Agglomeratie en congestie in Vlaanderen · 2018. 2. 26. · economische prestaties van regio’s...

Steunpunt Economie & Ondernemen www.steunpuntore.beWaaistraat 6/3550 [email protected] Leuven, België

Beleidsrapport STORE-B-16-003

Agglomeratie en congestie in

Vlaanderen

Lieselot Baerta,b,* en Jo Reynaerts∗,a,b,+

aSteunpunt Economie & OndernemenbVlaams Instituut voor Economie & Samenleving (VIVES), Faculteit Economie en

Bedrijfswetenschappen, KU Leuven*[email protected][email protected]

28 maart 2017

∗ c© STORE en KU Leuven (2016). De auteurs wensen Joep Konings en Cathy Lecocq tebedanken voor opmerkingen en suggesties, Sander Ramboer en Jakob Vanschoonbeek voor deonderzoeksondersteuning, en Stefaan Hoornaert van het Vlaams Verkeercentrum voor het terbeschikking stellen van de verkeersgegevens. De resultaten in dit rapport geven de mening vande auteurs weer en niet deze van de Vlaamse overheid: de Vlaamse Gemeenschap/het VlaamsGewest is niet aansprakelijk voor het gebruik dat kan worden gemaakt van de in deze mededelingof bekendmaking opgenomen gegevens.

www.steunpuntore.bemailto:[email protected]:[email protected]:[email protected]://www.steunpuntore.be

Samenvatting

Dit rapport brengt de concentratie van economische activiteit in Vlaanderen

en Brussel in kaart. Daartoe stelt het een nieuwe methode voor die de

bestaande literatuur aanpast en uitbreidt om agglomeratie en congestie op

een correcte wijze te kunnen meten en voorstellen. In overeenstemming met

de literatuur wordt de tewerkstelling van bedrijven in dezelfde en andere

sectoren gebruikt om spillovers uit agglomeratie te meten. De correcte

meting van congestie berust in dit rapport verder op cijfers afkomstig van

het Vlaams Verkeerscentrum die de werkelijke omvang van de files meten

en niet op benaderingen zoals bijvoorbeeld huurprijzen en lonen of het

aantal geregistreerde wagens in een bepaalde regio. Wat de ontwikkeling en

toepassing van de nieuwe kernindicatoren voor agglomeratie en congestie

betreft, erkent de methode dat beide fenomenen lokaal van aard zijn en dusrekening moeten houden met de context waarin individuele bedrijven zich

bevinden. Deze context wordt enerzijds geoperationaliseerd aan de hand

van het concept van een invloedszone die voor een individueel bedrijf zowelde ondernemingen als de omliggende weginfrastructuur identificeert die

zich binnen een bepaalde straal bevinden. Anderzijds worden de gemeten

waarden voor agglomeratie en congestie lokaal bestudeerd, d.i. ten opzichte

van de verkeerszones (grosso modo de verschillende Vlaamse provincies) waarinze gesitueerd zijn. De toepassing van de voorgaande methode leert dat (i) deomvang van de agglomeratieen congestiemaatstaven regionaal verschillt,

en (i) agglomeratie en congestie sterk maar niet perfect gecorreleerd zijn.

Steunpunt Economie en Ondernemen en KU Leuven (2016) i

http://www.steunpuntore.be

Inhoudsopgave

1. Inleiding 1

2. Beschrijving van de gegevens 3

2.1. Congestiegegevens . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42.1.1. Maatstaven voor congestie . . . . . . . . . . . . . . . . . . . 42.1.2. Dekkingsgraad van het meetnet . . . . . . . . . . . . . . . . 62.1.3. Beschrijvende statistieken . . . . . . . . . . . . . . . . . . . . 7

2.2. Bedrijfsgegevens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2.1. Behandeling van de bedrijfsgegevens . . . . . . . . . . . . . 92.2.2. Beschrijvende statistieken . . . . . . . . . . . . . . . . . . . . 9

3. Bedrijfsspecifieke indicatoren voor agglomeratie en congestie 15

3.1. Berekening van de indicatoren . . . . . . . . . . . . . . . . . . . . . 153.1.1. Invloedszone van een onderneming . . . . . . . . . . . . . . 153.1.2. Agglomeratie-indicator . . . . . . . . . . . . . . . . . . . . . 163.1.3. Congestie-indicator . . . . . . . . . . . . . . . . . . . . . . . . 18

3.2. Agglomeratie en congestie in Vlaanderen . . . . . . . . . . . . . . . 203.2.1. Wisselwerking tussen agglomeratie en congestie . . . . . . . 24

4. Besluit en verder onderzoek 26

4.1. Overzicht en besluit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264.2. Beperkingen en opmerkingen . . . . . . . . . . . . . . . . . . . . . . 264.3. Verder onderzoek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

A. Data 33

Steunpunt Economie en Ondernemen en KU Leuven (2016) ii


Lijst van figuren

1. Gemiddeld aantal voertuigverliesuren in Europa (2014) . . . . . . . 22. Het ring- en snelwegennet in Vlaanderen en Brussel . . . . . . . . 53. Congestie-indicatoren voor het meetnet (index, 2010 = 100) . . . . 64. Geografische spreiding van de ondernemingen in de steekproef

per hoofdsector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105. Evolutie van het aantal ondernemingen (2010–2014, index 2010 =

100) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136. Evolutie van de sectorale tewerkstelling (2010–2014, index 2010 =

100) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137. Invloedszone van een onderneming . . . . . . . . . . . . . . . . . . 168. Berekening van de agglomeratie-index (vereenvoudigde illustratie) 179. Berekening van de congestie-index (vereenvoudigde illustratie) . . 1910. Vlaamse verkeerszones . . . . . . . . . . . . . . . . . . . . . . . . . . 2211. Top-10 agglomeratie-indicator AGG met straal van de invloedszone

r = 10 km per sector volgens verkeerszones (mediane waardes, 2014) 2312. Top-10 congestie-indicator CON met straal van de invloedszone

r = 10 km per sector volgens verkeerszones (mediane waardes, 2014) 23

Lijst van tabellen

1. Top-5 drukste ring- en snelwegen in absolute cijfers (2014) . . . . . 82. Top-5 drukste ring- en snelwegen in relatieve cijfers (2014) . . . . . 83. Aantal ondernemingen met één enkele vestiging met tewerkstel-

lingscijfers per jaar (2010–2014) . . . . . . . . . . . . . . . . . . . . . 94. Beschrijvende statistieken voor tewerkstelling (in voltijdse equiva-

lenten, VTE) per hoofdsector (2014) . . . . . . . . . . . . . . . . . . 115. Evolutie van het aantal ondernemingen en de sectorale tewerkstel-

ling (2010-2014) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146. Agglomeratie- en congestie-indicatoren volgens straal van de in-

vloedszone (2014) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217. Agglomeratie- en congestie-indicatoren volgens straal van de in-

vloedszone opgedeeld volgens verkeerszone (2014) . . . . . . . . . 218. Correlatie tussen de congestie-indicatoren (2014) . . . . . . . . . . . 259. Correlatie tussen de agglomeratieen congestie-indicatoren (2014) 25

Steunpunt Economie en Ondernemen en KU Leuven (2016) iii


10. Pendelstromen in Vlaanderen en Brussel volgens verkeerszone(2010–2013) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

11. Filezwaarte en verkeersvolume voor de ring- en snelwegen inVlaanderen en Brussel (2014) . . . . . . . . . . . . . . . . . . . . . . 34

Steunpunt Economie en Ondernemen en KU Leuven (2016) iv


1. Inleiding

Transactiekosten zorgen ervoor dat het voor economische agenten voordeliger isom zich in elkaars nabijheid te vestigen (Ellison en Glaeser, 1997). Deze spontaneconcentratie van economische activiteit werkt immers een kostenverminderingmet betrekking tot het verplaatsen van goederen, arbeid en kennis in de hand(Marshall, 1890). Zo toont het agglomeratiemodel van Ciccone en Hall (1996) aandat producenten van finale goederen, gevestigd in de nabijheid van een producentvan intermediaire goederen die gekenmerkt wordt door een productietechnologiemet toenemende schaalvoordelen, genieten van lagere inputprijzen.1 In de litera-tuur bestaat dus een consensus dat agglomeratie-effecten de performantie vanondernemingen ten goede komen. Een metastudie van 34 gepubliceerde artikelsdoor Melo et al. (2009) toont aan dat de omvang van deze effecten echter zeerverschillend kan zijn. De auteurs besluiten dat de onderzoeksresultaten in eenhoge mate afhankelijk zijn van de specifieke context, met name de bestudeerdelanden, sectoren en/of agglomeratie-indicatoren.

Drucker en Feser (2012) en Arikan et al. (2016) vinden echter dat de perfor-mantie van ondernemingen zowel positief als negatief beı̈nvloed kan wordendoor de agglomeratie van economische activiteiten, afhankelijk van de mate vanconcentratie. De nooit eerder geziene versnelling in het proces van agglomeratieen urbanisatie van de voorbije decennia heeft er dus voor gezorgd dat de posi-tieve agglomeratie-effecten onder druk komen te staan. Negatieve externaliteitenvertalen zich onder meer in hoge vastgoedprijzen, hogere lonen, vervuiling ofverkeerscongestie, en hebben zowel betrekking op producenten als consumenten.In lijn met Weisbrod et al. (2001) en Sweet (2014) stellen we dat de economischeperformantie van ondernemingen vooral bemoeilijkt wordt door congestie ondermeer door een belemmerde toegang tot arbeid en intermediaire goederen, lateleveringen of gestresseerde en minder productieve werknemers. Op basis vanregionale cijfergegevens vinden Broersma en van Dijk (2008) voor Nederland enHymel (2009) en Sweet (2014) voor de Verenigde Staten evidentie voor het bestaanvan negatieve effecten van verkeerscongestie op de regionale werkgelegenheid-en productiviteitsgroei. De Organisatie voor Economische Samenwerking enOntwikkeling (2013) en de Europese Commissie voor Mobiliteit en Transport(2015) stellen eveneens dat de kosten van congestie niet gering zijn: 1 tot 2% vanhet bruto binnenlands product (BBP) gaat jaarlijks verloren door files. In haar

1Voor een onderneming die gekenmerkt wordt door een productietechnologie met toene-mende schaalvoordelen dalen de gemiddelde productiekosten naarmate er meer geproduceerdwordt.

Steunpunt Economie en Ondernemen en KU Leuven (2016) 1


jaarlijkse beoordeling wees het IMF (2016) recent nog op de negatieve impact vande files in België op de tewerkstelling en investeringen en gaf het de Belgischeregering het advies om dringend werk te maken van het fileprobleem.

Figuur 1: Gemiddeld aantal voertuigverliesuren in Europa (2014)

0 10 20 30 40 50

gemiddeld aantalvoertuigverliesuren

Italië (IT)

Ierland (IE)

Oostenrijk (AT)

Frankrijk (FR)

Zwitserland (CH)

Verenigd Koninkrijk (UK)

Luxemburg (LU)

Duitsland (DE)

Nederland (NL)

België (BE)

0 20 40 60 80 100

gemiddeld aantalvoertuigverliesuren

Hamburg (DE)

Rotterdam (NL)

Den Haag (NL)

Gent (BE)

Düsseldorf (DE)

Utrecht (NL)

Milaan (IT)

Karlsruhe (DE)

Antwerpen (BE)

Stuttgart (DE)

Keulen (DE)

Brussel (BE)

Londen (UK)

Bron: INRIX (2015), eigen voorstelling.

