormalizowane, a następnie ich charakter został ujednolicony tzn. zamieniono destymulanty na stymulanty poprzez przemnożenie wartości znormalizowanych przez -1. Następnie zbudowano wzorzec, czyli obiekt posiadający najlepsze wartości zmiennych diagnostycznych. W kolejnym etapie obliczono odległości euklidesowe dla każdego obiektu od zbudowanego wzorca rozwoju. Ostatnim krokiem było obliczenie taksonomicznego miernika rozwoju Hellwiga. Miernik ten przyjmuje wartości z przedziału od 0 do 1. Im wartość miernika jest bliższa 1, tym poziom rozwoju obiektu jest wyższy. Analogicznie, gdy wartość miernika jest bliższa 0, tym poziom rozwoju badanego obiektu jest niższy. Druga metoda, która została zastosowana to analiza skupień. Metoda ta polega na podziale zbioru obserwacji, na podzbiory tak, aby obiekty znajdujące się w tej samej grupie były podobne. Do łączenia poszczególnych obiektów w grupy stosuje się wiele metod łączenia i wiązania m. in. metoda pojedynczego wiązania (najbliższego sąsiada), metoda średnich połączeń, metoda Warda. W pracy wykorzystano metodę Warda, która do oszacowania odległości między skupieniami wykorzystuje analizę wariancji. Dąży ona do minimalizacji sumy kwadratów odchyleń dowolnych skupień i jest bardzo efektywna, ponieważ przedstawia najbardziej naturalne skupiska elementów. W zależności od przyjętej odległości taksonomicznej można otrzymać mniejszą lub większą liczbę skupień. Celem tej metody jest podział krajów i regionów na grupy, które charakteryzują się podobnym kapitałem ludzkim. Pozwoli to udzielić odpowiedzi na pytanie postawione we wstępie oraz wyciągnąć odpowiednie wnioski. 8 5. Prezentacja i analiza wyników 5.1 Metoda Hellwiga Analizę jakości kapitału warto zacząć od ogólnego podziału danych na poziomie krajów Unii Europejskiej. Poniżej przedstawiono wykres, który przedstawia ranking państw dla poszczególnych lat 2007 – 2010. Wykres 1. Ranking wybranych krajów UE według SMi pod względem jakości kapitału ludzkiego 30 25 20 15 10 5 0 2007 2008 2009 2010 Belgium Bulgaria Czech Republic Denmark Germany Estonia Ireland Greece Spain France Croatia Italy Cyprus Latvia Lithuania Luxembourg Hungary Malta Netherlands Ostösterreich Poland Portugal Romania Slovenija Slovakia Finland Sweden United Kingdom Źródło: opracowanie własne na podstawie danych statystycznych Eurostat 9 Na wykresie 1 ukazano ranking dwudziestu ośmiu krajów UE pod względem jakości kapitału ludzkiego w latach 2007 - 2010, który został obliczony na podstawie wspomnianego miernika rozwoju Hellwiga. W całym analizowanym okresie pierwsze miejsce zajmuje Luksemburg. Szczególne zmiany miejsc odnotowały kraje takie jak: Irlandia – zaczynając od drugiego, corocznie obniżając swoją pozycję o jedno miejsce, ostatecznie kończąc na piątym, Holandia – w 2007 roku była na trzecim miejscu, w latach 2008 i 2009 awansowała na drugie miejsce, po czym osiągnęła spadek do czwartego miejsca. Na przełomie 2009 – 2010 duży postęp osiągnęła Belgia – z dziewiątego miejsca na drugie, jest to zarazem największy awans w badanym okresie. Duży spadek jak i wzrost pozycji, zanotowały Czechy. Na przełomie 2007 – 2008 były na stałym miejscu – siedemnaste, po czym w następnym roku spadły na przedostatnie miejsce. Jednakże w 2010 awansowały na podobne miejsce co wcześniej – dziewiętnaste. Kraje takie jak: Dania, Francja, Włochy, Hiszpania, Cypr, Grecja oraz Bułgaria nie zmieniły swojej pozycji w badanym okresie nawet o jedno miejsce Warto również zauważyć, że wspomniana Bułgaria stale zajmowała ostatnie miejsce. Pozostałe kraje zmieniały swoją pozycję mało radykalnie - od jednego do trzech miejsc. W roku 2007 i 2008 Polska zajmowała miejsce dwudzieste szóste, w kolejnym roku awansowała na miejsce dwudzieste trzecie i w 2010 pozostała już na tym samym miejscu. Z kolei dla poszczególnych regionów przeprowadzono analizę, której wyniki znajdują się w załączonym pliku excel, ze względu na ich obszerność. Na przełomie lat 2008 – 2010 pierwsze trzy miejsca nie ulegały zmianom. Są to regiony: Londyn wewnętrzny, Luksemburg oraz Region Stołeczny Brukseli. W miarę stabilne miejsca w badanym okresie zajmowały regiony tak jak Londyn i Hamburg tzn. ich pozycja zmieniała się od 4 do 6 miejsca. Warte uwagi są również Czechy, w których Praga wyróżnia się na tle pozostałych regionów czeskich. Zajmuje ona od 6 do 9 miejsca, a pozostałe znajdują się w drugiej połowie rankingu. Wszystkie niemieckie regiony znajdują się w pierwszej połowie rankingu, przy czym wspomniany wcześniej Hamburg zajmuje najwyższe miejsca. Końcowe miejsca zajmują regiony bułgarskie, rumuńskie, węgierskie oraz polskie. 