-
Steunpunt Economie & Ondernemen
www.steunpuntore.beWaaistraat 6/3550 [email protected] Leuven,
België
Beleidsrapport STORE-B-16-003
Agglomeratie en congestie in
Vlaanderen
Lieselot Baerta,b,* en Jo Reynaerts∗,a,b,+
aSteunpunt Economie & OndernemenbVlaams Instituut voor
Economie & Samenleving (VIVES), Faculteit Economie en
Bedrijfswetenschappen, KU
Leuven*[email protected][email protected]
28 maart 2017
∗ c© STORE en KU Leuven (2016). De auteurs wensen Joep Konings
en Cathy Lecocq tebedanken voor opmerkingen en suggesties, Sander
Ramboer en Jakob Vanschoonbeek voor deonderzoeksondersteuning, en
Stefaan Hoornaert van het Vlaams Verkeercentrum voor het
terbeschikking stellen van de verkeersgegevens. De resultaten in
dit rapport geven de mening vande auteurs weer en niet deze van de
Vlaamse overheid: de Vlaamse Gemeenschap/het VlaamsGewest is niet
aansprakelijk voor het gebruik dat kan worden gemaakt van de in
deze mededelingof bekendmaking opgenomen gegevens.
www.steunpuntore.bemailto:[email protected]:[email protected]:[email protected]://www.steunpuntore.be
-
Samenvatting
Dit rapport brengt de concentratie van economische activiteit in
Vlaanderen
en Brussel in kaart. Daartoe stelt het een nieuwe methode voor
die de
bestaande literatuur aanpast en uitbreidt om agglomeratie en
congestie op
een correcte wijze te kunnen meten en voorstellen. In
overeenstemming met
de literatuur wordt de tewerkstelling van bedrijven in dezelfde
en andere
sectoren gebruikt om spillovers uit agglomeratie te meten. De
correcte
meting van congestie berust in dit rapport verder op cijfers
afkomstig van
het Vlaams Verkeerscentrum die de werkelijke omvang van de files
meten
en niet op benaderingen zoals bijvoorbeeld huurprijzen en lonen
of het
aantal geregistreerde wagens in een bepaalde regio. Wat de
ontwikkeling en
toepassing van de nieuwe kernindicatoren voor agglomeratie en
congestie
betreft, erkent de methode dat beide fenomenen lokaal van aard
zijn en dusrekening moeten houden met de context waarin individuele
bedrijven zich
bevinden. Deze context wordt enerzijds geoperationaliseerd aan
de hand
van het concept van een invloedszone die voor een individueel
bedrijf zowelde ondernemingen als de omliggende weginfrastructuur
identificeert die
zich binnen een bepaalde straal bevinden. Anderzijds worden de
gemeten
waarden voor agglomeratie en congestie lokaal bestudeerd, d.i.
ten opzichte
van de verkeerszones (grosso modo de verschillende Vlaamse
provincies) waarinze gesitueerd zijn. De toepassing van de
voorgaande methode leert dat (i) deomvang van de agglomeratie- en
congestiemaatstaven regionaal verschillt,
en (i) agglomeratie en congestie sterk maar niet perfect
gecorreleerd zijn.
Steunpunt Economie en Ondernemen en KU Leuven (2016) i
http://www.steunpuntore.be
-
Inhoudsopgave
1. Inleiding 1
2. Beschrijving van de gegevens 3
2.1. Congestiegegevens . . . . . . . . . . . . . . . . . . . . .
. . . . . . . 42.1.1. Maatstaven voor congestie . . . . . . . . . .
. . . . . . . . . 42.1.2. Dekkingsgraad van het meetnet . . . . . .
. . . . . . . . . . 62.1.3. Beschrijvende statistieken . . . . . .
. . . . . . . . . . . . . . 7
2.2. Bedrijfsgegevens . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 72.2.1. Behandeling van de bedrijfsgegevens . . .
. . . . . . . . . . 92.2.2. Beschrijvende statistieken . . . . . .
. . . . . . . . . . . . . . 9
3. Bedrijfsspecifieke indicatoren voor agglomeratie en congestie
15
3.1. Berekening van de indicatoren . . . . . . . . . . . . . . .
. . . . . . 153.1.1. Invloedszone van een onderneming . . . . . . .
. . . . . . . 153.1.2. Agglomeratie-indicator . . . . . . . . . . .
. . . . . . . . . . 163.1.3. Congestie-indicator . . . . . . . . .
. . . . . . . . . . . . . . . 18
3.2. Agglomeratie en congestie in Vlaanderen . . . . . . . . . .
. . . . . 203.2.1. Wisselwerking tussen agglomeratie en congestie .
. . . . . . 24
4. Besluit en verder onderzoek 26
4.1. Overzicht en besluit . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 264.2. Beperkingen en opmerkingen . . . . . . . .
. . . . . . . . . . . . . . 264.3. Verder onderzoek . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . 27
A. Data 33
Steunpunt Economie en Ondernemen en KU Leuven (2016) ii
http://www.steunpuntore.be
-
Lijst van figuren
1. Gemiddeld aantal voertuigverliesuren in Europa (2014) . . . .
. . . 22. Het ring- en snelwegennet in Vlaanderen en Brussel . . .
. . . . . 53. Congestie-indicatoren voor het meetnet (index, 2010 =
100) . . . . 64. Geografische spreiding van de ondernemingen in de
steekproef
per hoofdsector . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 105. Evolutie van het aantal ondernemingen (2010–2014,
index 2010 =
100) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . 136. Evolutie van de sectorale tewerkstelling
(2010–2014, index 2010 =
100) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . 137. Invloedszone van een onderneming . . . . . . . .
. . . . . . . . . . 168. Berekening van de agglomeratie-index
(vereenvoudigde illustratie) 179. Berekening van de congestie-index
(vereenvoudigde illustratie) . . 1910. Vlaamse verkeerszones . . .
. . . . . . . . . . . . . . . . . . . . . . . 2211. Top-10
agglomeratie-indicator AGG met straal van de invloedszone
r = 10 km per sector volgens verkeerszones (mediane waardes,
2014) 2312. Top-10 congestie-indicator CON met straal van de
invloedszone
r = 10 km per sector volgens verkeerszones (mediane waardes,
2014) 23
Lijst van tabellen
1. Top-5 drukste ring- en snelwegen in absolute cijfers (2014) .
. . . . 82. Top-5 drukste ring- en snelwegen in relatieve cijfers
(2014) . . . . . 83. Aantal ondernemingen met één enkele
vestiging met tewerkstel-
lingscijfers per jaar (2010–2014) . . . . . . . . . . . . . . .
. . . . . . 94. Beschrijvende statistieken voor tewerkstelling (in
voltijdse equiva-
lenten, VTE) per hoofdsector (2014) . . . . . . . . . . . . . .
. . . . 115. Evolutie van het aantal ondernemingen en de sectorale
tewerkstel-
ling (2010-2014) . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 146. Agglomeratie- en congestie-indicatoren volgens
straal van de in-
vloedszone (2014) . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 217. Agglomeratie- en congestie-indicatoren volgens
straal van de in-
vloedszone opgedeeld volgens verkeerszone (2014) . . . . . . . .
. 218. Correlatie tussen de congestie-indicatoren (2014) . . . . .
. . . . . . 259. Correlatie tussen de agglomeratie- en
congestie-indicatoren (2014) 25
Steunpunt Economie en Ondernemen en KU Leuven (2016) iii
http://www.steunpuntore.be
-
10. Pendelstromen in Vlaanderen en Brussel volgens
verkeerszone(2010–2013) . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . 33
11. Filezwaarte en verkeersvolume voor de ring- en snelwegen
inVlaanderen en Brussel (2014) . . . . . . . . . . . . . . . . . .
. . . . 34
Steunpunt Economie en Ondernemen en KU Leuven (2016) iv
http://www.steunpuntore.be
-
1. Inleiding
Transactiekosten zorgen ervoor dat het voor economische agenten
voordeliger isom zich in elkaars nabijheid te vestigen (Ellison en
Glaeser, 1997). Deze spontaneconcentratie van economische
activiteit werkt immers een kostenverminderingmet betrekking tot
het verplaatsen van goederen, arbeid en kennis in de hand(Marshall,
1890). Zo toont het agglomeratiemodel van Ciccone en Hall (1996)
aandat producenten van finale goederen, gevestigd in de nabijheid
van een producentvan intermediaire goederen die gekenmerkt wordt
door een productietechnologiemet toenemende schaalvoordelen,
genieten van lagere inputprijzen.1 In de litera-tuur bestaat dus
een consensus dat agglomeratie-effecten de performantie
vanondernemingen ten goede komen. Een metastudie van 34
gepubliceerde artikelsdoor Melo et al. (2009) toont aan dat de
omvang van deze effecten echter zeerverschillend kan zijn. De
auteurs besluiten dat de onderzoeksresultaten in eenhoge mate
afhankelijk zijn van de specifieke context, met name de
bestudeerdelanden, sectoren en/of agglomeratie-indicatoren.
Drucker en Feser (2012) en Arikan et al. (2016) vinden echter
dat de perfor-mantie van ondernemingen zowel positief als negatief
beı̈nvloed kan wordendoor de agglomeratie van economische
activiteiten, afhankelijk van de mate vanconcentratie. De nooit
eerder geziene versnelling in het proces van agglomeratieen
urbanisatie van de voorbije decennia heeft er dus voor gezorgd dat
de posi-tieve agglomeratie-effecten onder druk komen te staan.
Negatieve externaliteitenvertalen zich onder meer in hoge
vastgoedprijzen, hogere lonen, vervuiling ofverkeerscongestie, en
hebben zowel betrekking op producenten als consumenten.In lijn met
Weisbrod et al. (2001) en Sweet (2014) stellen we dat de
economischeperformantie van ondernemingen vooral bemoeilijkt wordt
door congestie ondermeer door een belemmerde toegang tot arbeid en
intermediaire goederen, lateleveringen of gestresseerde en minder
productieve werknemers. Op basis vanregionale cijfergegevens vinden
Broersma en van Dijk (2008) voor Nederland enHymel (2009) en Sweet
(2014) voor de Verenigde Staten evidentie voor het bestaanvan
negatieve effecten van verkeerscongestie op de regionale
werkgelegenheid-en productiviteitsgroei. De Organisatie voor
Economische Samenwerking enOntwikkeling (2013) en de Europese
Commissie voor Mobiliteit en Transport(2015) stellen eveneens dat
de kosten van congestie niet gering zijn: 1 tot 2% vanhet bruto
binnenlands product (BBP) gaat jaarlijks verloren door files. In
haar
1Voor een onderneming die gekenmerkt wordt door een
productietechnologie met toene-mende schaalvoordelen dalen de
gemiddelde productiekosten naarmate er meer geproduceerdwordt.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 1
http://www.steunpuntore.be
-
jaarlijkse beoordeling wees het IMF (2016) recent nog op de
negatieve impact vande files in België op de tewerkstelling en
investeringen en gaf het de Belgischeregering het advies om
dringend werk te maken van het fileprobleem.
Figuur 1: Gemiddeld aantal voertuigverliesuren in Europa
(2014)
0 10 20 30 40 50
gemiddeld aantalvoertuigverliesuren
Italië (IT)
Ierland (IE)
Oostenrijk (AT)
Frankrijk (FR)
Zwitserland (CH)
Verenigd Koninkrijk (UK)
Luxemburg (LU)
Duitsland (DE)
Nederland (NL)
België (BE)
0 20 40 60 80 100
gemiddeld aantalvoertuigverliesuren
Hamburg (DE)
Rotterdam (NL)
Den Haag (NL)
Gent (BE)
Düsseldorf (DE)
Utrecht (NL)
Milaan (IT)
Karlsruhe (DE)
Antwerpen (BE)
Stuttgart (DE)
Keulen (DE)
Brussel (BE)
Londen (UK)
Bron: INRIX (2015), eigen voorstelling.