Figuur 1 illustreert de congestieproblematiek in Europa op het nationale enregionale niveau aan de hand van het gemiddeld aantal voertuigverliesuren(VVU) voor het jaar 2014 (INRIX, 2015). Deze indicator voor congestie kwan-tificeert de tijd (in uren) die voertuigen samen gemiddeld verliezen ingevolgevertraagd verkeer of fileverkeer (Vlaams Verkeerscentrum, 2016). De figuur toontdat automobilisten in Europa in 2014 het meeste tijd verloren op de Belgischewegen. De top vijf wordt vervolledigd door Nederland, Duitsland, Luxemburgen het Verenigd Koninkrijk. Wanneer we de congestiecijfers op het regionaleniveau bestuderen, zien we dat Londen de kroont spant wat betreft filezwaarte.Brussel, Antwerpen en Gent bekleden eveneens een plek in de top-15 van druksteEuropese steden. De verankering van internationale en/of publieke instellingenen de sterk ontwikkelde dienstensector in Brussel enerzijds, en het zware vracht-verkeer in en rond de haven van Antwerpen anderzijds liggen waarschijnlijkmee aan de basis van deze hoge cijfers, evenals het overmatig gebruik van hetBelgische wegennet in afwezigheid van een algemene kilometerheffing of anderecongestiereducerende maatregelen. Het toenemend en sterk regionaal geconcen-treerd congestieprobleem in Vlaanderen en Brussel maakt economisch onderzoeknaar de wisselwerking tussen positieve en negatieve agglomeratie-effecten en de



economische prestaties van regio’s en/of bedrijven bijzonder relevant voor zowelondernemingen als regionale en nationale overheden.

Om de impact van agglomeratie en congestie op economische prestaties tekunnen meten, brengt dit rapport de concentratie van economische activiteit inVlaanderen en Brussel in kaart. Daartoe stelt het een nieuwe methode voor diede bestaande literatuur aanpast en uitbreidt om agglomeratie en congestie op eencorrecte wijze te kunnen meten en voorstellen. Wat agglomeratie betreft, wordtin navolging van de Marshalliaanse en Jacobiaanse traditie de tewerkstelling vanbedrijven in dezelfde en andere sectoren gebruikt om spillovers tussen onder-nemingen onderling te meten. De meting van congestie berust in dit rapportop cijfers afkomstig van het Vlaams Verkeerscentrum (2016) die de werkelijkeomvang van de files meten en niet op benaderingen zoals bijvoorbeeld huurprij-zen, lonen of het aantal geregistreerde wagens in een bepaalde regio. Wat deontwikkeling en toepassing van de nieuwe kernindicatoren voor agglomeratie encongestie betreft, erkent de methode dat beide fenomenen lokaal van aard zijnen dus rekening moeten houden met de context waarin individuele bedrijvenzich bevinden. Deze context wordt enerzijds geoperationaliseerd aan de handvan het concept van een invloedszone die voor een individueel bedrijf zowel deondernemingen als de omliggende weginfrastructuur identificeert die zich binneneen bepaalde straal bevinden. Anderzijds worden de gemeten waarden vooragglomeratie en congestie regionaal vergeleken voor de verkeerszone (grossomodo de verschillende Vlaamse provincies) waarin ze gesitueerd zijn. De voor-naamste bevindingen kunnen als volgt worden samengevat: (i) de omvang vande agglomeratieen congestiemaatstaven verschilt regionaal, en (i) agglomeratieen congestie zijn sterk, maar niet perfect gecorreleerd.

Dit rapport is als volgt opgebouwd. Deel 2 beschrijft de samenstelling van desteekproef op basis van cijfergegevens afkomstig van het Vlaams Verkeerscentrum(2016) en Bureau van Dijk (2016). De motivering achter en de berekening vande bedrijfsspecifieke agglomeratieen congestie-indicatoren wordt besproken indeel 3. Deel 4 besluit, licht enkele beperkingen van de studie toe en geeft eeneerste aanzet voor verder onderzoek op basis van de in dit rapport voorgesteldemethode.

2. Beschrijving van de gegevens

De in dit rapport gehanteerde steekproef werd samengesteld op basis van cijferge-gevens afkomstig van twee bronnen, enerzijds het Vlaams Verkeerscentrum (2016)



voor de de maatstaven voor congestie, en anderzijds Bureau van Dijk (2016) voorde gedetailleerde bedrijfsgegevens voor alle actieve ondernemingen in België. Detijdspanne beslaat de periode 2010–2014.

2.1. Congestiegegevens

Om congestie te meten, maken we gebruik van gedetailleerde cijfergegevensover de verkeerssituatie op de voornaamste ring- en snelwegen in Vlaanderenen Brussel, afkomstig van het meetnet dat sinds 2010 wordt uitgebouwd doorhet Vlaams Verkeerscentrum (2016), zie Figuur 2 voor een grafische voorstel-ling. Deze unieke cijfergegevens die nog niet eerder aangewend werden vooreconomisch onderzoek bevatten verkeersindicatoren per wegsegment, waarbijeen wegsegment gedefinieerd wordt als een stuk snelweg tussen twee opeenvol-gende uitwisselingspunten waartussen geen verkeer de snelweg kan toetreden ofverlaten. Met andere woorden, binnen eenzelfde wegsegment kan er bijgevolggeen verkeer bijkomen of verdwijnen.

2.1.1. Maatstaven voor congestie

Congestie wordt gemeten aan de hand van twee indicatoren die beiden uitgedruktworden in voertuiguren of kortweg uren; de indicator voertuigverliesuren (VVU)kwantificeert de tijd die voertuigen samen gemiddeld verliezen op de snelwegingevolge vertraagd verkeer, terwijl de indicator voertuigverliesuren file (VVUF) detijd kwantificeert die voertuigen samen gemiddeld verliezen op de snelweg inge-volge fileverkeer. De laatstgenoemde indicator meet met andere woorden enkelde zogenaamde structurele files, terwijl de eerstgenoemde indicator eveneenscontroleert voor incidentele congestie te wijten aan externe factoren zoals onge-vallen en wegenwerken. Het voordeel van beide maatstaven is dat deze zoweltijds- als afstandsverliezen in rekening brengen en bijgevolg beschouwd kunnenworden als de beste indicatoren voor het beschrijven van de verkeerstoestand(Hymel, 2009; Vlaams Verkeerscentrum, 2016). Tot slot is het belangrijk om tebenadrukken dat we enkel over congestiecijfers voor de voornaamste ring- ensnelwegen in Vlaanderen en Brussel beschikken; er kan bijgevolg geen uitspraakworden gedaan over de verkeerssituatie op de lokale wegen. Onderzoek doorFosgerau (2015) geeft echter aan dat de analyses niet beı̈nvloed worden door eendergelijke beperking omdat de concentratie van verkeer over de verschillendetypes van wegen binnen eenzelfde gebied erg vergelijkbaar is. Automobilistenvertonen immers dynamisch optimaliserend rijgedrag waardoor ze hun route



Figu

ur2:

Het

ring

-en

snel

weg

enne

tin

Vla

ande

ren

enBr

usse

l

Bro

n:V

laam

sVe

rkee

rsce

ntru

m(2

016)



constant aanpassen aan de huidige verkeersomstandigheden om de drukste delenvan het wegnetwerk te vermijden.

2.1.2. Dekkingsgraad van het meetnet

Sinds 2010 neemt de dekkingsgraad van het meetnet (d.i. het totale aantal weg-segmenten waarvoor congestie-indicatoren worden gerapporteerd) stelselmatigtoe. De evolutie van de voorgestelde congestiemaatstaven is daarom veeleerindicatief omwille van de nog onvolledige dekking van het meetnet. Sinds 2011zijn echter voldoende meetinstallaties operationeel om een volledige dekking vande hoofdrijbanen van de Vlaamse snelwegen te garanderen en in 2012 werden ookalle op-en afrittencomplexen en knooppunten op het Vlaamse hoofdwegennetuitgerust met meetinstallaties (Verkeerscentrum Vlaanderen, 2011). De evolutiesin de congestiemaatstaven zijn bijgevolg een combinatie van de evolutie van hetverkeer enerzijds en de evolutie van het aantal bemeten wegsegmenten ander-zijds. Het Vlaams Verkeerscentrum (2016) stelt daarom de verhouding van deindicatoren VVU en VVUF ten opzichte van de indicator gepresteerde voertuiguren(GVU) voor als een meer stabiele maatstaf voor congestie, waarbij de laatste indi-cator de tijd kwantificeert die voertuigen samen gemiddeld hebben doorgebrachtop het wegennet.2 Deze ratio is minder gevoelig voor de onvolledige dekkingvan het meetnet. Ter illustratie toont figuur 3 de evolutie van de voertuigver-

Figuur 3: Congestie-indicatoren voor het meetnet (index, 2010 = 100)

100

150

200

250

300

350

2010 2011 2012 2013 2014

VVU GVU RVVU

Bron: Vlaams Verkeerscentrum (2016), eigen voorstelling.

2De indicator GVU kwantificeert de tijd die voertuigen doorbrengen op de snelweg bij vlotverkeer.



liesuren (VVU, zwarte lijn), de gepresteerde voertuiguren (GVU, blauwe lijn)en de verhouding van deze congestiemaatstaf en de gepresteerde voertuiguren(RVVU = VVU/GVU, zwarte stippellijn) voor de Brusselse buitenring (R0 infiguur 2). Alle indicatoren vertonen een gelijkaardig stijgend patroon, maar deveranderingen in de absolute congestie-indicator (VVU) zijn meer uitgesprokendan voor de gepresteerde voertuiguren (GVU) en de relatieve indicator (RVVU).De operationalisering van meetinstallaties voor een volledige dekking van deVlaamse snelwegen over de periode 2010–2011 verklaart de sterke stijging in deverkeersindicatoren in het jaar 2011.

2.1.3. Beschrijvende statistieken

Een volledig overzicht van de verkeersvolumes voor alle ring- en snelwegenin Vlaanderen en Brussel wordt weergegeven in Tabel 11 in appendix A. Terillustratie toont tabel 1 de totale verkeersvolumes voor de top vijf van de drukstering- en snelwegen in Vlaanderen en Brussel voor het jaar 2014. We stellen vastdat de totale congestie gemeten aan de hand van voertuigverliesuren (VVU) envoertuigverliesuren file (VVUF) voor de verschillende rijrichtingen voor sommigesnelwegen erg uiteenlopend is. De cijfergegevens in tabel 1 geven aan dat defilezwaarte voor de Brusselse en Antwerpse binnen- en buitenring sterk vergelijk-baar is, terwijl voor de snelweg A1/E19 de voertuigverliesuren richting Brusseldriemaal hoger zijn dan deze richting Antwerpen. De gepresteerde voertuiguren(GVU) stemmen daarentegen wel sterk overeen voor de verschillende rijrichtingen.Tabel 2 toont dat de volgorde van de top vijf van de drukste ring- en snelwegengrondig wijzigt wanneer we rangschikken op basis van de relatieve maatstavenvoor congestie. Zo zien we dat de snelweg A4/E41 in de richting van Brusselhet meest af te rekenen krijgt met file. De Brusselse en Antwerpse binnen- enbuitenring en de snelweg A1/E19 richting Antwerpen behoren nog steeds totde top vijf van drukste ring- en snelwegen. De top wordt vervolledigd door desnelweg A3/E40 richting Brussel.