10 5.2 Analiza skupień W projekcie metodę analizy skupień przeprowadzono na poziomie regionów, gdyż przy takiej ilości zmiennych charakteryzujących jakość kapitału wykonanie tej metody na poziomie krajów mogłoby dać nie do końca odzwierciedlające rzeczywistość wyniki. Dalsza analiza będzie oparta na pogrupowaniu regionów w klastry metodą Warda. Zanim będzie można to dokonać, najpierw należy ustalić możliwą liczbę podzbiorów dla danego roku. Do tego mogą posłużyć wykresy odpowiednich statystyk z programu SAS. Wykres 2. Wartości statystyk dla roku 2007 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS Wykres 3. Wartości statystyk dla roku 2008 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS 11 Wykres 4. Wartości statystyk dla roku 2009 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS Wykres 5. Wartości statystyk dla roku 2010 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS Zanim ustalono optymalną liczbę skupień, uwzględniono cel oraz względy merytoryczne badanego problemu. Ze względu na podobieństwo przebiegu statystyki pseudoF dla wszystkich badanych lat oraz w celu ułatwienia analizy porównawczej regionów, uznano ją za rozstrzygającą w wyznaczeniu liczby klastrów. Dla potwierdzenia liczby skupień przeanalizowano również dendrogramy dla poszczególnych lat, które są załączone do pracy. Optymalna liczba klastrów, jaką przyjęto w badanym problemie wynosi trzy. Następnie aby otrzymane wyniki przedstawić na wykresie dwuwymiarowym, przeprowadzono analizę dyskryminacji. Zadaniem jej było rozstrzygnięcie, które zmienne w najlepszy sposób dzielą dany zbiór na występujące w naturalny sposób grupy. Do wykresu 12 uwzględniono dwie zmienne kanoniczne. W wyniku czego uzyskano poniżej wklejone wykresy. Dla ułatwienia interpretacji wykresów, wstawiono oznaczenia państw UE. Rys. 1. Nazwy państw członkowskich UE i ich skróty wg. ISO 3166 alpha-2 Wykres 6. Skupienia regionów dla roku 2007 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS 13 Z analizy wykresu wynika, że pierwsze skupisko stanowią regiony państw takich jak: Czechy, Polska, Rumunia, Słowacja, Węgry oraz Chorwacja. W trzecim natomiast możemy wyróżnić regiony państw: Włochy, Hiszpania, Portugalia oraz większa część regionów Bułgarii oraz Grecji. Pozostałe regiony są umiejscowione w klastrze drugim, który jest największy. Reprezentują one państwa takie jak: Luksemburg, Francja, Belgia, Niemcy, Austria, Wielka Brytania, Irlandia, Szwecja, Niderlandy. Znalazły się tam również regiony Czech i Słowacji. Wykres 7. Skupienia regionów dla roku 2008 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS W roku 2008 w pierwszym klastrze dominują regiony państw takich jak: Czechy, Polska, Bułgaria, Łotwa i Chorwacja.. Regiony niemieckie i słowackei zostały podzielone między klastrem pierwszym i trzecim. Wśród regionów skupionych w klastrze trzecim wyróżnić można również regiony szwedzkie, Luksemburg, regiony belgijskie, austriackie. Natomiast w drugim klastrze ponownie występuje największe zgromadzenie regionów, w 14 których dominują regiony państwa takich jak: Portugalia, Wielka Brytania, Włochy, Francja, Hiszpania, Niderlandy oraz Malta. Wykres 8. Skupienia regionów dla roku 2009 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS W roku 2009 pierwszy klaster obejmował regiony państw takich jak: Bułgaria, Chorwacja, Estonia, Litwa, Węgry, Polska oraz część regionów niemieckich. W trzecim klastrze skupiają się regiony niemieckie, francuskie, belgijskie, austriackie i niderlandzkie. Po raz kolejny drugi klaster skupia największą ilość regionów i są to m.in. regiony brytyjskie, hiszpańskie, portugalskie, greckie oraz włoskie. 