Figuur 1 illustreert de congestieproblematiek in Europa op het
nationale enregionale niveau aan de hand van het gemiddeld aantal
voertuigverliesuren(VVU) voor het jaar 2014 (INRIX, 2015). Deze
indicator voor congestie kwan-tificeert de tijd (in uren) die
voertuigen samen gemiddeld verliezen ingevolgevertraagd verkeer of
fileverkeer (Vlaams Verkeerscentrum, 2016). De figuur toontdat
automobilisten in Europa in 2014 het meeste tijd verloren op de
Belgischewegen. De top vijf wordt vervolledigd door Nederland,
Duitsland, Luxemburgen het Verenigd Koninkrijk. Wanneer we de
congestiecijfers op het regionaleniveau bestuderen, zien we dat
Londen de kroont spant wat betreft filezwaarte.Brussel, Antwerpen
en Gent bekleden eveneens een plek in de top-15 van druksteEuropese
steden. De verankering van internationale en/of publieke
instellingenen de sterk ontwikkelde dienstensector in Brussel
enerzijds, en het zware vracht-verkeer in en rond de haven van
Antwerpen anderzijds liggen waarschijnlijkmee aan de basis van deze
hoge cijfers, evenals het overmatig gebruik van hetBelgische
wegennet in afwezigheid van een algemene kilometerheffing of
anderecongestiereducerende maatregelen. Het toenemend en sterk
regionaal geconcen-treerd congestieprobleem in Vlaanderen en
Brussel maakt economisch onderzoeknaar de wisselwerking tussen
positieve en negatieve agglomeratie-effecten en de
Steunpunt Economie en Ondernemen en KU Leuven (2016) 2
http://www.steunpuntore.be
-
economische prestaties van regio’s en/of bedrijven bijzonder
relevant voor zowelondernemingen als regionale en nationale
overheden.
Om de impact van agglomeratie en congestie op economische
prestaties tekunnen meten, brengt dit rapport de concentratie van
economische activiteit inVlaanderen en Brussel in kaart. Daartoe
stelt het een nieuwe methode voor diede bestaande literatuur
aanpast en uitbreidt om agglomeratie en congestie op eencorrecte
wijze te kunnen meten en voorstellen. Wat agglomeratie betreft,
wordtin navolging van de Marshalliaanse en Jacobiaanse traditie de
tewerkstelling vanbedrijven in dezelfde en andere sectoren gebruikt
om spillovers tussen onder-nemingen onderling te meten. De meting
van congestie berust in dit rapportop cijfers afkomstig van het
Vlaams Verkeerscentrum (2016) die de werkelijkeomvang van de files
meten en niet op benaderingen zoals bijvoorbeeld huurprij-zen,
lonen of het aantal geregistreerde wagens in een bepaalde regio.
Wat deontwikkeling en toepassing van de nieuwe kernindicatoren voor
agglomeratie encongestie betreft, erkent de methode dat beide
fenomenen lokaal van aard zijnen dus rekening moeten houden met de
context waarin individuele bedrijvenzich bevinden. Deze context
wordt enerzijds geoperationaliseerd aan de handvan het concept van
een invloedszone die voor een individueel bedrijf zowel
deondernemingen als de omliggende weginfrastructuur identificeert
die zich binneneen bepaalde straal bevinden. Anderzijds worden de
gemeten waarden vooragglomeratie en congestie regionaal vergeleken
voor de verkeerszone (grossomodo de verschillende Vlaamse
provincies) waarin ze gesitueerd zijn. De voor-naamste bevindingen
kunnen als volgt worden samengevat: (i) de omvang vande
agglomeratie- en congestiemaatstaven verschilt regionaal, en (i)
agglomeratieen congestie zijn sterk, maar niet perfect
gecorreleerd.
Dit rapport is als volgt opgebouwd. Deel 2 beschrijft de
samenstelling van desteekproef op basis van cijfergegevens
afkomstig van het Vlaams Verkeerscentrum(2016) en Bureau van Dijk
(2016). De motivering achter en de berekening vande
bedrijfsspecifieke agglomeratie- en congestie-indicatoren wordt
besproken indeel 3. Deel 4 besluit, licht enkele beperkingen van de
studie toe en geeft eeneerste aanzet voor verder onderzoek op basis
van de in dit rapport voorgesteldemethode.
2. Beschrijving van de gegevens
De in dit rapport gehanteerde steekproef werd samengesteld op
basis van cijferge-gevens afkomstig van twee bronnen, enerzijds het
Vlaams Verkeerscentrum (2016)
Steunpunt Economie en Ondernemen en KU Leuven (2016) 3
http://www.steunpuntore.be
-
voor de de maatstaven voor congestie, en anderzijds Bureau van
Dijk (2016) voorde gedetailleerde bedrijfsgegevens voor alle
actieve ondernemingen in België. Detijdspanne beslaat de periode
2010–2014.
2.1. Congestiegegevens
Om congestie te meten, maken we gebruik van gedetailleerde
cijfergegevensover de verkeerssituatie op de voornaamste ring- en
snelwegen in Vlaanderenen Brussel, afkomstig van het meetnet dat
sinds 2010 wordt uitgebouwd doorhet Vlaams Verkeerscentrum (2016),
zie Figuur 2 voor een grafische voorstel-ling. Deze unieke
cijfergegevens die nog niet eerder aangewend werden vooreconomisch
onderzoek bevatten verkeersindicatoren per wegsegment, waarbijeen
wegsegment gedefinieerd wordt als een stuk snelweg tussen twee
opeenvol-gende uitwisselingspunten waartussen geen verkeer de
snelweg kan toetreden ofverlaten. Met andere woorden, binnen
eenzelfde wegsegment kan er bijgevolggeen verkeer bijkomen of
verdwijnen.
2.1.1. Maatstaven voor congestie
Congestie wordt gemeten aan de hand van twee indicatoren die
beiden uitgedruktworden in voertuiguren of kortweg uren; de
indicator voertuigverliesuren (VVU)kwantificeert de tijd die
voertuigen samen gemiddeld verliezen op de snelwegingevolge
vertraagd verkeer, terwijl de indicator voertuigverliesuren file
(VVUF) detijd kwantificeert die voertuigen samen gemiddeld
verliezen op de snelweg inge-volge fileverkeer. De laatstgenoemde
indicator meet met andere woorden enkelde zogenaamde structurele
files, terwijl de eerstgenoemde indicator eveneenscontroleert voor
incidentele congestie te wijten aan externe factoren zoals
onge-vallen en wegenwerken. Het voordeel van beide maatstaven is
dat deze zoweltijds- als afstandsverliezen in rekening brengen en
bijgevolg beschouwd kunnenworden als de beste indicatoren voor het
beschrijven van de verkeerstoestand(Hymel, 2009; Vlaams
Verkeerscentrum, 2016). Tot slot is het belangrijk om tebenadrukken
dat we enkel over congestiecijfers voor de voornaamste ring-
ensnelwegen in Vlaanderen en Brussel beschikken; er kan bijgevolg
geen uitspraakworden gedaan over de verkeerssituatie op de lokale
wegen. Onderzoek doorFosgerau (2015) geeft echter aan dat de
analyses niet beı̈nvloed worden door eendergelijke beperking omdat
de concentratie van verkeer over de verschillendetypes van wegen
binnen eenzelfde gebied erg vergelijkbaar is.
Automobilistenvertonen immers dynamisch optimaliserend rijgedrag
waardoor ze hun route
Steunpunt Economie en Ondernemen en KU Leuven (2016) 4
http://www.steunpuntore.be
-
Figu
ur2:
Het
ring
-en
snel
weg
enne
tin
Vla
ande
ren
enBr
usse
l
Bro
n:V
laam
sVe
rkee
rsce
ntru
m(2
016)
Steunpunt Economie en Ondernemen en KU Leuven (2016) 5
http://www.steunpuntore.be
-
constant aanpassen aan de huidige verkeersomstandigheden om de
drukste delenvan het wegnetwerk te vermijden.
2.1.2. Dekkingsgraad van het meetnet
Sinds 2010 neemt de dekkingsgraad van het meetnet (d.i. het
totale aantal weg-segmenten waarvoor congestie-indicatoren worden
gerapporteerd) stelselmatigtoe. De evolutie van de voorgestelde
congestiemaatstaven is daarom veeleerindicatief omwille van de nog
onvolledige dekking van het meetnet. Sinds 2011zijn echter
voldoende meetinstallaties operationeel om een volledige dekking
vande hoofdrijbanen van de Vlaamse snelwegen te garanderen en in
2012 werden ookalle op-en afrittencomplexen en knooppunten op het
Vlaamse hoofdwegennetuitgerust met meetinstallaties
(Verkeerscentrum Vlaanderen, 2011). De evolutiesin de
congestiemaatstaven zijn bijgevolg een combinatie van de evolutie
van hetverkeer enerzijds en de evolutie van het aantal bemeten
wegsegmenten ander-zijds. Het Vlaams Verkeerscentrum (2016) stelt
daarom de verhouding van deindicatoren VVU en VVUF ten opzichte van
de indicator gepresteerde voertuiguren(GVU) voor als een meer
stabiele maatstaf voor congestie, waarbij de laatste indi-cator de
tijd kwantificeert die voertuigen samen gemiddeld hebben
doorgebrachtop het wegennet.2 Deze ratio is minder gevoelig voor de
onvolledige dekkingvan het meetnet. Ter illustratie toont figuur 3
de evolutie van de voertuigver-
Figuur 3: Congestie-indicatoren voor het meetnet (index, 2010 =
100)
100
150
200
250
300
350
2010 2011 2012 2013 2014
VVU GVU RVVU
Bron: Vlaams Verkeerscentrum (2016), eigen voorstelling.
2De indicator GVU kwantificeert de tijd die voertuigen
doorbrengen op de snelweg bij vlotverkeer.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 6
http://www.steunpuntore.be
-
liesuren (VVU, zwarte lijn), de gepresteerde voertuiguren (GVU,
blauwe lijn)en de verhouding van deze congestiemaatstaf en de
gepresteerde voertuiguren(RVVU = VVU/GVU, zwarte stippellijn) voor
de Brusselse buitenring (R0 infiguur 2). Alle indicatoren vertonen
een gelijkaardig stijgend patroon, maar deveranderingen in de
absolute congestie-indicator (VVU) zijn meer uitgesprokendan voor
de gepresteerde voertuiguren (GVU) en de relatieve indicator
(RVVU).De operationalisering van meetinstallaties voor een
volledige dekking van deVlaamse snelwegen over de periode 2010–2011
verklaart de sterke stijging in deverkeersindicatoren in het jaar
2011.
2.1.3. Beschrijvende statistieken
Een volledig overzicht van de verkeersvolumes voor alle ring- en
snelwegenin Vlaanderen en Brussel wordt weergegeven in Tabel 11 in
appendix A. Terillustratie toont tabel 1 de totale verkeersvolumes
voor de top vijf van de drukstering- en snelwegen in Vlaanderen en
Brussel voor het jaar 2014. We stellen vastdat de totale congestie
gemeten aan de hand van voertuigverliesuren (VVU)
envoertuigverliesuren file (VVUF) voor de verschillende
rijrichtingen voor sommigesnelwegen erg uiteenlopend is. De
cijfergegevens in tabel 1 geven aan dat defilezwaarte voor de
Brusselse en Antwerpse binnen- en buitenring sterk vergelijk-baar
is, terwijl voor de snelweg A1/E19 de voertuigverliesuren richting
Brusseldriemaal hoger zijn dan deze richting Antwerpen. De
gepresteerde voertuiguren(GVU) stemmen daarentegen wel sterk
overeen voor de verschillende rijrichtingen.Tabel 2 toont dat de
volgorde van de top vijf van de drukste ring- en snelwegengrondig
wijzigt wanneer we rangschikken op basis van de relatieve
maatstavenvoor congestie. Zo zien we dat de snelweg A4/E41 in de
richting van Brusselhet meest af te rekenen krijgt met file. De
Brusselse en Antwerpse binnen- enbuitenring en de snelweg A1/E19
richting Antwerpen behoren nog steeds totde top vijf van drukste
ring- en snelwegen. De top wordt vervolledigd door desnelweg A3/E40
richting Brussel.