2.2. Bedrijfsgegevens

De bel-first gegevensbank rapporteert jaarlijks bedrijfsgegevens voor alle actievebedrijven in België en Luxemburg (Bureau van Dijk, 2016). Uit deze gegevensbankhalen we voor elke onderneming gevestigd in Vlaanderen en Brussel informatieover de locatie, de NACE Rev. 2 2-cijfer sector en de tewerkstelling gecreëerddoor de onderneming.



Tabel 1: Top-5 drukste ring- en snelwegen in absolute cijfers (2014)

Top-5 Snelweg en rijrichtingen Aantal VVU VVUF GVU

1 R0 Buitenring Brussel 38 9,197 6,272 37,810Binnenring Brussel 37 8,895 5,862 38,403

2 R1 Binnenring Antwerpen 13 4,455 2,641 17,300Buitenring Antwerpen 15 3,975 2,566 16,642

3 A1/E19 Antwerpen - Brussel 19 4,173 3,088 20,415Brussel - Antwerpen 19 1,332 769 18,638

4 A10/E40 Oostende - Brussel 40 3,804 2,063 45,916Brussel - Oostende 43 1,789 830 43,705

5 A14/E17 Rijsel (F) - Antwerpen 45 3,569 2,586 41,801Antwerpen - Rijsel (F) 46 1,763 1,223 41,397

Opmerking: Aantal, VVU, VVUF en GVU verwijzen naar het totaal aantalwegsegmenten, de voertuigverliesuren, de voertuigverliesuren file en degepresteerde voertuiguren.Bron: Vlaams Verkeerscentrum (2016), eigen berekeningen.

Tabel 2: Top-5 drukste ring- en snelwegen in relatieve cijfers(2014)

Top-5 Snelweg en rijrichtingen Aantal RVVU RVVUF

1 A4/E41 Namen - Brussel 6 0.3144 0.2409Brussel - Namen 6 0.0273 0.0190

2 R1 Binnenring Antwerpen 13 0.2575 0.1527Buitenring Antwerpen 15 0.2389 0.1542

3 R0 Buitenring Brussel 38 0.2432 0.1659Binnenring Brussel 37 0.2316 0.1526

4 A1/E19 Antwerpen - Brussel 19 0.2044 0.1513Brussel - Antwerpen 19 0.0715 0.0413

5 A3/E40 Luik - Brussel 17 0.1440 0.0923Brussel - Luik 19 0.0588 0.0376

Opmerking: Aantal, RVVU en RVVUF verwijzen naar het totaalaantal wegsegmenten, de verhouding van de voertuigverliesuren(VVU/GVU) en de voertuigverliesuren file (VVUF/GVU) ten op-zichte van de gepresteerde voertuiguren.Bron: Vlaams Verkeerscentrum (2016), eigen berekeningen.



2.2.1. Behandeling van de bedrijfsgegevens

Vermits agglomeratie-effecten het resultaat zijn van interacties tussen individuelebedrijven, is de locatie van elke onderneming van groot belang. Omdat wevooralsnog niet beschikken over locatie- en tewerkstellingscijfers op het niveauvan de vestigingen van multi-plant ondernemingen (d.i. bedrijven met meerderevestigingen), wordt de steekproef beperkt tot single-plant ondernemingen (d.i. be-drijven met één enkele vestiging) (Mare en Graham, 2013; Martin et al., 2011; Holl,2016).3 Het beperken van de steekproef tot single-plant ondernemingen heeftechter tot gevolg dat we geen uitspraak kunnen doen over de volledige populatievan Vlaamse en Brussels ondernemingen. Deze groep van single-plant bedrijvenwordt geı̈dentificeerd met behulp van gegevens afkomstig van de Kruispuntbankvoor ondernemingen (2015) die gedetailleerde informatie bevat over het aantalvestigingen per onderneming. We elimineren vervolgens alle ondernemingenwaarvoor tewerkstellingsgegevens (d.i. aantal werknemers in voltijdse equivalen-ten) nulwaarden aannemen of ontbreken, omdat deze ondernemingen (1) nietbijdragen tot de werkgelegenheidscreatie in Vlaanderen en het Brussels Hoofdste-delijk Gewest, en (2) geen agglomeratie-effecten generen. Tabel 3 toont het aantalactieve ondernemingen in de steekproef met één enkele vestiging waarvoor te-werkstellingscijfers beschikbaar zijn voor de periode 2010–2014. De geografischespreiding voor het jaar 2014 (# 88,645) wordt weergegeven in figuur 4.

Tabel 3: Aantal ondernemingen met één enkele vestiging met te-werkstellingscijfers per jaar (2010–2014)

2010 2011 2012 2013 2014

Aantal ondernemingen 83,324 85,598 87,171 88,017 88,645

Bron: Bureau van Dijk (2016), eigen berekeningen.

2.2.2. Beschrijvende statistieken

Ondernemingen en tewerkstelling in 2014 Tabel 4 toont het aantal ondernemin-gen en enkele beschrijvende statistieken voor tewerkstelling volgens economischeactiviteit zoals gedefinieerd door het Steunpunt Werk (2016).4 De tabel toont het

3Er werd een data-aanvraag ingediend bij het Sectoraal Comité van de Sociale Zekerheiden van de Gezondheid en de Rijksdienst voor Sociale Zekerheid (RSZ) voor het verkrijgen vanlocatie en tewerkstellingsgegevens op het niveau van de de vestiging, zie paragraaf 4.2 voor eenbespreking.

4De opgesomde sectoren uit Tabel 4 zijn een weerspiegeling van de classificatie van hetSteunpunt Werk (2016) met uitzondering van (1) de NACE Rev. 2 2-cijfer sectoren posterijen en



Figu

ur4:

Geo

grafi

sche

spre

idin

gva

nde

onde

rnem

inge

nin

dest

eekp

roef

per

hoof

dsec

tor

(a)

Prim

aire

secto

r (b

) S

ecun

da

ire

se

cto

r

(c)

Te

rtia

ire

secto

r (d

) Q

uart

aire

se

cto

r

Bro

n:Bu

reau

van

Dijk

(201

6),e

igen

voor

stel

ling.



Tabel 4: Beschrijvende statistieken voor tewerkstelling (in voltijdse equivalenten, VTE)per hoofdsector (2014)

Hoofdsector NACE Sector #Gemid-

deldeStandaard-

afwijkingMediaan

Primaire sector 1-3 Landbouw, bosbouw en visserij 1,315 7.29 14.1 4

5-9 Winning van delfstoffen 27 12.48 17.8 5

Secundaire sector 10-12Vervaardiging van dranken, voeding entabak

1,475 18.62 47.1 4

13-15 Textiel en kleding 615 19.02 42.2 5

17-18 Grafische nijverheid 804 15.98 39.8 4

19-21 Chemische industrie 307 58.79 136.2 14

22 Rubber- en kunststofnijverheid 298 35.59 71.5 13

23 Vervaardiging van bouwmaterialen 462 17.84 42.7 6

24 Metallurgie 138 50.49 115.8 11

25 Vervaardiging van metaalproducten 1,570 16.26 34.8 6

26Vervaardiging van informatica enelektronische producten

138 28.46 57.4 9

27-28Vervaardiging van (elektrische) apparatenen werktuigen

795 24.78 57.6 8

29-30 Vervaardiging van transportmiddelen 154 62.50 211.4 10

16, 31Houtindustrie en vervaardiging vanmeubels

913 12.47 25.6 5

32 Overige industrie 454 9.38 40.5 3

35-36 Energie en water 54 11.61 21.7 4

37-39 Afval en recyclage 304 9.97 16.4 4

41-43 Bouw 13,876 7.76 22.5 3

Tertiaire sector 33, 95Reparatie en installatie van machines enconsumentenartikelen

459 9.50 28.7 3

45 Garagewezen 3,245 6.94 23.2 3

46 Groothandel en handelsbemiddeling 9,967 9.07 23.7 3

47 Kleinhandel 9,633 4.07 6.5 2

49-51 Transport 2,823 12.64 22.1 5

52 Logistiek 1,012 19.04 64.5 5

53, 61 Post en telecommunicatie 294 12.14 52.8 3

55-56, 79 Horeca en toerisme 7,450 5.37 12.0 3

58-60, 61 Informatie en media 853 9.28 30.6 3

62 Informaticatechnologie 2,010 11.95 33.0 3

64-66 Financiële diensten 4,113 4.77 16.9 2

69-74Consultancy en wetenschappelijkeactiviteiten

8,755 6.84 35.4 2

78 Uitzendbureaus en arbeidsbemiddeling 283 63.93 544.8 7

81Onderhoud van gebouwen, tuinen enlandschapsverzorging

1,803 10.62 43.7 3

68, 77, 80,82

Overige zakelijke dienstverlening 4,048 6.67 20.1 2

75, 96-98 Overige diensten aan personen 1,721 4.13 7.5 2

Quartaire sector 90-93 Recreatie, cultuur en sport 1,351 8.06 22.8 3

84, 99 Algemene overheidsdiensten 54 11.06 11.1 7

85 Onderwijs 413 12.63 26.6 5

86 Gezondheidszorg 2,384 6.38 97.2 1

87-88 Maatschappelijke dienstverlening 1,485 42.02 67.0 24

94 Belangenvertegenwoordiging 790 12.07 18.8 7

Opmerking: De tabel toont het aantal ondernemingen, het gemiddelde, de standaardafwijking en de mediaan van detewerkstellingscijfers opgedeeld volgens economische activiteit zoals gedefinieerd door Steunpunt Werk (2016). Tewerk-stelling wordt gemeten aan de hand van de tewerkstelling in voltijdse equivalenten (VE) voor het jaar 2014.Bron: Bureau van Dijk (2016), eigen berekeningen.



aantal ondernemingen, het gemiddelde, de standaardafwijking en de mediaanvoor tewerkstelling voor het jaar 2014. We stellen vast dat de meerderheid vande ondernemingen actief is binnen de secundaire en tertaire sectoren. Concreetvinden we de meeste ondernemingen terug in de sectoren bouw (NACE 41–43;13,876 bedrijven), groothandel en handelsbemiddeling (NACE 46; 9,967 bedrij-ven), kleinhandel (NACE 47; 9,633 bedrijven), consultancy en wetenschappelijkeactiviteiten (NACE 69–74; 8,755 bedrijven) en horeca en toerisme (NACE 55–56,79; 7,450 bedrijven). Wat de gemiddelde tewerkstelling betreft, stellen we vast dater een grote sectorale heterogeniteit bestaat. We vinden dat de ondernemingenuit de sectoren uitzendbureaus en arbeidsbemiddeling (NACE 78; 64 werknemersin VTE), vervaardiging van transportmiddelen (NACE 29–30; 63 werknemers inVTE), chemische industrie (NACE 19–21; 59 werknemers in VTE), metallurgie(NACE 24; 50 werknemers in VTE) en maatschappelijke dienstverlening (NACE87-88; 42 werknemers in VTE) gemiddeld het grootst zijn in termen van werkne-mersaantallen. De hoge standaardafwijkingen voor deze sectoren wijzen echterop grote verschillen binnen eenzelfde sector. Bijgevolg is de mediane tewerkstellingeen meer betrouwbare maatstaf om werkgelegenheid over sectoren heen te verge-lijken. We stellen vast dat wat de mediane tewerkstelling betreft, ondernemingenuit de sectoren maatschappelijke dienstverlening (NACE 87-88; 24 werknemersin VTE), chemische industrie (NACE 19–21; 14 werknemers in VTE), rubber- enkunststofnijverheid (NACE 22; 13 werknemers in VTE), metallurgie (NACE 24;11 werknemers in VTE) en vervaardiging van transportmiddelen (NACE 29–30;10 werknemers in VTE) het grootst zijn, al zijn de verschillen met de overigesectoren minder groot dan bij de gemiddelde waardes. Op basis van zowel degemiddelde als mediane statistieken bemerken we tot slot dat heel wat sectorenvooral bestaan uit micro-ondernemingen met minder dan tien werknemers.

