Pojam “europski paradoks” prvi put je upotrijebljen 1995. u zelenoj knjizi Europske komisije te je trebao opisati jaz između dobrih istraživačkih rezultata, sustava visokog obrazovanja i istraživačkih infrastruktura s jedne strane, te slabog uspjeha u transponiranju tih rezultata u komercijalne inovacije s druge strane. Iako neki autori dovode u pitanje temeljne premise tako postavljenog europskog paradoksa, tada dijagnosticirani problem i predloženo rješenje u vidu većeg ulaganja u istraživanje i razvoj (IR) imalo je dalekosežne posljedice. Tako je već desetljećima europski cilj ostvariti ulaganje u IR u visini od 3 % BDP-a na godinu, s naglaskom na to da dvije trećine ukupnog ulaganja treba dolaziti iz privatnog sektora (BERD – Business enterprise expenditure on R&D).
Iako su neke od europskih zemalja u samom vrhu svjetskog inovacijskog poretka mjereno npr. globalnim inovacijskim indeksom (Švedska, Nizozemska, Finska, Danska), EU u prosjeku još uvijek kaska za SAD-om, Japanom, Južnom Korejom, Kanadom i Australijom. Inovacijski indeks Europske komisije za 2021. pokazuje da su svih 7 najniže rangiranih zemalja (klasificiranih u najnižu kategoriju „inovatori u nastajanju“) zemlje srednje i istočne Europe, tj. tranzicijske zemlje. Iako se inovacijski kapaciteti tranzicijskih zemalja posljednjih desetljeća postupno poboljšavaju, ovim tempom će se jaz s inovacijskim liderima samo još više produbljivati.
Estonija je 2021. najinovativnija tranzicijska zemlja te je trenutno na 9. mjestu u ukupnom poretku EU, ispred Francuske i Irske. U posljednjih pet godina, tranzicijske zemlje s najvećim inovacijskim indeksom su Slovenija, Estonija i Češka, a prate ih Litva i Mađarska (Hrvatska je pretekla Mađarsku ove godine), dok su dosljedno na začelju Rumunjska, Bugarska i Latvija. Tranzicijske zemlje u pravilu nisu uspjele postići rezultate razmjerne uloženim sredstvima u vidu pokazatelja kao što su broj patenata, registriranih zaštitnih znakova, znanstvenih članaka i visokotehnološkog izvoza.
Inovacijski indeks EU zemalja u 2021.
Izvor: European Innovation Scoreboard, https://interactivetool.eu/
Zbog svojih povijesnih specifičnosti tranzicijske zemlje srednje Europe razlikuju se od ostalih zemalja u razvoju i zemalja sličnog dohotka. Socijalistička prošlost im je u odnosu na inovacijske kapacitete ostavila u naslijeđe određene prednosti (naoko dobra razina ljudskog kapitala) i nedostatke (slabo ulaganje privatnog sektora i slabo razvijeno financijsko tržište). Prosječni indeks ljudskog kapitala (koji se mjeri prosječnim godinama trajanja školovanja i povratom ulaganja u obrazovanje) 2018. bio je veći u tranzicijskim zemljama nego u ostatku EU.
Indeks ljudskog kapitala u 2018. u zemljama EU, temeljeno na godinama školovanja i povratom ulaganja u obrazovanje
Izvor: Penn World Table). Indeks ljudskog kapitala konstruira se pomoću podataka o prosječnom broju godina školovanja te pretpostavljenim povratom ulaganja u obrazovanje temeljem Mincerove jednadžbe koja procjenjuje isplativost dodatnih godina školovanja
Iako različitih povijesnih, strukturnih i društvenih značajki, ono što su te zemlje imale zajedničko vezano uz istraživanje i razvoj možemo sažeti na sljedeći način: a) centralnim planiranjem favorizirana je industrija, osobito teška industrija; b) postojala je visoka stopa ulaganja u fizički i ljudski kapital; c) nije postojao privatni financijski sustav, kao ni pravni ni institucionalni okvir tržišnog gospodarstva.
Sustavi istraživanja i razvoja koje su te države naslijedile bili su nerazmjerno veliki s obzirom na dohodak, a glavna značajka bila im je odvojenost od tržišta i proizvodnog procesa.