2.2. Bedrijfsgegevens
De bel-first gegevensbank rapporteert jaarlijks bedrijfsgegevens
voor alle actievebedrijven in België en Luxemburg (Bureau van
Dijk, 2016). Uit deze gegevensbankhalen we voor elke onderneming
gevestigd in Vlaanderen en Brussel informatieover de locatie, de
NACE Rev. 2 2-cijfer sector en de tewerkstelling gecreëerddoor de
onderneming.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 7
http://www.steunpuntore.be
-
Tabel 1: Top-5 drukste ring- en snelwegen in absolute cijfers
(2014)
Top-5 Snelweg en rijrichtingen Aantal VVU VVUF GVU
1 R0 Buitenring Brussel 38 9,197 6,272 37,810Binnenring Brussel
37 8,895 5,862 38,403
2 R1 Binnenring Antwerpen 13 4,455 2,641 17,300Buitenring
Antwerpen 15 3,975 2,566 16,642
3 A1/E19 Antwerpen - Brussel 19 4,173 3,088 20,415Brussel -
Antwerpen 19 1,332 769 18,638
4 A10/E40 Oostende - Brussel 40 3,804 2,063 45,916Brussel -
Oostende 43 1,789 830 43,705
5 A14/E17 Rijsel (F) - Antwerpen 45 3,569 2,586 41,801Antwerpen
- Rijsel (F) 46 1,763 1,223 41,397
Opmerking: Aantal, VVU, VVUF en GVU verwijzen naar het totaal
aantalwegsegmenten, de voertuigverliesuren, de voertuigverliesuren
file en degepresteerde voertuiguren.Bron: Vlaams Verkeerscentrum
(2016), eigen berekeningen.
Tabel 2: Top-5 drukste ring- en snelwegen in relatieve
cijfers(2014)
Top-5 Snelweg en rijrichtingen Aantal RVVU RVVUF
1 A4/E41 Namen - Brussel 6 0.3144 0.2409Brussel - Namen 6 0.0273
0.0190
2 R1 Binnenring Antwerpen 13 0.2575 0.1527Buitenring Antwerpen
15 0.2389 0.1542
3 R0 Buitenring Brussel 38 0.2432 0.1659Binnenring Brussel 37
0.2316 0.1526
4 A1/E19 Antwerpen - Brussel 19 0.2044 0.1513Brussel - Antwerpen
19 0.0715 0.0413
5 A3/E40 Luik - Brussel 17 0.1440 0.0923Brussel - Luik 19 0.0588
0.0376
Opmerking: Aantal, RVVU en RVVUF verwijzen naar het totaalaantal
wegsegmenten, de verhouding van de voertuigverliesuren(VVU/GVU) en
de voertuigverliesuren file (VVUF/GVU) ten op-zichte van de
gepresteerde voertuiguren.Bron: Vlaams Verkeerscentrum (2016),
eigen berekeningen.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 8
http://www.steunpuntore.be
-
2.2.1. Behandeling van de bedrijfsgegevens
Vermits agglomeratie-effecten het resultaat zijn van interacties
tussen individuelebedrijven, is de locatie van elke onderneming van
groot belang. Omdat wevooralsnog niet beschikken over locatie- en
tewerkstellingscijfers op het niveauvan de vestigingen van
multi-plant ondernemingen (d.i. bedrijven met meerderevestigingen),
wordt de steekproef beperkt tot single-plant ondernemingen (d.i.
be-drijven met één enkele vestiging) (Mare en Graham, 2013;
Martin et al., 2011; Holl,2016).3 Het beperken van de steekproef
tot single-plant ondernemingen heeftechter tot gevolg dat we geen
uitspraak kunnen doen over de volledige populatievan Vlaamse en
Brussels ondernemingen. Deze groep van single-plant bedrijvenwordt
geı̈dentificeerd met behulp van gegevens afkomstig van de
Kruispuntbankvoor ondernemingen (2015) die gedetailleerde
informatie bevat over het aantalvestigingen per onderneming. We
elimineren vervolgens alle ondernemingenwaarvoor
tewerkstellingsgegevens (d.i. aantal werknemers in voltijdse
equivalen-ten) nulwaarden aannemen of ontbreken, omdat deze
ondernemingen (1) nietbijdragen tot de werkgelegenheidscreatie in
Vlaanderen en het Brussels Hoofdste-delijk Gewest, en (2) geen
agglomeratie-effecten generen. Tabel 3 toont het aantalactieve
ondernemingen in de steekproef met één enkele vestiging waarvoor
te-werkstellingscijfers beschikbaar zijn voor de periode 2010–2014.
De geografischespreiding voor het jaar 2014 (# 88,645) wordt
weergegeven in figuur 4.
Tabel 3: Aantal ondernemingen met één enkele vestiging met
te-werkstellingscijfers per jaar (2010–2014)
2010 2011 2012 2013 2014
Aantal ondernemingen 83,324 85,598 87,171 88,017 88,645
Bron: Bureau van Dijk (2016), eigen berekeningen.
2.2.2. Beschrijvende statistieken
Ondernemingen en tewerkstelling in 2014 Tabel 4 toont het aantal
ondernemin-gen en enkele beschrijvende statistieken voor
tewerkstelling volgens economischeactiviteit zoals gedefinieerd
door het Steunpunt Werk (2016).4 De tabel toont het
3Er werd een data-aanvraag ingediend bij het Sectoraal Comité
van de Sociale Zekerheiden van de Gezondheid en de Rijksdienst voor
Sociale Zekerheid (RSZ) voor het verkrijgen vanlocatie en
tewerkstellingsgegevens op het niveau van de de vestiging, zie
paragraaf 4.2 voor eenbespreking.
4De opgesomde sectoren uit Tabel 4 zijn een weerspiegeling van
de classificatie van hetSteunpunt Werk (2016) met uitzondering van
(1) de NACE Rev. 2 2-cijfer sectoren posterijen en
Steunpunt Economie en Ondernemen en KU Leuven (2016) 9
http://www.steunpuntore.be
-
Figu
ur4:
Geo
grafi
sche
spre
idin
gva
nde
onde
rnem
inge
nin
dest
eekp
roef
per
hoof
dsec
tor
(a)
Prim
aire
secto
r (b
) S
ecun
da
ire
se
cto
r
(c)
Te
rtia
ire
secto
r (d
) Q
uart
aire
se
cto
r
Bro
n:Bu
reau
van
Dijk
(201
6),e
igen
voor
stel
ling.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 10
http://www.steunpuntore.be
-
Tabel 4: Beschrijvende statistieken voor tewerkstelling (in
voltijdse equivalenten, VTE)per hoofdsector (2014)
Hoofdsector NACE Sector #Gemid-
deldeStandaard-
afwijkingMediaan
Primaire sector 1-3 Landbouw, bosbouw en visserij 1,315 7.29
14.1 4
5-9 Winning van delfstoffen 27 12.48 17.8 5
Secundaire sector 10-12Vervaardiging van dranken, voeding
entabak
1,475 18.62 47.1 4
13-15 Textiel en kleding 615 19.02 42.2 5
17-18 Grafische nijverheid 804 15.98 39.8 4
19-21 Chemische industrie 307 58.79 136.2 14
22 Rubber- en kunststofnijverheid 298 35.59 71.5 13
23 Vervaardiging van bouwmaterialen 462 17.84 42.7 6
24 Metallurgie 138 50.49 115.8 11
25 Vervaardiging van metaalproducten 1,570 16.26 34.8 6
26Vervaardiging van informatica enelektronische producten
138 28.46 57.4 9
27-28Vervaardiging van (elektrische) apparatenen werktuigen
795 24.78 57.6 8
29-30 Vervaardiging van transportmiddelen 154 62.50 211.4 10
16, 31Houtindustrie en vervaardiging vanmeubels
913 12.47 25.6 5
32 Overige industrie 454 9.38 40.5 3
35-36 Energie en water 54 11.61 21.7 4
37-39 Afval en recyclage 304 9.97 16.4 4
41-43 Bouw 13,876 7.76 22.5 3
Tertiaire sector 33, 95Reparatie en installatie van machines
enconsumentenartikelen
459 9.50 28.7 3
45 Garagewezen 3,245 6.94 23.2 3
46 Groothandel en handelsbemiddeling 9,967 9.07 23.7 3
47 Kleinhandel 9,633 4.07 6.5 2
49-51 Transport 2,823 12.64 22.1 5
52 Logistiek 1,012 19.04 64.5 5
53, 61 Post en telecommunicatie 294 12.14 52.8 3
55-56, 79 Horeca en toerisme 7,450 5.37 12.0 3
58-60, 61 Informatie en media 853 9.28 30.6 3
62 Informaticatechnologie 2,010 11.95 33.0 3
64-66 Financiële diensten 4,113 4.77 16.9 2
69-74Consultancy en wetenschappelijkeactiviteiten
8,755 6.84 35.4 2
78 Uitzendbureaus en arbeidsbemiddeling 283 63.93 544.8 7
81Onderhoud van gebouwen, tuinen enlandschapsverzorging
1,803 10.62 43.7 3
68, 77, 80,82
Overige zakelijke dienstverlening 4,048 6.67 20.1 2
75, 96-98 Overige diensten aan personen 1,721 4.13 7.5 2
Quartaire sector 90-93 Recreatie, cultuur en sport 1,351 8.06
22.8 3
84, 99 Algemene overheidsdiensten 54 11.06 11.1 7
85 Onderwijs 413 12.63 26.6 5
86 Gezondheidszorg 2,384 6.38 97.2 1
87-88 Maatschappelijke dienstverlening 1,485 42.02 67.0 24
94 Belangenvertegenwoordiging 790 12.07 18.8 7
Opmerking: De tabel toont het aantal ondernemingen, het
gemiddelde, de standaardafwijking en de mediaan van
detewerkstellingscijfers opgedeeld volgens economische activiteit
zoals gedefinieerd door Steunpunt Werk (2016). Tewerk-stelling
wordt gemeten aan de hand van de tewerkstelling in voltijdse
equivalenten (VE) voor het jaar 2014.Bron: Bureau van Dijk (2016),
eigen berekeningen.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 11
http://www.steunpuntore.be
-
aantal ondernemingen, het gemiddelde, de standaardafwijking en
de mediaanvoor tewerkstelling voor het jaar 2014. We stellen vast
dat de meerderheid vande ondernemingen actief is binnen de
secundaire en tertaire sectoren. Concreetvinden we de meeste
ondernemingen terug in de sectoren bouw (NACE 41–43;13,876
bedrijven), groothandel en handelsbemiddeling (NACE 46; 9,967
bedrij-ven), kleinhandel (NACE 47; 9,633 bedrijven), consultancy en
wetenschappelijkeactiviteiten (NACE 69–74; 8,755 bedrijven) en
horeca en toerisme (NACE 55–56,79; 7,450 bedrijven). Wat de
gemiddelde tewerkstelling betreft, stellen we vast dater een grote
sectorale heterogeniteit bestaat. We vinden dat de ondernemingenuit
de sectoren uitzendbureaus en arbeidsbemiddeling (NACE 78; 64
werknemersin VTE), vervaardiging van transportmiddelen (NACE 29–30;
63 werknemers inVTE), chemische industrie (NACE 19–21; 59
werknemers in VTE), metallurgie(NACE 24; 50 werknemers in VTE) en
maatschappelijke dienstverlening (NACE87-88; 42 werknemers in VTE)
gemiddeld het grootst zijn in termen van werkne-mersaantallen. De
hoge standaardafwijkingen voor deze sectoren wijzen echterop grote
verschillen binnen eenzelfde sector. Bijgevolg is de mediane
tewerkstellingeen meer betrouwbare maatstaf om werkgelegenheid over
sectoren heen te verge-lijken. We stellen vast dat wat de mediane
tewerkstelling betreft, ondernemingenuit de sectoren
maatschappelijke dienstverlening (NACE 87-88; 24 werknemersin VTE),
chemische industrie (NACE 19–21; 14 werknemers in VTE), rubber-
enkunststofnijverheid (NACE 22; 13 werknemers in VTE), metallurgie
(NACE 24;11 werknemers in VTE) en vervaardiging van
transportmiddelen (NACE 29–30;10 werknemers in VTE) het grootst
zijn, al zijn de verschillen met de overigesectoren minder groot
dan bij de gemiddelde waardes. Op basis van zowel degemiddelde als
mediane statistieken bemerken we tot slot dat heel wat
sectorenvooral bestaan uit micro-ondernemingen met minder dan tien
werknemers.