Evolutie ondernemingen en tewerkstelling 2010–2014 Om een beter inzicht tekrijgen in de Vlaamse en Brusselse economie, gaan we de evolutie van het aantalondernemingen met één enkele vestiging en de tewerkstelling gecreëerd doordeze ondernemingen na over de periode 2010 tot 2014, zie tabel 5. We makenhierbij een onderscheid tussen primaire, secundaire, tertiaire en quartaire sectorenzoals gedefinieerd in tabel 4. We stellen de evolutie per sector hiertoe grafisch

koeriers (NACE 53), telecommunicatie (NACE 61) die naar analogie met de sectorclassificatie in deregionale input-outputtabellen van het Planbureau (2016) samengevoegd is onder de rubriek posten telecommunicatie, en (2) de NACE Rev. 2 2-cijfer sector openbaar bestuur en defensie; verplichtesociale verzekeringen (NACE 84) die we beschouwen als één sector onder de rubriek algemeneoverheidsdiensten.



Figuur 5: Evolutie van het aantal ondernemingen (2010–2014, index 2010 = 100)

100

110

120In

dex

aant

al o

nder

nem

inge

n (2

010=

100)

2010 2011 2012 2013 2014

primaire sector secundaire sectortertiaire sector quartaire sector

Opmerking: De figuur toont de evolutie over de periode 2010–2014 van het aantal ondernemingenmet één enkele vestiging voor de primaire, secundaire, tertiaire en quartaire sectoren met basisjaar2010.Bron: Bureau van Dijk (2016), eigen berekeningen.

Figuur 6: Evolutie van de sectorale tewerkstelling (2010–2014, index 2010 = 100)

100

110

120

130

Inde

x te

wer

kste

lling

in V

TE

(20

10=

100)

2010 2011 2012 2013 2014

primaire sector secundaire sectortertiaire sector quartaire sector

Opmerking: De figuur toont de evolutie over de periode 2010–2014 van de tewerkstelling voorde primaire, secundaire, tertiaire en quartaire sectoren met basisjaar 2010.Bron: Bureau van Dijk (2016), eigen berekeningen.



voor door middel van een indexcijfer.5 Concreet toont figuur 5 de indexcijfersmet basisjaar 2010 voor de verschillende sectoren waarbij we de som van hetaantal ondernemingen binnen eenzelfde hoofdsector berekenen. We stellen vastdat het aantal ondernemingen in de primaire sector (zwarte volle lijn) met 3% isafgenomen ten opzichte van het basisjaar 2010. In absolute aantallen impliceert diteen daling van 1,378 bedrijven in 2010 naar 1,342 bedrijven in 2014, zie tabel 5. Hetaantal ondernemingen in de secundaire sector (blauwe volle lijn) stijgt in 2011 omvervolgens licht te dalen over de rest van de periode 2011–2014. Ten opzichte vanhet basisjaar 2010 is het aantal bedrijven actief in deze sector met 2% gestegen watin absolute cijfers een toename van 21,967 naar 22,357 ondernemingen impliceert.Het aantal ondernemingen in de tertiaire sector (blauwe stippellijn) is met 7%toegenomen over de periode 2010–2014. In absolute termen betreft dit een stijgingvan 54,696 naar 58,469 bedrijven. De quartaire sector (blauwe stippellijn) kendemet een toename van 23% een opmerkelijke groei wat het aantal ondernemingenbetreft. De quartaire sector heeft echter een minder brede basis dan de secundaireen tertiaire sectoren: we observeren een toename in het aantal bedrijven van 5,283naar 6,477. Figuur 6 toont vervolgens de evolutie van de tewerkstelling en westellen vast dat de tewerkstelling voor de primaire sector (volle zwarte lijn) alsde tertiaire sector (zwarte stippellijn) schommelt over de periode 2010–2014. Inabsolute termen werden in de primaire en tertiaire sectoren respectievelijk 920(10%) en 25,632 (6%) jobs gecreëerd. Wat de evolutie van de tewerkstelling voorde secundaire sector (blauwe volle lijn) betreft, constateren we dat het aantalarbeidsplaatsen gecreëerd door de bedrijven binnen deze hoofdsector met 2% isafgenomen over de periode 2010–2014. In absolute termen vertaalt deze daling

Tabel 5: Evolutie van het aantal ondernemingen en de sectorale tewerkstelling(2010-2014)

Ondernemingen Tewerkstelling

Hoofdsector 2010 2014 ∆ 2010 2014 ∆

Primaire sector 1,378 1,342 -36 9,000 9,920 920

Secundaire sector 21,967 22,357 390 288,466 281,682 -6,784

Tertiaire sector 54,696 58,469 3,773 412,113 437,745 25,632

Quartaire sector 5,283 6,477 1,194 78,428 103,842 25,414

Totaal 83,324 88,645 5,321 788,007 833,189 45,182

Opmerking: De tabel toont het aantal ondernemingen en de sectorale tewerkstelling voor de jaren 2010 en2014.Bron: Bureau van Dijk (2016), eigen berekeningen.

5Voor een gedetailleerde beschrijving van de berekening van indexcijfers verwijzen we delezer naar Baert en Reynaerts (2014, §5) waar deze methode gebruikt werd om de evolutie van delead versus niet-lead firms te vergelijken doorheen de tijd.



zich in een verlies van 6,784 arbeidsplaatsen. Wanneer we tot slot de evolutievan de tewerkstelling voor de quartaire sector (blauwe stippellijn) bekijken, zienwe een toename van 25,414 jobs (32%) binnen deze hoofdsector ten opzichte vanhet basisjaar 2010. Deze stijging is deels het gevolg van de sterke toename in hetaantal ondernemingen.

3. Bedrijfsspecifieke indicatoren voor agglomeratie en

congestie

3.1. Berekening van de indicatoren

Het onderzoek naar de wisselwerking tussen positieve en negatieve effecten vanagglomeratie en de economische performantie van bedrijven vereist de bereke-ning van relevante kernindicatoren. In tegenstelling tot de bestaande literatuurdie gebruik maakt van regionaal geaggregeerde agglomeratie-indicatoren, con-strueren en berekenen we bedrijfsspecifieke indicatoren binnen een invloedszone meteen variabele straal rond een onderneming om de mate van agglomeratie en/ofcongestie na te gaan, zie figuur 7 voor een grafische voorstelling van de methode.Het voordeel van deze methode is dat de indicatoren (1) voor elke ondernemingafzonderlijk berekend worden en (2) niet gebaseerd zijn op arbitraire administra-tieve grenzen en dus niet gevoelig zijn voor zogenaamde grenseffecten (Durantonen Overman, 2005; Graham et al., 2010). De berekening van indicatoren binnenadministratieve regio’s veronderstelt immers dat agglomeratie-effecten stoppenaan de grenzen van de bestudeerde regio, terwijl ondernemingen zich in elkaarsnabijheid vestigen over administratieve grenzen heen.

3.1.1. Invloedszone van een onderneming

De blauwe cirkel in figuur 7 toont de invloedszone R voor een willekeurige onder-neming i waarvan de locatie in het tweedimensionale vlak wordt voorgesteld doorhet zwarte punt, •. Omdat de schaal waarop agglomeratie-effecten inspelen opondernemingen a priori niet gekend is, laten we de straal r van de invloedszone inwat volgt variëren van 1 tot 25 km (Martin, 1999). De locaties van de nabijgelegenondernemingen j = 1, . . . , J met j 6= i in de invloedszone R worden weergegevendoor de zwarte holle punten, ◦, terwijl de grijze punten • de ondernemingenk = 1, . . . , K buiten de invloedszone R voorstellen. De nabijgelegen snelweg(en)en de op-en afritcomplexen worden weergegeven door zwarte lijnen waarbij het



Figuur 7: Invloedszone van een onderneming

Opmerking: De blauwe cirkel toont de invloedszone R met straal r voor een willekeurigeonderneming i waarvan de locatie in het tweedimensionale vlak wordt voorgesteld door hetzwarte punt, •. De locaties van de nabijgelegen ondernemingen in de invloedszone R wordenweergegeven door de zwarte holle punten, ◦, terwijl de grijze punten • de ondernemingen buitende invloedszone R voorstellen. De nabijgelegen snelweg(en) en de op-en afritcomplexen wordenweergegeven door zwarte lijnen waarbij het gearceerde gebied een wegsegment voorstelt.

gearceerde gebied een wegsegment voorstelt. Belangrijk hierbij is dat de mate vaninteractie tussen de ondernemingen onderling en het wegennetwerk vermindertmet de afstand, d.i. we veronderstellen dat de agglomeratie-effecten omgekeerdevenredig afnemen met de afstand r (Rosenthal en Strange, 2003; Graham et al.,2010; Combes et al., 2012).

3.1.2. Agglomeratie-indicator

De literatuur maakt traditioneel een onderscheid tussen agglomeratie-effectenvan bedrijven binnen dezelfde sector (intra-industrie of Marshalliaanse spillovers)en agglomeratie-effecten van bedrijven in andere sectoren (inter-industrie of Jaco-biaanse spillovers), waarbij de mate van agglomeratie in beide gevallen gemetenwordt aan de hand van tewerkstelling van nabijgelegen ondernemingen (Marshall,1890; Jacobs, 1969; Beaudry en Schiffaureva, 2009; Jofre-Monseny et al., 2014). Indit rapport stellen we daarentegen een nieuwe en bedrijfsspecifieke agglomeratie-maatstaf voor die zowel inter- als intra-industrie spillovers registreert. Concreetwordt de indicator AGG voor elke onderneming i uit sector s̄ met invloedszone



Figuur 8: Berekening van de agglomeratie-index (vereenvoudigde illustratie)

Opmerking: De blauwe cirkel toont de invloedszone R met straal r (< · · · >) voor een willekeu-rige onderneming A waarvan de locatie in het tweedimensionale vlak wordt voorgesteld doorhet zwarte punt, •. De locaties van de nabijgelegen ondernemingen B en C in de invloedszone Rdie behoren tot sector s̄ worden weergegeven door de zwarte holle punten, ◦, terwijl de zwarteholle driehoek 4 firma D voorstelt die tot sector s behoort met s 6= s̄.

