Tér és Társadalom 18. évf. 2004/2. 117-156. p.

Tér és Társadalom XVIII. évf. 2004 s 2: 117-156

VERSENYKÉPESSÉG
A MAGYAR VÁROSHÁLÓZAT TUDÁSALAPÚ
MEGÚJÍTÓ KÉPESSÉGE AZ EZREDFORDULÓN 1
(The Knowledge Based Renewing Capability of the
Hungarian Urban Network at the Turn of the Millennium)

RECHNITZER JÁNOS — CSIZMADIA ZOLTÁN
— GROSZ ANDRÁS
Kulcsszavak:
városhálózat átrendeződés megújító képesség innovációs rendszer területi egyenl őtlenségek

A hazai városhálózat kutatása a kilencvenes évek elejét ől új lendületet vett. A rendszerváltozás alapvet ően
átformálta a hálózat egészét. Új funkciók jelentek meg, amelyek a városi gazdaságokat átrendezték,
egyes korábbi alakító és meghatározó gazdasági bázisok leépültek, míg mások, esetleg eddig ismeretle-
nek viszont megjelentek. A városi jogállással rendelkez ő települések száma is ugrásszerűen megn őtt.
Nemcsak a számszer ű növekedés jellemezte a városhálózatot, hanem annak egységei között látványos
verseny indult meg, mivel a szerepkörök megkövetelték, hogy maguk a városok is új kínálati elemeket
alakítsanak ki a befektet őknek, a betelepülni vágyóknak. Tanulmányunkban a rendelkezésre álló legfris-
sebb statisztikai adatok és az általunk gy űjtött különböz ő innovációs mutatók alapján feltérképezzük a
hazai városhálózat jelenlegi megújuló képességének bels ő szerkezetét, klaszter struktúráját. Lokalizáljuk
a vezető szerepkörű centrumokat és alcentrumokat. Egyszer űbb formában feltárjuk a folyamatok mögötti
területi egyenlőtlenségeket is úgy, hogy szem el őtt tartjuk a korábbi politikai rendszerből örökölt adott-
ságokat és a rendszerváltozásból fakadó transzformációs tendenciákat is.

Bevezetés

A rendszerváltás utáni városhálózati átrendez ődés strukturális és funkcionális
komponenseinek nyomon követése elengedhetetlen feladat a hazai városkutatásban.
Az átstrukturálódás volumenét jól tükrözik az alábbi adatok: a kilencvenes évek
elején a városok száma (1990) 164 volt és a népesség 29 százalékának a lakóhelyét
biztosították. 2001-ben már 251 városi rangú településsel találkozhattunk a népes-
ség 48 százalékának nyújtva életteret (Rechnitzer 2002). A tudományos elemzések
az első időben értelemszer űen csak a jelenségek leírására, azok vélhet ő, vagy éppen
felismerhető törvényszerűségeinek bemutatására törekedtek. A városhálózat inno-
vációs potenciáljának elemzése (Rechnitzer 1993) már megállapította, hogy a szerke-
zet roppant megosztott. A regionális funkciókkal is rendelkez ő tagok „elhúztak",
viszont lassan mozdultak a középvárosok, a másodlagos regionális központok, a peri-
férikus helyzetű középvárosok. A kisvárosok többsége pedig nem volt képes ebben az
időben még innovációs tényezőket, intézményeket fogadni. A gazdasági szerepek
megváltozását a kilencvenes évek elejét bemutató tanulmány (Nemes Nagy 1996) már
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
118 Versenyképesség TÉT XVIII. évf. 2004 s2

bizonyítja, hogy a külföldi t őke fogadásában látványos különbségek tapasztalhatók.
Dominánsan érvényesül a nyugat—kelet dichotómia, azaz a földrajzi fekvés az át-
menet első időszakában meghatározó volt a városok gazdasági szerkezetének el-
mozdulásában. Bizonyítható volt, hogy megindult a verseny a városok között
(Enyedi 1997; Lengyel—Rechnitzer 2000). Egyrészt ennek a versenynek meghatáro-
zó elvi és egyben város stratégiai elemei formálódnak, másrészt az id őbeli elemzé-
sek jelezték, hogy a nagyvárosi hálózatban a különbségek határozottan kimutatha-
tók. Ezek az évtized végére csak kisebb mértékben a helyzetb ől, a fekvésb ől, vi-
szont egyre nagyobb mértékben a várospolitikából, illetve annak egyes küls ő és
belső meghatározóiból következnek. A városok sikeressége a kutatások középpont-
jába került, hiszen nemcsak a tudomány, hanem a politika is keresi azokat a ténye-
zőket, amelyek ebben a versenyben az el őbbre jutást, a pozíciók javítását szolgál-
hatják. Születnek összehasonlító és értékel ő tanulmányok, ezek döntően a nagyvá-
rosok összevetésére irányultak (Csapó 2002), de az elemzések még az egyszer ű
statisztikai leírások és összevetések, divatos kifejezéssel, „egy lebutított
benchmarking" szintjén álltak. Nem voltak képesek a bels ő tartalmakat megragadni,
nem mutattak ki fejl ődési csoportokat, nem értékelték a fejl ődési pályákat. Ennek
ellenére hasznos információkat nyújtottak a szerkezet átalakulás irányainak illusztrá-
lására, a mélyebb elemzések irányainak felvázolására. Már regisztrálhatunk a szak-
irodalomban olyan mélyebb elemzéseket, amelyek egy-egy város fejl ődési pályáját
fogták át, keresve az egyes irányok okait és mozgatótényez őit, s egyben adalékokat
adva a jöv őbeli stratégia kidolgozásához (Barsi—Csizmadia 2001; Barsi 2002; Szirmai
et al 2002; Izsák 2003; Tímár—Velkei 2003).
A városhálózat kilencvenes években történt átrendez ődésénél mások voltak a
mozgatórúgók az évtized elején és az ezredforduló táján (Rechnitzer 2002). Míg az
átmenet utáni években er ősen hatott az intézményi ellátottság és a tradicionális
gazdasági funkciók kérdése (feldolgozóipar, nagyvállalati szervezet), addig az évti-
zed végére már a gazdasági és üzleti szolgáltatások léptek el ő a gazdaságot képvise-
lő tényezők közül. Hasonlóan el őtérbe kerültek a fogyasztást megjelenít ő intézmé-
nyek, aktivitások, továbbá felértékel ődött a tudást, az ismeretet nyújtó szervezetek
és szerepl ők jelenléte. Ezekhez az összehasonlító vizsgálatokhoz kapcsolódnak
azok az elemzések, amelyek már az infokommunikációs intézmények és infrastruk-
túra meglétét és annak hálózat alakító szerepét tekintik át (Nagy 2002; Dőry-
Ponácz 2003; Rechnitzer—Grosz—Csizmadia 2003). A legújabb személyes, közössé-
gi és intézményi kommunikációs technológiát képvisel ő rendszerek áttekintése
alapján megállapítható, hogy a városhálózat megosztott, er ősen differenciált, a
különbségek még látványosabbak, mint az összevont fejlettségi vizsgálatok alapján.
Mindezek az el őzmények már sugallták, hogy a városfejl ődés új elemeire kell a
figyelmet szentelnünk, és annak alapján kell els őként magát a hálózatot, aztán a
jövőben annak egyes csoportjait áttekinteni. Egyértelm ű a területi folyamatok ala-
kulásából, hogy az emberi tényez ők és az arra épül ő tudás válhat a fejl ődés jövőbeli
letéteményesévé (Rechnitzer—Smahó 2004). A tudást képvisel ő tényezők, azokat
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s 2 Versenyképesség 119

alakító intézmények és a megtestesít ő produktumok jelenítik meg ezen meghatározó
erőforrásbázist, jellemzik magának a településnek is a jöv őbeli megújító képességét.
Vizsgálatunkban a városhálózat tudásalapú innovációs rendszereit kíséreltük meg
összegyűjteni és rendszerezni. Ezek alapján összehasonlító vizsgálatokat végeztünk.
Arra kerestük a választ, hogy egyrészt a különféle megújítást képvisel ő tényező-
rendszerek bels ő tartalma és összetartozása milyen er ősségű. Másrészt azt is ki
akartuk deríteni, hogy az egymással kialakított kapcsolataik milyen jelleg űek,
mennyire determináltak a hálózati elemei. Harmadrészt megpróbáltuk körülhatárol-
ni azokat a városcsoportokat, amelyek azonosságokat mutatnak a tudást megjelenít ő
tényezők vonatkozásában, keresve egyben az elkülönülés okait és tényez őit, jelezve
a fejl ődési pályák lehetséges sajátosságait.
A városhálózat tudásalapú megújító képességének alábbi tanulmánya számos kér-
dést felvethet. Így vita tárgya lehet a tudásalapú megújítás tartalmának meghatáro-
zása, annak jellemzésére alkalmazható mutatók, tényez ők megválasztása. Kérdése-
ket vethet fel az id őbeliség, vajon nem folyamatában kellene-e elemezni a megújí-
tást? Eltöprenghetünk az elemzési módszeren, annak ismert korlátain, vagy éppen
az alkalmazás során felbukkant nehézségein. S végül, de nem utolsó sorban a kö-
vetkeztetéseink is vitát válthatnak ki, mivel az egyes városok konkrét valóságukban
másként élhetik meg az okokat és magyarázatokat. S őt, a helyzetértékelésük is
jelentősen eltérhet az elemz ők által leírtaktól. Mint kutatóknak vállalnunk kell az
eredményeinket, hiszen a legkörültekint őbben jártunk el. Éppen a gyakorlati észre-
vételek segíthetnek az elemzések pontosabbá tételéhez, a törvényszer űség teljesebb
megalapozásához.

Módszertani kérdések, valamint a településhálózat
alapvető leíró statisztikai jellemz ői

Elképzelésünk szerint, ha világos képet szeretnénk kapni egy település megújulási
készségének számos formában testet ölt ő adottságairól, akkor egy olyan egységes
modellre van szükségünk, amely magában hordozza:
1) az innováció anyagi-tárgyi alapú determináns faktorait (p1. háztartási- és
szervezeti alapú gazdasági fejlettség, intézményrendszer, foglalkoztatottság
és munkanélküliség),
2) az emberi erőforrásokban rejl ő lehetőségeket (pl. iskolázottság, magasan
kvalifikált munkaerő-piaci szegmens súlya, fels őoktatás, kutatás-fejlesztés),
3) és természetesen az innovatív magatartás lokális lenyomatait is a megfelel ő
támogató intézményrendszer jelenléte mellett (pl. szabadalmak, innovációt
támogató intézmények jelenléte, K+F szektor súlya).
Az innovációs klaszterek vizsgálatának els ő pontjaként ki kell alakítani a teljes
városhálózati mutatórendszerb ől az innováció szempontjából relevánsnak min ősülő
elemek összevont indexét (f őkomponens-elemzés). Majd a főkomponens értékek
együttes szerepeltetése mellett a klaszteranalízis segítségével el kell határolni egy-
mástól a megközelít őleg azonos fejlettségi szinten álló városcsoportokat. A több-
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
120 Versenyképesség TÉT XVIII. évf. 2004 s2
változós adatredukciós és osztályozó eljárások alkalmazásával szeretnénk rendsze-
rezni és besorolni a hazai városokat fejl ődési pályájuk jelenlegi pontját véve alapul.
Mégpedig úgy, hogy a gazdasági- és társadalmi mez őben megjelen ő innovációs
adottságok egyenl őtlenségei a lehető legtöbb háttérfaktor együttes figyelembevétele
mellett rajzolódjanak ki.
A fő ként a Központi Statisztikai Hivatal anyagain (statisztikai évkönyv, TSTAR —
települési szintű adatbázis) és az MTA RKK Nyugat-magyarországi Tudományos
Intézet önálló gyűjtésein alapuló városi adatbázis több mint nyolcvan releváns vál-
tozót tartalmazott. Ebből alakítottuk ki azt a néhány fejlettségi indexet, amely cso-
portosítási alapkritériumként szolgált az innovációs település-együttesek elhatárolá-
sa során. Az adatredukciót a klaszterelemzés miatt célszer ű elvégezni, hiszen 30-40
fejlettségi index együttes szerepeltetése szinte lehetetlenné tenné a városklaszterek
interpretálását. A statisztikai eljárás eredményeként standardizált alakú skála szint ű
változókat kapunk. Ezek az eredeti információk jelent ős hányadát magukba s űrítve
egyetlen értékkel képesek jellemezni egy adott település bizonyos sajátosságait (pl.
gazdasági fejlettség, humán állomány). Értelemszer űen nem minden mutató alkal-
mas a redukcióra. A rendelkezésre álló városi indikátorok bizonyos részét ki kellett
hagynunk az elemzésb ől, mert nem „simultak bele" kielégít ően az általunk el őzete-
sen meghatározott fejlettségi dimenziókba. Ennek ellenére, még így is 40 olyan válto-
zóval dolgoztunk, amelyek — az innovativitásról alkotott felfogásunk alapján — domi-
náns szerepet vállalhatnak egy adott térség innovációs kapacitásának formálásában.
Az eljárással öt dimenzióba tudtuk összes űríteni az eredeti változóinkat (1. táblá-
zat). A gazdasági fejlettség mutatója összefogja a lakosság, a helyi gazdasági sze-
replők és a gazdasági tevékenységekben érintett intézmények, szervek adatait. Az
új, tömörített változó kialakításában a legnagyobb szerepet a háztartások anyagi
helyzetét és a foglalkoztatottság dinamikáját mér ő mutatók játsszák. Az iskolázott-
ság és a menedzsment főkomponens négy mutatója a 2001. évi népszámlálás mun-
kaerő -piaci adatainak szegmenseit tömöríti egybe. A mutató a fejlett, szolgáltatás-
orientált, magasan kvalifikált diplomás- és különösen vezet ői munkakörökre építő
gazdasági és állami feladatkörök, funkciók megjelenését képezi le. A változó kiala-
kításában a legnagyobb szerepet egyértelm űen a diplomás, és még ezen belül is a
vezető, értelmiségi foglalkozásúak arányát mér ő mutatók játsszák. A társadalmi
aktivitás főkomponens mutatója az EU-csatlakozáshoz kapcsolódó választási rész-
vételi hajlandóságot, a civil társadalom szervezeti- és finanszírozási (támogatási)
hátterét, illetve a helyi társadalmi nyilvánosság összetettségét mér ő adatokból épül
fel. A választópolgári magatartást és a nonprofit szféra súlyát mér ő jelzőszámok
konstrukciós ereje a legjelent ősebb. A humán erőforrás dimenzió főleg a felsőokta-
tási szféra intézményi- és humán állományi súlyát, fejlettségét fejezi ki. Az össze-
vont változó kialakításában a legnagyobb szerepet a fels őoktatásban dolgozó min ő-
sített, vezet ő oktatók arányát, illetve a fels őoktatási karok és a középfokú intézmé-
nyek számát mérő városi paraméterek játsszák.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 121