Evolutie ondernemingen en tewerkstelling 2010–2014 Om een beter
inzicht tekrijgen in de Vlaamse en Brusselse economie, gaan we de
evolutie van het aantalondernemingen met één enkele vestiging en
de tewerkstelling gecreëerd doordeze ondernemingen na over de
periode 2010 tot 2014, zie tabel 5. We makenhierbij een onderscheid
tussen primaire, secundaire, tertiaire en quartaire sectorenzoals
gedefinieerd in tabel 4. We stellen de evolutie per sector hiertoe
grafisch
koeriers (NACE 53), telecommunicatie (NACE 61) die naar analogie
met de sectorclassificatie in deregionale input-outputtabellen van
het Planbureau (2016) samengevoegd is onder de rubriek posten
telecommunicatie, en (2) de NACE Rev. 2 2-cijfer sector openbaar
bestuur en defensie; verplichtesociale verzekeringen (NACE 84) die
we beschouwen als één sector onder de rubriek
algemeneoverheidsdiensten.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 12
http://www.steunpuntore.be
-
Figuur 5: Evolutie van het aantal ondernemingen (2010–2014,
index 2010 = 100)
100
110
120In
dex
aant
al o
nder
nem
inge
n (2
010=
100)
2010 2011 2012 2013 2014
primaire sector secundaire sectortertiaire sector quartaire
sector
Opmerking: De figuur toont de evolutie over de periode 2010–2014
van het aantal ondernemingenmet één enkele vestiging voor de
primaire, secundaire, tertiaire en quartaire sectoren met
basisjaar2010.Bron: Bureau van Dijk (2016), eigen berekeningen.
Figuur 6: Evolutie van de sectorale tewerkstelling (2010–2014,
index 2010 = 100)
100
110
120
130
Inde
x te
wer
kste
lling
in V
TE
(20
10=
100)
2010 2011 2012 2013 2014
primaire sector secundaire sectortertiaire sector quartaire
sector
Opmerking: De figuur toont de evolutie over de periode 2010–2014
van de tewerkstelling voorde primaire, secundaire, tertiaire en
quartaire sectoren met basisjaar 2010.Bron: Bureau van Dijk (2016),
eigen berekeningen.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 13
http://www.steunpuntore.be
-
voor door middel van een indexcijfer.5 Concreet toont figuur 5
de indexcijfersmet basisjaar 2010 voor de verschillende sectoren
waarbij we de som van hetaantal ondernemingen binnen eenzelfde
hoofdsector berekenen. We stellen vastdat het aantal ondernemingen
in de primaire sector (zwarte volle lijn) met 3% isafgenomen ten
opzichte van het basisjaar 2010. In absolute aantallen impliceert
diteen daling van 1,378 bedrijven in 2010 naar 1,342 bedrijven in
2014, zie tabel 5. Hetaantal ondernemingen in de secundaire sector
(blauwe volle lijn) stijgt in 2011 omvervolgens licht te dalen over
de rest van de periode 2011–2014. Ten opzichte vanhet basisjaar
2010 is het aantal bedrijven actief in deze sector met 2% gestegen
watin absolute cijfers een toename van 21,967 naar 22,357
ondernemingen impliceert.Het aantal ondernemingen in de tertiaire
sector (blauwe stippellijn) is met 7%toegenomen over de periode
2010–2014. In absolute termen betreft dit een stijgingvan 54,696
naar 58,469 bedrijven. De quartaire sector (blauwe stippellijn)
kendemet een toename van 23% een opmerkelijke groei wat het aantal
ondernemingenbetreft. De quartaire sector heeft echter een minder
brede basis dan de secundaireen tertiaire sectoren: we observeren
een toename in het aantal bedrijven van 5,283naar 6,477. Figuur 6
toont vervolgens de evolutie van de tewerkstelling en westellen
vast dat de tewerkstelling voor de primaire sector (volle zwarte
lijn) alsde tertiaire sector (zwarte stippellijn) schommelt over de
periode 2010–2014. Inabsolute termen werden in de primaire en
tertiaire sectoren respectievelijk 920(10%) en 25,632 (6%) jobs
gecreëerd. Wat de evolutie van de tewerkstelling voorde secundaire
sector (blauwe volle lijn) betreft, constateren we dat het
aantalarbeidsplaatsen gecreëerd door de bedrijven binnen deze
hoofdsector met 2% isafgenomen over de periode 2010–2014. In
absolute termen vertaalt deze daling
Tabel 5: Evolutie van het aantal ondernemingen en de sectorale
tewerkstelling(2010-2014)
Ondernemingen Tewerkstelling
Hoofdsector 2010 2014 ∆ 2010 2014 ∆
Primaire sector 1,378 1,342 -36 9,000 9,920 920
Secundaire sector 21,967 22,357 390 288,466 281,682 -6,784
Tertiaire sector 54,696 58,469 3,773 412,113 437,745 25,632
Quartaire sector 5,283 6,477 1,194 78,428 103,842 25,414
Totaal 83,324 88,645 5,321 788,007 833,189 45,182
Opmerking: De tabel toont het aantal ondernemingen en de
sectorale tewerkstelling voor de jaren 2010 en2014.Bron: Bureau van
Dijk (2016), eigen berekeningen.
5Voor een gedetailleerde beschrijving van de berekening van
indexcijfers verwijzen we delezer naar Baert en Reynaerts (2014,
§5) waar deze methode gebruikt werd om de evolutie van delead
versus niet-lead firms te vergelijken doorheen de tijd.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 14
http://www.steunpuntore.be
-
zich in een verlies van 6,784 arbeidsplaatsen. Wanneer we tot
slot de evolutievan de tewerkstelling voor de quartaire sector
(blauwe stippellijn) bekijken, zienwe een toename van 25,414 jobs
(32%) binnen deze hoofdsector ten opzichte vanhet basisjaar 2010.
Deze stijging is deels het gevolg van de sterke toename in
hetaantal ondernemingen.
3. Bedrijfsspecifieke indicatoren voor agglomeratie en
congestie
3.1. Berekening van de indicatoren
Het onderzoek naar de wisselwerking tussen positieve en
negatieve effecten vanagglomeratie en de economische performantie
van bedrijven vereist de bereke-ning van relevante kernindicatoren.
In tegenstelling tot de bestaande literatuurdie gebruik maakt van
regionaal geaggregeerde agglomeratie-indicatoren, con-strueren en
berekenen we bedrijfsspecifieke indicatoren binnen een invloedszone
meteen variabele straal rond een onderneming om de mate van
agglomeratie en/ofcongestie na te gaan, zie figuur 7 voor een
grafische voorstelling van de methode.Het voordeel van deze methode
is dat de indicatoren (1) voor elke ondernemingafzonderlijk
berekend worden en (2) niet gebaseerd zijn op arbitraire
administra-tieve grenzen en dus niet gevoelig zijn voor zogenaamde
grenseffecten (Durantonen Overman, 2005; Graham et al., 2010). De
berekening van indicatoren binnenadministratieve regio’s
veronderstelt immers dat agglomeratie-effecten stoppenaan de
grenzen van de bestudeerde regio, terwijl ondernemingen zich in
elkaarsnabijheid vestigen over administratieve grenzen heen.
3.1.1. Invloedszone van een onderneming
De blauwe cirkel in figuur 7 toont de invloedszone R voor een
willekeurige onder-neming i waarvan de locatie in het
tweedimensionale vlak wordt voorgesteld doorhet zwarte punt, •.
Omdat de schaal waarop agglomeratie-effecten inspelen
opondernemingen a priori niet gekend is, laten we de straal r van
de invloedszone inwat volgt variëren van 1 tot 25 km (Martin,
1999). De locaties van de nabijgelegenondernemingen j = 1, . . . ,
J met j 6= i in de invloedszone R worden weergegevendoor de zwarte
holle punten, ◦, terwijl de grijze punten • de ondernemingenk = 1,
. . . , K buiten de invloedszone R voorstellen. De nabijgelegen
snelweg(en)en de op-en afritcomplexen worden weergegeven door
zwarte lijnen waarbij het
Steunpunt Economie en Ondernemen en KU Leuven (2016) 15
http://www.steunpuntore.be
-
Figuur 7: Invloedszone van een onderneming
Opmerking: De blauwe cirkel toont de invloedszone R met straal r
voor een willekeurigeonderneming i waarvan de locatie in het
tweedimensionale vlak wordt voorgesteld door hetzwarte punt, •. De
locaties van de nabijgelegen ondernemingen in de invloedszone R
wordenweergegeven door de zwarte holle punten, ◦, terwijl de grijze
punten • de ondernemingen buitende invloedszone R voorstellen. De
nabijgelegen snelweg(en) en de op-en afritcomplexen
wordenweergegeven door zwarte lijnen waarbij het gearceerde gebied
een wegsegment voorstelt.
gearceerde gebied een wegsegment voorstelt. Belangrijk hierbij
is dat de mate vaninteractie tussen de ondernemingen onderling en
het wegennetwerk vermindertmet de afstand, d.i. we veronderstellen
dat de agglomeratie-effecten omgekeerdevenredig afnemen met de
afstand r (Rosenthal en Strange, 2003; Graham et al.,2010; Combes
et al., 2012).
3.1.2. Agglomeratie-indicator
De literatuur maakt traditioneel een onderscheid tussen
agglomeratie-effectenvan bedrijven binnen dezelfde sector
(intra-industrie of Marshalliaanse spillovers)en
agglomeratie-effecten van bedrijven in andere sectoren
(inter-industrie of Jaco-biaanse spillovers), waarbij de mate van
agglomeratie in beide gevallen gemetenwordt aan de hand van
tewerkstelling van nabijgelegen ondernemingen (Marshall,1890;
Jacobs, 1969; Beaudry en Schiffaureva, 2009; Jofre-Monseny et al.,
2014). Indit rapport stellen we daarentegen een nieuwe en
bedrijfsspecifieke agglomeratie-maatstaf voor die zowel inter- als
intra-industrie spillovers registreert. Concreetwordt de indicator
AGG voor elke onderneming i uit sector s̄ met invloedszone
Steunpunt Economie en Ondernemen en KU Leuven (2016) 16
http://www.steunpuntore.be
-
Figuur 8: Berekening van de agglomeratie-index (vereenvoudigde
illustratie)
Opmerking: De blauwe cirkel toont de invloedszone R met straal r
(< · · · >) voor een willekeu-rige onderneming A waarvan de
locatie in het tweedimensionale vlak wordt voorgesteld doorhet
zwarte punt, •. De locaties van de nabijgelegen ondernemingen B en
C in de invloedszone Rdie behoren tot sector s̄ worden weergegeven
door de zwarte holle punten, ◦, terwijl de zwarteholle driehoek 4
firma D voorstelt die tot sector s behoort met s 6= s̄.