R met straal r op tijdstip t berekend als

AGGirs̄t =J

∑j=1j∈Ri

αs→s̄LjRstD−1ij , (1)

waarbij Lj de tewerkstelling van bedrijf j uit sector s in de invloedszone R metstraal r van onderneming i voorstelt. Deze tewerkstelling wordt vervolgensgewogen met de sterkte van de input-outputrelatie α tussen sectoren s en s̄ en deEuclidische afstand D tussen ondernemingen i en j.6,7 Figuur 8 illustreert grafischhoe de sterkte van de input-outputrelatie αs→s̄ en de Euclidische afstand Dij deberekening van de agglomeratie-indicator AGG beı̈nvloeden. Naar analogiemet figuur 7 toont de blauwe cirkel de invloedszone R voor een willekeurigeonderneming A uit sector s̄ voorgesteld door het zwarte punt, •. De locatiesvan de nabijgelegen bedrijven B en C die tot dezelfde sector s̄ behoren, worden

6We gebruiken hiervoor de input-outputtabellen van het Planbureau (2016) voor het jaar 2010.7De Euclidische afstand D tussen ondernemingen i en j vormt slechts een benadering van de

werkelijke afstand, maar onderzoek door Duranton en Overman (2005) toont aan dat dit geeninvloed heeft op de resultaten.



weergegeven door de zwarte holle punten, ◦, terwijl de zwarte holle driehoek4 firma D voorstelt die tot sector s behoort met s 6= s̄. In dit voorbeeld makenondernemingen A, B en C deel uit van dezelfde sector s̄. De Euclidische afstandend1 en d2 tussen respectievelijk (A, B) en (A, C) zijn echter verschillend met d1 > d2of D−1AB < D

−1AC. Omdat de afstand tussen het paar (A, B) groter is dan tussen

(A, C), wordt bij de berekening van de agglomeratie-indicator AGG mindergewicht toegekend aan de tewerkstelling gecreërd door onderneming B. Tentweede bemerken we dat bedrijven B en D op gelijke afstand d1 van firma Agesitueerd zijn. Deze ondernemingen behoren echter tot verschillende sectoren:onderneming B behoort tot dezelfde sector s̄ als A, terwijl firma D deel uitmaaktvan sector s met s 6= s̄ en αs̄→s̄ > αs→s̄. Omdat de input-output relatie binnensector s̄ sterker is dan deze tussen sectoren s en s̄ zal de weegfactor voor detewerkstelling van bedrijf B groter zijn bij de berekening van de agglomeratie-indicator AGG voor onderneming A.

3.1.3. Congestie-indicator

Het merendeel van het empirisch onderzoek dat de wisselwerking tussen ver-keerscongestie en economische of bedrijfsperformantie bestudeert, maakt gebruikvan benaderende variabelen om filezwaarte te meten. Rizov et al. (2012) bijvoor-beeld meten de nadelen van de sterke agglomeratie van bedrijven met behulpvan cijfergegevens over landprijzen en lonen, terwijl Broersma en van Dijk (2008)het aantal regionaal geregistreerde wagens per kilometer weg in een regio ge-bruiken om congestie te benaderen. Dit rapport maakt daarentegen gebruik vangedetailleerde cijfergegevens die de werkelijke omvang van congestie meten inde nabijheid van iedere onderneming in de steekproef, zie paragraaf 2.1 voor eenbespreking. Op basis van deze gegevens wordt een bedrijfsspecifieke congestie-indicator CON voor elke onderneming i met invloedszone R met straal r optijdstip t berekend als

CONirt =H

∑h=1h∈Ri

RVVUhRtD̄−1ih , (2)

waarbij RVVU verwijst naar de relatieve maatstaf voor voertuigverliesuren(VVU/GVU) voor wegsegment h in de invloedszone van de onderneming,gewogen met de gemiddelde Euclidische afstand D̄ tussen de onderneming en hetwegsegment. We gebruiken de gemiddelde afstand als lengtemaat aangezien eenwegsegment gedefinieerd wordt als een stuk snelweg tussen twee opeenvolgende



Figuur 9: Berekening van de congestie-index (vereenvoudigde illustratie)

Opmerking: De blauwe cirkel toont de invloedszone R met straal r (< · · · >) voor een willekeu-rige onderneming i waarvan de locatie in het tweedimensionale vlak wordt voorgesteld door hetzwarte punt, •. De nabijgelegen snelweg(en) en de op-en afritcomplexen worden weergegevendoor zwarte lijnen waarbij het gearceerde gebied een wegsegment voorstelt.

uitwisselingspunten en dus niet samenvalt met één enkel (X,Y)-coordinaat.8

De impact van de Euclidische afstand D̄ih op de berekening van de congestie-indicator CON wordt grafisch voorgesteld in figuur 9. De blauwe cirkel toontopnieuw de invloedszone R voor een willekeurige onderneming A voorgestelddoor het zwarte punt, •. De twee nabijgelegen snelwegen en de op-en afritcom-plexen worden weergegeven door zwarte lijnen, waarbij we drie wegsegmentenX, Y en Z onderscheiden, voorgesteld door de gearceerde gebieden. We zien datde gemiddelde Euclidische afstanden d1 en d3 tussen respectievelijk (A, X) en(A, Z) verschillend zijn met d1 < d3 of D−1AX > D

−1AZ. Bij de berekening van de

congestie-indicator CON wordt bijgevolg meer gewicht toegekend aan de conges-tie gemeten op het meer nabijgelegen wegsegment X. Daarnaast bemerken wedat hoewel wegsegmenten X en Y tot dezelfde snelweg behoren, de weegfactor

8Voor elke wegsement hebben we meerdere (X,Y)-coordinaten voor verschillende referen-tiepunten op dit wegsegment. Concreet wordt de gemiddelde Euclidische afstand D̄ih tussenonderneming i en alle referentiepunten h̃1, h̃2, ..., h̃N van het wegsegment h die binnen de in-vloedszone R vallen, berekend als

D̄ih =1N

h̃N

∑h̃=1h̃∈h

D−1ih̃

.



voor de congestie op beide wegsegmenten niet gelijk zal zijn in de berekening vande congestie-indicator CON met d1 < d2 of D−1AX > D

−1AY. De congestiemaatstaf

CONF wordt vervolgens op dezelfde manier geconstrueerd als

CONFirt =H

∑h=1h∈Ri

RVVUhRtD̄−1ih , (3)

waarbij RVVUF de relatieve voertuigverliesuren file (VVUF/GVU) voor wegseg-ment h in de invloedszone van de onderneming. Tot slot stellen we de alternatievecongestie-indicatoren CON(NS) en CONF(NS) voor die enkel de congestie opde meest nabijgelegen snelweg (NS) meten in het geval meerdere snelwegenonderneming i’s invloedszone R doorkruisen. Voor figuur 9 impliceert dit datwe enkel de congestie op de snelweg met wegsegmenten X en Y opnemen in deberekening van de congestie-indicator CON(NS) en CONF(NS).

3.2. Agglomeratie en congestie in Vlaanderen

We berekenen de bedrijfsspecifieke agglomeratieen congestie-indicatoren voorde periode 2010 tot 2014 met behulp van de gedetailleerde cijfergegevens be-schreven in deel 2. Tabel 6 toont het gemiddelde, de standaardafwijking (tussenronde haken) en de mediaan (tussen vierkante haken) voor de agglomeratie-en congestie-indicatoren AGG, CON, CONF, CON(NS) en CONF(NS). Deomvang van de standaardafwijking en de grootteverschillen tussen de gemid-delde en mediane waardes voor de verschillende indicatoren en radii r tonenaan dat de agglomeratieen congestie-indicatoren sterk verschillend zijn voorde ondernemingen gevestigd in Vlaanderen en Brussel. Wat congestie betreft,toonde figuur 1 reeds aan dat de filedruk hoog is in de stedelijke gebieden rondAntwerpen, Brussel en Gent. Naar analogie met het Vlaams Verkeerscentrum(2016) rapporteren we in wat volgt statistieken per verkeerszone of invloedsgebied,d.i. een zone rond een grootstedelijk gebied, zie figuur 10. De grenzen van dezegebieden zijn zo gekozen dat het merendeel van de normale structurele congestie(VVU) op de ring- en snelwegen gerelateerd aan de steden, vervat zit in deverkeerszone. Figuur 10 toont de vier verkeerszones zoals deze gedefinieerdworden in dit rapport; we onderscheiden drie grootstedelijke gebieden rond Ant-werpen (blauw), Brussel (oranje) en Gent (groen) en nemen de overige gebiedensamen onder de noemer rest Vlaanderen (wit). Deze geografische opdeling wordtempirisch ondersteund door de observatie dat 80% van de pendelstromen binnende provinciegrenzen plaatsvinden, zie tabel 10 in appendix A. Deze cijfergegevens



Tabel 6: Agglomeratie- en congestie-indicatoren volgens straal van de invloedszone(2014)

Indicator r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r = 15km r = 20km r = 25km

AGG 0.369 0.811 1.140 1.412 1.643 2.378 2.796 3.136 3.435(0.821) (1.478) (1.853) (2.127) (2.342) (2.818) (2.868) (2.878) (2.893)[0.108] [0.271] [0.414] [0.533] [0.642] [1.130] [1.622] [2.078] [2.467]

CON 0.085 0.259 0.461 0.641 0.803 1.578 1.966 2.214 2.409(0.496) (0.910) (1.224) (1.459) (1.639) (2.212) (2.458) (2.506) (2.525)[0.000] [0.000] [0.000] [0.010] [0.042] [0.293] [0.672] [1.010] [1.435]

CONF 0.055 0.168 0.301 0.418 0.525 1.037 1.288 1.443 1.560(0.352) (0.638) (0.845) (1.001) (1.124) (1.522) (1.688) (1.718) (1.728)[0.000] [0.000] [0.000] [0.005] [0.024] [0.150] [0.319] [0.559] [0.855]

CON(SN) 0.046 0.113 0.181 0.228 0.267 0.397 0.460 0.481 0.492(0.275) (0.370) (0.449) (0.510) (0.558) (0.644) (0.695) (0.698) (0.696)[0.000] [0.000] [0.000] [0.007] [0.030] [0.104] [0.145] [0.178] [0.202]

CONF(NS) 0.029 0.068 0.108 0.137 0.160 0.235 0.273 0.285 0.292(0.194) (0.252) (0.295) (0.329) (0.358) (0.406) (0.434) (0.436) (0.435)[0.000] [0.000] [0.000] [0.003] [0.015] [0.057] [0.080] [0.095] [0.109]

Opmerking: De tabel geeft een overzicht van het gemiddelde, de standaardafwijking (tussen ronde haken) en demediaan (tussen vierkante haken) voor de agglomeratieen congestie-indicatoren AGG, CON, CONF, CON(NS)en CONF(NS).

Tabel 7: Agglomeratie- en congestie-indicatoren volgens straal van de invloedszoneopgedeeld volgens verkeerszone (2014)

Invloedsgebied Indicator r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r = 15km r = 20km r = 25km

Antwerpen AGG 0.119 0.319 0.502 0.647 0.780 1.515 2.360 3.054 3.596(# = 24,979) CON 0.000 0.000 0.058 0.113 0.163 0.493 1.232 2.129 2.567

CONF 0.000 0.000 0.031 0.061 0.088 0.294 0.787 1.391 1.671CON(NS) 0.000 0.000 0.049 0.098 0.124 0.220 0.296 0.337 0.355CONF(NS) 0.000 0.000 0.027 0.054 0.070 0.126 0.175 0.204 0.216

Brussel AGG 0.268 0.761 1.240 1.748 2.265 3.962 4.511 4.726 4.967(# = 24,469) CON 0.000 0.000 0.001 0.115 0.315 3.098 4.411 4.699 4.871


Gent AGG 0.073 0.181 0.281 0.368 0.455 0.867 1.223 1.543 1.884(# = 13,893) CON 0.000 0.000 0.000 0.024 0.042 0.121 0.269 0.829 1.170


Rest van Vlaanderen AGG 0.069 0.167 0.250 0.328 0.393 0.668 0.895 1.077 1.233(# = 25,304) CON 0.000 0.000 0.000 0.000 0.001 0.010 0.034 0.089 0.203


Opmerking: De tabel toont de mediane waardes voor de agglomeratieen congestie-indicatoren AGG, CON, CONF,CON(NS) en CONF(NS) per verkeerszone.