S obzirom na otežanost stranih ulaganja i prijenosa tehnologije uslijed zatvorenosti, tranzicijske zemlje su se 2000. nalazile u prosjeku dalje od tehnološke granice od ostatka EU. Iako veća udaljenost od tehnološke granice ne zvuči kao dobra startna pozicija, Alexander Gerschenkron je još 1962. pisao da su zemlje u razvoju zapravo u svojevrsnoj prednosti (u kontekstu sustizanja razvijenih zemalja) jer imaju mogućnost iskorištavanja tehnologija razvijenih drugdje te mogu čak i preskočiti neki od ranijih tehnoloških stadija. Tako se veća udaljenost od tehnološke granice pretvara u veći kapacitet za apsorpciju strane tehnologije te se otvara prostor za veći rast ukupne faktorske produktivnosti uslijed tehnološke nadogradnje.
Tranzicijske zemlje su u posljednjih nekoliko desetljeća imale izazovan zadatak preobraziti svoje IR sustave u one kompatibilne s tržišnim gospodarstvom. Ovdje ćemo istražiti jesu li uspjele izgraditi IR sustave koji potiču gospodarski rast, te jesu li u tu svrhu uspjele iskoristiti svoje komparativne prednosti u vidu velikog apsorpcijskog kapaciteta i naoko dobre razine ljudskog kapitala
Istraživanje komplementarnosti ulaganja u IR
Jedan od glavnih argumenata za javno financiranje IR-a je tzv. argument nefunkcioniranja tržišta. Javnim ulaganjima prvenstveno se teži potaknuti ulaganja privatnog sektora. Poticanje privatnog ulaganja u IR od posebne je važnosti u tranzicijskim zemljama koje tradicionalno imaju niži udio ulaganja privatnog sektora u IR. Iako se posljednjih desetljeća udio državnog sektora u ukupnom ulaganju smanjuje, i dalje je u prosjeku veći u tranzicijskim zemljama no u ostatku EU.
Kako bismo istražili je li ulaganje javnog sektora (raščlanjenog na ulaganje državnog sektora (GOVERD – Government expenditure on R&D) i sektora visokog obrazovanja (HERD –Higher education expenditure on R&D) u razdobljima prije i poslije financijske krize 2008. bilo uspješno u poticanju ulaganja privatnog sektora koristili smo procjenitelj generalizirane metode momenata (GMM). Rezultati pokazuju da u razdoblju 2000.-2008. postoji pozitivna korelacija ulaganja sektora visokog obrazovanja s ulaganjem privatnog sektora u IR. U razdoblju 2009.-2018. pak postoji negativna korelacija između ulaganja sektora visokog obrazovanja i ulaganja privatnog sektora u IR, no postoji i pozitivna korelacija ulaganja državnog sektora s ulaganjem privatnog sektora.
Dobiveni rezultati upućuju na zaključak da je u tranzicijskim zemljama sektor visokog obrazovanja bolje poticao privatna ulaganja u IR prije financijske krize, dok nakon krize dolazi čak i do negativnog učinka istiskivanja. Nasuprot tomu, ulaganja državnog sektora postala su učinkovitija u poticanju privatnog ulaganja u razdoblju nakon krize.
Prikaz rezultata modela
| Model 1 | Model 2 | Model 3 | Model 4 | |
| GOVERD (koeficijent) | 0.161168 | 0.877942***
(p-vrijednost = 9.588e-07) |
-0.191022 | 0.133012 |
| HERD (koeficijent) | 0.198381**
(p-vrijednost= 0.04589) |
-0.121813***
(p-vrijednost= 0.0001148) |
0.070222 | 0.554381***
(pvrijednost = 0.00832) |
| Broj zemalja | 11 | 11 | 16 | 16 |
| Skupina zemalja | Tranzicijske zemlje | Tranzicijske zemlje | Ostale EU zemlje | Ostale EU zemlje |
| Vremenski niz | 2000.-2008. | 2009.-2018. | 2000.-2008. | 2009.-2018. |
| Broj korištenih opservacija | 117 | 143 | 211 | 272 |
| Metoda | sistemski GMM, jedan korak | sistemski GMM, jedan korak | sistemski GMM, jedan korak | sistemski GMM, jedan korak |
| time dummies | da | da | da |
da |
| Sargan test | chisq(9) = 11
(p-value = 0.27571) |
chisq(27) = 11
(p-value = 0.99724) |
chisq(13) = 13.88377
(p-value = 0.084846) |
chisq(8) = 13.16326
(p-value = 0.10635) |
| AR (2) | normal = 1.078685
(p-vrijednost = 0.28073) |
normal = -1.697294
(p-vrijednost = 0.089641) |
normal = -0.08420872
(p-vrijednost = 0.93289) |
normal=1.58483
(p-vrijednost = 0.113) |
Simboli *, ** i *** označavaju statističku značajnost na razini 10%, 5% i 1%.