R met straal r op tijdstip t berekend als
AGGirs̄t =J
∑j=1j∈Ri
αs→s̄LjRstD−1ij , (1)
waarbij Lj de tewerkstelling van bedrijf j uit sector s in de
invloedszone R metstraal r van onderneming i voorstelt. Deze
tewerkstelling wordt vervolgensgewogen met de sterkte van de
input-outputrelatie α tussen sectoren s en s̄ en deEuclidische
afstand D tussen ondernemingen i en j.6,7 Figuur 8 illustreert
grafischhoe de sterkte van de input-outputrelatie αs→s̄ en de
Euclidische afstand Dij deberekening van de agglomeratie-indicator
AGG beı̈nvloeden. Naar analogiemet figuur 7 toont de blauwe cirkel
de invloedszone R voor een willekeurigeonderneming A uit sector s̄
voorgesteld door het zwarte punt, •. De locatiesvan de nabijgelegen
bedrijven B en C die tot dezelfde sector s̄ behoren, worden
6We gebruiken hiervoor de input-outputtabellen van het
Planbureau (2016) voor het jaar 2010.7De Euclidische afstand D
tussen ondernemingen i en j vormt slechts een benadering van de
werkelijke afstand, maar onderzoek door Duranton en Overman
(2005) toont aan dat dit geeninvloed heeft op de resultaten.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 17
http://www.steunpuntore.be
-
weergegeven door de zwarte holle punten, ◦, terwijl de zwarte
holle driehoek4 firma D voorstelt die tot sector s behoort met s 6=
s̄. In dit voorbeeld makenondernemingen A, B en C deel uit van
dezelfde sector s̄. De Euclidische afstandend1 en d2 tussen
respectievelijk (A, B) en (A, C) zijn echter verschillend met d1
> d2of D−1AB < D
−1AC. Omdat de afstand tussen het paar (A, B) groter is dan
tussen
(A, C), wordt bij de berekening van de agglomeratie-indicator
AGG mindergewicht toegekend aan de tewerkstelling gecreërd door
onderneming B. Tentweede bemerken we dat bedrijven B en D op
gelijke afstand d1 van firma Agesitueerd zijn. Deze ondernemingen
behoren echter tot verschillende sectoren:onderneming B behoort tot
dezelfde sector s̄ als A, terwijl firma D deel uitmaaktvan sector s
met s 6= s̄ en αs̄→s̄ > αs→s̄. Omdat de input-output relatie
binnensector s̄ sterker is dan deze tussen sectoren s en s̄ zal de
weegfactor voor detewerkstelling van bedrijf B groter zijn bij de
berekening van de agglomeratie-indicator AGG voor onderneming
A.
3.1.3. Congestie-indicator
Het merendeel van het empirisch onderzoek dat de wisselwerking
tussen ver-keerscongestie en economische of bedrijfsperformantie
bestudeert, maakt gebruikvan benaderende variabelen om filezwaarte
te meten. Rizov et al. (2012) bijvoor-beeld meten de nadelen van de
sterke agglomeratie van bedrijven met behulpvan cijfergegevens over
landprijzen en lonen, terwijl Broersma en van Dijk (2008)het aantal
regionaal geregistreerde wagens per kilometer weg in een regio
ge-bruiken om congestie te benaderen. Dit rapport maakt daarentegen
gebruik vangedetailleerde cijfergegevens die de werkelijke omvang
van congestie meten inde nabijheid van iedere onderneming in de
steekproef, zie paragraaf 2.1 voor eenbespreking. Op basis van deze
gegevens wordt een bedrijfsspecifieke congestie-indicator CON voor
elke onderneming i met invloedszone R met straal r optijdstip t
berekend als
CONirt =H
∑h=1h∈Ri
RVVUhRtD̄−1ih , (2)
waarbij RVVU verwijst naar de relatieve maatstaf voor
voertuigverliesuren(VVU/GVU) voor wegsegment h in de invloedszone
van de onderneming,gewogen met de gemiddelde Euclidische afstand D̄
tussen de onderneming en hetwegsegment. We gebruiken de gemiddelde
afstand als lengtemaat aangezien eenwegsegment gedefinieerd wordt
als een stuk snelweg tussen twee opeenvolgende
Steunpunt Economie en Ondernemen en KU Leuven (2016) 18
http://www.steunpuntore.be
-
Figuur 9: Berekening van de congestie-index (vereenvoudigde
illustratie)
Opmerking: De blauwe cirkel toont de invloedszone R met straal r
(< · · · >) voor een willekeu-rige onderneming i waarvan de
locatie in het tweedimensionale vlak wordt voorgesteld door
hetzwarte punt, •. De nabijgelegen snelweg(en) en de op-en
afritcomplexen worden weergegevendoor zwarte lijnen waarbij het
gearceerde gebied een wegsegment voorstelt.
uitwisselingspunten en dus niet samenvalt met één enkel
(X,Y)-coordinaat.8
De impact van de Euclidische afstand D̄ih op de berekening van
de congestie-indicator CON wordt grafisch voorgesteld in figuur 9.
De blauwe cirkel toontopnieuw de invloedszone R voor een
willekeurige onderneming A voorgestelddoor het zwarte punt, •. De
twee nabijgelegen snelwegen en de op-en afritcom-plexen worden
weergegeven door zwarte lijnen, waarbij we drie wegsegmentenX, Y en
Z onderscheiden, voorgesteld door de gearceerde gebieden. We zien
datde gemiddelde Euclidische afstanden d1 en d3 tussen
respectievelijk (A, X) en(A, Z) verschillend zijn met d1 < d3 of
D−1AX > D
−1AZ. Bij de berekening van de
congestie-indicator CON wordt bijgevolg meer gewicht toegekend
aan de conges-tie gemeten op het meer nabijgelegen wegsegment X.
Daarnaast bemerken wedat hoewel wegsegmenten X en Y tot dezelfde
snelweg behoren, de weegfactor
8Voor elke wegsement hebben we meerdere (X,Y)-coordinaten voor
verschillende referen-tiepunten op dit wegsegment. Concreet wordt
de gemiddelde Euclidische afstand D̄ih tussenonderneming i en alle
referentiepunten h̃1, h̃2, ..., h̃N van het wegsegment h die binnen
de in-vloedszone R vallen, berekend als
D̄ih =1N
h̃N
∑h̃=1h̃∈h
D−1ih̃
.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 19
http://www.steunpuntore.be
-
voor de congestie op beide wegsegmenten niet gelijk zal zijn in
de berekening vande congestie-indicator CON met d1 < d2 of D−1AX
> D
−1AY. De congestiemaatstaf
CONF wordt vervolgens op dezelfde manier geconstrueerd als
CONFirt =H
∑h=1h∈Ri
RVVUhRtD̄−1ih , (3)
waarbij RVVUF de relatieve voertuigverliesuren file (VVUF/GVU)
voor wegseg-ment h in de invloedszone van de onderneming. Tot slot
stellen we de alternatievecongestie-indicatoren CON(NS) en CONF(NS)
voor die enkel de congestie opde meest nabijgelegen snelweg (NS)
meten in het geval meerdere snelwegenonderneming i’s invloedszone R
doorkruisen. Voor figuur 9 impliceert dit datwe enkel de congestie
op de snelweg met wegsegmenten X en Y opnemen in deberekening van
de congestie-indicator CON(NS) en CONF(NS).
3.2. Agglomeratie en congestie in Vlaanderen
We berekenen de bedrijfsspecifieke agglomeratie- en
congestie-indicatoren voorde periode 2010 tot 2014 met behulp van
de gedetailleerde cijfergegevens be-schreven in deel 2. Tabel 6
toont het gemiddelde, de standaardafwijking (tussenronde haken) en
de mediaan (tussen vierkante haken) voor de agglomeratie-en
congestie-indicatoren AGG, CON, CONF, CON(NS) en CONF(NS). Deomvang
van de standaardafwijking en de grootteverschillen tussen de
gemid-delde en mediane waardes voor de verschillende indicatoren en
radii r tonenaan dat de agglomeratie- en congestie-indicatoren
sterk verschillend zijn voorde ondernemingen gevestigd in
Vlaanderen en Brussel. Wat congestie betreft,toonde figuur 1 reeds
aan dat de filedruk hoog is in de stedelijke gebieden
rondAntwerpen, Brussel en Gent. Naar analogie met het Vlaams
Verkeerscentrum(2016) rapporteren we in wat volgt statistieken per
verkeerszone of invloedsgebied,d.i. een zone rond een
grootstedelijk gebied, zie figuur 10. De grenzen van dezegebieden
zijn zo gekozen dat het merendeel van de normale structurele
congestie(VVU) op de ring- en snelwegen gerelateerd aan de steden,
vervat zit in deverkeerszone. Figuur 10 toont de vier verkeerszones
zoals deze gedefinieerdworden in dit rapport; we onderscheiden drie
grootstedelijke gebieden rond Ant-werpen (blauw), Brussel (oranje)
en Gent (groen) en nemen de overige gebiedensamen onder de noemer
rest Vlaanderen (wit). Deze geografische opdeling wordtempirisch
ondersteund door de observatie dat 80% van de pendelstromen
binnende provinciegrenzen plaatsvinden, zie tabel 10 in appendix A.
Deze cijfergegevens
Steunpunt Economie en Ondernemen en KU Leuven (2016) 20
http://www.steunpuntore.be
-
Tabel 6: Agglomeratie- en congestie-indicatoren volgens straal
van de invloedszone(2014)
Indicator r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r =
15km r = 20km r = 25km
AGG 0.369 0.811 1.140 1.412 1.643 2.378 2.796 3.136 3.435(0.821)
(1.478) (1.853) (2.127) (2.342) (2.818) (2.868) (2.878)
(2.893)[0.108] [0.271] [0.414] [0.533] [0.642] [1.130] [1.622]
[2.078] [2.467]
CON 0.085 0.259 0.461 0.641 0.803 1.578 1.966 2.214 2.409(0.496)
(0.910) (1.224) (1.459) (1.639) (2.212) (2.458) (2.506)
(2.525)[0.000] [0.000] [0.000] [0.010] [0.042] [0.293] [0.672]
[1.010] [1.435]
CONF 0.055 0.168 0.301 0.418 0.525 1.037 1.288 1.443
1.560(0.352) (0.638) (0.845) (1.001) (1.124) (1.522) (1.688)
(1.718) (1.728)[0.000] [0.000] [0.000] [0.005] [0.024] [0.150]
[0.319] [0.559] [0.855]
CON(SN) 0.046 0.113 0.181 0.228 0.267 0.397 0.460 0.481
0.492(0.275) (0.370) (0.449) (0.510) (0.558) (0.644) (0.695)
(0.698) (0.696)[0.000] [0.000] [0.000] [0.007] [0.030] [0.104]
[0.145] [0.178] [0.202]
CONF(NS) 0.029 0.068 0.108 0.137 0.160 0.235 0.273 0.285
0.292(0.194) (0.252) (0.295) (0.329) (0.358) (0.406) (0.434)
(0.436) (0.435)[0.000] [0.000] [0.000] [0.003] [0.015] [0.057]
[0.080] [0.095] [0.109]
Opmerking: De tabel geeft een overzicht van het gemiddelde, de
standaardafwijking (tussen ronde haken) en demediaan (tussen
vierkante haken) voor de agglomeratie- en congestie-indicatoren
AGG, CON, CONF, CON(NS)en CONF(NS).