1. TÁBLÁZAT
A klaszterképz ő főkomponensek összetev ői
(The Main Elements of the Cluster Forming Principal Components)
Változók Súly*
(1) Gazdasági főkomponens gazdasági fejlettség mutatója (62% os sűrítés)
- -

Foglalkoztatottak aránya a lakónépességb ől (%) 2001 0,83
1000 lakosra jutó személygépkocsik száma (db) 2001 0,80
Adófizető k aránya az állandó népességen belül (%) 2000 0,80
1 lakosra jutó adóalap (SZIA) (e Ft/f ő) 2000 0,78
1000 lakosra jutó távbeszél ő fővonalak száma (db) 2001 0,73
1000 lakosra jutó m űködő jogi személyiségű vállalkozások száma (db) 2001 0,67
Munkanélküliek aránya a lakónépességb ől (%) 2001 0,56
Inaktív keresők aránya a lakónépességből (%) 2001 0,53
1 lakosra jutó iparűzési adó (e Ft/fő) 2000 0,43
Tízezer lakosra jutó ügyvédek száma (f ő/tízezer lakos) 2001 0,34
1000 lakosra jutó regisztrált egyéni vállalkozások száma (db) 2001 0,33
(2) Iskolázottság és menedzsment f őkomponens fejlett munkaerőpiac (79% os sűrítés)
- -

Vezető , értelmiségi foglalkozásúak aránya az összes foglalkoztatottból (%) 2001 0,90
Egyetemi, főiskolai végzettség ű foglalkoztatottak aránya az összes foglalkozta- 0,89
tottból (%) 2001
Egyéb szellemi foglalkozásúak aránya az összes foglalkoztatottból (%) 2001 0,73
Szolgáltatási jelleg ű ágazatokban foglalkoztatottak aránya az összes foglalkozta- 0,65
tottból (%) 2001
(3) Társadalmi aktivitás főkomponens - tudatos választói magatartás, virulens civil
társadalom, összetett helyi nyilvánosság (60%-os s űrítés)
Részvételi arány az EU népszavazáson (%) 2003 0,71
1 lakosra jutó szja nonprofitl% felajánlás összege (Ft) 2001 0,66
1000 lakosra jutó nonprofit szervezetek száma (db) 2000 0,61
Helyi nyilvánossági fórumok összetettsége (TV+Rádió+Kiadók+Lapok) 0,41
(4) Humánerő forrás-főkomponens - a fels őoktatási szféra intézményi- és humán
állományi súlya (62%-os s űrítés)
Vezető oktatók aránya az összes oktatón belül (%) 2001 0,75
Fő iskolai-egyetemi karok száma (Kar+székhelyen kívüli képzés) (db) 2002 0,74
Összes középiskola (db) 2003 0,73
A felső fokú oktatási intézményekben tanulók száma 1000 lakosra vetítve (f ő) 0,66
2001
10 000 lakosra jutó MTA köztestületi tagok száma (f ő) 2002 0,62
25-X éves, egyetemi, fő iskolai stb. oklevéllel, összesen (%) 2001 0,53
Tízezer lakosra jutó feln őttoktatási központok száma (db) (2003/2001) 0,31
(5) Innovációs főkomponens - az innovációs intézményhálózat összetettsége és
sűrűsége, az innovációs potenciál mértéke (82%-os s űrítés)
Innovatív kezdeményezések száma (db) 1992-2001 között 0,94
Bejegyzett domain szerverek száma (db) 2001 0,90
K+F cégek száma 7310, 7320-as TEAOR (db) 2003 0,84
Az Innovációs és K+F intézményhálózat összetettségi mutatója (8 db intézmény 0,62
alapján)
*Az értékek a fő komponens súlyokat mutatják - arra utal, hogy mennyiben járul hozzá a változó a
főkomponens kialakításához (mekkora arányban őrizte meg a főkomponens az eredeti változó informá-
ció tartalmát)
Forrás: MTA RKK NYUTI 2003.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
122 Versenyképesség TÉT XVIII. évf. 2004 s2

Az innovációs főkomponens mutatója közvetlenül négy, míg közvetve összesen
tizenegy változót s űrít össze. A változó szett szerkezete alapján megállapítható,
hogy ez a dimenzió főleg a lokális innovatív tevékenységeket, és a hátterükben álló
támogató, kiszolgáló valós és digitális intézményrendszert, szolgáltatási mili őt
jellemzi. A legnagyobb súllyal az elmúlt tíz évben szabadalmaztatott innovatív
kezdeményezéseket, az információs- és kommunikációs technológiák fejlettségét,
és a hálózati alapú digitális szolgáltatások s űrűsödését mérő mutatók rendelkeznek.
Mivel a városok innovációs potenciálját az említett öt f őkomponens adatai alapján
fogjuk elemezni, és ezek az értékek lesznek a klaszterezési eljárás „függ ő változói"
is, mindenképpen át kell tekinteni a főkomponenseket felépít ő változókat.
A bemutatott változókból kiindulva állt össze a további vizsgálatok alapját képez ő
öt fejlettségi mutató. Azért tartottuk szükségesnek az „alkotóelemek" részletes be-
mutatását, mert a hazai városhálózat innovációs potenciáljával kapcsolatos csopor-
tosítási eredményeinket, és az ebb ől következ ő minősítéseinket e paraméterek alap-
ján hoztuk meg. Adataink kizárólag ebben a változó struktúrában állják meg a he-
lyüket. Természetesen más állapotmutatók alkalmazása bizonyos mértékben eltér ő
eredményekhez vezethet. Mégis úgy gondoljuk, hogy a kellően nagy elemszámú és
tartalmilag széles körű, átfogó változóhalmaz alkalmazása garantálhatja a f bb ő
trendek, a lényeges szerkezeti sajátosságok pontos meghatározását. A főkomponen-
seket alkotó változók bemutatása alapján láthatóvá vált, hogy az öt területen mért
fejlettségi indexek „együtt járnak". Tehát az adatredukcióval kapott értékek iránya
megegyezik. A nulla átlagú és egyes szórású standardizált mutatók úgy írják le a
gazdaság, az iskolázottság-menedzsment, a társadalmi élet, a humán állomány és
felsőoktatás, illetve az innovációs aktivitás és az ehhez köt ődő intézményhálózat
adottságait, hogy a pozitív értékek az átlag feletti, míg a negatív értékek az átlagtól
elmaradó állapotokat tükrözik.
A klaszterezési eljárás el őtt érdemes áttekinteni az öt mutató eloszlásával, centrá-
lis statisztikákkal kapcsolatos jellemz őket, és a fejlettségi mutatók közti összefüg-
géseket is. A specifikus, közvetlen innovációs jellemz őket mérő két változó (humán
és innovációs fejlettségi index) eloszlása jelent ősen különbözik a másik három,
közvetett jelleg ű dimenzióban mért gyakorisági struktúrától (2. táblázat). Erre több
érték is figyelmeztet: (1) a medián jelent ősen „lefelé tolódik" az átlaghoz képest
(-0,30; -0,29), (2) a ferdeséget és a laposságot mér ő mutatók kiugróak, jóval a normál
eloszlást jelz ő határ fölöttiek (2,9; 4,0; 8,8; 19), (3) a maximum értékek is kiugróak a
standardizált alak ellenére.
A gazdasági, az iskolázottsági-menedzsment és a társadalmi adottságokat s űrítő
mutatók normál eloszlást mutatnak, sokkal kiegyensúlyozottabb a megoszlási struk-
túra mindkét „farka" (pozitív és negatív). Ezzel szemben a konkrét innovációs ele-
mek „elferdítik" a városhálózat tagjainak eloszlási görbéjét, néhány kiugró érték
mellett az átlag alatti települések nagy tömegét találhatjuk. A statisztikákból arra
következtethetünk, hogy a gazdaság, a társadalmi élet és a munkaer ő-piaci struktúra
esetében a városok két, nagyjából egyenl ő nagyságú blokkra bomlanak fel: az átla-
gosnál kedvez őtlenebb és az átlag feletti paraméterekkel rendelkez ő városok aránya
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
TÉT XVIII. évf. 2004 s2 Versenyképesség 123

tehát azonos. Az innovációs potenciálban komoly szerepet játszó humán-
felsőoktatási-kutatási szféra súlyát és az innovációs környezetet, valamint a tényle-
ges eredményeket mér ő két főkomponens ezzel szemben sokkal kiegyenlítetlenebb
megoszlása arra világít rá, hogy a városok legtöbbje jelentős lemaradásban van az
„innovációs elittől". A humán állomány tekintetében 78%-uk, az innovációval
kapcsolatban pedig 76%-uk az összesített városi átlagérték alatt van.
A főkomponensek leíró statisztikáinak áttekintése alapján egyértelm űen látszik,
hogy az innovativitáshoz szorosabban köt ődő specifikus mérőszámok esetében nem
egyenletes arányú a városok teljesítményének megoszlása. A gazdaság, az iskolá-
zottság, a társadalmi élet esetében nagyjából azonos „várostömeggel" operálhatunk
a fejletlen-átlagos-fejlett kategóriák mentén. A másik két f őkomponens esetében
viszont aránytalanul szakad ketté a hazai városhálózat. El őre jelezhet ő, az érintet-
teknek csak egy sz űkebb köre mondhatja el magáról, hogy olyan gazdasági- és
társadalmi háttérfeltételekkel rendelkezik, amelyek kedveznek a K+F folyamatok-
nak, az új termékek és/vagy szolgáltatások bevezetésének.
2. TÁBLÁZAT
A főkomponensek leíró adatai
(Describing Data of Principal Components)
Főkomponensek
Humán
Gazdaság Iskolázottság Társadalom Innováció
állomány

Elemszám Érvényes 246 247 246 247 251
Hiányzó 5 4 5 4 0

Átlag 0 0 0 0 0
Szórás 1 1 1 1 1
Medián -,02 -,10 -,07 -,30 -,29

Ferdeség ,17 ,57 ,41 2,91 4,01
Laposság -,42 -,04 -,20 8,79 19,02

Minimum -2,22 -1,74 -2,03 -,71 -,55
Maximum 3,31 3,22 3,04 5,03 6,31

Kvartilisek 25% -,75 -,77 -,72 -,50 -,46
50% -,02 -,10 -,07 -,30 -,29
75% ,76 ,65 ,63 -,07 -,02

Forrás: MTA RKK NYUTI 2003.
A klaszterelemzés során felhasználandó öt változó közti kapcsolat iránya és er ős-
sége tovább árnyalja az el őzetes vizsgálatot (3. táblázat). A korrelációs együtthatók
a várakozásoknak megfelel ően pozitív értéket mutatnak, ami az egyes dimenziók-
ban jellemző fejlettségi paraméterek együtt járását er ősíti meg. A kapcsolatok irá-
nya mellet nem okoz különösebb meglepetést a mutatók értéke sem, még a leg-
gyengébb összefüggés esetén is 0,473-as koefficienssel találkozhatunk. A humán és
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
124 Versenyképesség TÉT XVIII. évf. 2004 s2
az innovációs adottságok viszonya a leger ő sebb (0,873), de világosan látszik a
társadalmi aktivitásnak a gazdasági, illetve iskolázottsági-menedzsment alapú ko-
moly mértékű befolyásoltsága is.
Az öt index valós kölcsönhatásának léte — különös tekintettel arra, hogy az inno-
vációs fő komponenssel szoros kapcsolatban áll a másik négy is — meger ősíti azt a
feltételezésünket, mely szerint van létjogosultsága egy olyan átfogó mutatórendszer
alkalmazásának az innováció-kutatásban, amely nemcsak a humán- és gazdasági
paraméterekkel operál, hanem figyelembe veszi a jóval puhább társadalmi adottsá-
gokat is. Illetve leképezi azt a munkaer ő-piaci szerkezetet is, amely az innovativitás
szempontjából optimális — s őt talán elengedhetetlen — alaptényez ő lehet.
3. TÁBLÁZAT
A főkomponensek közti korrelációs együtthatók (Pearson)*
(Correlation Coefficients of the Principal Components)
Gazdaság Humán
Iskolázottság Társadalom Innováció
állomány
(G) (IM) (T) (H) (I)
Gazdaság (G) —
Iskolázottság (IM) ,643 —
Társadalom (T) ,827 ,755 —
Humán állomány (H) ,521 ,656 ,671 —
Innováció (I) ,473 ,587 ,568 ,873 —
*p<0,01
Forrás: MTA RKK NYUTI 2003.

Csoportosítási alternatívák — lehetséges fejlettségi klaszterek

Az általunk „összerakott" s űrített fejlettségi mutatók segítségével megpróbáljuk
úgy osztályozni (k-mean- és nem-hierarchikus klaszterelemzéssel) a hazai városokat,
hogy egyszerre lehessen figyelembe venni a helyi innovációs potenciált pozitívan
befolyásoló, ösztönző faktorokat. Tartalmi szempontból a teljes modell mellett
célszerűnek tűnik egy redukált megközelítés alkalmazása is. Ez már csak tisztán
arra összpontosít, hogy milyen fejlettségi szegmensekre bomlik a városhálózat az
innovációs intézményrendszer és humán állomány szempontjából. Az eloszlási
függvények torzultsága is elengedhetetlenné teszi a két konkrétabb, jóval specifiku-
sabb főkomponens megkülönböztetett státuszát az elemzésben.