Iako se čini kontraintuitivno da državni sektor bolje potiče privatna ulaganja u istraživanje i razvoj nakon krize koja je teško pogodila većinu zemalja srednje i istočne Europe, odgovor vjerojatno leži u snažnom kompenzacijskom učinku strukturnih fondova EU, posebno vidljivom u Poljskoj. Procjena je da je u Poljskoj do 2015. stvoreno 7000 radnih mjesta uslijed potpore strukturnih fondova, a zabilježena je i značajna stopa dodatnih ulaganja generiranih ulaganjem iz strukturnih fondova (1 uloženi zlot generirao je dodatno ulaganje od 0,31 zlota). Potpora strukturnih fondova u mnogim je tranzicijskim zemljama potakla anticiklički trend povećanja ulaganja u IR, što su pokazali i podaci tijekom prethodnih proširenja EU, kao i naknadne evaluacije Europske komisije.[1]
Ostaje problem negativnog učinka ulaganja sektora visokog obrazovanja na ulaganja u privatnom sektoru, što je vjerojatno rezultat nekoliko čimbenika.
Nakon krize, te uslijed smanjivanja izdataka proračuna, mnogim je visokoobrazovnim institucijama smanjen opseg financiranja. Iako je proračun programa Obzor 2020 povećan u odnosu na prethodni, tranzicijske zemlje nisu od toga previše profitirale – većina sredstava opet je završila u zemljama sjeverne i zapadne Europe.
Smanjeno javno financiranje otežalo je zadržavanje obrazovanih ljudi u tranzicijskim zemljama, a to može imati dugoročne posljedice na istraživačku infrastrukturu, kao i atraktivnost sveučilišta kao prostora za poučavanje i istraživanja. U nekim zemljama ozbiljan problem postao je i tzv. “odljev mozgova”, što može rezultirati nedostatkom ljudskih resursa za aktivnosti istraživanja i razvoja, a posljedično i uvećanim troškovima.
Pored toga, nakon krize većina je europskih zemalja pokrenula reforme sektora visokog obrazovanja, a povećan je udio kompetitivnog projektnog financiranja. Kod potonjeg postoji opasnost od biranja projekta niskog rizika te kratkoročnih koristi, a može negativno utjecati i na dugoročna ulaganja te općenito na autonomiju sveučilišta. Financiranje temeljeno na rezultatima i projektno financiranje pokazalo se posebno izazovnim za nekompetitivne visokobrazovne institucije, a negativni utjecaji vidjeli su se u mnogim tranzicijskim zemljama, npr. Slovačkoj, Češkoj i Estoniji. Uvjetovanje financiranja evaluacijama poput bibliometrijskih mjerenja u nekim je zemljama izazvalo veliki otpor znanstvenika zaposlenih u visokobrazovnim institucijama, a rezultiralo je i porastom broja časopisa upitne kvalitete koji ne slijede odgovarajuće znanstvene i izdavačke prakse te kojima je primarni cilj zarada, a ne znanstvena izvrsnost (tzv. “predatorski” časopisi).
Pogoršanje povezanosti privatnog sektora i sektora visokog obrazovanja u razdoblju 2009.-2018. u tranzicijskim zemljama vidljivo je i na indeksu povezanosti sveučilišta i industrije koji pokazuje da je više od polovice tranzicijskih zemalja u lošijoj poziciji 2018. nego 2008. godine – to su Češka, Hrvatska, Mađarska, Latvija, Slovačka i Slovenija. Za razliku od tranzicijskih zemalja, ostatak EU je u prosjeku uspio povećati svoj indeks povezanosti visokog obrazovanja i industrije od 2008.