Tabel 7: Agglomeratie- en congestie-indicatoren volgens straal
van de invloedszoneopgedeeld volgens verkeerszone (2014)
Invloedsgebied Indicator r = 1km r = 2km r = 3km r = 4km r = 5km
r = 10km r = 15km r = 20km r = 25km
Antwerpen AGG 0.119 0.319 0.502 0.647 0.780 1.515 2.360 3.054
3.596(# = 24,979) CON 0.000 0.000 0.058 0.113 0.163 0.493 1.232
2.129 2.567
CONF 0.000 0.000 0.031 0.061 0.088 0.294 0.787 1.391
1.671CON(NS) 0.000 0.000 0.049 0.098 0.124 0.220 0.296 0.337
0.355CONF(NS) 0.000 0.000 0.027 0.054 0.070 0.126 0.175 0.204
0.216
Brussel AGG 0.268 0.761 1.240 1.748 2.265 3.962 4.511 4.726
4.967(# = 24,469) CON 0.000 0.000 0.001 0.115 0.315 3.098 4.411
4.699 4.871
CONF 0.000 0.000 0.000 0.065 0.172 2.109 3.003 3.175
3.262CON(NS) 0.000 0.000 0.000 0.051 0.145 0.528 0.581 0.594
0.600CONF(NS) 0.000 0.000 0.000 0.031 0.088 0.294 0.320 0.327
0.329
Gent AGG 0.073 0.181 0.281 0.368 0.455 0.867 1.223 1.543 1.884(#
= 13,893) CON 0.000 0.000 0.000 0.024 0.042 0.121 0.269 0.829
1.170
CONF 0.000 0.000 0.000 0.013 0.024 0.069 0.151 0.476
0.671CON(NS) 0.000 0.000 0.000 0.023 0.040 0.086 0.124 0.158
0.189CONF(NS) 0.000 0.000 0.000 0.013 0.023 0.049 0.069 0.086
0.104
Rest van Vlaanderen AGG 0.069 0.167 0.250 0.328 0.393 0.668
0.895 1.077 1.233(# = 25,304) CON 0.000 0.000 0.000 0.000 0.001
0.010 0.034 0.089 0.203
CONF 0.000 0.000 0.000 0.000 0.001 0.006 0.020 0.045
0.062CON(NS) 0.000 0.000 0.000 0.000 0.001 0.008 0.015 0.023
0.027CONF(NS) 0.000 0.000 0.000 0.000 0.000 0.003 0.006 0.011
0.013
Opmerking: De tabel toont de mediane waardes voor de
agglomeratie- en congestie-indicatoren AGG, CON, CONF,CON(NS) en
CONF(NS) per verkeerszone.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 21
http://www.steunpuntore.be
-
Figuur 10: Vlaamse verkeerszonesAntwerpen Brussel Gent Rest
Bron: Vlaams Verkeerscentrum (2016), eigen voorstelling.
van het Steunpunt Werk (2015) tonen immers aan dat deze gebieden
in grotemate de pendelstromen in Vlaanderen en Brussel
omvatten.
Geografische verschillen In overeenstemming met paragraaf 2.2.2
tonen we demediane waardes om agglomeratie en congestie over
regio’s heen te vergelijken,zie tabel 7. We stellen vast dat de
mediane bedrijfsspecifieke agglomeratie-indicatoren voor alle
stralen r hoger zijn voor ondernemingen gevestigd in
deverkeerszones Antwerpen en Brussel dan voor bedrijven in Gent of
de rest vanVlaanderen. Wat de negatieve externaliteiten van
geografische clustering betreft,vinden we eveneens de hoogste
mediane waardes voor de congestie-indicatorenCON en CONF voor de
verkeerszones Antwerpen en Brussel voor alle radii rwaarbij de
hoogste mediane congestiewaardes gemeten worden in Brussel.
Webemerken dat de mediane waardes voor de congestie-indicatoren CON
en CONFgelijk zijn aan nul voor r ≤ 2 km in Antwerpen en Brussel,
voor r ≤ 3 km inGent en voor r ≤ 4 km in de rest van Vlaanderen.
Dit resultaat ligt in lijn met deverwachtingen vermits de mediane
afstand van een onderneming tot het meestnabijgelegen op-en
afrittencomplex in de verkeerszones Antwerpen, Brussel, Genten de
rest van Vlaanderen respectievelijk 2.3, 2.5, 3.5 en 4.1 km
bedraagt. Wanneerwe vervolgens de mediane waardes voor de
congestie-indicatoren CON(NS) enCONF(NS) vergelijken voor de
verschillende verkeerszones, bemerken we datde mediane congestie in
Antwerpen zwaarder is dan in Brussel voor de radiir < 5 km. We
besluiten dat de mediane agglomeratie- en congestie-indicatorenvoor
de verkeerszones Antwerpen en Brussel voor alle stralen r van 1 tot
25 kmveel hoger zijn dan voor de overige verkeerszones.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 22
http://www.steunpuntore.be
-
Figuur 11: Top-10 agglomeratie-indicator AGG met straal van de
invloedszone r = 10km per sector volgens verkeerszones (mediane
waardes, 2014)
0 2 4 6 8
AGG (10km)
Chemische industrie (19-21)Informatica en elektronica (26)
Delfstoffen (5-9)Onderwijs (85)
Post en communicatie (51,61)Arbeidsbemiddeling (78)
Belangenvertegenwoordiging (94)Informaticatechnologie (62)
Logistiek (52)Overige industrie (32)
(a) Antwerpen
0 5 10 15
AGG (10km)
Maatschappelijke diensten (87-88)Textiel en kleding (13-15)
Horeca en toerisme (55-56,79)Post en communicatie (51,61)
Informaticatechnologie (62)Onderwijs (85)
Onderhoud van gebouwen (81)Gezondheidszorg (86)
Overheidsdiensten (84,99)Belangenvertegenwoordiging (94)
(b) Brussel
0 .5 1 1.5 2
AGG (10km)
Dranken en voeding (10-12)Elektrische apparaten (27-28)
Horeca en toerisme (55-56,79)Delfstoffen (5-9)
Informatica en elektronica (26)Overheidsdiensten (84,99)
Bouw (41-43)Belangenvertegenwoordiging (94)
Overige industrie (32)Informaticatechnologie (62)
(c) Gent
0 .5 1 1.5 2
AGG (10km)
Dranken en voeding (10-12)Rubber- en kunststof (22)
Overheidsdiensten (84,99)Metallurgie (24)
Metaalproducten (25)Informatica en elektronica (26)Elektrische
apparaten (27-28)
Bouw (41-43)Textiel en kleding (13-15)
Overige industrie (32)
(d) Rest van Vlaanderen
Bron: Bureau van Dijk (2016) en Vlaams Verkeerscentrum (2016),
eigen voorstelling.
Figuur 12: Top-10 congestie-indicator CON met straal van de
invloedszone r = 10 kmper sector volgens verkeerszones (mediane
waardes, 2014)
0 2 4 6
CON (10km)
Zakelijke dienstverlening (68,77,80,82)Post en communicatie
(51,61)
Informatie en media (58-60,61)Informaticatechnologie (62)
Delfstoffen (5-9)Onderwijs (85)
Arbeidsbemiddeling (78)Overige industrie (32)
Logistiek (52)Belangenvertegenwoordiging (94)
(a) Antwerpen
0 1 2 3 4 5
CON (10km)
Horeca en toerisme (55-56,79)Textiel en kleding (13-15)
Onderwijs (85)Energie en water (35-36)
Informatie en media (58-60,61)Arbeidsbemiddeling (78)
Belangenvertegenwoordiging (94)Overheidsdiensten (84,99)
Post en communicatie (51,61)Logistiek (52)
(b) Brussel
0 1 2 3
CON (10km)
Onderwijs (85)Zakelijke dienstverlening (68,77,80,82)
Transportmiddelen (29-30)Arbeidsbemiddeling (78)
Delfstoffen (5-9)Energie en water (35-36)
Informaticatechnologie (62)Informatie en media (58-60,61)
Belangenvertegenwoordiging (94)Overheidsdiensten (84,99)
(c) Gent
0 .01 .02 .03
CON (10km)
Textiel en kleding (13-15)Informatie en media (58-60,61)
Metallurgie (24)Consultancy (69-74)
Informaticatechnologie (62)Grafische nijverheid (17-18)
Belangenvertegenwoordiging (94)Energie en water (35-36)
Informatica en elektronica (26)Post en communicatie (51,61)
(d) Rest van Vlaanderen
Bron: Vlaams Verkeerscentrum (2016), eigen voorstelling.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 23
http://www.steunpuntore.be
-
Sectorale verschillen Figuren 11 en 12 tonen de top-10 van
sectoren met dehoogste mediane waardes voor de agglomeratie- en
congestie-indicatoren AGGen CON met straal van de invloedszone r =
10 km.9 De kleuren van de stavenkomen overeen met de kleurencodes
voor de verkeerszones in figuur 10. Naaranalogie met tabel 7
stellen we vast dat de omvang van de indicatoren
geografischverschilt, d.i. de schalen van de horizontale assen zijn
verschillend per indicatoren per verkeerszone. In de verkeerszone
Antwerpen zijn bedrijven uit de sectorenoverige industrie (NACE 32)
en logistiek (NACE 52) in hoge mate onderhevig aande
tegenovergestelde agglomeratiekrachten. De top-3 voor agglomeratie
AGGwordt vervolledigd door de sector informaticatechnologie (NACE
62), terwijlondernemingen in de sector belangenvertegenwoordiging
(NACE 94) het meestonderhevig zijn aan congestie in de verkeerszone
Antwerpen. De verankeringvan internationale en/of publieke
instellingen in de verkeerszone Brussel heefttot gevolg dat de
mediane waardes voor agglomeratie en congesties voor
over-heidsdiensten (NACE 84, 99) zeer hoog zijn. De sterk
ontwikkelde dienstensectorin deze verkeerszone vertaalt zich in
positieve agglomeratie-effecten voor debedrijven uit de sectoren
belangenvertegenwoordiging (NACE 94) en gezond-heidszorg (NACE 86)
en in negatieve agglomeratie-effecten voor firma’s uit desectoren
logistiek (NACE 62) en post en communicatie (NACE 51, 61). Voor
deverkeerszone Gent vinden we dat ondernemingen uit de sector
belangenverte-genwoordiging (NACE 94) in grote mate onderhevig zijn
aan de positieve ennegatieve effecten van geografische clustering.
Bedrijven actief in de sectoreninformaticatechnologie (NACE 62) en
overige industrie (NACE 32) ondervindenpositieve spillovers van
agglomeratie, terwijl ondernemingen in de sectoren
over-heidsdiensten (NACE 84, 99) en informatie en media (58-60, 61)
lijden onder delokale filedruk. Tot slot bemerken we dat in de rest
van Vlaanderen bedrijven uitde secundaire sectoren overige
industrie (NACE 32), textiel en kleding (13–15) enbouw (41–43) de
hoogste mediane waardes voor agglomeratie optekenen, terwijlde
mediane sectorale congestie-indicatoren het hoogst zijn voor
ondernemingenuit de sectoren post en communicatie (NACE 51, 61),
informatie en elektronica(NACE 26) en energie en water (NACE
35-36).
3.2.1. Wisselwerking tussen agglomeratie en congestie
Tabel 8 toont vervolgens de correlaties tussen de
congestie-indicatoren. Ten eerstebemerken we dat de correlaties
tussen de congestie-indicatoren CON en CONF
9Meer tabellen en grafieken voor andere indicatoren en stralen
van de invloedszone r zijnbeschikbaar op aanvraag.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 24
http://www.steunpuntore.be
-
enerzijds en CON(NS) en CONF(NS) anderzijds zeer hoog zijn. Ten
tweede stel-len we vast dat de groottes van de correlaties voor de
koppels (CON, CON(NS))en (CONF, CONF(NS)) die respectievelijk
berekend werden op basis van decongestiemaatstaven RVVU en RVVUF in
hoge mate overeenstemmen, met degrootste correlatie op r = 5 km. We
kunnen eveneens de correlaties tussende agglomeratie-indicator en
de verschillende congestie-indicatoren vergelijken,aangezien
agglomeratie en congestie onlosmakelijk met elkaar verbonden zijn,
zietabel 9. Ten eerste stellen we vast dat de wisselwerking tussen
de agglomeratie-indicator en de verschillende congestie-indicatoren
CON en CONF enerzijdsen CON(NS) en CONF(NS) anderzijds sterk
vergelijkbaar is. We bemerkenechter dat de correlaties met de
congestie-indicatoren CON(NS) en CONF(NS)die enkel de congestie op
de meest nabije snelweg in rekening brengen mindergroot zijn dan
voor de congestie-indicatoren CON en CONF die alle congestiein
rekening brengen. Ten tweede vinden we dat de correlatie tussen de
indicestoeneemt met de straal van de invloedszone R, waarbij een
maximum bereiktwordt op r = 15km voor ρ(AGG, CON), op r = 20km voor
ρ(AGG, CONF)en ρ(AGG, CONF(NS)) en op r = 25km voor ρ(AGG,
CON(NS)). Het is dui-delijk dat we geen één-op- één relatie
vinden tussen deze agglomeratie- encongestie-indicatoren, wat erop
wijst dat bedrijven die sterk onderhevig zijn
aanagglomeratie-effecten niet noodzakelijk negatieve
congestie-effecten ondervindenen vice versa. Op basis van figuren
11 en 12 kwamen we reeds tot dezelfde con-clusie vermits de top-10
van de sectoren met de hoogste mediane waardes voor
Tabel 8: Correlatie tussen de congestie-indicatoren
(2014)Correlatie r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r
= 15km r = 20km r = 25km
ρ(CON, CONF) 0.9903 0.9896 0.9927 0.9941 0.9947 0.9962 0.9970
0.9972 0.9973
ρ(CON(NS), CONF(NS)) 0.9727 0.9727 0.9763 0.9797 0.9818 0.9834
0.9855 0.9857 0.9856
ρ(CON, CON(NS) 0.6854 0.6960 0.7396 0.7581 0.7674 0.7110 0.7199
0.7229 0.7208
ρ(CONF, CONF(NS)) 0.6757 0.6755 0.7187 0.7433 0.7576 0.7078
0.7180 0.7194 0.7169
Opmerking: De tabel geeft een overzicht van de correlaties
tussen de verschillende congestie-indicatoren.Bron: eigen
berekeningen op basis van Bureau van Dijk (2016) en Vlaams
Verkeerscentrum (2016).