Figuur 10: Vlaamse verkeerszonesAntwerpen Brussel Gent Rest


van het Steunpunt Werk (2015) tonen immers aan dat deze gebieden in grotemate de pendelstromen in Vlaanderen en Brussel omvatten.

Geografische verschillen In overeenstemming met paragraaf 2.2.2 tonen we demediane waardes om agglomeratie en congestie over regio’s heen te vergelijken,zie tabel 7. We stellen vast dat de mediane bedrijfsspecifieke agglomeratie-indicatoren voor alle stralen r hoger zijn voor ondernemingen gevestigd in deverkeerszones Antwerpen en Brussel dan voor bedrijven in Gent of de rest vanVlaanderen. Wat de negatieve externaliteiten van geografische clustering betreft,vinden we eveneens de hoogste mediane waardes voor de congestie-indicatorenCON en CONF voor de verkeerszones Antwerpen en Brussel voor alle radii rwaarbij de hoogste mediane congestiewaardes gemeten worden in Brussel. Webemerken dat de mediane waardes voor de congestie-indicatoren CON en CONFgelijk zijn aan nul voor r ≤ 2 km in Antwerpen en Brussel, voor r ≤ 3 km inGent en voor r ≤ 4 km in de rest van Vlaanderen. Dit resultaat ligt in lijn met deverwachtingen vermits de mediane afstand van een onderneming tot het meestnabijgelegen op-en afrittencomplex in de verkeerszones Antwerpen, Brussel, Genten de rest van Vlaanderen respectievelijk 2.3, 2.5, 3.5 en 4.1 km bedraagt. Wanneerwe vervolgens de mediane waardes voor de congestie-indicatoren CON(NS) enCONF(NS) vergelijken voor de verschillende verkeerszones, bemerken we datde mediane congestie in Antwerpen zwaarder is dan in Brussel voor de radiir < 5 km. We besluiten dat de mediane agglomeratieen congestie-indicatorenvoor de verkeerszones Antwerpen en Brussel voor alle stralen r van 1 tot 25 kmveel hoger zijn dan voor de overige verkeerszones.



Figuur 11: Top-10 agglomeratie-indicator AGG met straal van de invloedszone r = 10km per sector volgens verkeerszones (mediane waardes, 2014)

0 2 4 6 8

AGG (10km)

Chemische industrie (19-21)Informatica en elektronica (26)

Delfstoffen (5-9)Onderwijs (85)

Post en communicatie (51,61)Arbeidsbemiddeling (78)

Belangenvertegenwoordiging (94)Informaticatechnologie (62)

Logistiek (52)Overige industrie (32)

(a) Antwerpen

0 5 10 15

AGG (10km)

Maatschappelijke diensten (87-88)Textiel en kleding (13-15)

Horeca en toerisme (55-56,79)Post en communicatie (51,61)

Informaticatechnologie (62)Onderwijs (85)

Onderhoud van gebouwen (81)Gezondheidszorg (86)

Overheidsdiensten (84,99)Belangenvertegenwoordiging (94)

(b) Brussel

0 .5 1 1.5 2

AGG (10km)

Dranken en voeding (10-12)Elektrische apparaten (27-28)

Horeca en toerisme (55-56,79)Delfstoffen (5-9)

Informatica en elektronica (26)Overheidsdiensten (84,99)

Bouw (41-43)Belangenvertegenwoordiging (94)

Overige industrie (32)Informaticatechnologie (62)

(c) Gent

0 .5 1 1.5 2

AGG (10km)

Dranken en voeding (10-12)Rubber- en kunststof (22)

Overheidsdiensten (84,99)Metallurgie (24)

Metaalproducten (25)Informatica en elektronica (26)Elektrische apparaten (27-28)

Bouw (41-43)Textiel en kleding (13-15)

Overige industrie (32)

(d) Rest van Vlaanderen

Bron: Bureau van Dijk (2016) en Vlaams Verkeerscentrum (2016), eigen voorstelling.

Figuur 12: Top-10 congestie-indicator CON met straal van de invloedszone r = 10 kmper sector volgens verkeerszones (mediane waardes, 2014)

0 2 4 6

CON (10km)

Zakelijke dienstverlening (68,77,80,82)Post en communicatie (51,61)

Informatie en media (58-60,61)Informaticatechnologie (62)

Delfstoffen (5-9)Onderwijs (85)

Arbeidsbemiddeling (78)Overige industrie (32)

Logistiek (52)Belangenvertegenwoordiging (94)

(a) Antwerpen

0 1 2 3 4 5

CON (10km)

Horeca en toerisme (55-56,79)Textiel en kleding (13-15)

Onderwijs (85)Energie en water (35-36)

Informatie en media (58-60,61)Arbeidsbemiddeling (78)

Belangenvertegenwoordiging (94)Overheidsdiensten (84,99)

Post en communicatie (51,61)Logistiek (52)

(b) Brussel

0 1 2 3

CON (10km)

Onderwijs (85)Zakelijke dienstverlening (68,77,80,82)

Transportmiddelen (29-30)Arbeidsbemiddeling (78)

Delfstoffen (5-9)Energie en water (35-36)

Informaticatechnologie (62)Informatie en media (58-60,61)

Belangenvertegenwoordiging (94)Overheidsdiensten (84,99)

(c) Gent

0 .01 .02 .03

CON (10km)

Textiel en kleding (13-15)Informatie en media (58-60,61)

Metallurgie (24)Consultancy (69-74)

Informaticatechnologie (62)Grafische nijverheid (17-18)

Belangenvertegenwoordiging (94)Energie en water (35-36)

Informatica en elektronica (26)Post en communicatie (51,61)

(d) Rest van Vlaanderen




Sectorale verschillen Figuren 11 en 12 tonen de top-10 van sectoren met dehoogste mediane waardes voor de agglomeratieen congestie-indicatoren AGGen CON met straal van de invloedszone r = 10 km.9 De kleuren van de stavenkomen overeen met de kleurencodes voor de verkeerszones in figuur 10. Naaranalogie met tabel 7 stellen we vast dat de omvang van de indicatoren geografischverschilt, d.i. de schalen van de horizontale assen zijn verschillend per indicatoren per verkeerszone. In de verkeerszone Antwerpen zijn bedrijven uit de sectorenoverige industrie (NACE 32) en logistiek (NACE 52) in hoge mate onderhevig aande tegenovergestelde agglomeratiekrachten. De top-3 voor agglomeratie AGGwordt vervolledigd door de sector informaticatechnologie (NACE 62), terwijlondernemingen in de sector belangenvertegenwoordiging (NACE 94) het meestonderhevig zijn aan congestie in de verkeerszone Antwerpen. De verankeringvan internationale en/of publieke instellingen in de verkeerszone Brussel heefttot gevolg dat de mediane waardes voor agglomeratie en congesties voor over-heidsdiensten (NACE 84, 99) zeer hoog zijn. De sterk ontwikkelde dienstensectorin deze verkeerszone vertaalt zich in positieve agglomeratie-effecten voor debedrijven uit de sectoren belangenvertegenwoordiging (NACE 94) en gezond-heidszorg (NACE 86) en in negatieve agglomeratie-effecten voor firma’s uit desectoren logistiek (NACE 62) en post en communicatie (NACE 51, 61). Voor deverkeerszone Gent vinden we dat ondernemingen uit de sector belangenverte-genwoordiging (NACE 94) in grote mate onderhevig zijn aan de positieve ennegatieve effecten van geografische clustering. Bedrijven actief in de sectoreninformaticatechnologie (NACE 62) en overige industrie (NACE 32) ondervindenpositieve spillovers van agglomeratie, terwijl ondernemingen in de sectoren over-heidsdiensten (NACE 84, 99) en informatie en media (58-60, 61) lijden onder delokale filedruk. Tot slot bemerken we dat in de rest van Vlaanderen bedrijven uitde secundaire sectoren overige industrie (NACE 32), textiel en kleding (13–15) enbouw (41–43) de hoogste mediane waardes voor agglomeratie optekenen, terwijlde mediane sectorale congestie-indicatoren het hoogst zijn voor ondernemingenuit de sectoren post en communicatie (NACE 51, 61), informatie en elektronica(NACE 26) en energie en water (NACE 35-36).

3.2.1. Wisselwerking tussen agglomeratie en congestie

Tabel 8 toont vervolgens de correlaties tussen de congestie-indicatoren. Ten eerstebemerken we dat de correlaties tussen de congestie-indicatoren CON en CONF

9Meer tabellen en grafieken voor andere indicatoren en stralen van de invloedszone r zijnbeschikbaar op aanvraag.



enerzijds en CON(NS) en CONF(NS) anderzijds zeer hoog zijn. Ten tweede stel-len we vast dat de groottes van de correlaties voor de koppels (CON, CON(NS))en (CONF, CONF(NS)) die respectievelijk berekend werden op basis van decongestiemaatstaven RVVU en RVVUF in hoge mate overeenstemmen, met degrootste correlatie op r = 5 km. We kunnen eveneens de correlaties tussende agglomeratie-indicator en de verschillende congestie-indicatoren vergelijken,aangezien agglomeratie en congestie onlosmakelijk met elkaar verbonden zijn, zietabel 9. Ten eerste stellen we vast dat de wisselwerking tussen de agglomeratie-indicator en de verschillende congestie-indicatoren CON en CONF enerzijdsen CON(NS) en CONF(NS) anderzijds sterk vergelijkbaar is. We bemerkenechter dat de correlaties met de congestie-indicatoren CON(NS) en CONF(NS)die enkel de congestie op de meest nabije snelweg in rekening brengen mindergroot zijn dan voor de congestie-indicatoren CON en CONF die alle congestiein rekening brengen. Ten tweede vinden we dat de correlatie tussen de indicestoeneemt met de straal van de invloedszone R, waarbij een maximum bereiktwordt op r = 15km voor ρ(AGG, CON), op r = 20km voor ρ(AGG, CONF)en ρ(AGG, CONF(NS)) en op r = 25km voor ρ(AGG, CON(NS)). Het is dui-delijk dat we geen één-op- één relatie vinden tussen deze agglomeratie- encongestie-indicatoren, wat erop wijst dat bedrijven die sterk onderhevig zijn aanagglomeratie-effecten niet noodzakelijk negatieve congestie-effecten ondervindenen vice versa. Op basis van figuren 11 en 12 kwamen we reeds tot dezelfde con-clusie vermits de top-10 van de sectoren met de hoogste mediane waardes voor

Tabel 8: Correlatie tussen de congestie-indicatoren (2014)Correlatie r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r = 15km r = 20km r = 25km

ρ(CON, CONF) 0.9903 0.9896 0.9927 0.9941 0.9947 0.9962 0.9970 0.9972 0.9973

ρ(CON(NS), CONF(NS)) 0.9727 0.9727 0.9763 0.9797 0.9818 0.9834 0.9855 0.9857 0.9856

ρ(CON, CON(NS) 0.6854 0.6960 0.7396 0.7581 0.7674 0.7110 0.7199 0.7229 0.7208

ρ(CONF, CONF(NS)) 0.6757 0.6755 0.7187 0.7433 0.7576 0.7078 0.7180 0.7194 0.7169

Opmerking: De tabel geeft een overzicht van de correlaties tussen de verschillende congestie-indicatoren.Bron: eigen berekeningen op basis van Bureau van Dijk (2016) en Vlaams Verkeerscentrum (2016).