Prosječne vrijednosti indeksa povezanosti sveučilišta i industrije tranzicijskih zemalja EU za razdoblja od 2007.-2008. i 2017.-2018.
| Tranzicijske zemlje | 2007-2008 | 2017-2018 |
| Aritmetička sredina | 3,44 | 3,44 |
| Ostale EU zemlje | 2007-2008 | 2017-2018 |
| Aritmetička sredina | 4,20 | 4,51 |
Izračun na temelju podataka World Bank – TC Data 360
Indeks povezanosti sveučilišta i industrije zemalja EU za razdoblje od 2007.-2017.
| 2007-2008 | 2008-2009 | 2009-2010 | 2010-2011 | 2011-2012 | 2012-2013 | 2013-2014 | 2014-2015 | 2015-2016 | 2016-2017 | 2017-2018 | |
| Austrija | 4,77 | 5,03 | 4,87 | 4,92 | 4,99 | 4,89 | 4,79 | 4,68 | 4,68 | 4,81 | 4,81 |
| Belgija | 5,10 | 5,23 | 5,30 | 5,23 | 5,32 | 5,52 | 5,53 | 5,58 | 5,58 | 5,26 | 5,27 |
| Cipar | 2,95 | 3,33 | 3,77 | 4,03 | 3,92 | 3,71 | 3,79 | 4,19 | 4,19 | 3,35 | 3,40 |
| Njemačka | 5,31 | 5,37 | 5,25 | 5,24 | 5,16 | 5,25 | 5,39 | 5,34 | 5,34 | 5,35 | 5,37 |
| Danska | 5,02 | 5,30 | 5,45 | 5,34 | 5,15 | 4,92 | 4,81 | 4,90 | 4,90 | 4,84 | 4,75 |
| Španjolska | 3,41 | 3,57 | 3,74 | 3,98 | 4,11 | 4,05 | 3,98 | 3,77 | 3,77 | 3,51 | 3,46 |
| Finska | 5,48 | 5,54 | 5,62 | 5,64 | 5,58 | 5,60 | 5,82 | 5,97 | 5,97 | 5,72 | 5,64 |
| Francuska | 3,87 | 3,93 | 3,91 | 4,04 | 4,24 | 4,44 | 4,46 | 4,58 | 4,58 | 4,29 | 4,22 |
| Grčka | 2,88 | 2,92 | 3,17 | 3,03 | 2,87 | 2,86 | 3,01 | 3,06 | 3,06 | 2,65 | 2,55 |
| Irska | 4,82 | 4,94 | 4,96 | 4,97 | 4,96 | 5,10 | 5,20 | 5,24 | 5,24 | 5,11 | 5,04 |
| Italija | 3,00 | 3,06 | 3,35 | 3,48 | 3,48 | 3,63 | 3,71 | 3,73 | 3,73 | 3,68 | 3,79 |
| Luksemburg | 3,59 | 3,87 | 4,68 | 5,06 | 5,02 | 4,99 | 4,90 | 4,90 | 4,90 | 4,65 | 4,81 |
| Malta | 2,89 | 3,06 | 3,53 | 3,77 | 3,79 | 3,67 | 3,77 | 3,86 | 3,86 | 4,00 | 4,00 |
| Nizozemska | 4,96 | 5,12 | 5,15 | 5,19 | 5,32 | 5,30 | 5,25 | 5,38 | 5,38 | 5,50 | 5,57 |
| Portugal | 3,59 | 3,64 | 4,08 | 4,48 | 4,60 | 4,63 | 4,60 | 4,68 | 4,68 | 4,03 | 4,19 |
| Švedska | 5,55 | 5,56 | 5,55 | 5,54 | 5,52 | 5,42 | 5,34 | 5,33 | 5,33 | 5,16 | 5,24 |
| Bugarska | 2,68 | 2,89 | 3,03 | 3,04 | 2,96 | 3,00 | 3,04 | 3,00 | 3,00 | 3,38 | 3,36 |
| Češka | 4,08 | 4,20 | 4,37 | 4,50 | 4,47 | 4,54 | 4,41 | 4,00 | 4,00 | 3,66 | 3,86 |
| Estonija | 3,87 | 4,01 | 4,13 | 4,19 | 4,34 | 4,41 | 4,39 | 4,36 | 4,36 | 4,08 | 3,89 |
| Hrvatska | 3,64 | 3,62 | 3,48 | 3,44 | 3,48 | 3,45 | 3,46 | 3,39 | 3,39 | 2,87 | 2,73 |
| Mađarska | 3,75 | 3,98 | 4,21 | 4,35 | 4,35 | 4,30 | 4,26 | 4,27 | 4,27 | 2,92 | 3,43 |
| Litva | 3,27 | 3,47 | 3,82 | 4,25 | 4,44 | 4,51 | 4,56 | 4,61 | 4,61 | 4,12 | 4,05 |
| Latvija | 3,15 | 3,03 | 3,19 | 3,46 | 3,77 | 3,74 | 3,60 | 3,67 | 3,67 | 3,35 | 3,07 |
| Poljska | 3,19 | 3,04 | 3,32 | 3,63 | 3,64 | 3,59 | 3,54 | 3,50 | 3,50 | 3,29 | 3,22 |
| Rumunjska | 2,75 | 3,09 | 3,33 | 3,09 | 3,00 | 3,08 | 3,33 | 3,59 | 3,59 | 3,33 | 3,14 |
| Slovačka | 3,66 | 3,39 | 3,31 | 3,26 | 3,18 | 3,22 | 3,29 | 3,36 | 3,36 | 3,31 | 3,32 |