Tabel 9: Correlatie tussen de agglomeratie- en
congestie-indicatoren (2014)Correlatie r = 1km r = 2km r = 3km r =
4km r = 5km r = 10km r = 15km r = 20km r = 25km
ρ(AGG, CON) 0.1087 0.1467 0.2492 0.2961 0.3371 0.6873 0.7121
0.7117 0.7079
ρ(AGG, CONF) 0.1076 0.1489 0.2527 0.3004 0.3426 0.6942 0.7185
0.7186 0.7148
ρ(AGG, CON(NS)) 0.0355 0.1131 0.2260 0.2593 0.2799 0.4724 0.5114
0.5138 0.5140
ρ(AGG, CONF(NS)) 0.0381 0.1130 0.2327 0.2651 0.2855 0.4637
0.5071 0.5096 0.5094
Opmerking: De tabel geeft een overzicht van de correlaties
tussen de agglomeratie- en congestie-indicatoren.Bron: eigen
berekeningen op basis van Bureau van Dijk (2016) en Vlaams
Verkeerscentrum (2016).
Steunpunt Economie en Ondernemen en KU Leuven (2016) 25
http://www.steunpuntore.be
-
agglomeratie en congestie niet dezelfde zijn voor de
verschillende verkeerszones.Dit inzicht wordt meegenomen in het
verdere verloop van het onderzoek van hetsteunpunt in 2017.
4. Besluit en verder onderzoek
4.1. Overzicht en besluit
Ter voorbereiding van het onderzoek naar de impact van
agglomeratie en conges-tie op de economische prestaties van
bedrijven, brengt dit rapport de concentratievan de economische
activiteit in Vlaanderen en Brussel in kaart. Daartoe stelt heteen
nieuwe methode voor die de bestaande literatuur aanpast en
uitbreidt omagglomeratie en congestie op een correcte wijze te
kunnen meten en voorstellen.In overeenstemming met de literatuur
wordt de tewerkstelling van bedrijvenin dezelfde en andere sectoren
gebruikt om spillovers uit agglomeratie te me-ten. De correcte
meting van congestie berust in dit rapport verder op
cijfersafkomstig van het Vlaams Verkeerscentrum die de werkelijke
omvang van defiles meten en niet op benaderingen zoals bijvoorbeeld
huurprijzen en lonen ofhet aantal geregistreerde wagens in een
bepaalde regio. Wat de ontwikkelingen toepassing van de nieuwe
kernindicatoren voor agglomeratie en congestiebetreft, erkent de
methode dat beide fenomenen lokaal van aard zijn en dus reke-ning
moeten houden met de context waarin individuele bedrijven zich
bevinden.Deze context wordt enerzijds geoperationaliseerd aan de
hand van het conceptvan een invloedszone die voor een individueel
bedrijf zowel de ondernemingenals de omliggende weginfrastructuur
identificeert die zich binnen een bepaaldestraal bevinden.
Anderzijds worden de gemeten waarden voor agglomeratie encongestie
lokaal bestudeerd, d.i. ten opzichte van de verkeerszones (grosso
modode verschillende Vlaamse provincies) waarin ze gesitueerd zijn.
De toepassingvan de voorgaande methode leert dat (i) de omvang van
de agglomeratie- encongestiemaatstaven regionaal verschilt, en (i)
agglomeratie en congestie sterkmaar niet perfect gecorreleerd
zijn.
4.2. Beperkingen en opmerkingen
Naar analogie met de bestaande literatuur berust de berekening
van de agglome-ratiemaatstaven in dit rapport op
tewerkstellingscijfers van ondernemingen inVlaanderen en Brussel.
Ten gevolg van enkele tekortkomingen van de huidige
Steunpunt Economie en Ondernemen en KU Leuven (2016) 26
http://www.steunpuntore.be
-
dataset zijn deze berekeningen echter eerder indicatief. Ten
eerste zijn de cijfer-gegevens die beschikbaar zijn in de bel-first
gegevensbank onvolledig, vermitsvoor slechts één op drie
ondernemingen tewerkstellingscijfers gerapporteerdworden. Ten
tweede zijn deze tewerkstellingscijfers geaggregeerd op het
niveauvan de onderneming wat aanleiding geeft tot vertekende
indicatoren. Agglo-meratiemaatstaven die berekend worden op basis
van tewerkstellingsgegevensvoor ondernemingen met meerdere
vestigingen (d.i. multi-plant firms) over-schatten de lokale
effecten van agglomeratie omwille van het “hoofdzeteleffect”:de
tewerkstelling van een onderneming met meerdere vestigingen wordt
in ditgeval onterecht toegeschreven aan de administratieve
hoofdzetel van het bedrijfdie vaak gevestigd is in steden als
Antwerpen, Brussel of Gent en niet aan delokale productie-eenheden.
We beperken de steekproef in dit rapport daaromtot de single-plant
ondernemingen (d.i. bedrijven met één enkele vestiging), om-dat
we vooralsnog niet over locatie- en tewerkstellingscijfers
beschikken op hetniveau van de vestigingen van multi-plant
ondernemingen (d.i. bedrijven metmeerdere vestigingen). Deze
beperking van de steekproef werkt echter een on-derschatting van de
lokale effecten van agglomeratie in de hand, omdat de
lokaletewerkstelling gecreëerd door de vestigingen van multi-plant
bedrijven niet wordtopgenomen in de berekening van deze
agglomeratiemaatstaven. Om een over-of onderschatting van de lokale
effecten van agglomeratie-effecten te vermijden,vereist de correcte
meting van deze agglomeratie-effecten voor ondernemingenin
Vlaanderen en Brussel tewerkstellingscijfers op het niveau van de
vestiging inplaats van geaggregeerde gegevens op het niveau van de
onderneming. Hiertoewerd in naam van het Steunpunt Economie &
Ondernemen een data-aanvraagingediend bij de Rijksdienst voor
Sociale Zekerheid (RSZ) voor het verkrijgenvan
tewerkstellingsgegevens op het niveau van de de vestiging. Deze
vestigings-specifieke tewerkstellingscijfers kunnen dan eveneens
aangewend worden alsverdeelsleutel om de inzet van
productiefactoren zoals kapitaal en intermediairegoederen en de
creatie van output door de verschillende vestigingen van
multi-plant ondernemingen te berekenen, wat ons in staat stelt om
bedrijfsperformantie(d.i. productiviteit) te schatten op het niveau
van de vestiging (Martin et al., 2011).
4.3. Verder onderzoek
De bedrijfsspecifieke agglomeratie- en congestie-indicatoren uit
dit beleidsrapportdie berekend werden op basis van gedetailleerde
cijfergegevens voor verschil-lende invloedzones zullen in 2017
gebruikt worden om de wisselwerking tussenagglomeratie, congestie
en de economische performantie van ondernemingen te
Steunpunt Economie en Ondernemen en KU Leuven (2016) 27
http://www.steunpuntore.be
-
bestuderen. We combineren de voornaamste inzichten en
tekortkomingen uitde literatuur inzake productiviteit en
agglomeratie en onderzoeken het causaleeffect van agglomeratie
externaliteiten op de performantie van ondernemingen.Ten eerste
nemen we zowel positieve als negatieve externaliteiten ten
gevolgevan agglomeratie in rekening bij de berekening van de
productiviteitsmaatstaf.Ten tweede maken we gebruik van reële
congestiecijfers in plaats van benade-rende variabelen om congestie
te meten. Ten derde onderzoeken we de effectenvoor de totale
economie in tegenstelling tot het merendeel van de
agglomera-tieliteratuur die zich vooral beperkt tot analyses voor
industriële sectoren. Weontwikkelen eveneens een grafische tool om
de resultaten uit de economischeanalyse eenduidig voor te stellen.
In lijn met de bestaande literatuur verwach-ten we dat agglomeratie
en congestie productiviteit respectievelijk positief ennegatief
beı̈nvloeden. Tot slot bemerken we dat hoewel de methodologie diein
dit beleidsrapport voorgesteld werd en integraal hernomen wordt in
de eco-nometrische analyses voor 2017, de gepresenteerde
beschrijvende statistiekenveeleer indicatief zijn omwille van
databeperkingen, zie paragraaf 4.2. We plan-nen enerzijds een
uitbreiding van de bestaande cijfergegevens met meer
recentebedrijfs- en congestiedata voor het jaar 2015 en met
vestigingscijfers van de RSZ,en anderzijds kunnen eventuele
onvoorziene moeilijkheden bij het uitvoeren vande regressieanalyses
duiden op de noodzaak om de steekproef aan te passen.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 28
http://www.steunpuntore.be
-
Referenties
Arikan, A., Knoben, J., Raspe, O. en van Oort, F. (2016),
“Agglomeration and firmperformance: One firm’s medicine is another
firm’s poison,” Environment andPlanning A 48(1), 132–153. [1]
Baert, L. en Reynaerts, J. (2014), “De economische activiteit en
hettransformatieproces van lead firms in Vlaanderen sinds 2005,”
Techni-cal Report STORE-B-14-013, Steunpunt Ondernemen &
Regionale Econo-mie (STORE), URL
http://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdf.
[14]
Beaudry, C. en Schiffaureva, A. (2009), “Who’s right, Marshall
or Jacobs? Thelocalization versus urbanization debate,” Research
Policy 38(2), 318–337. [16]
Broersma, L. en van Dijk, J. (2008), “The effect of congestion
and agglomerationon multi-factor productivity growth in Dutch
regions,” Journal of EconomicGeography 8(2), 181–209. [1, 18]
Bureau van Dijk (2016), “bel-first. Belgium and Luxembourg,”
database,URL
http://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-first.
[3, 4, 7, 9, 10, 11, 13, 14, 23, 25]
Ciccone, A. en Hall, R. (1996), “Productivity and the density of
economic activity,”The Review of Economic Studies 86(1), 54–70.
[1]
Combes, P., Duranton, G., Gobillon, L., Puga, D. en Roux, S.