Innovációs klaszterek a teljes modell alapján

A nem-hierarchikus módszer alkalmazásakor nem számíthatunk arra, hogy pontos
klaszterszámmal operálhatunk. Az el ő zetes elképzelés megfogalmazása pedig a
témakör korábbi vizsgálatainak hiányában merész vállalkozásnak t űnne. A lehetsé-
ges klaszterszámot lépésenként növelve követtük nyomon a csoportképz ődés folya-
matát. Ha elvonatkoztatunk a klaszterek tartalmi paramétereit ől, — azaz a klaszter
középpontokat nem vesszük figyelembe, hanem csak az egyes csoportok numerikus
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 125

súlyát —, akkor már rögtön az els ő lépésben (ez egy viszonylag egyszer ű bontás
három klaszter elkülönülésével) leválik egy sz űkebb városhalmaz (23 település), és
mellette két nagyobb blokk különül el. A klaszterek számának növekedésével —
négytől egészen nyolcig — els ősorban ez a csoport differenciálódik tovább. A másik
két nagyobb halmaz homogén marad még a „nyolcas megoldásnál" is. Ha a klaszter
középpontokat megnézzük, egyértelm űvé válik, hogy kirajzolódik egy olyan kiugró
csoport, amely markánsan elkülönül a többiektől, mivel mind az öt index esetében
messze maga mögé utasítja azokat. Kutatásunkban persze úgy szeretnénk vizsgálni
az innovációs adottságokat, hogy a kevésbé fejlett térségek városaihoz is hozzá
tudjunk rendelni egy lehetséges osztályozási sémát. Bizonyos kompromisszumos
megoldásra van tehát szükségünk. Ennek érdekében a 23 kiugró várost „leválaszt-
juk", és az ő esetükben a hierarchikus módszerrel keressük a bels ő csoportstruktúrá-
kat. A többi 228 város tekintetében megmaradunk a nagy elemszámot is kezelni tudó
K-Mean módszernél. A két eltérő eljárás eredményeit összegezve húzzuk meg a fej-
lettségi csoportok határvonalait egy olyan egységes felosztásban, amely a nagy több-
séget is képes kielégít ően differenciálni, és kell ően homogén csoportokba rendezni.
A hierarchikus klaszterezési folyamat során elénk tárul valamennyi olyan lehet ő-
ség, amely az „összes megfigyelési egység önálló klaszter", illetve az „összes meg-
figyelési egység egyetlen klaszter", mint két széls ő pólus között elképzelhet ő cso-
portosulási forma. Az optimális szerkezet e két alternatíva között található meg
valahol. A klaszterek elhatárolásához segítséget nyújthat a dendogram (1. ábra),
amivel pontosan nyomon lehet követni a különböz ő számú csoport-alternatíva ösz-
szetételét, és az összevonódás, vagy éppen elszakadás pontos helyét. Ha csak a
szemmértékünk alapján keresünk innovációs klasztereket, akkor is jól látszik, hogy
a budapesti agglomerációhoz tartozó Budaörs és Budakeszi külön-külön is önálló
„klasztert" alkot; paramétereikben egyáltalán nem hasonlítanak a többi városra.
Rajtuk kívül hat, világosan elkülönülő blokkot láthatunk. Az öt mutató alapján
kirajzolódó csoportok nagysága és összetétele mellett az is releváns kérdés, hogy
milyen lépésekben épülnek ki a klaszterek, milyen sorrendben vonódnak össze a
városok, melyek állnak egymáshoz a legközelebb a korábban már ismertetett
5 dimenziós „térben" (4. táblázat)? A hasonlóságon alapuló összekapcsolódási
láncolat elemeit kigy űjtöttük, pontosan feltüntettük az egyes lépésekben összefonó-
dó településeket és településcsoportokat. Az alább ismertetésre kerül ő összekapcso-
lódási pontok elhelyezkedése megvilágítja a Budaörs—Budakeszi páros beintegráló-
dási nehézségeit. Ők az utolsó csatlakozó városok a modellben, még akkor is elkü-
lönülnek a többiektől, amikor már a többi 21 különleges helyzetű település egysé-
ges csoportot alkot (majd csak a városok fejlettségi mutatói fogják megmutatni a
különállás pontos okát). A Keszthely—Gödöll ő—Gyöngyös triád tagjai is csak a
folyamat végs ő fázisa felé közeledve állnak össze egységes csoporttá. Az els ő 5-10
lépésben formálódnak ki a legszorosabban összetartozó párok, kisebb klikkek (ezek
azok a városaink, amelyek az általunk használt mutatórendszer fejlettségi indexei
alapján a leginkább hasonlítanak egymásra).
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
126 Versenyképesség TÉT XVIII. évf. 2004 s 2

1. ÁBRA
Lehetséges innovációs klaszterek a 23 kiugró városon belül
(Possible Innovation Clusters among the 23 Isolated Towns)
Esetek 5 10 15 20 25
Címke Szám +

KAPOSVÁR 13
EGER 14
VESZPRÉM 4
BÉKÉSCSABA 8
SZOMBATHELY 1
SOPRON 3
SZENTENDRE 9
SZEKSZÁRD 15
ZALAEGERSZEG 21
SZOLNOK 19
KESZTHELY 11
GÖDÖLLŐ 22
GYÖNGYÖS 2
GYŐR 17
KECSKEMÉT 18 J
SZÉKESFEHÉRVÁR 6
PÉCS 12
SZEGED 23
DEBRECEN 7
NYIREGYHÁZA 10
MISKOLC 20
BUDAÖRS 16
BUDAKESZI 5

1. Klaszter (3 város) 2. Klaszter (2 város) 3. Klaszter (3 város)
Szeged Miskolc Győr
Pécs Nyíregyháza Székesfehérvár
Debrecen Kecskemét

4. Klaszter (6 város) 5. Klaszter (4 város) 6. Klaszter (3 város)
Sopron Szentendre Gyöngyös
Szombathely Szekszárd Keszthely
Veszprém Zalaegerszeg Gödöll ő
Békéscsaba Szolnok*
Kaposvár
Eger

Az innovatívak csoportjához tartozik még két f ővárosi agglomerációs település Budaörs és
Budakeszi
*Szolnok besorolásához a konkrét fejlettségi mutatókat vettük alapul. A munkaer őpiac és a humáner ő-
forrás-állomány tekintetében különösen közel áll az 5. klaszter tagjaihoz, ezért nem hagytuk meg önálló
szerepl őként, hanem beléptettük.

Forrás: MTA RKK NYUTI 2003.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 127

Mint látható, a hasonló adottságokat mutató településpárokat összevonva épülnek
ki a lehetséges klaszterek. Gyakran csak egy-egy várossal b ővül a kör, de az is
megfigyelhető, hogy a korábban összevont diádok, vagy éppen triádok olvadnak
egybe. Említésre méltó, hogy a hamar „összetapadó" Pécs—Szeged—Debrecen cso-
port kibővül a Miskolc—Nyíregyháza, majd a Gy őr—Kecskemét—Székesfehérvár
együttessel, és a klaszterszám redukció folyamatában igen hosszú ideig szorosan
együtt marad. Valójában csak akkor tudnánk más településeket is hozzárendelni eh-
hez a blokkhoz, ha lényegében az összes többi város egységes blokkjához csapnánk
hozzá őket. Megállapításainkkal csak arra szeretnénk utalni, hogy elképzelhet ő lett
volna egy egyszerűbb, nagyvonalúbb felosztás is. Az általunk választott klaszter-
szám helyességét majd az egyes csoportokra jellemz ő fejlettségi mutatók által
interpretált tulajdonságrendszer relevanciája fogja tesztelni.
4. TÁBLÁZAT
A csoportképz ődés lépcsőfokai — az összevonódások sorrendje
(Main Steps of Grouping — Rank of the Intergrowth)
Párok, klikkek:
1) Kaposvár — Eger (2)
2) Pécs — Szeged (2)
3) Pécs — Szeged — Debrecen (3)
4) Győr — Kecskemét (2)
5) Szentendre — Szekszárd (2)
6) Veszprém — Békéscsaba (2)
7) Sopron — Szombathely (2)
8) Veszprém — Békéscsaba — Kaposvár — Eger (4)
9) Nyíregyháza — Miskolc (2)

Ezekre épül ő nagyobb blokkok:
10) Győr — Kecskemét — Székesfehérvár (3)
11) Szentendre — Szekszárd — Zalaegerszeg (3)
12) Veszprém — Békéscsaba — Kaposvár — Eger — Sopron — Szombathely (6)
13) Pécs — Szeged — Debrecen — Nyíregyháza — Miskolc (5)
14) Pécs — Szeged — Debrecen — Nyíregyháza — Miskolc — Győr — Kecskemét — Székesfe-
hérvár (8)
15) Veszprém — Békéscsaba — Kaposvár — Eger — Sopron — Szombathely — Szentendre —
Szekszárd — Zalaegerszeg (9)
16) Veszprém — Békéscsaba — Kaposvár — Eger — Sopron — Szombathely — Szentendre —
Szekszárd — Zalaegerszeg — Szolnok (10)
17) Keszthely — Gödöll ő (2)
18) Keszthely — Gödöll ő — Gyöngyös (3)
... (itt már csak az egyes nagyobb blokkok kapcsolódnak össze)
21) Budaörs (utolsó előtti csatlakozó)
22) Budakeszi (utolsó csatlakozó)

Magyarázat:
- A zárójelben szerepl ő szám [pl. (5)] a csoport nagyságára utal.
- A dőlt betűs városok, városcsoportok az újonnan csatlakozókat szimbolizálják.
- Az aláhúzott csoportok az általunk lehatárolt végs ő klasztereket jelölik.
Forrás: MTA RKK NYUTI 2003.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
128 Versenyképesség TÉT XVIII. évf. 2004 s2

A hazai városhálózat nagy részét magában foglaló másik mintánk esetében nem
tudunk olyan részletes csoportosulási folyamatokat prezentálni, mint a hierarchiku-
san elemzett kiugró paraméter ű településblokkban. Ez egyértelm űen az eltérő mód-
szertani sajátosságokból fakad. Ezeknél a városoknál az volt a célkit űzésünk, hogy
(1) világosan körülhatároljuk az innovációs potenciál szempontjából a második vo-
nalhoz tartozó városok csoportját, (2) illetve kielégít ő mértékű belső differenciáltság-
ra bukkanjunk a városhálózat legnagyobb tömbjét kitev ő átlagos, vagy átlag alatti
adottságokkal rendelkező települések körében. Az eredmények el őtt egy fontos
dolgot meg kell említeni: a 228 városra lefutatott K-Mean eljárás eredményeinek
ellenőrzését szolgáló variancia-analízis F-értékei arra figyelmeztetnek, hogy a
klaszterek kialakításában a fejlettségi mutatók szerepe jelent ősen megváltozott
(5. táblázat). Itt már a társadalmi, a gazdasági és az iskolázottsági-menedzsment
dimenziók jelentik a fő differenciáló er őt. Ezen nem is lepődhetünk meg, hiszen az
innovativitással összefügg ő humán állomány, a fels őoktatási, illetve kutatás-
fejlesztési szféra, az új termékek, szolgáltatások léte, nem is beszélve az innovációt
támogató, kiszolgáló intézményhálózat jelenlétér ől vagy mérsékelt volumen ű, vagy
teljesen hiányzik.
5. TÁBLÁZAT
A „K Mean Klaszter" módszerrel készített csoportosítás eredményei
-

a 228 fős városblokk esetében
(Results of the Grouping by the "K-Mean Cluster" Methodology for the 228 Towns)
Teszt-
Dimenziók Osztályozás Klaszter középpontok
ANOVA
F-érték Szig. Klaszterek N I G IM T H I
Gazdaság (G) 146,0 ,000 1 67 db -1,04 -1,06 -1,14 -0,58 -0,47
Iskolázottság (IM) 129,0 ,000 2 59 db 0,54 -0,15 0,34 -0,26 -0,22
Társadalom(T) 163,4 ,000 3 59 db -0,58 -0,08 -0,37 -0,33 -0,31
Humán állo-
98,8 ,000 4 20 db 0,46 0,60 0,48 0,52 0,34
mány(H)
Innováció (I) 49,8 ,000 5 23 db 1,16 1,21 0,98 -0,05 -0,05
Átlagérték -0,15 -0,19 -0,19 -0,28 -0,25
Forrás: MTA RKK NYUTI 2003.
Több alternatív klaszterszám értékelése után végül is egy olyan csoportosítási
formát fogadtunk el, amely öt különálló szegmensre bontja ezt a nagy elemszámú
településhalmazt. Az ötös csoportosítás mindkét célkit űzésünk szempontjából ked-
vező elkülönüléshez vezet. Feltevésünket a klaszter középpontok értékei - mint az
egyes csoportok tipikus jegyeinek hordozói - igazolhatják. (1) Célkit űzés - a máso-
dik vonal városainak lokalizálása: két, viszonylag kisebb elemszámú klaszter (20 és
23 városról van szó) esetében átlagos, vagy gyakran átlag feletti adottságokkal
találkozhatunk. Ez a tömb lényegében az innovációs adottságok szempontjából ki-
formálódó hierarchia középmez őnyét testesíti meg. (2) A kedvezőtlenebb potenciállal
rendelkező városok belső differenciáltsága: az els ő három klaszter több mint 180
várost tömörítve leképezi a városhálózat innováció szempontjából kedvez őtlen
kilátásokkal rendelkez ő igen népes csoportját, de úgy, hogy kidomborodjanak a
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 129

különböző vizsgálati tényezők alapján fennálló egyenl őtlenségek is. Valójában itt
az elmaradottság fokozatbeli különbségeivel találkozhatunk, ha összehasonlítjuk az
egyes csoportok fejlettségi mutatóit.
A kétlépcsős műveletben végül is sikerült elhatárolni egymástól tizenegy olyan
csoportot, amelyek a gazdasági—társadalmi—iskolázottsági—humán—innovációs ten-
gelyek mentén kifeszül ő „térben" viszonylagos belső homogenitást mutatnak, és
ezzel párhuzamosan markánsan el is különülnek egymástól. A tizenkettedik cso-
portba a két fővárosi agglomerációs település került, akik „önálló életet élnek"
ebben a viszonyrendszerben. A hierarchikus és a K-Mean módszer segítségével
nyert városcsoportokat egy egységes rendszerbe vontuk össze, ahol értelemszer űen
a korábbi klaszter jelölésük is módosult. A fejlettségi csoportok bemutatásához az
öt mutató centrális statisztikáinak klaszterenkénti összehasonlítására van szükség.
Csak így lehet konkrét, specifikus „tulajdonságokat" rendelni az egyes csoportok-
hoz, mégpedig az öt dimenzió együttes figyelembevételével. Az alábbiakban el ő-
ször összerendezzük az innovációs potenciál tekintetében elkülönült klasztereket
fejlettségük szerint. Ezután karakterizáljuk az egyes csoportokat az öt vizsgálati
szempont tekintetében leginkább jellemz ő átlagértékek összehasonlítása alapján. Az
öt dimenzióban megfigyelhető csoporttulajdonságokat két formában közöljük. Egy-
részt a pontos átlagértékeket, külön kiemelve a domináns megkülönböztet ő jegye-
ket, másrészt az indexek alapján megfogalmazott és az összesített átlagtól mért
eltérésekre alapozott min ősítéseket (6. táblázat). A 23 legfejlettebb város egymás-
hoz viszonyított helyzetét a klaszterképz ő dimenziók által kifeszített kétdimenziós
terekben is megjelenítjük a pontdiagramok segítségével (2. ábra). A megújuló-
képesség szempontjából elkülönített csoportok leírásához kiegészítésként a mellék-
letben közöljük (1. és 2. melléklet) a városhálózat fejlettségét mér ő eredeti adatsor
konkrét értékeinek átlagait is. A standardizált értékek mellett az eredeti változók
sokkal beszédesebbek. Segítségükkel könnyebben értelmezhet ővé válnak a
klasztereket egymástól elhatároló különbségek.
Az első klaszter három nagyvárosa (Szeged, Pécs, Debrecen), mint tradicionális
regionális központ a fels őoktatási és innovációs folyamatok fókuszpontjában állnak
kedvező munkaerő-piaci és gazdasági paraméterekkel. A teljes nem f ővárosi városi
populáció (összesen 5 millió főről van szó) több mint 10%-át „felszívó" centrumok
a hazai városhálózat leginnovatívabb tagjai. Els ődleges megkülönböztet ő jegyük a
magasan átlag feletti iskolázottságra, a tudásorientált munkaer őpiac jelenlétére
utaló jellemzők mellett a humán- és az innovációs mutatók kiugróan magas átlagér-
téke. Az innovációval összefügg ő fejlettségi dimenziók tekintetében szintén az
élvonalhoz tartozó olyan centrumszerepkör ű nagyvárosok tartoznak a második
klaszterbe (Miskolc és Nyíregyháza), akik inkább csak a gazdasági paramétereikben
maradnak alul. A teljes nem fővárosi városi populáció 6%-át kitev ő két település
gazdasági adottságai a teljes városhálózat viszonylatában is csak átlag közeliek. A
ma még elmaradottabb gazdasági potenciál növekedése esetén minden adott lesz a
fokozottabb és sikeresebb innovatív szerepvállaláshoz.
• ▪ • •
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
▪
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
130 Versenyképesség TÉT XVIII. évf. 2004 s 2