Tabel 9: Correlatie tussen de agglomeratieen congestie-indicatoren (2014)Correlatie r = 1km r = 2km r = 3km r = 4km r = 5km r = 10km r = 15km r = 20km r = 25km

ρ(AGG, CON) 0.1087 0.1467 0.2492 0.2961 0.3371 0.6873 0.7121 0.7117 0.7079

ρ(AGG, CONF) 0.1076 0.1489 0.2527 0.3004 0.3426 0.6942 0.7185 0.7186 0.7148

ρ(AGG, CON(NS)) 0.0355 0.1131 0.2260 0.2593 0.2799 0.4724 0.5114 0.5138 0.5140

ρ(AGG, CONF(NS)) 0.0381 0.1130 0.2327 0.2651 0.2855 0.4637 0.5071 0.5096 0.5094

Opmerking: De tabel geeft een overzicht van de correlaties tussen de agglomeratieen congestie-indicatoren.Bron: eigen berekeningen op basis van Bureau van Dijk (2016) en Vlaams Verkeerscentrum (2016).



agglomeratie en congestie niet dezelfde zijn voor de verschillende verkeerszones.Dit inzicht wordt meegenomen in het verdere verloop van het onderzoek van hetsteunpunt in 2017.

4. Besluit en verder onderzoek

4.1. Overzicht en besluit

Ter voorbereiding van het onderzoek naar de impact van agglomeratie en conges-tie op de economische prestaties van bedrijven, brengt dit rapport de concentratievan de economische activiteit in Vlaanderen en Brussel in kaart. Daartoe stelt heteen nieuwe methode voor die de bestaande literatuur aanpast en uitbreidt omagglomeratie en congestie op een correcte wijze te kunnen meten en voorstellen.In overeenstemming met de literatuur wordt de tewerkstelling van bedrijvenin dezelfde en andere sectoren gebruikt om spillovers uit agglomeratie te me-ten. De correcte meting van congestie berust in dit rapport verder op cijfersafkomstig van het Vlaams Verkeerscentrum die de werkelijke omvang van defiles meten en niet op benaderingen zoals bijvoorbeeld huurprijzen en lonen ofhet aantal geregistreerde wagens in een bepaalde regio. Wat de ontwikkelingen toepassing van de nieuwe kernindicatoren voor agglomeratie en congestiebetreft, erkent de methode dat beide fenomenen lokaal van aard zijn en dus reke-ning moeten houden met de context waarin individuele bedrijven zich bevinden.Deze context wordt enerzijds geoperationaliseerd aan de hand van het conceptvan een invloedszone die voor een individueel bedrijf zowel de ondernemingenals de omliggende weginfrastructuur identificeert die zich binnen een bepaaldestraal bevinden. Anderzijds worden de gemeten waarden voor agglomeratie encongestie lokaal bestudeerd, d.i. ten opzichte van de verkeerszones (grosso modode verschillende Vlaamse provincies) waarin ze gesitueerd zijn. De toepassingvan de voorgaande methode leert dat (i) de omvang van de agglomeratie- encongestiemaatstaven regionaal verschilt, en (i) agglomeratie en congestie sterkmaar niet perfect gecorreleerd zijn.

4.2. Beperkingen en opmerkingen

Naar analogie met de bestaande literatuur berust de berekening van de agglome-ratiemaatstaven in dit rapport op tewerkstellingscijfers van ondernemingen inVlaanderen en Brussel. Ten gevolg van enkele tekortkomingen van de huidige



dataset zijn deze berekeningen echter eerder indicatief. Ten eerste zijn de cijfer-gegevens die beschikbaar zijn in de bel-first gegevensbank onvolledig, vermitsvoor slechts één op drie ondernemingen tewerkstellingscijfers gerapporteerdworden. Ten tweede zijn deze tewerkstellingscijfers geaggregeerd op het niveauvan de onderneming wat aanleiding geeft tot vertekende indicatoren. Agglo-meratiemaatstaven die berekend worden op basis van tewerkstellingsgegevensvoor ondernemingen met meerdere vestigingen (d.i. multi-plant firms) over-schatten de lokale effecten van agglomeratie omwille van het “hoofdzeteleffect”:de tewerkstelling van een onderneming met meerdere vestigingen wordt in ditgeval onterecht toegeschreven aan de administratieve hoofdzetel van het bedrijfdie vaak gevestigd is in steden als Antwerpen, Brussel of Gent en niet aan delokale productie-eenheden. We beperken de steekproef in dit rapport daaromtot de single-plant ondernemingen (d.i. bedrijven met één enkele vestiging), om-dat we vooralsnog niet over locatie- en tewerkstellingscijfers beschikken op hetniveau van de vestigingen van multi-plant ondernemingen (d.i. bedrijven metmeerdere vestigingen). Deze beperking van de steekproef werkt echter een on-derschatting van de lokale effecten van agglomeratie in de hand, omdat de lokaletewerkstelling gecreëerd door de vestigingen van multi-plant bedrijven niet wordtopgenomen in de berekening van deze agglomeratiemaatstaven. Om een over-of onderschatting van de lokale effecten van agglomeratie-effecten te vermijden,vereist de correcte meting van deze agglomeratie-effecten voor ondernemingenin Vlaanderen en Brussel tewerkstellingscijfers op het niveau van de vestiging inplaats van geaggregeerde gegevens op het niveau van de onderneming. Hiertoewerd in naam van het Steunpunt Economie & Ondernemen een data-aanvraagingediend bij de Rijksdienst voor Sociale Zekerheid (RSZ) voor het verkrijgenvan tewerkstellingsgegevens op het niveau van de de vestiging. Deze vestigings-specifieke tewerkstellingscijfers kunnen dan eveneens aangewend worden alsverdeelsleutel om de inzet van productiefactoren zoals kapitaal en intermediairegoederen en de creatie van output door de verschillende vestigingen van multi-plant ondernemingen te berekenen, wat ons in staat stelt om bedrijfsperformantie(d.i. productiviteit) te schatten op het niveau van de vestiging (Martin et al., 2011).

4.3. Verder onderzoek

De bedrijfsspecifieke agglomeratieen congestie-indicatoren uit dit beleidsrapportdie berekend werden op basis van gedetailleerde cijfergegevens voor verschil-lende invloedzones zullen in 2017 gebruikt worden om de wisselwerking tussenagglomeratie, congestie en de economische performantie van ondernemingen te



bestuderen. We combineren de voornaamste inzichten en tekortkomingen uitde literatuur inzake productiviteit en agglomeratie en onderzoeken het causaleeffect van agglomeratie externaliteiten op de performantie van ondernemingen.Ten eerste nemen we zowel positieve als negatieve externaliteiten ten gevolgevan agglomeratie in rekening bij de berekening van de productiviteitsmaatstaf.Ten tweede maken we gebruik van reële congestiecijfers in plaats van benade-rende variabelen om congestie te meten. Ten derde onderzoeken we de effectenvoor de totale economie in tegenstelling tot het merendeel van de agglomera-tieliteratuur die zich vooral beperkt tot analyses voor industriële sectoren. Weontwikkelen eveneens een grafische tool om de resultaten uit de economischeanalyse eenduidig voor te stellen. In lijn met de bestaande literatuur verwach-ten we dat agglomeratie en congestie productiviteit respectievelijk positief ennegatief beı̈nvloeden. Tot slot bemerken we dat hoewel de methodologie diein dit beleidsrapport voorgesteld werd en integraal hernomen wordt in de eco-nometrische analyses voor 2017, de gepresenteerde beschrijvende statistiekenveeleer indicatief zijn omwille van databeperkingen, zie paragraaf 4.2. We plan-nen enerzijds een uitbreiding van de bestaande cijfergegevens met meer recentebedrijfs- en congestiedata voor het jaar 2015 en met vestigingscijfers van de RSZ,en anderzijds kunnen eventuele onvoorziene moeilijkheden bij het uitvoeren vande regressieanalyses duiden op de noodzaak om de steekproef aan te passen.



Referenties

Arikan, A., Knoben, J., Raspe, O. en van Oort, F. (2016), “Agglomeration and firmperformance: One firm’s medicine is another firm’s poison,” Environment andPlanning A 48(1), 132–153. [1]

Baert, L. en Reynaerts, J. (2014), “De economische activiteit en hettransformatieproces van lead firms in Vlaanderen sinds 2005,” Techni-cal Report STORE-B-14-013, Steunpunt Ondernemen & Regionale Econo-mie (STORE), URL http://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdf. [14]

Beaudry, C. en Schiffaureva, A. (2009), “Who’s right, Marshall or Jacobs? Thelocalization versus urbanization debate,” Research Policy 38(2), 318–337. [16]

Broersma, L. en van Dijk, J. (2008), “The effect of congestion and agglomerationon multi-factor productivity growth in Dutch regions,” Journal of EconomicGeography 8(2), 181–209. [1, 18]

Bureau van Dijk (2016), “bel-first. Belgium and Luxembourg,” database,URL http://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-first. [3, 4, 7, 9, 10, 11, 13, 14, 23, 25]

Ciccone, A. en Hall, R. (1996), “Productivity and the density of economic activity,”The Review of Economic Studies 86(1), 54–70. [1]

Combes, P., Duranton, G., Gobillon, L., Puga, D. en Roux, S. (2012), “The pro-ductivity advantages of large cities: Distinguishing agglomeration from firmselection,” Econometrica 80(6), 2543–2594. [16]

Drucker, J. en Feser, E. (2012), “Regional industrial structure and agglomerationeconomies: An analysis of productivity in three manufacturing industries,”Regional Science and Urban Economics 42(1), 1–14. [1]

Duranton, G. en Overman, H. (2005), “Testing for localization using micro-geographic data,” The review of Economic Studies 72(4), 1077–1106. [15, 17]

Ellison, G. en Glaeser, E. (1997), “Geographic concentration in U.S. manufacturingindustries: A dartboard approach,” Journal of Political Economy 105(5), 889–927.[1]


http://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdfhttp://steunpuntore.be/publicaties-1/wp3/STORE-B-14-013-lead-firms-revised.pdfhttp://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-firsthttp://www.bvdinfo.com/en-gb/our-products/company-information/national-products/bel-firsthttp://www.steunpuntore.be

Europese Commissie voor Mobiliteit en Transport (2015), “Road mapto a single European transport area,” Technical report, EuropeanCommission, URL http://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index en.htm. [1]

Fosgerau, M. (2015), “Congestion in the bathtub,” Journal of Transportation 4(4),241–255. [4]

Graham, D., Gibbons, S. en Martin, R. (2010), “The spatial decay of agglome-ration economies: Estimates for use in transport appraisal,” Technical report,Imperial college London, URL http://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdf. [15, 16]