| Slovenija | 3,79 | 3,93 | 4,22 | 4,17 | 3,95 | 3,89 | 3,77 | 3,96 | 3,96 | 3,76 | 3,76 |
Izvor: World Bank TC Data 360
Izvor: World Bank TC Data 360
Ovi rezultati upućuju na potrebu dodatnog proučavanja učinaka ulaganja sektora visokog obrazovanja u IR u tranzicijskim zemljama i evaluaciju IR politika u tom segmentu.
Istraživanje učinkovitosti IR ulaganja
S obzirom na dosadašnja skromna inovacijska postignuća tranzicijskih zemalja i konstantne pozive na što veća ulaganja u istraživanje i razvoj, ispitali smo ima li uopće ulaganje u istraživanje i razvoj pozitivan utjecaj na gospodarski rast u tranzicijskim zemljama.
Obratit ćemo posebnu pažnju na varijable ljudski kapital u znanosti i tehnologiji (HRST), kao i apsorpcijski kapacitet (AB) za istraživanje i razvoj, koje bi trebale biti od posebnog značaja za tranzicijske zemlje, odnosno, mogle bi predstavljati njihove komparativne prednosti. Apsorpcijski kapacitet je varijabla konstruirana kao interakcija udaljenosti od tehnološke granice i ulaganja u IR – ideja je da IR ima utoliko veće mogućnosti uvećati gospodarski rast, što je veća udaljenost zemlje od tehnološke granice. Udaljenost od tehnološke granice predstavlja kapacitet za usvajanje tehnologije, a mjerili smo ga razlikom ukupne faktorske produktivnosti određene države i Sjedinjenih Američkih Država (SAD), koje ćemo ovdje smatrati svjetskom tehnološkom granicom.
Kao procjenitelj korišteni su statički panel modeli, i to modeli fiksnih ili slučajnih učinaka (ovisno o rezultatima dijagnostičkih testova), a u većini modela korišten je procjenitelj fiksni učinci. Uvrštene su i kontrolne varijable koje se uobičajeno koriste u regresijama rasta, kao što su udio ulaganja u BDP-u (INV), otvorenost gospodarstva (TRADE) i veličina države (kao ukupni troškovi opće države – GOV).
| Model 11 | Model 14 | |
| lnGDP | -11.10098***
(p-vrijednost= 0.001425) |
-4.07128***
(p-vrijednost=8.590e-08) |
| lnGOVERD (koeficijent) | -1.02602 | -0.52138***
(p-vrijednost=0.0039195) |
| lnBERD (koeficijent) | 1.40526**
(p- vrijednost = 0.047412) |
0.90772***
(p-vrijednost =2.850e-07) |
| lnHERD(koeficijent) | 0.56895 | 0.19596 |
| lnHRST
(koeficijent) |
-1.34069 | 2.24130***
(p-vrijednost = 0,0001115) |
| AB
(koeficijent) |
-4.51618***
(p-vrijednost = 1.161e-05) |
0.32039***
(p-vrijednost = 0.0028798) |
| lnINV
(koeficijent) |
-13.32610*
(p-vrijednost= 0.055715) |
-6.09618**
(p-vrijednost = 0.0347505) |
| GOV (koeficijent) | 4.28171 | -10.23390***
(p-vrijednost=1.878e-05) |
| TRADE (koeficijent) | 6.74695**
(p-vrijednost=0.010721) |
0.84804***
(p-vrijednost =7.441e-05) |
| Broj zemalja | 11 | 15 |
| Skupina zemalja | Tranzicijske zemlje | Ostale zemlje EU |
| Vremenski niz | 2000.-2018. | 2000.-2018. |
| Broj korištenih opservacija | 185 | 198 |
| Procjenitelj | Fiksni učinci | Slučajni učinci |
| Vremenski učinci | da | da |
Simboli *, ** i *** označavaju statističku značajnost na razini 10%, 5% i 1%.