4
E

Kiugróan magas
00
4 ....
41 .. 'B ' ,',› a>
,.2 ,...
9 •
•
00 1.1
,....
g V.) o.) 'g
bo 'Q
2 ,F..) 2 .5 el %) gP ..1
CO g) ...' .:" •-et sca
5
--
,,, .,-
, MW....1 5

4,54Kiugróan magas*6,20
r•- r,:' C
4.
,--. --. • 5
,
"1 C
,c) u
ás 81) b0 :e.
,o" so os .0
forr 41 ..... 'A .,. . IS 9É
ő .0 2
lg' 'z'> 1 4> "
os 8 ,'.'
er
án 01)
`""'
Hum >

I
• c..,
• ,'
J)
• V1 ,--1 kr) 0
7/5 ,I-
• `0..
M es)" N--, M‘ C S . '4
d
b" ,g
.g
' el.)
.-)5.
d .a
el>
e),:,
g os .:9) E '''
5
Ti.s
,.... °)
4-. .2 TS
,... ,...
0.) eu
-0
to oo g oo
.1 bA
m: 41-- °
0
os so" nt
A '2 ..,, ..:; c.,- `1
?-,
••, ••,L '.. ;
.4".5C 1
..>
,.., 0 v-, 0
2,02Magasan átlag feletti1,73

..4:. .:), 8 vi c, -":-'d '
,
-. csi ,--, co -A
Magasan átlag feletti

',Ti
-0 n:)
co
'S .=
,A 1.1 1.) . 4
713 o) -C) F-,
ffi 4... ,.. 4.., éq- .
ors oo es1, 5,
so so" os
.., •:;G-. ...'k' co, so .
Ü
Ki

4 co
a ,
Co ,
cr, Cr) oo Es g
Ó on "'1-.. 5. o ''S
,....s,5
o•E' — M>

oo & c.,
00 *5
a)
,o
A.
.a
a) a.) a.)
e•-i'
sel
Er) 2
t4) a) Q Ti '
'5 , 'oh
4
W 4.• ,*•• r
N
.C1
,..
CO
c* g ,
.)'
bl) CO g 2 • .2
T) ... r
ttl "
td RI 01
b.0
RS ,..,E ,..k
,
..t `Q C7 h
1E
,.> 4
z
a> e4
(V 0
• zál gn É
,
Cr
(5. n 'fl. `,1>'y VI
új
.. r 0 ~ ,-.4 C.,1
E ° '"
0, 0
.5
-2
5
•— ,,..
•--, C•1 C,1 `t• Un le) 1, < a,
0
* : ej
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 131

e•;
N
r

r:4

GL
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

132 Versenyképesség TÉT XVIII. évf. 2004 s 2

2. ÁBRA
A hat legfejlettebb klaszterben tömörül ő városok helyzete
az egyes csoportképz ő dimenziók alapján
(The Position of the Towns in the Six Most Developed Clusters
by the Group Forming Dimensions)

OO DEBRECEN Ptf SZEGED

PÉCS 0 O
6.0 8,0

5,0 5,0

MISKOR
O Grog O . 4,0 4,0

ro
0 MuoA°. 0 KECSKEMÉT
3,0 O. 3,0
O 33ÉKE9FEHÉRVÁR
O VESZPRÉM O Q
Nria.r.az,

SZOLNOK
2,0 2,0
00001,0 °
SZOMBATNEI,B, ,ED90 ,..“
SIENEND4
0 KAPOSVÁR
Z,LL,tEGEauEM)
sÉ9cfscsAna
SEEKSEA RD 1,0

0 GYÖNGYÖS
000 ÁKEE0 O KESZTHELY

310
. 2,0 1,0 1,5 2,0 2,5 3,0

Gazdaság Iskolázottság-menedzsment
3.0 2,0 1.0 1,5 2,0 2,5 3,0
_L_

1,0 1,0

ás
rr
fo
ő
er
án
Hum
o MTIDOLC

4.0 4,0

5,0 5,0

Forrás: MTA RKK NYUTI 2003.
A harmadik klaszter tagjai, Győr, Székesfehérvár és Kecskemét (7%-os populációs
ráta) szintén a kiugró innovációs adottságú városok közé tartoznak abban az eset-
ben, ha a teljes halmazt vesszük alapul. Lényegében az innovációs kezdeményezé-
sek száma magas, az intézményrendszer is adott, de a megfelel ő humán potenciál
mérsékeltebb. A többiektől elkülönülő másik közös karakterjegy a nagyon fejlett
gazdasági jellemz ők léte, a bevont külföldi t őke jelentős aránya.
A negyedik csoport tagjai, mint a másodlagos, nem annyira dinamikus központok
reprezentánsai (pl. Sopron, Szombathely, Eger) els ődlegesen a fels őoktatási
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 133

funkcióik miatt sorolhatók az innováció szempontjából megkülönböztetett helyzet ű
klaszterek közé. A nem fővárosi városi populáció 8%-át kiadó hat város mindegyik
mutató esetében átlag feletti adottságokkal rendelkezik, de az innovativitási rátájuk
jóval mérsékeltebb a korábbiaknál tapasztaltakhoz képest. A humán jelleg ű, felső-
oktatáshoz kötődő elemek már adottak, kedvez őek a gazdasági- és társadalmi felté-
telek is. Problémás viszont az innovációt segít ő és kiszolgáló intézményrendszer
helyi korlátozott jelenléte, a megvalósult újító kezdeményezések alacsony aránya.
Az ötödik klaszter városai (pl. Szentendre, Zalaegerszeg, Szolnok) már semmikép-
pen sem nevezhetők centrális szerepkörű településeknek az innovációs jellemz ők és
a felsőoktatási-kutatási adottságok szempontjából. A városi lakosság 4%-át tömörí-
tik. Nagyjából egységes a fejlettségi szintje a humán- és a konkrét innovációs
dimenziónak. Sajátos megkülönböztető jegyük, egyrészt a burjánzó társadalmi élet,
másrészt a magas iskolázottsági mutatók, valamint a tudásorientált, vezet ői-
értelmiségi pozíciók lakosságszámra vetített mér őszámainak kedvez ő értékei.
Külön klasztert alkot a kevesebb mint 100 000 főt reprezentáló három, dönt ően
felsőoktatásra orientálódó középváros (Gyöngyös, Keszthely, Gödöll ő). A megúju-
láshoz szükséges háttérelemeket mér ő fejlettségi mutatóik egységesen kedvez őek,
de nagyfokú disszonancia jellemzi a fejlettségi indexeket. Noha a fels őoktatás és a
kutatás-fejlesztés jelenléte, a megfelel ő lokális humán állomány aránya kiugróan
magas, csak átlagos szintű a helyi újító jelleg ű kezdeményezések száma. Az inno-
vációs intézményrendszer heterogenitása is jóval mérsékeltebb az el őző klaszterek
tagjaihoz képest. A fővárosi agglomerációs gy űrű két települése, új szervez ődési
központja Budaörs és Budakeszi teljesen kilógott a rendszerezésb ől. Közös jellem-
zőjük a kiugró gazdasági és munkaerő-piaci adottság, a jó innovációs potenciál
mérsékelt humán (fels őoktatási és K+F) paraméterekkel. A gazdasági- és az iskolá-
zottsági adottságok, valamint a fejlett tudásalapú, képzettség-orientált pozíciók
helyi munkaerő-piaci jelenlétét mér ő aránymutatók tekintetében messze elkülönül-
nek a többi várostól.
A megújuló képesség tekintetében második vonalhoz sorolható városhalmaz
43 települést ölel fel az ország különböz ő pontjain szétszórva és két klaszterbe
tömörülve. A 960 000 fős összlakossági ráta alapján a nem fővárosi városi populá-
ció egyötöde él itt. A hetedik klaszter tagjaira jellemző, hogy a csoportosítási muta-
tók mindegyike mérsékelten fejlett állapotokat tükröz, úgy hogy a humán- és az
innovációs adottságok is kicsivel az átlagérték felettiek. A tagok, lényegében azt a
vonatkoztatási halmazt jelölik ki, amelyben olyan városok szerepelnek, akik az
átlagos, a teljes városhálózatra jellemz ő fejlettségi paraméterek „környékén", vagy
kicsivel felette helyezkednek el. A korábbi és a jelenlegi ipari centrumok, a szocia-
lista iparvárosok legtöbbje, kedvezőtlenebb helyzetű megyei központok sorolhatók
ide. Komoly átalakulási, szerkezetváltási hatások érték őket, ami a reakcióktól füg-
gően kétesélyes fejl ődési pályaívet hordoz. A nyolcadik csoport az üdülővárosok, az
idegenforgalmi potenciálra épít ő települések, a kistérségi központok és az újonnan
létrejött ipari centrumok gy űjtőhelye. Kedvezőek a gazdasági- és munkaer ő-piaci
lehetőségek. A foglalkoztatottak körében a városi átlagot meghaladja a diplomások, a
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
134 Versenyképesség TÉT XVIII. évf. 2004 s2

vezető-értelmiségi beosztásúak aránya. Az újítóképesség szempontjából viszont az
elengedhetetlen humán- és intézményi jelleg ű szegmensben nem figyelhetünk meg
az átlagosnál magasabb mér őszámokat. Ugyan fejlettebbek a gazdasági paraméte-
reik a hetedik csoport tagjaihoz képest, de az innovatívitással összefügg ő elemek-
ben elmaradnak.
A hazai városhálózat több mint 180 szerepl ője — több mint 2 millió emberr ől van
szó — egyszerűbb formában egy olyan egységes klasztert alkotna, amelynek alapve-
tő konstrukciós eleme az alulfejlettség. A következ ő három csoport elkülönítését
igazából az elmaradottság fokozatainak kimutatása indokolhatná. Ezekben a cso-
portokban már nem a humán elem, nem az innovációs intézményrendszer heteroge-
nitása, és nem is a fels őoktatási funkciók különböz ő szintű megvalósulása a vezet ő
differenciáló er ő. Az innováció ösztönzésében, támogatásában, a helyi gazdaság és
társadalom megújulásában egységesen nagyarányú az elmaradottságuk. Viszont a
gazdasági potenciál, az iskolázottság és a civil szféra életképessége, a helyi nyilvá-
nosság sokoldalúsága egyértelműen szétbontja ezt a nagy tömböt három eltér ő fej-
lettségű csoportra. A kilencedik klaszter tagjaira átlagos gazdasági és társadalmi
mutatók jellemz őek, kedvez őtlen innovációs lehet őségek, a megfelel ő humán állo-
mány hiánya mellett. A tizedikben a kedvez őtlen innovációs, fels őoktatási és K+F
jellegű adottságok mellé mérsékelten fejletlen gazdasági és társadalmi jellemz ők
párosulnak. A legutolsó csoportban vannak a hazai városhálózat leghátrányosabb
helyzetű települései, egységesen rossz fejlettségi mutatókkal, az innovációs poten-
ciál teljes hiányával.
A klaszterek interpretálásában szerepet játszó klaszterátlagok jól szemléltetik a
három elmaradottsági szintet (6. táblázat). Igazából csak a 9. klaszter városai lóg-
nak ki a sorból bizonyos értelemben, hiszen az ő esetükben a gazdasági- és társa-
dalmi paraméterek átlag közeliek, és csak a konkrétabb mér őszámok esetében mu-
tatható ki lemaradás. Ők hasonlítanak a 7. klaszter tagjaihoz a gazdasági és társa-
dalmi mutatók tekintetében, de az innovációs jellemz ők már radikálisan különböz-
nek. Ezeknek a városoknak a legnagyobb mértékben az nehezíti meg a dolgát a
megújuló képességük fejlesztése szempontjából, hogy egy összetett problémakörrel
kell megküzdeniük. Az innovatív lehetőségek hátterében álló „konfiguráció" minden
eleme — különböző mértékben ugyan — de kedvez őtlen képet mutat. A jöv őben,
esetükben egyszer kellene megoldani az alábbi problémákat:
1) alacsony foglalkoztatottság, háztartások gyengébb fizet őképessége, szűk vál-
lalkozói szféra, alacsony adóbevételek,
2) gyenge civil élet alacsony támogatásokkal, állampolgári passzivitás, korláto-
zottabb helyi nyilvánosság,
3) alulfejlett munkaer őpiac, a diplomás, vezet ő- és szellemi foglalkozású lokális
munkaerő hiánya, a szolgáltató szektor visszafogott helyi jelenléte.
Ezek mellett pedig szinte teljesen hiányoznak a kutatási-fejlesztési folyamatok-
hoz, az újító ötletekhez nélkülözhetetlen humán- és intézményi feltételek, az az
innovációs miliő, amely megfelel ő táptalajt nyújt az ilyen folyamatoknak a gazdasá-
gi mezőben, az igazgatási szférában, az egészségügyben, vagy éppen az oktatásban.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 135