15 Wykres 9. Skupienia regionów dla roku 2010 Źródło: opracowanie własne na podstawie danych statystycznych Eurostat w programie SAS W 2010 roku pierwszy klaster obejmował regiony państw takich jak: Polska, Czechy, Chorwacja, Bułgaria, Rumunia i część regionów niemieckich. Drugi klaster skupia regiony państw takich jak: Wielka Brytania, Portugalia, Hiszpania, Francja, Niderlandy, Włochy. Natomiast w trzecim znajdują się: Austria, Luksemburg, Finlandia, Szwecja. oraz pozostała część regionów niemieckich. Regiony belgijskie podzieliły się pomiędzy drugim i trzecim klastrem. 16 6. Wnioski Po przeprowadzeniu powyższych analiz na przełomie czterech lat można stwierdzić, iż pod względem najwyższego poziomu kapitału najlepiej wypada państwo Luksemburg, które zajmuje pierwsze miejsce, a na poziomie regionów zdołało się uplasować, tuż za wewnętrznym Londynem na drugim miejscu. Takie zjawisko można wytłumaczyć tym, iż Luksemburg jest wysoko rozwiniętą gospodarką., a Londyn jest największym miastem UE oraz największym centrum finansowym świata. Regiony takie jak Hamburg, Praga oraz Region Stołeczny Brukseli są regionami wysoko zurbanizowanymi, co mogło się przełożyć na wyniki uzyskane w analizie. Hamburg dodatkowo słynie z wysoko wyspecjalizowanego przemysłu oraz jest w czołówce ośrodków rozwoju medycyny i biotechnologii. Należy też zwrócić uwagę na region Île-de-France w którym wytwarza się około 30% PKB Francji mimo, iż zamieszkuje go jedynie 18% populacji kraju, co świadczy o bardzo dużej wydajności społeczeństwa, a co za tym idzie także jakości kapitału. Najniższym poziomem kapitału charakteryzują się regiony bułgarskie, rumuńskie oraz polskie. Świadczyć to może, iż są to regiony państw najbiedniejszych i najmniej rozwiniętych w UE. Spośród regionów polskich, co jest logiczne, najwyżej plasowało się województwo mazowieckie, które zajmowało miejsca w drugiej setce (za wyjątkiem roku 2009 ). Regiony zajmujące wysokie pozycje w rankingu, które świadczą o względnie wysokim poziomie kapitału ludzkiego stanowią ważne ośrodki przemysłowe, bądź kulturowe swoich państw dlatego też gromadzą ludzi, którzy reprezentują wysoki kapitał zasobów ludzkich. Najbardziej zbliżony poziom kapitału reprezentowały regiony czeskie, polskie, bułgarskie, węgierskie oraz rumuńskie. Do tego zbioru kwalifikowały się także niektóre regiony niemieckie, chociaż większość z nich przypadła do zbioru wśród regionów takich jak : belgijskie, austriackie i Luksemburg. Można zauważyć wśród powyższych podzbiorów podział na starych członków Unii Europejskiej oraz tych co przystąpili w 2004 roku lub podpisali traktat stowarzyszeniowy z UE. O podobnej jakości kapitału są państwa sąsiadujące ze sobą takie jak Portugalia, Hiszpania oraz Włochy. Najmniej zróżnicowanymi państwami pod względem jakości kapitału ludzkiego są Hiszpania, Francja, Polska, Bułgaria, Czechy oraz Wielka Brytania, których prawie wszystkie regiony skupione są w jednym klastrze. Wyraźne zróżnicowanie występuje w regionach niemieckich, które to przypadły na klaster pierwszy i trzeci. Może to odzwierciedlać fakt dominacji zachodnich landów nad wschodnimi, które są objęte wszelkimi programami poprawy poziomu gospodarczego landów dawnego NRD. Wyraźnie tez widoczne są obiekty odstające od pozostałych w swoim 17 klastrze, co może świadczyć o wyjątkowości tego regionu pod względem poziomu jakości kapitału. Ciekawym spostrzeżeniem może być także, iż Wielka Brytania, w której skład wchodzą takie państwa jak Anglia, Szkocja i Walia, która posiada najwięcej regionów. Stanowi bardzo jednolity kraj pod względem badanej cechy, co może świadczyć o długiej wspólnej tradycji historycznej. Podsumowując, przeprowadzona analiza pokazuje, jakie państwa oraz regiony muszą ponieść znaczne nakłady na rozwój kapitału ludzkiego, aby przybliżyć się do poziomu prezentowanego przez państwa i regiony należące do czołówki, a co za tym idzie, zwiększyć jakość zasobów ludzkich. 18