Rezultati modela pokazuju da u tranzicijskim zemljama u razdoblju od 2000.-2018. postoji pozitivna, statistički značajna korelacija između ulaganja u IR i gospodarskog rasta. Od svih sastavnica ulaganja u IR, najveći pozitivni utjecaj, očekivano, ima ulaganje privatnog sektora. Slični rezultati javljaju se i kod ostalih zemalja EU.
Međutim, varijabla ljudski kapital (HRST), mjeren postotkom stanovništva aktivnog u području znanosti i tehnologije, u promatranim modelima pokazuje statističku irelevantnost za gospodarski rast u tranzicijskim zemljama, nasuprot ostalim zemljama EU, u kojima ljudski kapital pokazuje pozitivnu korelaciju s gospodarskim rastom.
Zagonetka ljudskog kapitala u tranzicijskoj Europi
Ljudski kapital kao varijabla od izuzetne važnosti za gospodarski rast može se mjeriti na nekoliko načina. Uzmemo li kao varijablu koja će predstavljati ljudski kapital već spomenuti indeks ljudskog kapitala[2], izgleda da tranzicijske zemlje i dalje nemaju puno koristi od svojih ljudskih resursa. Varijabla indeks ljudskog kapitala i dalje je, ceteris paribus, statistički beznačajna za gospodarski rast.
Navedeno može indicirati ili nezadovoljavajuću kvalitetu ljudskog kapitala kao posljedicu lošeg sustava obrazovanja (npr. jedno istraživanje sumira da je 12.2 godina školovanja u Rumunjskoj ekvivalentno 8.8 godina školovanja u kvalitetnijem sustavu obrazovanja), ili nezadovoljavajuće društveno i institucionalno okruženje koje ne iskorištava potencijal koji posjeduje (istraživanjeMuhammad et al. (2015) pak povezuje značaj ljudskog kapitala s razinom učinkovitog vladanja (Government effectiveness) – ljudski kapital se pokazuje irelevantnim za gospodarski rast u državama s niskom učinkovitošću vlade).
Nasuprot tome, ono što je u ostatku EU konzistentno kroz procjenitelje i razdoblja pokazalo pozitivan značaj za gospodarski rast je upravo udio stanovništva u područjima znanosti i tehnologije, odnosno, u znanju intenzivnim aktivnostima, na kojima se EU kao društvo planira graditi.
Iako se u tranzicijskim zemljama udio stanovništva u tim područjima povećava posljednjih desetljeća, u ostalim zemljama EU udio se povećao još i više, stoga se može reći da se jaz između tranzicijskih i ostalih EU zemalja po pitanju ljudskog kapitala za istraživanje i razvoj zapravo produbljuje. No, uzimajući u obzir povećanje broja stanovnika aktivnog u području znanosti i tehnologije u tranzicijskim zemljama, ono što više zabrinjava je pitanje kvalitete tog kapitala.
Brzinski presjek kvalitete ljudskog kapitala u tranzicijskim zemljama možemo dobiti gledajući pozicije tranzicijskih zemalja u međunarodnim testiranjima i drugim rang listama. Posljednje PISA testiranje pokazuje koliko tranzicijske zemlje zaostaju po usvajanju čitalačkih, matematičkih i znanstvenih vještina od ostatka EU (naravno, s izuzetkom Estonije).
I po broju znanstvenih publikacija per capita tranzicijske zemlje kaskaju za ostatkom EU u prosjeku za 50 %, dok po broju prijava patenata EPO uredu per capita u prosjeku zaostaju čak 500 %. To su činjenice koje se ne mogu opravdati nižim udjelom stanovništva u području znanosti i tehnologije, već je, osim, naravno, na društveno i institucionalno okruženje, važno usmjeriti pažnju na kvalitetu obrazovanja koje rezultira neadekvatnim ljudskim kapitalom.
Broj publikacija u znanstveno-tehničkim časopisima na 1000 stanovnika, podaci za 2018.