A részleteket figyelmen kívül hagyva, térjünk ki az általunk alkalmazott vizsgálati
dimenziók együttes csoportstruktúrájára is. A klaszterek megoszlása (3. ábra) talán
a hazai városhálózat egyik legfontosabb sajátosságára világít rá az innovációs haj-
lam- és adottságok terén. Mivel a klaszterek sorrendje nagyjából a fejlettségbeli
különbségeket követi, ezért alkalmas a városi innovációs potenciál „makro-
struktúrájának" megragadására.
A 251 város 75%-ában nem bukkanhatunk kedvez ő jellemzőkre az innovációs
konfiguráció egyik komponensében sem. A 9-10-11. klaszterekbe tömörül ő „vá-
rostömeg" jelenleg még nem rendelkezik a lokális jelleg ű megújulási folyamatokat
megalapozó gazdasági, társadalmi, oktatási és kutatási adottságokkal, illetve az
ezekre épül ő funkciókkal. Számolhatunk egy másik nagyobb tömbbel is (7. és
8. klaszter). Ezt a két csoportot „második vonalnak" neveztük el, mivel ők már
átlagos, vagy egy kicsivel átlag feletti paraméterekkel rendelkeznek. A városok
17%-ában tehát már ma is megtalálható a kés őbbi fejlődés számos alappillére az
intézményrendszer és a humán elemek tekintetében. Igazából fejlett, már jelenleg is
mérvadó innovációs adottságokkal, és az ezekkel szorosan összefügg ő kedvező
gazdasági-iskolázottsági-társadalmi paraméterekkel csak egy nagyon sz űk „kisebb-
ség" rendelkezik. Jelenleg Magyarországon az általunk összeállított és alkalmazott
tényezők figyelembevételével arra a megállapításra juthatunk, hogy csak a város-
hálózat 8%-os tömbje jöhet számításba akkor, ha kedvez ő innovációs potenciálról
beszélünk.
3. ÁBRA
Az innovációs adottságok alapján elkülönített 11 klaszter megoszlási
struktúrája a hazai városhálózatban (%)
(The Frequency of the 11 Clusters in the Hungarian Urban Network
Separated by the Innovation Conditions

2
1- 11
2 ; 4 ; 7 9 IU II

11 városklaszter az őt főkomponens alapján

Innovációs klaszterek a részleges modell alapján

Az öt fejlettségi dimenzió alapján kialakított csoportosítási szisztémát újrafuttatva
egy redukált modellben — figyelmen kívül hagyja a gazdasági, a társadalmi, illetve
az iskolázottság-menedzsment dimenziót — a klaszterek számában és a klaszter-
összetételben bekövetkez ő változásokat, elmozdulásokat kísérjük figyelemmel. Kizá-
rólag a humán- és az innovációs főkomponens által tömörített paraméterekkel fog-
lalkozunk. Indokoltnak tűnik a próbálkozás, hiszen ez a két specifikusabb összevont
fejlettségi index nagyon markáns egyenl őtlenségeket képez le a 251 város tekinte-
tében. Sokkal nagyobb aránytalanságokat reprezentál, és igazán karakteresen ki-
emeli a legfejlettebb településeket. Várhatóan a humán- és innovációs mutatók
alapján konkrét fejlettségbeli különbségeket csak az „els ő- és második vonalhoz"
tartozó városok (nagyságrendileg 40-50 településr ől van szó) körében tudunk majd
kimutatni. Éppen ezért csak az átlagosnál kedvez őbb adottságú városok sz űkebb
mintájával foglalkozunk, újragondolva a kérdéskört, tovább finomítva a korábbi
eredményeket. A nem-hierarchikus klaszterelemzés során számos alternatív
klaszterszámot megvizsgáltunk, de a teljes populáció körülbelül 80%-át jelent ő
átlag alatti mutatókkal rendelkez ő városhalmazt egyik esetben sem tudtuk tovább
bontani. A redukált modellben is csak a városok 18-20%-a tekinthető releváns
„szereplőnek" a megújulóképesség mérése, értékelése tekintetében (7. táblázat).
A végső klaszter középpontok segíthetnek abban, hogy jellemezni tudjuk a cso-
portokat. A három elem ű első klaszterben találhatók meg az innovativitás szem-
pontjából legfejlettebbnek tekinthet ő városaink, itt a humán- és az innovációs index
is kiugró. Hét olyan várost különíthetünk el, amelyek ugyan mérsékeltebben de még
szintén kiemelked ő adottságokkal rendelkeznek mindkét területen, egységesen
magas értékű mindkét mutatójuk (2. számú klaszter). A harmadik csoport kilenc
városa abban hasonlít egymásra, hogy inkább csak a humán jelleg ű, elsődlegesen
felső oktatási és kutatás-fejlesztési jellemz őik jók. Az összes város 11%-át kitev ő
4. klaszter pedig azokat a településeket fogja össze, amelyek az innovációs potenci-
ál szempontjából éppen csak átlag feletti mutatókkal rendelkeznek. Ha megnézzük
a klaszterek tagjainak listáját, és külön figyelmet fordítunk a klaszter középponttól
mért távolságok nagyságára is, akkor világossá válik, hogy ebben a 46 f ős
almintában célszerű lenne finomítani az osztályozást, mivel mindegyik csoport ese-
tében több város is a klaszterek peremén helyezkedik el. Problémákba ütközünk már
rögtön a 2. csoport esetében, ahol Budaörs és Miskolc nagyon távol áll azoktól a
jellemzőktő l, amelyekkel leírtuk a klasztert, de Gödöll ő és Szolnok is hasonló cip ő-
ben jár, s ő t a legnépesebb 4. blokkban már 4-5 város elhelyezkedése kérdéses.
Összességében tehát a nem-hierarchikus eljárás segítségével sikerült „kirostálnunk"
a kérdéskör szempontjából mérvadó városokat, és kialakítani egy olyan nagyvonalú
csomósodási struktúrát, amely megjelölte a f őbb egyenl őtlenségeket, a differenciáló
erő vonalakat, és azokat a megfigyelési egységeket is, amelyek besorolása talán
nehézségekbe fog ütközni. A részletesebb elemzésben ismét a hierarchikus módszer
segíthet.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
TÉT XVIII. évf. 2004 s2 Versenyképesség 137

nd
co)
"
‘4")
4 76
oo
'A `[.Q [°
O) •6r kr) 00 t". M
Úzi ?i9

§ •or
o.
.61" 0 0
00 N ,
C .0
•44
-M
44 cl
0 4
co)
0'•
o c.i
g c ,) E 4
s g 0 .> g =,..› N
u b.0 2
Ó .0 C
" "' 44 44 ,, h .c>
:0 2 ..M 49
.
M cd 0 "a 7 C ;9,,
N 4 Ó ode. 0 ° •,/
°4 00
4 cd 7 .M"' •06 Tzr • cn 'M
x[- . a, A Z c4) -, E-. on cw > co = u4 en

16.0 est N •-s NI kr) Ok kr) oo ct, crs
,c6 kr) k0 00 s•s•s t- N e.t
oo noo
ot, oo V.1
O .61•
•,ot C4 01 [-„00 00 h
•cd ÓÓÓÓ -.7 -.7 -; c5ocS000co

•44

0
44

bA ON C•1 " 00 M r•1 rs1 kr)
,c61 ‹.'") M kr) M 00 e•4
co) 4n V:5 sC) Cr, N M M
0, M C" tr) oo ••••s ••••. 1--
oo oo sC). 1M Ó oo
•c61 ti Ö ó 0 0 Ó •-s 0 Ó

0.
E
=

co) E .= E •u
:05
f,
"-•
49 6. -
'S 2 L..,
'
c;4 co) C.7
'
r‘i
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
138 Versenyképesség TÉT XVIII. évf. 2004 s 2
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 139

A klaszterképző dimenziók csökkentése az egyik oldalon nyereséget hoz a cso-
portosítási eljárásban. Az innovációs mili ő komponenseinek csak azokat az elemeit
őrzi meg, amelyek a szűkebb keresztmetszet ű, de mindenképpen specifikusabb
paraméterek. Hátránya, hogy az általunk alkalmazott adatredukciós eljárás során
összetömörített változószettben a fels őoktatás, a K+F, az innovációs intézmény-
rendszer összetettsége játszik domináns szerepet, és kimaradnak az egyéb gazdasá-
gi, munkaerő-piaci, iskolázottsági adottságok. A 46 átlag feletti innovációs adottsá-
gokkal rendelkez ő város a hierarchikus klaszterez ő módszerrel viszont már hat
csoportra bontható (8. táblázat, 7. ábra). Budaörs és Gödöll ő nem sorolható be
egyetlen halmazba sem. A két város „elszigeteltsége" abból fakad, hogy nagyon mar-
káns disszonancia jellemzi őket a két dimenzió együttes használatakor (Budaörs:
nagyon magas innovációs potenciál, elhanyagolható humán elem mellett; Gödöll ő :
nagyon kedvez ő humán, különösen fels őoktatási adottságok, elhanyagolható konkrét
innovációs kapacitások mellett). A Debrecen—Pécs—Szeged trió teljesen elkülönül a
többi várostól, és nem is bomlik meg a klaszterek számának növelésével. Kisebb
csoportszámnál még azonos adottságúnak t űnik Veszprém, Székesfehérvár, Nyíregy-
háza, Kecskemét, Gy őr és Miskolc is, de az árnyaltabb csoportosítás esetében a
Győr—Miskolc diád leszakad és önálló életet kezd élni. Nagyon koherens bels ő szer-
kezetről tanúskodik a Szombathelyet, Sopront, Kaposvárt, Egert, Gyöngyöst és
Keszthelyt magában foglaló klaszter is, hiszen a tagok mindvégig együtt maradnak.
A városok innovációs fejlettségén alapuló csoportosítás nem sokban különbözik a
teljes modellnél megfigyelt eredményekt ől. A klaszterek interpretálásában ismét az
összevont mutatók, a főkomponens elemzéssel készített standardizált indexek segí-
tenek. Jelen esetben nem a kalszterek átlagértékeit közöljük, hanem a városonkénti
adatokat csökken ő sorrendben (8. táblázat). Így árnyaltabb képet adhatunk a cso-
portokról, kiemelkednek a marginálisabb helyzet ű települések, és egy bizonyos
hierarchia is körvonalazódik. Az eredmények értelmezésekor nem szabad figyel-
men kívül hagyni azt a módszertani sajátosságot sem, hogy a csoportképzés dimen-
zióit egyforma súllyal, fontossági jellemz ővel veszi számításba a hierarchikus
klaszterelemzés. Ezért el őfordulhat az, hogy egy város bizonyos dimenzióban ked-
vezőtlenebb paraméterekkel rendelkezik, mégis a teljes modellben a fejlettebb
klaszter tagja. Az els ő kérdéses város Győr. A humán adottságok tekintetében rosz-
szabb a helyzete, mint pl. Veszprémnek, Nyíregyházának, vagy akár Egernek, még-
is a második legfejlettebb klaszterbe tartozik. Ez az innovatív kezdeményezések és
a helyben elérhető intézményhálózat tekintetében megfigyelhet ő jó adottságok miatt
alakul így. A harmadik klaszterben Kecskemét lóg ki a sorból: a főleg felsőoktatási
irányultságú humán dimenzióban megfigyelhető elmaradottságot pótolja a kedvez ő
innovációs mutató. A negyedik klaszterbe összetömörültek azok a hazai városok,
amelyek a helyi főiskolák, egyetemek, egyetemi karok jelenléte miatt kedvez ő
humán adottságokkal rendelkeznek az intézményi- és a szakemberi állományban, de
az innovációs potenciáljuk már jóval gyengébb. Ez megjelenhet abban, hogy keve-
sebb az új termék és/vagy szolgáltatás bevezetése, hiányosabb a folyamatot kiszol-
gáló, támogató intézményhálózat. A mérsékelten fejlett csoportba azok a városok
tagolódtak be, amelyekben az innovációs paraméterek ugyan nem különböznek
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
140 Versenyképesség TÉT XVIII. évf. 2004 s2
jelentősen az el őző csoportétól, de a humán dimenzióban jelent ősek az elmaradásaik.
Tatabánya és Dunaújváros helyzete is kérdéses; a klaszter határán vannak, de nem
pozitív értelemben. Végül a legnépesebb hatodik klaszter az átlag közeli, a legtöbb
esetben kicsivel az átlag feletti fejlettségi mutatójú városainkat fogja egybe, de a
települések sorrendje ebben az esetben is utal a bels ő egyenlőtlenségekre. Az elszi-
getelteknél pedig beigazolódik a teljes modell tapasztalatai alapján megfogalmazott
feltevésünk: a mutatók közti bels ő disszonancia tehet ő felelőssé a csoportosítás
sikertelenségében. Gödöllő elsődlegesen a humán dimenzióban, míg Budaörs az
innovációs komponensben mutat kiugró értékeket.
7. ÁBRA
A kedvez ő megújuló képességgel rendelkez ő 46 város
területi elhelyezkedése és csoportosítása
(The Location and the Grouping of the 46 Towns
with Favourable Renewing Capability)

mm Komplex szerkezettel rendelkező, nagytérségi (több régióra kiterjed ő) hatással bíró, (3)
ffi versenyképességet tartósan biztosítani képes centrumok I.

▪ Komplex szerkezettel rendelkez ő, nagytérségi hatással bíró.
versenyképességet tartósan biztosítani képes centrumok II. (2)

E Erős humán bázissal és formálódó innovációs potenciállal rendelkez ő,
döntően regionális hatású, versenyképességre alkalmas központok (4)

Jelentős felsőoktatási- és fejlesztésre szoruló innovációs bázissal rendelkez ő,
(6)
részbeni regionális funkciót ellátó, versenyképességre felkészithet ő központok

I I Kedvező adottságokkal rendelkező, a térségi ellátást szervezni képes,
mérsékelt versenyképességgel rendelkez ő centrumok (9)

A megújítás egyes elemeit és intézményeit megjelenít ő,
I döntően a kistérség ellátását alakító, gyenge versenyképesség ű centrumok (20)

Fi Egyoldalú innovációs adottságokat koncentráló,
elszigetelt fővárosi agglomerációs városok (2)

TÉT XVIII. évf. 2004 s2 Versenyképesség 141

Népesség és területiség — az innovációs potenciál demográfiai
és térbeli sajátosságai

