PODEJŚCIE POTENCJAŁOWE

DO ANALIZY

MIEJSKICH OBSZARÓW FUNKCJONALNYCH

Marcin Baron

Opracowano na podstawie artykułu złożonego do publikacji w czasopiśmie „Studia ekonomiczne”.

Streszczenie

W prezentacji zobrazowano podejście metodyczne do analizy miejskich obszarów funkcjonalnych (MOF) przez pryzmat ich potencjałów rozwojowych.

Przedstawiono rozwiązanie koncepcyjne w tym zakresie oraz wyniki badania pilotażowego polskich metropolitalnych MOF.

Wg przyjętej metodyki można je sklasyfikować w 3 podzbiory. Pierwszym – jednoelementowym – jest MOF Warszawy. Podzbiór drugi, wyróżniających się metropolitalnych MOF, tworzą MOF: Gdańska, Krakowa, Poznania oraz Wrocławia. Do trzeciego podzbioru, pozostałych metropolitalnych MOF, należą MOF: bydgosko-toruński, Katowic, Lublina, Łodzi i Szczecina.

Potencjał rozwojowy

Zasób dla przyszłych korzyści

Pietrzyk, 2000

Szlachta, 2009

Nazarczuk, 2013

Piontek, 2015

Miejski obszar funkcjonalny

Delimitacja

P. Śleszyńskiego

[2013]

Model

Model regionalnej polityki miejskiej województwa śląskiego

[Kuźnik i in. 2014, 2015]

Ujęcie potencjałowe:

potencjał rezydencjalny

potencjał innowacyjny

Operacjonalizacja

MOF

NUTS2

NUTS3 Miejsc.

Warsztaty regionalne – identyfi-kacja potencjałów

Mi e rn i k i

Potencjał rezydencjalny (2012)

MOF r1 r2 r3 r4 r5 r6 r7 r8 r9 r10 r11 r12

MOF bydgosko-toruński 0,8931 0,3102 0,1054 0,9673 0,7653 0,0148 0,1298 0,4404 0,1995 0,0000 0,1839 0,0756

MOF Gdańska 0,8016 0,8589 0,4257 0,2804 0,5729 0,1840 0,1962 0,7290 0,2294 0,6900 0,8163 0,2877

MOF Katowic 0,6454 0,0000 0,0000 0,8984 0,7402 0,1061 0,4696 0,0000 0,3519 0,1837 1,0000 0,4457

MOF Krakowa 0,7683 0,6763 1,0000 0,7570 0,0000 0,1994 0,2802 0,1752 0,3355 0,3774 0,0497 0,2863

MOF Lublina 0,8260 0,5270 0,2660 1,0000 0,5374 0,0000 0,0000 0,2327 1,0000 0,3387 0,1140 0,0000

MOF Łodzi 0,0000 0,2304 0,3796 0,3294 1,0000 0,1056 0,2846 0,1717 0,0000 0,4866 0,0000 0,6658

MOF Poznania 1,0000 0,6351 0,6756 0,2944 0,6145 0,3726 0,7957 0,5588 0,3532 0,3082 0,1660 0,2314

MOF Szczecina 0,8198 0,3845 0,1380 0,0000 0,6592 0,0584 0,2407 0,3122 0,2901 0,2665 0,0573 0,2753

MOF Warszawy 0,5238 0,7123 0,5712 0,5760 0,3869 1,0000 1,0000 1,0000 0,1892 0,3177 0,6705 1,0000

MOF Wrocławia 0,6647 1,0000 0,5729 0,4766 0,8996 0,3132 0,3777 0,4579 0,4303 1,0000 0,1826 0,7022

Unikanie obc. demog.

Mieszkaln.

Kultura wys.

Krajobraz

Handel

Bogactwo

Mieszkaln. publ.

Transport Kultura

Potencjał innowacyjny (2012)

Nakłady innow.

Zatrudn. B+R

Produktywność

Inwestycje

Wyposaż. tech.

MOF i1 i2 i3 i4 i6 i7 i8

MOF bydgosko-toruński 0,0000 0,1100 0,0000 0,2696 0,0165 0,3408 0,5950

MOF Gdańska 0,1159 0,7448 0,4906 0,6109 0,7497 0,5350 0,5560

MOF Katowic 0,2275 0,5048 0,1171 0,4023 0,5455 0,5524 0,0000

MOF Krakowa 0,0927 0,5999 0,7375 0,2347 0,0736 0,1805 1,0000

MOF Lublina 0,0063 0,0444 0,2200 0,0000 0,1288 0,0000 0,5772

MOF Łodzi 0,2677 0,1544 0,2933 0,3302 0,0000 0,1913 0,5742

MOF Poznania 0,0934 0,1533 0,3256 0,5759 0,5298 0,5602 0,6109

MOF Szczecina 0,1999 0,0000 0,1318 0,5768 0,8184 0,4282 0,6142

MOF Warszawy 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,1992

MOF Wrocławia 0,1754 0,6117 0,3603 0,4065 0,6967 0,4063 0,7220

Zasil. kadrowe

Wskaźniki syntetyczne (2012)

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

MOF bydgosko-toruński

MOF Gdańska

MOF Katowic

MOF Krakowa

MOF Lublina

MOF Łodzi

MOF Poznania

MOF Szczecina

MOF Warszawy

MOF Wrocławia

Potencjał innowacyjny

Potencjał rezydencjalny

Podsumowując

Selektywne podejście – nie wszystko jest potencjałem rozwoju (metropolitalnego).

Wyraźnie zarysowane 2 grupy + MOF Warszawy.

Słabość danych statystycznych w ogóle, w szczególności w układzie MOF; podejście grid na obecną chwilę nierealne dla MOF.

Wykorzystanie szeregów czasowych i wartości uśrednionych w czasie może zredukować potencjalne zafałszowania obrazu.