Izračun na temelju podataka iz Eurostata (broj stanovnika) i World Bank Data (broj znanstveno-tehničkih publikacija))
Broj prijava europskom uredu za patente na 1000 stanovnika u EU zemljama, podaci za 2017.
Izračun na temelju podataka iz Eurostata
Pitanje kvalitete ljudskog kapitala nužno je vezano uz kvalitetu i općenito politike vezane uz obrazovanje. Nesukladnost obrazovnih procesa i potreba tržišta rada u tranzicijskim zemljama očituje se i u vještinama tek diplomiranih studenata diljem EU. Po ovom pokazatelju tranzicijske zemlje zauzimaju 9 posljednjih mjesta među zemljama EU, dok se Estonija rangirala najviše, zauzimajući 14. mjesto.
Poredak zemalja EU po vještinama diplomiranih studenata nakon završetka fakulteta u 2018.
Izvor: World Bank Data TC 360)
Suprotno očekivanjima, apsorpcijski kapacitet u većini modela ima negativnu korelaciju s gospodarskim rastom u tranzicijskim zemljama, odnosno, što je apsorpcijski kapacitet manji, gospodarski rast je veći. Nasuprot tome, u ostalim zemljama EU apsorpcijski kapacitet ima pozitivnu korelaciju s gospodarskim rastom, te zemlje s većim apsorpcijskim kapacitetom bilježe veći gospodarski rast.
Prema tome, tranzicijske zemlje su posljednjih dvadeset godina posjedovale naoko veliki apsorpcijski kapacitet, no nisu ga uspjele iskoristiti za gospodarski rast. Politike IR-a su stoga možda trebale biti više usmjerene na prijenos tehnologije i poboljšanje tehnoloških i proizvodnih kapaciteta, a moguće je i da je nedovoljno adekvatan ljudski kapital, kao jedan od važnih čimbenika za uspješan prijenos tehnologije, utjecao na neiskorišteni potencijal (neusklađenost usvojenih tehnologija i dostupnih vještina može voditi do smanjene ukupne faktorske produktivnosti).
Rezultati ovog istraživanja upućuju na potrebu dubljeg promišljanja politika vezanih uz IR u tranzicijskim zemljama. Iako je EU ciljala na ulaganje od 3 % BDP-a, postaje sve očitije da više nije nužno i bolje. Slovenija je kontinuirano ulagala najviše sredstava za IR, no nije inovacijski najuspješnija tranzicijska zemlja, dok je Litva s puno skromnijim ulaganjima pretekla Mađarsku. Estonija, koja je inovacijski najuspješnija tranzicijska zemlja, kontinuirano je provodila politike temeljene na poboljšanju obrazovnog sustava te je 2018. bila prva OECD zemlja po prosjeku čitalačke, matematičke i znanstvene pismenosti. Iako je ulagala značajna sredstva u IR, ulaganje u obrazovanje bilo je još značajnije, te je u jednom trenutku doseglo 7 % BDP-a.
Tranzicijske zemlje imale su težak zadatak implementirati nove IR sustave kompatibilne s tržišnim gospodarstvom te u tome nisu bile posve neuspješne. Uspjele su generirati određeni gospodarski rast ulaganjem u IR, no uočljivi su zabrinjavajući rezultati vezani prvenstveno uz ljudski kapital, odnosno, obrazovne politike. Budući da se radi o zemljama u kojima je prosječna duljina školovanja zadovoljavajuća, dapače, bolja nego u ostatku EU, potrebno je usmjeriti politike na poboljšanje kvalitete obrazovanja te promjenu obrazovnih politika kako bi ljudski kapital u tranzicijskim zemljama odgovarao potrebama suvremenih i dinamičnih gospodarstava temeljenih na znanju.
[1]European Commission (2016b) Support to SMEs – Increasing research and innovation in SMEs and SME development. Ex post evaluation of Cohesion Policy programmes 2007-2013, focusing on the European Regional Development Fund (ERDF) and the Cohesion Fund (CF), Final report,
Work Package 2, Brussels;
PSDB (2012) Wstępna ocena realizacji i efektów Regionalnego Programu Operacyjnego Województwa Śląskiego na lata 2007-2013.
[2]U ovom istraživanju ispitano je ukupno 20 modela, robusnost je testirana podjelom na vremenske podskupove (2000.-2008. i 2009.-2018.), zamjenom procjenitelja, kao i primjenom alternativnih varijabli za ljudski kapital i apsorpcijski kapacitet.