A következ ő lépésben úgy hasonlítjuk össze és írjuk le az egyes innovációs
klasztereket, hogy elszakadunk a jól bevált f őkomponensektől, és visszatérünk a
hazai városhálózat különböz ő adottságait mér ő eredeti változókhoz. Az innováció
szempontjából kirajzolódó fejlettségi blokkok összehasonlítása során három elemet
veszünk figyelembe. Egyrészt megvizsgáljuk, hogy milyen összefüggésben áll egy-
mással a lakónépesség és az innovációs potenciál. Az evidensnek tűnő pozitív
korreláció ellenére releváns kérdésnek t űnik az, hogy milyen er ős a fordított irányú
kapcsolat, vannak-e ellentmondó, a szisztémából kilógó esetek, és ha igen, akkor
melyek ezek? Másrészt azt is tisztázni kell, hogy vajon megfigyelhet őek-e területi
különbségek a fejlettségi csoportok eloszlása tekintetében. Ez a problémakör külö-
nösen a megújulóképesség szempontjából kedvez őtlen adottságú városhalmaz
potenciális sűrűsödési pontjaira vonatkoztatva lehet érdekes. Végül külön figyelmet
kell fordítani a városok „életkorára" is. A várossá nyilvánítás éve alapján kialakított
életkor-csoportok alapján tovább finomíthatjuk a klaszterek interpretálását.
Hasonlóan a korábbi — els ősorban a városok infokommunikációs versenyképessé-
gére koncentráló — vizsgálatokhoz (Rechnitzer—Grosz—Csizmadia 2003), jelen eset-
ben is nagyon erős kapcsolat figyelhet ő meg a városok népességszámon alapuló
nagysága és az innovációs potenciálja között (9. táblázat). A Pearson-féle korrelá-
ciós együttható értéke 0,804. A 40 ezer fő alatti városaink legtöbbje jelenleg nem
rendelkezik olyan háttérfeltételekkel, amelyek innovatív mili őt teremthetnének a
térség gazdasági és társadalmi szereplői számára. Elmaradottak mind a humán,
mind az intézményi feltételek tekintetében. A lakónépesség figyelembevételével
tehát egy viszonylag pontos demarkációs vonalat lehet kijelölni a hazai városháló-
zaton belül (8. ábra).
9. TÁBLÁZAT
Lakónépességi statisztikák klaszterbontásban — népesség és innováció (2001)
(Population Statistics by Clusters — Population and Innovation)
Leíró statisztikák
Klaszterek
Átlag Szórás Minimum Maximum
1 180 601,7 26 512,9 162 498 211 034 3
2 151460,0 46 195,3 118 795 184 125 2
3 114 502,3 12 931,2 106 346 129 412 3
4 65 990,3 9 272,0 56 175 81 920 6
5 49 565,3 24 704,2 22 747 77 631 4
6 29 013,7 5 866,6 22 388 33 548 3
7 31597,6 18 125,3 8 674 72 470 20
8 13 899,0 10 524,1 1 345 34 951 23
9 12 910,5 8 627,2 2 685 38 055 59
10 12 626,4 8 175,0 2 252 38 405 59
L 11 7 924,1 3 490,3 2 153 18 055 67
Összes 19 512,8 28 289,6 1 345 211 034 249
Megjegyzés: Szig: p<0,001; R: 0,804; R négyzet: 0,646; Hiányzik: Budaörs és Budakeszi
-

8. ÁBRA
Átlagos lakónépesség klaszterenként (2001)
(Average Population by Clusters)

200000

150000
Lakónépesség átlaga (fö) népsz 2001

100000 •

50000 •

2 3 4 5 G 7 8 9 10 11

11 városklaszter az öt főkomponens alapján

Forrás: MTA RKK NYUTI 2003.
Az elkülönített fejlettségi blokkok tagjainak területi eloszlása szintén segítsé-
günkre lehet abban, hogy feltárjuk az újítókészség kapcsán megfigyelhet ő egyenlőt-
lenségeket, aránytalanságokat. Két utat kell végigjárni. Egyrészt tisztázni kell az
egyes régiók városainak megoszlását a klaszterbesorolás függvényében (10. táblázat).
Így a régión belüli s űrűsödési pontokat lehet lokalizálni. Másrészt fontos sajátossá-
gokra világíthat rá az egyes régiók városainak klaszteren belüli súlya is ( 11. táblázat).
Elsősorban az elmaradott innovációs adottságokkal rendelkező 75%-os arányú
várostömb területi elhelyezkedésének feltételezhet ő aránytalanságait akarjuk kimu-
tatni, és nem a kisszámú kiugró csoportét (9. és 10. ábra).
A régiókon belüli tagoltság esetében számos s űrű södési pont azonosítható
(10. táblázat és ábra). Az összes város kilenc százalékát kitev ő 8-as klaszter
(23 város: gazdasági, iskolázottsági és munkaer ő-piaci szempontból kedvez ő adott-
ságok, átlagos humán- és innovációs jelleg ű paraméterekkel) a Közép-magyar-
országi régióban nagyon domináns, itt az összes város egynegyede ebbe a csoportba
sorolható. A közép-dunántúli és a nyugat-dunántúli városok esetében a 9-es klaszter
(59 város: átlagos gazdasági és társadalmi mutatók mellett kedvez őtlen innovációs
lehetőségek, a megfelel ő humán állomány hiánya) tagjai vannak felülreprezentálva.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
TÉT XVIII. évf. 2004 s 2 Versenyképesség 143

10. TÁBLÁZAT
Az egyes régiók városainak megoszlása a kalszterbesorolás függvényében
(The Distribution of the Towns of the Regions by Clusters)

Régiók
Teljes
Klaszterek
Közép- Közép- Nyugat- Dél- Észak- Észak- Dél-
Mo. Dunántúl Dunántúl Dunántúl Mo. Alföld Alföld
Elemszám N=31 N=29 N=26 N=34 N=33 N=55 N=43
12,4% 11,6% 10,4% 13,5% 13,1% 21,9% 17,1%
Lakos (e fő) 553 642 567 561 666 996 941
1 * *
2 *
3
4
5
6
7 6,5% 17,2% 7,7% - 6,1% 9,1% 9,3% 8,0%
8 25,8% 10,3% 7,7% 17,6% 6,1% 1,8% 2,3% 9,2%
9 29,0% 44,8% 53,8% 35,3% 12,1% 3,6% 11,6% 23,5%
10 19,4% - 3,8% 32,4% 45,5% 29,1% 23,3% 23,5%

1i!"111111.I1 1 1 1
11 6,5% 20,7% 7,7% 5,9% 21,2% 50,9% 46,5% 26,7%
12** 6,5% - - - - - - ,8%
Khi-négyzet értéke 149,2 (p<0,000)
* Csak a város létét jelöljük a kicsi elemszám miatt
**Önállóak: Budaörs és Budakeszi

50
47
40

[ 3
20 21 Régiók

•Észak-Magyarország
10
CÉszak-Altöld

0 0 s 041-Alfőld

A három legfejletlenebb klaszter

Forrás: MTA RKK NYUTI 2003.
Míg a teljes populációban „csak" minden negyedik város sorolható ide, ebben a
két régióban minden második város átlagos gazdasági és társadalmi háttérfeltételek
mellett nem tudott komolyabb innovációs potenciálra szert tenni. Dél-Dunántúl, és
különösen Észak-Magyarország esetében már az egységesen mérsékelten fejletlen
városok (10. klaszter) megszaporodása figyelhet ő meg. A két alföldi régió helyzete
a legkilátástalanabb: a hazai városhálózat leghátrányosabb helyzet ű tagjait tömörítő
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
144 Versenyképesség TÉT XVIII. évf. 2004 s2
11-es klaszter súlya a bels ő tagoltságban kiemelkedő . Míg a teljes városi populáción
belül négyből csak egy város tekinthet ő teljesen elmaradottnak az innováció tekin-
tetében, ebben a két régióban minden második város ide sorolható, ráadásul a tele-
pülések másik 25-30%-os része a csak fokozati különbséget takaró 10-es
klaszternek a tagja. Dél-Alföldön a városok 70%-a, míg az észak-alföldi térségben
már a 80%-a tekinthet ő egyértelműen elmaradottnak a megújuló képesség szempont-
jából. Talán nem véletlen, hogy a hazai városhálózat megújulási képességében meg-
mutatkozó regionális különbségek rendkívüli hasonlóságot mutatnak a már fentebb
idézett infokommunikációs versenyképesség esetében megfigyelt eredményekkel.
Ha a klasztereken belüli régió-súlyokra fordítjuk a figyelmünket (11. táblázat,
11. ábra), akkor még pontosabban kidomborodnak a hazai városhálózat strukturális
egyenlő tlenségei. Itt az arányok értelmezésekor nem szabad figyelmen kívül hagyni
a települések regionális megoszlási adatait, hiszen az észak-alföldi térségben kon-
centrálódik az összes város 22%-a, 17%-uk pedig a Dél-Alföldön található. A
klaszteren belüli tömörülési súly esetében ezt mindig mérlegelni kell. Érdekes szer-
kezeti aránytalanságai vannak a 7-es, de különösen a 8-as klaszternek. A „második
vonalhoz" tartozó 20-as és 23-as blokk tagjai már jelenleg is rendelkeznek olyan
gazdasági és társadalmi adottságokkal, humán- és intézményi paraméterekkel, ame-
lyek a jöv őben még kedvező bb innovációs potenciált teremthetnek. Az átlagosnál
minimálisan kedvez ő bb humán és innovációs adottságokkal rendelkez ők körében
(7. klaszter) a két alföldi, és a Közép-dunántúli régió városainak súlya kiugró. Az
átlagos mutatókkal rendelkez ő k csoportjában (8. klaszter) pedig két másik régióba
tömörül a városok kétharmada. Közép-Magyarországon található meg a 8. klaszter
városainak 35%-a, egynegyedük pedig a Dél-Dunántúlon. Ez a két térség — legalább
is ebből a néző pontból ítélve — szintén komolyan számolhat azzal, hogy számos
városában már megvan a jöv őbeli fejl ődéshez szükséges „kezd őlöket". Az észak-
magyarországi és a két alföldi régió lemaradása ebb ől a szemszögb ől is nyilvánva-
ló. A városhálózaton belüli arányukat jócskán meghaladja a 10-es és 11-es
klaszterekben megfigyelhet ő súlyuk. A táblázatból leolvasható, hogy a 10-es
klaszter városainak 70%-a, míg a 11-es klaszter városainak több mint 80%-a a há-
rom legelmaradottabb régióban található.
A kontingenciatáblák alapján megállapítható, hogy az általunk alkalmazott muta-
tócsoportok mentén elkülönített hasonló helyzet ű innovációs adottságokkal rendel-
kező városhalmazok arány-szerkezetében kimutathatóak regionális eltérések (9.,
10. ábra). Az Észak-magyarországi és a két alföldi régióban néhány kiugró „telje-
sítményű " nagyvároshoz egy elmaradott, relatíve alulfejlett blokk csatlakozik. Ez a
szerkezeti ismérv jelentős koncentráltságról árulkodik. A másik négy régióban
kiegyensúlyozottabban oszlik meg a települések „hasonlóságra épül ő elkülönülése".
Jóval nagyobb tömbben sűrű södnek azok a városok, amelyek a megújulóképesség
szempontjából átlagos, vagy mérsékelten fejlett helyzetben vannak. Az ország északi
és keleti felében tehát a legnagyobb gondot az jelentheti, hogy csekély a felzárkó-
zásra képes városok tábora.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 145

11. TÁBLÁZAT
Az egyes régiók városainak klaszteren belüli aránya
(The Rate of the Towns of the Regions within Clusters)

Régiók
Klaszterek
Közép- Közép- Nyugat- Dél- Észak- Észak- Dél-
Mo. Dunántúl Dunántúl Dunántúl Mo. Alföld Alföld
Elemszám N=31 N=29 N=26 N=34 N=33 N=55 N=43
% 12,4% 11.6% 10,4% 13,5% 13,1% 21,9% 17,1%
Lakos (e fő) 553 642 567 561 666 996 941
1 * *
2 *
3 * *
4 * * *
5 * *
6 * *
7 10,0% 25,0% 10,0% 10,0% 25,0% 20,0%
8 34,8% 13,0% 8,7% 26,1% 8,7% 4,3% 4,3%
9 15,3% 22,0% 23,7% 20,3% 6,8% 3,4% 8,5%
10 10,2% 1,7% 18,6% 25,4% 27,1% 16,9%
11 3,0% 9,0% 3,0% 3,0% 10,4% 41,8% 29,9%
12** 100,0%
Összes 12,4% 11,6% 10,4% 13,5% 13,1% 21,9% 17,1%
Khi-négyzet értéke 149,2 (p<0,000)
* Csak a város létét jelöljük a kicsi elemszám miatt
** Önállóak: Budaörs és Budakeszi

Elmaradott csoport

u 9. klaszter

10. klaszter

• 11. klaszter
Közép-Magyarország Nyugat-Dunántúl Észak-Magyarország Dél-Alföld
Közép-Dunántúl Dél-Dunántúl Észak-Alföld

146 Versenyképesség TÉT XVIII. évf. 2004 s2

9. ÁBRA
Magas megújulóképességgel rendelkez ő városok
(Towns with High Renewing Capability)

ECER

SZIrTEN
OPRON
4• @GYONGYOS

KFS

BIJD

SZOMBATHEIA ‘tszotes.. ÉRVÁR IDOINOK
ES

K
1D
ZALAEGERSZEG Innovációs klaszterek
HELY
220 000
110 000

e
KAPOSVÁR

Qz SZÁRD
t/H 111 •
▪ 2
22 003

33
• 4
H1 5
• 6
u 12

Jelmagyarázat:
1. csoport: Komplex szerkezet ű regionális központok I. (3 város — 533e f ő — 10,8%)
2. csoport: Komplex szerkezet ű regionális központok II. kedvez őtlenebb gazdasági paraméte-
rekkel (2 város — 303e fő — 6,1%)
3. csoport: Formálódó innovációs potenciállal rendelkez ő erős gazdasági alapokra épül ő
központok (3 város — 342e fő — 6,9%)
4. csoport: Jelentős felsőoktatási-humán bázissal rendelkez ő központok (6 város — 389e fő —
7,9%)
5. csoport: Kedvez ő adottságokkal rendelkez ő térségi központok (4 város — 198e f ő — 4,0%)
6. csoport: Döntően felsőoktatási orientáltságú városok (3 város — 86e f ő — 1,7%)
12. csoport: Kiugró gazdasági és munkaer ő-piaci adottságú fővárosi agglomerációs városok
(2 város — 36e fő — 0,7%)
A városokat jelölő körök mérete a népességszámmal arányos, a százalékos érték pedig a nem
fővárosi városi populációhoz viszonyított részarányra utal.
Forrás: MTA RKK NYUTI 2003.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 147

10. ÁBRA
Kedvez őtlen megújulóképességgel rendelkez ő városok
(Towns with Unfavourable Renewing Capability)

Innovációs klaszterek
73 000
36 500
7 300

Él 7
8
21 9
• 10
• II

Jelmagyarázat:
7. csoport: Átmeneti helyzet ű városok innovációs lehetőségekkel (20 város — 636e fő —
12,9%)
8. csoport: Átmeneti helyzet ű városok mérsékeltebb innovációs lehet őségekkel (23 város —
324e fő — 6,6%)
9. csoport: Átlagos városi fejlettség alacsony humán bázissal és innovációs potenciállal (59
város — 770e fő — 15,6%)
10. csoport: Átlag alatti fejlettség ű városok (59 város — 764e f ő — 15,5%)
11. csoport: Kimondottan kedvez őtlen adottságú városok (67 város — 545e f ő — 11,1%)

A városokat jelölő körök mérete a népességszámmal arányos, a százalékos érték pedig a nem
fővárosi városi populációhoz viszonyított részarányra utal.
Forrás: MTA RKK NYUTI 2003.