(2012), “The pro-ductivity advantages of large cities:
Distinguishing agglomeration from firmselection,” Econometrica
80(6), 2543–2594. [16]
Drucker, J. en Feser, E. (2012), “Regional industrial structure
and agglomerationeconomies: An analysis of productivity in three
manufacturing industries,”Regional Science and Urban Economics
42(1), 1–14. [1]
Duranton, G. en Overman, H. (2005), “Testing for localization
using micro-geographic data,” The review of Economic Studies 72(4),
1077–1106. [15, 17]
Ellison, G. en Glaeser, E. (1997), “Geographic concentration in
U.S. manufacturingindustries: A dartboard approach,” Journal of
Political Economy 105(5), 889–927.[1]
Steunpunt Economie en Ondernemen en KU Leuven (2016) 29
http://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdfhttp://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdfhttp://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-firsthttp://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-firsthttp://www.steunpuntore.be
-
Europese Commissie voor Mobiliteit en Transport (2015), “Road
mapto a single European transport area,” Technical report,
EuropeanCommission, URL
http://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index
en.htm. [1]
Fosgerau, M. (2015), “Congestion in the bathtub,” Journal of
Transportation 4(4),241–255. [4]
Graham, D., Gibbons, S. en Martin, R. (2010), “The spatial decay
of agglome-ration economies: Estimates for use in transport
appraisal,” Technical report,Imperial college London, URL
http://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdf.
[15, 16]
Holl, A. (2016), “Manufacturing location and impacts of road
transport infra-structure: empirical evidence from Spain,” Regional
Science and Urban Economics34(3), 341–363. [9]
Hymel, K. (2009), “Does traffic congestion reduce employment
growth,” Journalof Urban Economics 65(2), 127–135. [1, 4]
IMF (2016), “Belgium: Staff Concluding Statement of the 2017
Article IV Mission,”technical report, URL
http://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV
-Mission. [2]
INRIX (2015), “Key findings: Urban mobility scorecard annual
report,” Database,INRIX, URL
http://inrix.com/scorecard/key-findings-us/#key-findings-europe.
[2]
Jacobs, J. (1969), The economies of cities, Random House, New
York. [16]
Jofre-Monseny, J., Marin-Lopez, R. en Viladecans-Marsal, E.
(2014), “The determi-nants of localization and urbanization
economies: Evidence from the locationof new firms in Spain,”
Journal of Regional Science 54(2), 313–337. [16]
Kruispuntbank voor ondernemingen (2015), “Open data,” Database,
FOD Eco-nomie, K.M.O., Middenstand en Energie, URL
http://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcu.
[9]
Mare, D. en Graham, D. (2013), “Agglomeration elasticities and
firm heteroge-neity,” Journal of Urban Economics 75, 44–56. [9]
Marshall, A. (1890), Principles of Economics, MacMillan, London.
[1, 16]
Steunpunt Economie en Ondernemen en KU Leuven (2016) 30
http://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index_en.htmhttp://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index_en.htmhttp://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdfhttp://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdfhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://inrix.com/scorecard/key-findings-us/#key-findings-europehttp://inrix.com/scorecard/key-findings-us/#key-findings-europehttp://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcuhttp://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcuhttp://www.steunpuntore.be
-
Martin, P., Mayer, T. en Mayneris, F. (2011), “Spatial
concentration and plant-levelproductivity in France,” Journal of
Urban Economics 69(2), 182–195. [9, 27]
Martin, R. (1999), “The new geographical turn in economics: Some
criticalreflections,” Cambridge Journal of Economics 23(1), 65–91.
[15]
Melo, P., Graham, D. en Noland, R. (2009), “A meta-analysis of
estimates of urbanagglomeration economies,” Regional Science and
Urban Economics 39(3), 332–342.[1]
Organisatie voor Economische Samenwerking en Ontwikkeling
(2013), “OECDeconomic surveys: Belgium,” Technical report,
Organization for EconomicCo-operation and Development, URL
http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=
ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92.
[1]
Planbureau (2016), “Input-outputtabellen en uitbreidingen,”
Database, Planbureau,URL
http://www.plan.be/aboutus/overview.php?lang=nl&TM=50. [12,
17]
Rizov, M., Oskam, A. en Walsh, P. (2012), “Is there a limit to
agglomeration? Evi-dence from productivity of Dutch firms,”
Regional Science and Urban Economics42(4), 595–606. [18]
Rosenthal, S. en Strange, W. (2003), “Geography, industrial
organization andagglomeration,” The review of Economics and
Statistics 85(2), 377–393. [16]
Steunpunt Werk (2015), “Pendelstromen bij de loontrekkenden
(15-64 jaar)naar geslacht, leeftijdsklasse en WSE-sector (Belgische
gewesten, pro-vincies en RESOC’s/CSEF’s; jaargemiddelde,” Database,
Vlaamse Over-heid, URL http://www.steunpuntwerk.be/cijfers?field
collectie tid=13&field indicator tid=All&items per page=50.
[22, 33]
——— (2016), “WSE-sectorindeling,” Technisch rapport, Vlaamse
Over-heid, URL
http://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st
wse wse-sectorindeling nace 2008.pdf. [9, 11]
Sweet, M. (2014), “Traffic congestion’s economic impacts:
Evidence from U.S.metropolitan regions,” Urban Studies 51(10),
2088–2110. [1]
Verkeerscentrum Vlaanderen (2011), “Verkeersindicatoren.
Hoofdwe-gennet Vlaanderen 2010,” Technical report, Verkeerscentrum
Vlaan-deren, URL
http://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdf.
[6]
Steunpunt Economie en Ondernemen en KU Leuven (2016) 31
http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.plan.be/aboutus/overview.php?lang=nl&TM=50http://www.steunpuntwerk.be/cijfers?field_collectie_tid=13&field_indicator_tid=All&items_per_page=50http://www.steunpuntwerk.be/cijfers?field_collectie_tid=13&field_indicator_tid=All&items_per_page=50http://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st_wse_wse-sectorindeling_nace_2008.pdfhttp://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st_wse_wse-sectorindeling_nace_2008.pdfhttp://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdfhttp://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdfhttp://www.steunpuntore.be
-
Vlaams Verkeerscentrum (2016), “Traffic Indicators,” Database,
Flemish Govern-ment, URL
http://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-table.
[2, 3, 4, 5, 6, 8, 20, 22,23, 25, 34]
Weisbrod, G., Vary, D. en Treyz, G. (2001), “Economic
implications of congestion,”Technical report, National Cooperative
Highway Research Program, URL
http://onlinepubs.trb.org/onlinepubs/nchrp/nchrp rpt 463-a.pdf.
[1]
Steunpunt Economie en Ondernemen en KU Leuven (2016) 32
http://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-tablehttp://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-tablehttp://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_463-a.pdfhttp://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_463-a.pdfhttp://www.steunpuntore.be
-
A. Data
Tabel 10: Pendelstromen in Vlaanderenen Brussel volgens
verkeers-zone (2010–2013)
Invloedsgebied 2010 2011 2012 2013
Antwerpen 82.7 82.6 82.7 83.0Brussel 88.2 88.4 88.6 88.8Gent
69.3 69.7 69.9 70.3Rest Vlaanderen 83.1 83.2 83.3 83.4
Gemiddelde 80.8 81.0 81.1 81.4
Bron: eigen berekeningen op basis van Steunpunt Werk(2015).
Steunpunt Economie en Ondernemen en KU Leuven (2016) 33
http://www.steunpuntore.be
-
Tabel 11: Filezwaarte en verkeersvolume voor de ring- en
snelwe-gen in Vlaanderen en Brussel (2014)
Snelweg en rijrichtingen segment VVU VVUF GVU RVVU RVVUF
R0 Buitenring Brussel 38 9,197 6,272 37,810 0.2432
0.1659Binnenring Brussel 37 8,895 5,862 38,403 0.2316 0.1526
R1 Binnenring Antwerpen 13 4,455 2,641 17,300 0.2575
0.1527Buitenring Antwerpen 15 3,975 2,566 16,642 0.2389 0.1542
A1/E19 Antwerpen - Brussel 19 4,173 3,088 20,415 0.2044
0.1513Brussel - Antwerpen 19 1,332 769 18,638 0.0715 0.0413
A10/E40 Oostende - Brussel 40 3,804 2,063 45,916 0.0828
0.0449A10/E40 - Brussel - Oostende 43 1,789 830 43,705 0.0409
0.0190
A14/E17 Rijsel (F) - Antwerpen 45 3,569 2,586 41,801 0.0854
0.0619A14/E17 - Antwerpen - Rijsel (F) 46 1,763 1,223 41,397 0.0426
0.0295
A13/E313 Luik - Antwerpen 39 3,204 1,737 29,504 0.1086
0.0589Antwerpen - Luik 40 626 303 27,987 0.0224 0.0108
A3/E40 Luik - Brussel 17 2,699 1,730 18,746 0.1440 0.0923Brussel
- Luik 19 986 631 16,774 0.0588 0.0376
A4/E411 Namen - Brussel 6 1,751 1,342 5,570 0.3144 0.2409Brussel
- Namen 6 108 75 3,956 0.0273 0.0190
A2/E314 Heerlen (Nl) - Leuven 41 1,382 695 24,108 0.0573
0.0288Leuven - Heerlen (Nl) 41 901 390 22,972 0.0392 0.0170
A1/E19 Breda (Nl) - Antwerpen 13 1,013 432 10,603 0.0955
0.0407Antwerpen - Breda (Nl) 13 256 118 9,737 0.0263 0.0121
A12 Antwerpen - Brussel 19 878 345 7,783 0.1128 0.0443Brussel -
Antwerpen 21 662 478 6,365 0.1040 0.0751
A21/E34 Eindhoven (Nl) - Ranst 17 665 352 10,315 0.0645
0.0341Ranst - Eindhoven (Nl) 17 110 28 8,570 0.0128 0.0033
A11/E34 Zelzate-West - Antwerpen 16 516 403 7,106 0.0726
0.0567Antwerpen - Zelzate-West 15 111 70 6,733 0.0165 0.0104
A17/E403 Doornik - Brugge 18 292 191 9,146 0.0319 0.0209Brugge -
Doornik 18 146 62 9,000 0.0162 0.0069
A19 Ieper - Kortrijk 9 192 146 3,558 0.0540 0.0410Kortrijk -
Ieper 9 11 7 3,238 0.0034 0.0022
A12 Bergen-op-Zoom (Nl) - Antwerpen 10 152 96 3,441 0.0442
0.0279Antwerpen - Bergen-op-Zoom (Nl) 12 48 30 3,268 0.0147
0.0092
R2 Binnenring Antwerpen 8 144 92 1,340 0.1075 0.0687Buitenring
Antwerpen 9 93 34 1,356 0.0686 0.0251
R4 Binnenring Gent 11 136 101 2,874 0.0473 0.0351Buitenring Gent
13 89 43 2,638 0.0337 0.0163
A18/E40 Duinkerke(F) - Jabbeke 14 122 85 6,269 0.0195
0.0136Jabbeke - Duinkerke (F) 14 55 49 6,115 0.0090 0.0080
A8/E429 Doornik - Halle 5 68 58 626 0.1086 0.0927Halle - Doornik
4 2 1 601 0.0033 0.0017
A112 Wilrijk - Antwerpen 4 11 7 315 0.0349 0.0222Antwerpen -
Wilrijk 3 6 4 305 0.0197 0.0131
A201 Brussel - Luchthaven 3 7 2 264 0.0265 0.0076Luchthaven -
Brussel 5 4 2 211 0.0190 0.0095
Opmerking: RVVU=VVU/GVU en RVVUF=VVUF/GVU met
VVUvoertuigverliesuren, VVUF voertuigverliesuren file en GVU
gepresteerdevoertuiguren.Bron: Vlaams Verkeerscentrum (2016), eigen
berekeningen.
Steunpunt Economie en Ondernemen en KU Leuven (2016) 34
http://www.steunpuntore.be
InleidingBeschrijving van de gegevensCongestiegegevensMaatstaven
voor congestieDekkingsgraad van het meetnetBeschrijvende
statistieken
BedrijfsgegevensBehandeling van de bedrijfsgegevensBeschrijvende
statistieken
Bedrijfsspecifieke indicatoren voor agglomeratie en
congestieBerekening van de indicatorenInvloedszone van een
ondernemingAgglomeratie-indicatorCongestie-indicator
Agglomeratie en congestie in VlaanderenWisselwerking tussen
agglomeratie en congestie
Besluit en verder onderzoekOverzicht en besluitBeperkingen en
opmerkingenVerder onderzoek
Data