Végezetül összehasonlítottuk a fejlettségi klaszterek megoszlását a városok élet-
kora alapján is (12. táblázat). A várossá nyilvánítás évét vettük alapul, és öt „kor-
csoportot" alakítottunk ki. Városaink egyötöde 1945 el őtt már ilyen ranggal rendel-
kezett. Ők 48-an mindenképpen azoknak az urbánus tereknek a képvisel ői, ame-
lyekben hosszabb távú, organikus fejl ődési folyamatok zajlódtak le. A második
világháborút követ ő két évtizedben formálódott ki a szocialista iparvárosaink
blokkja (15 város; 6%-os részarány). Az els ő nagyobb bővülési folyamat a hatvanas
évek közepétől a nyolcvanas évek derekáig tartott; a településhálózat-fejlesztési
koncepció eredményeképpen 44 új várossal egészült ki a hálózat (18%). A jelenlegi
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

148 Versenyképesség TÉT XVIII. évf. 2004 s2

tagok közel 60%-át a rendszerváltás korszakától számított, els ődlegesen politikai
orientáltságú, koncepciótlan darabszám-növel ő stratégia teremtette meg a statisztika
szintjén. Arra keressük a választ, hogy megújulóképesség tekintetében abszolút
előnye van-e a hosszú távú urbanizációs trendekkel rendelkez ő, nagyobb népesség-
számú „régi" városainknak (természetesen egyenes arányosság figyelhet ő meg az
életkor és a népességszám között), vagy esetleg feltárhatóak újonnan kiformálódó
dinamikus gócpontok, városhalmazok, elszigetelt esetek.
Az eredmények értelmezésekor arról sem szabad megfeledkezni, hogy egy vi-
szonylag tiszta, térspecifikus ritmus jellemzi a városhálózat kib ővülését, ami kihat a
különböző fejlettség ű klaszterek területi elhelyezkedésére is. Az 1945 el őtti váro-
saink majdnem fele az Alföldön volt, a szocialista iparosítás révén a Közép-
Dunántúlon és Észak-Magyarországon ugrott meg a városok száma (a tizenöt új
városból kilenc ebben a két régióban található). A hetvenes és nyolcvanas években
egyértelműen a nyugat- és dél-dunántúli szektort preferálták (40%). Majd a nyolc-
vanas és kilencvenes évek fordulóján áttev ődött a súlypont az ország keleti felére és
a főváros környékére (pl. az 1990 óta létrejött 89 új város 20%-a a Közép-
magyarországi régióban található vagy a rendszerváltás el őtti három évben kineve-
zettek között háromból kett ő a Dunától keletre volt). Mivel az új, koncepciótlan és
politikai alapokra helyezett b ővítési hullám a keleti és a középs ő országrészben
jelentett komolyabb strukturális változásokat, így érthet ő, hogy az új, kis lélekszá-
mú, az infrastruktúra, az intézményhálózat és az életvitel, illetve a társadalmi aktivi-
tás vonatkozásában elmaradott, nem-városias települések szerepeltetése ezekben a
térségekben „húzta fel" a kedvez őtlen innovációs paraméterekkel rendelkez ő
klaszterek elemszámát.
12. TÁBLÁZAT
Az innovációs fejlettség és a várossá nyilvánítás összefüggése
(The Correlation between the Innovation Development
and the Date Receive the Town Rank)
Várossá nyilvánítás csoportosított adatai
Klaszterek 1945— 1986—
1945 előtt 1966-85 1990—...
1965 1989
Fejlettek (1-6) N 18 1 1 1
% 85,7% 4,8% 4,8% 4,8%
Második vonal (7-8) N 13 5 11 5 9
% 30,2% 11,6% 25,6% 11,6% 20,9%
Fejletlenek I. (9. klaszter) N 7 5 21 10 16
% 11,9% 8,5% 35,6% 16,9% 27,1%
Fejletlenek II. (10. klaszter) N 8 4 11 22 14
% 13,6% 6,8% 18,6% 37,3% 23,7%
Legfejletlenebbek (11. klaszter)N 2 17 48
% 3,0% 25,4% 71,6%
Összes N 48 15 44 54 88
% 19,3% 6,0% 17,7% 21,7% 35,3%
Khi-négyzet: 146,403; p<0,001; Cramer's V: 0,384.
Forrás: MTA RKK NYUTI 2003.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 149

A táblázat eloszlási adataiból jól látható, hogy reprodukálódtak a lakosságszámnál
megfigyelhető összefüggések. Egy lépcs őzetes szerkezeti kép tárul elénk: komoly
megújulóképességgel a legtöbb esetben a már több évtizedes, évszázados városi
életformát felvonultató, finomító települések rendelkeznek. A második vonalban
felülreprezentáltak a szocialista iparvárosok és a hetvenes, nyolcvanas b ővítési
hullám tagjai. Az összes város kétharmadát felvonultató három fejletlen blokk bels ő
mintázata is id őbeli tagoltságról árulkodik. A legelmaradottabb városok körében (a
10-es és különösen a 11-es klaszterre kell gondolni) az elmúlt két évtizedben város-
sá nyilvánított települések a dominánsak. A legszembet űnőbb talán az 1990 utáni
városaink állapotát kifejez ő érték: 72%-uk a gazdasági, a munkaer ő-piaci, a társa-
dalmi, illetve a humán- és innovációs mutatók alapján a legkedvez őtlenebb adottsá-
gokat felvonultató csoport tagja. A városrendszer dinamikus kib ővítése tehát radi-
kális mértékű polarizálódáshoz vezetett a vizsgált dimenziókban.

Megújulóképesség a megosztott hálózati szerkezetben
— összefoglalás

A hazai városhálózat innovációs potenciáljának egyenl őtlenségeit, a fejlettségbeli
különbségeket a faktorelemzés segítségével vizsgáltuk meg. Abból indultunk ki,
hogy nem lehet egyetlen dimenzióval, néhány mér őszámmal leírni városaink jelen-
legi megújulóképességét és mindazokat az adottságokat, amelyek a jöv őbeli innova-
tív tevékenységek melegágyát jelenthetik. Arra törekedtünk, hogy egy olyan muta-
tórendszert állítsunk össze, amely „átfogóan" leképezi az ország 251 városának
legfontosabb gazdasági, munkaer ő-piaci, humán, és mindenekel őtt kutatás-
fejlesztési állapotát. Egy olyan egységes modellt dolgoztunk ki, amelyben egymás
mellett szerepelnek az innováció anyagi-tárgyi alapú determináns faktorai, az emberi
erőforrásokban rejl ő lehetőségek, és természetesen az innovatív magatartás lokális
lenyomatai is a szabadalmak és a támogató-kiszolgáló intézményrendszer formájá-
ban. Több mint 80 darab, a városok fejlettségét, jelenlegi gazdasági-társadalmi-
humán paramétereit mér ő változóból főkomponens elemzéssel alakítottuk ki a cso-
portosítási alapkritériumként szolgáló fejlettségi indexeket. A statisztikai eljárás
eredményeként olyan standardizált alakú, skála szint ű változókat kapunk, amelyek
az eredeti információk jelent ős hányadát magukba sűrítve egyetlen értékkel képesek
jellemezni a városhálózat tagjainak különböz ő sajátosságait. Az eljárással öt dimen-
zióba tudtuk összes űríteni az eredeti, közel 40 releváns változót.
A gazdaság, a társadalmi élet és a munkaer ő-piaci struktúra esetében a 251 város
két, nagyjából egyenl ő nagyságú blokkra bontható fel: az átlagosnál kedvez őtlenebb
és az átlag feletti paraméterekkel rendelkez ő városok aránya megközelít őleg azo-
nos. Ezzel szemben az innovációs potenciálban komoly szerepet játszó humán-
felsőoktatási-kutatási szféra súlyát és az innovációs környezetet, valamint a tényleges
eredményeket mérő két főkomponens sokkal kiegyenlítetlenebb eloszlású. Ez arra
világít rá, hogy a városok legtöbbje jelent ős lemaradásban van az „innovációs elitt ől".
A humán állomány tekintetében a városok 78%-a, az innovációval kapcsolatban
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

150 Versenyképesség TÉT XVIII. évf. 2004 s2

pedig 76%-a az összesített városi átlagérték alatt van. A kétlépcs ős műveletben
sikerült elhatárolni egymástól tizenegy olyan csoportot, amelyek a gazdasági-
társadalmi-iskolázottsági-humán-innovációs tengelyek mentén kifeszül ő „térben"
viszonylagos bels ő homogenitást mutatnak, és ezzel párhuzamosan markánsan el is
különülnek egymástól.
13. TÁBLÁZAT
A hazai városhálózat legfontosabb klaszterjellemz ői
a megújítóképesség függvényében
(The Most Important Cluster Features of the Hungarian Urban Network
by the Renewing Capability)

Kiugró paraméterekkel rendelkez ők*
1. klaszter: Szeged, Pécs és 2. klaszter: Miskolc és Nyír- 3. klaszter: Gy őr, Székesfe-
Debrecen olyan fels őoktatási egyháza olyan fels őoktatási hérvár, Kecskemét els ődle-
és innovációs központok, és innovációs központ, ahol gesen innovációs központ-
amelyeknek kedvez őek a a kedvező munkaerő-piaci nak minősül megfelel ő
munkaerő-piaci és gazdasági paraméterekhez nem társul humán- és munkaerő-piaci
paraméterei. Az öt fejlettségi komoly potenciál. Az inno- paraméterekkel, különösen
dimenziót egybevetve a vációval összefügg ő fejlett- erős gazdasági potenciállal.
három regionális centrum ségi dimenziók tekintetében Szintén a kiugró innovációs
jelenleg a hazai városhálózat szintén az élvonalhoz tarto- adottságú városok közé
leginnovatívabb tagja. Ezek- zó olyan centrumszerepkör ű tartoznak abban az esetben,
ben a nagyvárosokban az nagyvárosokról van itt is ha a teljes halmazt vesszük
innovatív magatartások szó, akik az els ő klaszter alapul, de a fels őoktatási- és
elősegítésének, támogatásá- triádjához hasonló adottsá- kutatási aktivitás elmarad az
nak, és helyi megvalósításá- gokkal rendelkeznek a előző két klaszterhez képest.
nak mindegyik komponense gazdasági fejlettséget le-
kedvező jellemzőket mutat. számítva.
4. klaszter: Sopron, Szombat- 5. klaszter: A szentendrei, 6. klaszter: Gyöngyös, Keszt-
hely, Veszprém, Békéscsaba, szekszárdi, zalaegerszegi és hely, Gödöllő leírásakor a
Kaposvár és Eger magasan szolnoki adatok viszont már csak átlag közeli innovációs
az átlag feletti fels őoktatási- csak a kedvez ő munkaerő- potenciál mellett megjelen ő
humán, illetve társadalmi piaci és társadalmi környe- kiugró relatív humáner őfor-
jellegű paraméterekkel büsz- zet mellett megjelen ő eny- rás-állományra, a döntően
kélkedhet. Ezek a városok hén átlag feletti humán és felsőoktatási orientáltságra
elsődlegesen a fels őoktatási innovációs adottságokról hívhatnánk fel a figyelmet.
funkcióik miatt sorolhatóak tanúskodnak. Nem nevezhe- A megújuláshoz szükséges
az innováció szempontjából tők centrális szerepkör ű háttérelemeket mér ő fejlett-
megkülönböztetett helyzet ű településeknek az innováci- ségi mutatóik egységesen
klaszterek közé. Mindegyik ós jellemzők és a fels őokta- kedvezőek, de nagyfokú
mutató esetében átlag feletti tási-kutatási adottságok disszonancia mutatkozik a
adottságokkal rendelkeznek, szempontjából. két konkrétabb innovációs
de az innovativitási rátájuk mutatóban.
jóval mérsékeltebb a korábbi
klaszterekben tapasztaltakhoz
képest.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
TÉT XVIII. évf. 2004 s2 Versenyképesség 151

Átlagos, vagy átlag alatti paraméterekkel rendelkez ők
7. klaszter: Az egységesen 8. klaszter: A gazdasági, 9-11. klaszter: A hazai vá-
mérsékelten fejlett városok iskolázottsági és munkaer ő- roshálózat fennmaradó több
20-as halmaza az átlagosnál piaci szempontból kedvez ő mint 180 szerepl ője egysze-
minimálisan kedvez őbb hu- adottságú, átlagos humán és rűbb formában egy olyan
mán és innovációs adottsá- innovációs jellegű paramé- egységes klasztert alkot,
gokkal rendelkezik. Az átla- terekkel jellemzett klaszter amelynek alapvet ő konst-
gos, a teljes városhálózatra 23 települése a „második rukciós eleme az alulfejlett-
jellemző fejlettségi paraméte- vonalbeli" városhalmaz azon ség. A három belső csoport
rek „környékén", vagy kicsi- szegmensét képezi, ahol elkülönítését igazából az
vel felette helyezkednek el. kedvezőek a gazdasági és elmaradottság fokozatainak
munkaerő-piaci lehetőségek, kimutatása indokolta. Ők a
a foglalkoztatottak körében hazai városhálózat hátrányo-
a városi átlagot meghaladja sabb helyzet ű települései
a diplomások, a vezet ő- egységesen rossz fejlettségi
értelmiségi beosztásúak ará- mutatókkal, az innovációs
nya, de az újítóképesség potenciál teljes hiányával.
szempontjából elengedhetet- Differenciáló elemnek csak a
len humán és intézményi hagyományos fejlettségi pa-
jellegű innovációs faktorok raméterek (gazdasági, mun-
nem igazán mértékadóak. kaerő-piaci, infrastrukturális)
tekinthetők.
*A modell szempontjából reziduális elemnek min ősült a fővárosi agglomerációs gy űrű két
tagja (Budaörs, Budakeszi). E városokat nem tudtuk besorolni egyik klaszterbe sem, és iga-
zából nem alkottak önmagukban sem egy egységes csoportot. A városhálózatból kiugró
gazdasági és munkaer ő-piaci adottságaik, jó innovációs potenciáljuk, mérsékelt humán (fel-
sőoktatási és K+F) paraméterek mellett a f őváros „hatásáról" árulkodnak.
Forrás: MTA RKK NYUTI 2003.
Mivel a klaszterek sorrendje nagyjából a fejlettségbeli különbségeket követte,
ezért alkalmasnak bizonyult a városi innovációs potenciál „makrostruktúrájának"
megragadására is. A megoszlási adatok alapján megállapítást nyert, hogy a 251
város 75%-ában nem bukkanhatunk kedvez ő adottságokra az innovációs konfigurá-
ció egyik komponensében sem. A 9-10-11. klaszterekbe tömörül ő „várostömeg"
jelenleg még nem rendelkezik a lokális jelleg ű megújulási folyamatokat megalapo-
zó gazdasági, társadalmi, oktatási és kutatási adottságokkal, illetve az ezekre épül ő
funkciókkal. Számolhatunk egy másik nagyobb tömbbel is (7. és 8. klaszter). Ezt a
két csoportot a „második vonalnak" neveztünk el, mivel ők már átlagos, vagy egy
kicsivel átlag feletti paraméterekkel rendelkeznek. A városok 17%-ában tehát már
ma is megtalálható a kés őbbi fejlődés számos alappillére az intézményrendszer és a
humán elemek tekintetében. Igazából fejlett, már jelenleg is mérvadó innovációs
adottságokkal, és az ezekkel szorosan összefügg ő kedvező gazdasági-iskolázott-
sági-társadalmi paraméterekkel csak egy nagyon sz űk „kisebbség" rendelkezik.
Jelenleg Magyarországon az általunk összeállított és alkalmazott tényez ők figye-
lembevételével arra a megállapításra juthatunk, hogy csak a városhálózat 8%-os
tömbje jöhet számításba akkor, ha kell ő innovációs potenciálról beszélünk.
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
152 Versenyképesség TÉT XVIII. évf. 2004 s2

Az innovációs klaszterek részleges, redukált modelljében sikerült „kirostálnunk" a
kérdéskör szempontjából mérvadó városokat. Egy olyan nagyvonalú csomósodási
struktúra jött létre, amely megjelöli a f őbb egyenl őtlenségeket, a differenciáló er ő-
vonalakat, és azokat a megfigyelési egységeket is, amelyek besorolása nehézségek-
be ütközik. A redukált elemzés többlethozadékát az adta meg, hogy körvonalazó-
dott egy olyan „hierarchia", amelyben nemcsak a marginális helyzet ű, de az átme-
neti stádiumban lév ő „kétesélyes" települések is kidomborodtak.
A tanulmány záró részében az innovációs potenciál demográfiai, térbeli és id őbeli
sajátosságait tekintettük át, így még összetettebbé, árnyaltabbá vált a klaszter-
interpretáció. A lakónépesség mentén egy viszonylag pontos demarkációs vonalat
lehet kijelölni a hazai városhálózaton belül. A 40 ezer f ő alatti városaink legtöbbje
jelenleg nem rendelkezik olyan háttérfeltételekkel, amelyek innovatív mili őt te-
remthetnének a térség gazdasági és társadalmi szerepl ői számára. Az elkülönített
fejlettségi blokkok tagjainak területi eloszlása kapcsán tisztáztuk az egyes régiók
városainak megoszlását a klaszterbesorolás függvényében, másrészt fontos sajátos-
ságokra világított rá az egyes régiók városainak klaszteren belüli súlya is. Az álta-
lunk alkalmazott mutatócsoportok mentén elkülönített hasonló helyzet ű innovációs
adottságokkal rendelkez ő városhalmazok arány-szerkezetében kimutathatóak regio-
nális eltérések. Az Észak-magyarországi és a két alföldi régióban néhány kiugró
„teljesítményű" nagyvároshoz egy elmaradott, relatíve alulfejlett blokk csatlakozik.
Ez a szerkezeti ismérv jelent ős koncentráltságról árulkodik. A másik négy régióban
kiegyensúlyozottabban oszlik meg a települések „hasonlóságra épül ő elkülönülése".
Jóval nagyobb tömbben koncentrálódnak azok a városok, amelyek a
megújulóképesség szempontjából átlagos, vagy mérsékelten fejlett helyzetben van-
nak. Az ország északi és keleti felében a legnagyobb gondot nemcsak az aránytala-
nul nagy alulfejlettség jelenti, hanem fő leg az, hogy csekély számú a felzárkózásra
képes városok tábora. A városok „életkorát" is figyelembe véve egy lépcs őzetes
szerkezeti kép tárult elénk. Komoly megújulóképességgel a legtöbb esetben a már
több évtizedes, évszázados városi életformát felvonultató, finomító települések
rendelkeznek, viszont a városrendszer dinamikus kib ővítése radikális mérték ű pola-
rizálódáshoz vezetett.

Korlátok és lehet őségek — további kutatási irányok

A magyarországi településszerkezetben „lappangó" megújulókészség, innovációs
kapacitás-állomány empirikus feltérképezésének, numerikus megragadásának els ő
fázisában született ez a vizsgálat. Az adatgy űjtés a statisztikai felvételek korláto-
zottságából és gyakran ellentmondásosságából fakadóan nem egyeztethet ő össze
egy olyan innováció kutatással, amelyben különböz ő kvalitatív és kvantitatív mód-
szerekkel nyert friss és specifikus, strukturált információk állnak rendelkezésre.
Mivel a mutatók legtöbbje az elérhet ő adatfelvételekb ől, statisztikai gy űjtésekből
származik, ezért nem tekinthet ő egységesnek az id őtávlat szempontjából sem. Né-
hány innovációs index (pl. szabadalmak száma, MTA köztestületi tagok száma stb.)
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
TÉT XVIII. évf. 2004 s2 Versenyképesség 153

esetében komoly er őfeszítéseket igényelt a települési adatok összegy űjtése, kirostá-
lása. Ennek ellenére ezek közelítenek azokhoz az elvárásokhoz, amelyek koordinál-
hatják a jövőbeli adatgyűjtések és mérések célszer űségi és megbízhatósági kritéri-
umait. Az eredmények értékelésekor, a kritikai észrevételek megfogalmazása köz-
ben szem előtt kell tartani azt a stratégiai döntésünket is, mely a relatív fejlettséget
preferálta, szemben az abszolút értelemben vett innovációs kapacitásokkal. A jöv ő-
ben olyan egységes empirikus adatbankra lesz szükség, amely mindkét szemlélet
esetében összehasonlítható, egymásra-vonatkoztatható eredményeket produkál. Az
egy bizonyos bázisszámhoz (pl. lakónépesség) viszonyított fejlettségi paraméterek
mellett nem lehet elhanyagolni az innovatív magatartások, törekvések, intézmény-
rendszerek kumulált súlyát sem.
A településorientált versenyképesség-kutatásnak, illetve a sz űkebb mederben
megjelenő innovációs folyamatelemzésnek a következ ő években el kell szakadni a
jól bevált receptekt ől, a hagyományos makromutatóktól és ezek lokális transzfor-
mációitól. Ennek szükségességét a mi felmérésünk korlátozottsága is igazolja. Csak
néhány elemi kérdésfeltevés. Hogyan lehet kvalifikálni a fels őoktatást? Ha két
településen a lakosságszámra vetített karok vagy oktatók, min ősített szakemberek
kutatók száma, vagy éppen abszolút nagysága megegyezik, az egyértelm űen hason-
ló min őségi viszonyokra, adottságokra utal? Márpedig az innovativitás nem meny-
nyiségi kérdés. Mit kezdhetünk a gazdasági szférában „lappangó" innovációs ered-
ményekkel, K+F folyamatokkal, szaktudásokkal? Hogyan lehet az elzárkózó és
passzív, sőt mondhatni érdektelen vállalkozói szférát rábírni az együttm űködésre?
Miként jeleníthetőek meg a numerikus indexekben a fejlesztési folyamatok, nem
csak a kimetszett pillanatképként funkcionáló eseti adottságok? El lehet-e siklani az
innovatív törekvések hatásának „becslése", mérlegelése felett akkor, ha rangsorolni,
osztályozni és minősíteni akarjuk a hazai településhálózatot?
A városhálózat megújítását nem csupán hazai relációban kell elemeznünk. A
vizsgálatokat, döntően a nagyvárosok hálózatára gondolunk, el kell végezni nem-
zetközi összehasonlításban. Ma már nem csupán az kérdéses, hogy egymáshoz
viszonyítva a magyar nagyvárosok milyen helyzetben vannak, hanem az is, hogy
milyen pozíciót képviselnek az európai rendszerekben, vagy pontosabban a közép-
európai hálózatban. A jöv ő versenye már els ődlegesen nem országon belül, ellenke-
zőleg, nemzetközi vonatkozásban érvényesül, így abban a vonatkozásban kell
megmutatnunk városaink adottságait és lehet őségeit. Természetesen a nemzetközi
összehasonlítás számos további problémát felvet, ezekre is megfelel ő választ kell
adni a kutatás folytatásában. A következ ő kutatási szakaszban egyértelm űen el kell
kezdeni ezeknek a kérdéseknek a feldolgozását. Ki kell dolgozni egy olyan mód-
szertant, amely keresztmetszeti és longitudinális értelemben is képes arra, hogy a
konkrét valóságot, egy adott id őben, vagy egy koherens id őbeli láncolatban értel-
mezze, megjelenítse. Már korábban is utaltunk rá, hogy eltér ő paraméterek alkal-
mazása, az egyes dimenziók differenciált kombinációkra épül ő megkonstruálása
más csoportosítási elvekhez és outputokhoz vezet. Ez is egy járható út a jöv őben, de
a lehető „legoptimálisabb" forrásfelhasználás nem visz el őbbre a megismerésben. A
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.
154 Versenyképesség TÉT XVIII. évf. 2004 s2

jelenlegi eredmények megadják az „alaphangulatot" a következ ő vizsgálati stádiu-
mokhoz, mindennemű hiányosságai ellenére és fellelhet ő erényei révén. De csak
akkor állíthatunk fel majd kell ő bizonyossággal innovációs trendeket, vertikális
„rangsorokat", precíz min ősítéseket (település-bizonyítványokat), ha a gazdaság-
oktatás-igazgatás-társadalmi élet által lehatárolt keretrendszerben gondolkodva
vagyunk képesek kiszűrni a folyamatok lokális manifesztálódásait, vagy e helyett —
bár örvendetesebb lenne, ha emellett — felülvizsgáljuk a jelenlegi statisztikai kon-
cepcióinkat, gyakorlatainkat.

Jegyzetek

A tanulmány alapját a Nemzeti Kutatási és Fejlesztési Programok „A magyar régiók versenyképessége
az európai gazdasági térben" kutatás keretében zajló, az MTA RKK Nyugat-magyarországi Tudomá-
nyos Intézete által végzett, „A vezet ő magyar városok innovációs kapacitása és fejlesztési elképzelé-
sei" című 12-es részfeladat képezte. A kutatás témavezet ője: Prof. Dr. Horváth Gyula. A projekt
altémavezet ője Prof. Dr. Rechnitzer János.

Irodalom
A vezető magyar városok innovációs kapacitása és fejlesztési elképzelései. (2004) MTA RKK NYUTI
Közleményei, 156. MTA RKK Nyugat-magyarországi Tudományos Intézet, Gy őr.
Barsi B.—Csizmadia Z. (2001) Egy nagyváros helyzete az információs társadalomban. — Tér és Társada-
lom. 2.147-172. o.
Barsi B. (2002) Egy kisváros helyzete az információs társadalomban. — Tér és Társadalom. 3.85-102. o.
Csapó T. (2002) A magyar megyei jogú városok regionális funkciói. — Területi Statisztika. 3.228-252. o.
Dő ry T.—Ponácz Gy. M. (2003) Az infokommunikációs ágazatok szerepe és súlya a magyar városháló-
zatban. — Tér és Társadalom. 3.165-181. o.
Enyedi Gy. (1997) A sikeres város. — Tér és Társadalom. 4.1-9. o.
Izsák É. (2003) A városfejlődés természeti és társadalmi tényez ői: Budapest és környéke. Napvilág
Kiadó, Budapest.
Lengyel I.—Rechnitzer J. (2000) A városok versenyképességér ől. — Horváth Gy.—Rechnitzer J. (szerk.)
Magyarország területi szerkezete és folyamatai az ezredfordulón. MTA RKK, Pécs. 130-152. o.
Nagy G. (2002) Területi különbségek az információs korszak küszöbén. (Mit mérünk, és hogyan?) —
Területi Statisztika. 1.3-25. o.
Nemes Nagy J. (1996) Soprontól Nyíradonyig. Városok a piacgazdasági átmenetben. — Comitatus. 193-204. o.
Rechnitzer, J. (1993) Szétszakadás vagy felzárkózás. Az innovációt alakító térszerkezet. MTA RKK,
Győr.
Rechnitzer J. (2002) A városhálózat az átmenetben, a kilencvenes évek változási irányai. — Tér és Társa-
dalom. 3.165-183. o.
Rechnitzer J.—Grosz A.—Csizmadia Z. (2003) A magyar városhálózat tagozódása az infokommunikációs
infrastruktúra alapján az ezredfordulón. — Tér és Társadalom. 3.145-163. o.
Rechnitzer J.—Smahó M. (2004) A humán er őforrások regionális sajátossága az átmenetben. MTA RKK
Nyugat-magyarországi Tudományos Intézete, Gy őr. Kézirat.
Szirmai, V. et al. (2002) Verseny és/vagy együttműködés? Város és környéke kapcsolatai. MTA Szocio-
lógiai Kutatóintézet, MTA RKK NYUTI Közép-dunántúli Kutatócsoport, Budapest—Székesfehérvár.
Tímár J.—Velkey G. (szerk.) (2003) Várossiker alföldi néz őpontból. MTA RKK Alföldi Tudományos
Intézete, MTA Társadalomkutató Központ, Békéscsaba — Budapest.
• -
•
Rechnitzer János – Csizmadia Zoltán – Grosz András: A magyar városhálózat
-

tudásalapú megújító képessége az ezredfordulón. Tér és Társadalom, 18. 2004. 2. 117–156. p.

TÉT XVIII. évf. 2004 s2 Versenyképesség 155

,o T- cs"..
N o 7 a c.A
N

00
O sr)..

Kedvezőtlen innovációs mutatók
so. so.
oo • 1./1 O es1 N
•-1

00 rn C.
O .1. 0 e-A .n oö
C•1
cl. v5
0,
C•1

•,* 0 0 0 0 0

•-• c.., 00 [V ,0 oo o
O esi oc>'
N

cs".. M (-4
o N ö000 0
0, m- (V

O m. m q 1", T n ,
(V O O 0, C> N 0-
oo 0 (V

n n
oo r r-. O5
r- N

• N rv ‘C›.
.
>
0s•• sC> O rc:

O
O 00 00 0 0.
.1' 0
V1 00 00

tr>
O oö oö
c".
oo 00

cr.,. r- m a r- o c>.
• oo r-
wz>.
r-

", un 0 cfr 00 cr
8 co M cc g" c... r.c.;
r- cr. 00
s.0

r0 t"' o•
S • v-> (.1 ,c 0.s
m r-

!_g.
6' g t
,
Bejegyzett domain szerverek aránya az összesen belül2001

§ 8 5.
.....
co co 8
E E

.
0
..0 2.
.-" ;5
.C. 71,*
C
o &
Z' 2 ró
Forr MTA RKK NYUTI 2003.

9
. 44 0
MTA köztestületi tagok száma 2002

▪
4 O
.Z; E5 . .. f0"
.
1 . rd

2 -1
2
•-
▪ 3

g — .0
-.- .: '2
. .5.
`.s'-', 5 4.) -.. e§
4..; ',
2 4
4
' S - g L g> to ‘•2
'
-2 .-6 5.
;-. 3. ,
...
-
'''
>>. ,o O
ás:

1 'W . ' ' ;› ‘; 1
c '
'<". '>' Ét. 1 N 49
')