Holl, A. (2016), “Manufacturing location and impacts of road transport infra-structure: empirical evidence from Spain,” Regional Science and Urban Economics34(3), 341–363. [9]

Hymel, K. (2009), “Does traffic congestion reduce employment growth,” Journalof Urban Economics 65(2), 127–135. [1, 4]

IMF (2016), “Belgium: Staff Concluding Statement of the 2017 Article IV Mission,”technical report, URL http://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV

-Mission. [2]

INRIX (2015), “Key findings: Urban mobility scorecard annual report,” Database,INRIX, URL http://inrix.com/scorecard/key-findings-us/#key-findings-europe. [2]

Jacobs, J. (1969), The economies of cities, Random House, New York. [16]

Jofre-Monseny, J., Marin-Lopez, R. en Viladecans-Marsal, E. (2014), “The determi-nants of localization and urbanization economies: Evidence from the locationof new firms in Spain,” Journal of Regional Science 54(2), 313–337. [16]

Kruispuntbank voor ondernemingen (2015), “Open data,” Database, FOD Eco-nomie, K.M.O., Middenstand en Energie, URL http://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcu. [9]

Mare, D. en Graham, D. (2013), “Agglomeration elasticities and firm heteroge-neity,” Journal of Urban Economics 75, 44–56. [9]

Marshall, A. (1890), Principles of Economics, MacMillan, London. [1, 16]


http://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index_en.htmhttp://ec.europa.eu/transport/strategies/facts-and-figures/transport-matters/index_en.htmhttp://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdfhttp://personal.lse.ac.uk/gibbons/papers/agglomerationreport.pdfhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://www.imf.org/en/News/Articles/2016/12/12/MS121216-Belgium-Staff-Concluding-Statement-of-the-2017-Article-IV-Missionhttp://inrix.com/scorecard/key-findings-us/#key-findings-europehttp://inrix.com/scorecard/key-findings-us/#key-findings-europehttp://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcuhttp://economie.fgov.be/nl/ondernemingen/bce/pub/opendata/#.WEBAgZHhDcuhttp://www.steunpuntore.be

Martin, P., Mayer, T. en Mayneris, F. (2011), “Spatial concentration and plant-levelproductivity in France,” Journal of Urban Economics 69(2), 182–195. [9, 27]

Martin, R. (1999), “The new geographical turn in economics: Some criticalreflections,” Cambridge Journal of Economics 23(1), 65–91. [15]

Melo, P., Graham, D. en Noland, R. (2009), “A meta-analysis of estimates of urbanagglomeration economies,” Regional Science and Urban Economics 39(3), 332–342.[1]

Organisatie voor Economische Samenwerking en Ontwikkeling (2013), “OECDeconomic surveys: Belgium,” Technical report, Organization for EconomicCo-operation and Development, URL http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=

ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92. [1]

Planbureau (2016), “Input-outputtabellen en uitbreidingen,” Database, Planbureau,URL http://www.plan.be/aboutus/overview.php?lang=nl&TM=50. [12, 17]

Rizov, M., Oskam, A. en Walsh, P. (2012), “Is there a limit to agglomeration? Evi-dence from productivity of Dutch firms,” Regional Science and Urban Economics42(4), 595–606. [18]

Rosenthal, S. en Strange, W. (2003), “Geography, industrial organization andagglomeration,” The review of Economics and Statistics 85(2), 377–393. [16]

Steunpunt Werk (2015), “Pendelstromen bij de loontrekkenden (15-64 jaar)naar geslacht, leeftijdsklasse en WSE-sector (Belgische gewesten, pro-vincies en RESOC’s/CSEF’s; jaargemiddelde,” Database, Vlaamse Over-heid, URL http://www.steunpuntwerk.be/cijfers?field collectie tid=13&field indicator tid=All&items per page=50. [22, 33]

——— (2016), “WSE-sectorindeling,” Technisch rapport, Vlaamse Over-heid, URL http://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st wse wse-sectorindeling nace 2008.pdf. [9, 11]

Sweet, M. (2014), “Traffic congestion’s economic impacts: Evidence from U.S.metropolitan regions,” Urban Studies 51(10), 2088–2110. [1]

Verkeerscentrum Vlaanderen (2011), “Verkeersindicatoren. Hoofdwe-gennet Vlaanderen 2010,” Technical report, Verkeerscentrum Vlaan-deren, URL http://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdf. [6]


http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.oecd-ilibrary.org/docserver/download/1013101e.pdf?expires=1465306380&id=id&accname=ocid49025850&checksum=597D4B1887DDEA36F09AC5034CD19C92http://www.plan.be/aboutus/overview.php?lang=nl&TM=50http://www.steunpuntwerk.be/cijfers?field_collectie_tid=13&field_indicator_tid=All&items_per_page=50http://www.steunpuntwerk.be/cijfers?field_collectie_tid=13&field_indicator_tid=All&items_per_page=50http://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st_wse_wse-sectorindeling_nace_2008.pdfhttp://www.steunpuntwerk.be/sites/steunpuntwse.be/files/documents/cijfers/st_wse_wse-sectorindeling_nace_2008.pdfhttp://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdfhttp://www.verkeerscentrum.be/verkeersinfo/dossiers/rapport-verkeersindicatoren-2010.pdfhttp://www.steunpuntore.be

Vlaams Verkeerscentrum (2016), “Traffic Indicators,” Database, Flemish Govern-ment, URL http://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-table. [2, 3, 4, 5, 6, 8, 20, 22,23, 25, 34]

Weisbrod, G., Vary, D. en Treyz, G. (2001), “Economic implications of congestion,”Technical report, National Cooperative Highway Research Program, URL http://onlinepubs.trb.org/onlinepubs/nchrp/nchrp rpt 463-a.pdf. [1]


http://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-tablehttp://indicatoren.verkeerscentrum.be/vc.indicators.web.gui/indicator/index#/presentation-tab-tablehttp://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_463-a.pdfhttp://onlinepubs.trb.org/onlinepubs/nchrp/nchrp_rpt_463-a.pdfhttp://www.steunpuntore.be

A. Data

Tabel 10: Pendelstromen in Vlaanderenen Brussel volgens verkeers-zone (2010–2013)

Invloedsgebied 2010 2011 2012 2013

Antwerpen 82.7 82.6 82.7 83.0Brussel 88.2 88.4 88.6 88.8Gent 69.3 69.7 69.9 70.3Rest Vlaanderen 83.1 83.2 83.3 83.4

Gemiddelde 80.8 81.0 81.1 81.4

Bron: eigen berekeningen op basis van Steunpunt Werk(2015).



Tabel 11: Filezwaarte en verkeersvolume voor de ring- en snelwe-gen in Vlaanderen en Brussel (2014)

Snelweg en rijrichtingen segment VVU VVUF GVU RVVU RVVUF

R0 Buitenring Brussel 38 9,197 6,272 37,810 0.2432 0.1659Binnenring Brussel 37 8,895 5,862 38,403 0.2316 0.1526

R1 Binnenring Antwerpen 13 4,455 2,641 17,300 0.2575 0.1527Buitenring Antwerpen 15 3,975 2,566 16,642 0.2389 0.1542

A1/E19 Antwerpen - Brussel 19 4,173 3,088 20,415 0.2044 0.1513Brussel - Antwerpen 19 1,332 769 18,638 0.0715 0.0413

A10/E40 Oostende - Brussel 40 3,804 2,063 45,916 0.0828 0.0449A10/E40 - Brussel - Oostende 43 1,789 830 43,705 0.0409 0.0190

A14/E17 Rijsel (F) - Antwerpen 45 3,569 2,586 41,801 0.0854 0.0619A14/E17 - Antwerpen - Rijsel (F) 46 1,763 1,223 41,397 0.0426 0.0295

A13/E313 Luik - Antwerpen 39 3,204 1,737 29,504 0.1086 0.0589Antwerpen - Luik 40 626 303 27,987 0.0224 0.0108

A3/E40 Luik - Brussel 17 2,699 1,730 18,746 0.1440 0.0923Brussel - Luik 19 986 631 16,774 0.0588 0.0376

A4/E411 Namen - Brussel 6 1,751 1,342 5,570 0.3144 0.2409Brussel - Namen 6 108 75 3,956 0.0273 0.0190

A2/E314 Heerlen (Nl) - Leuven 41 1,382 695 24,108 0.0573 0.0288Leuven - Heerlen (Nl) 41 901 390 22,972 0.0392 0.0170

A1/E19 Breda (Nl) - Antwerpen 13 1,013 432 10,603 0.0955 0.0407Antwerpen - Breda (Nl) 13 256 118 9,737 0.0263 0.0121

A12 Antwerpen - Brussel 19 878 345 7,783 0.1128 0.0443Brussel - Antwerpen 21 662 478 6,365 0.1040 0.0751

A21/E34 Eindhoven (Nl) - Ranst 17 665 352 10,315 0.0645 0.0341Ranst - Eindhoven (Nl) 17 110 28 8,570 0.0128 0.0033

A11/E34 Zelzate-West - Antwerpen 16 516 403 7,106 0.0726 0.0567Antwerpen - Zelzate-West 15 111 70 6,733 0.0165 0.0104

A17/E403 Doornik - Brugge 18 292 191 9,146 0.0319 0.0209Brugge - Doornik 18 146 62 9,000 0.0162 0.0069

A19 Ieper - Kortrijk 9 192 146 3,558 0.0540 0.0410Kortrijk - Ieper 9 11 7 3,238 0.0034 0.0022

A12 Bergen-op-Zoom (Nl) - Antwerpen 10 152 96 3,441 0.0442 0.0279Antwerpen - Bergen-op-Zoom (Nl) 12 48 30 3,268 0.0147 0.0092

R2 Binnenring Antwerpen 8 144 92 1,340 0.1075 0.0687Buitenring Antwerpen 9 93 34 1,356 0.0686 0.0251

R4 Binnenring Gent 11 136 101 2,874 0.0473 0.0351Buitenring Gent 13 89 43 2,638 0.0337 0.0163

A18/E40 Duinkerke(F) - Jabbeke 14 122 85 6,269 0.0195 0.0136Jabbeke - Duinkerke (F) 14 55 49 6,115 0.0090 0.0080

A8/E429 Doornik - Halle 5 68 58 626 0.1086 0.0927Halle - Doornik 4 2 1 601 0.0033 0.0017

A112 Wilrijk - Antwerpen 4 11 7 315 0.0349 0.0222Antwerpen - Wilrijk 3 6 4 305 0.0197 0.0131

A201 Brussel - Luchthaven 3 7 2 264 0.0265 0.0076Luchthaven - Brussel 5 4 2 211 0.0190 0.0095

Opmerking: RVVU=VVU/GVU en RVVUF=VVUF/GVU met VVUvoertuigverliesuren, VVUF voertuigverliesuren file en GVU gepresteerdevoertuiguren.Bron: Vlaams Verkeerscentrum (2016), eigen berekeningen.



InleidingBeschrijving van de gegevensCongestiegegevensMaatstaven voor congestieDekkingsgraad van het meetnetBeschrijvende statistieken

BedrijfsgegevensBehandeling van de bedrijfsgegevensBeschrijvende statistieken

Bedrijfsspecifieke indicatoren voor agglomeratie en congestieBerekening van de indicatorenInvloedszone van een ondernemingAgglomeratie-indicatorCongestie-indicator

Agglomeratie en congestie in VlaanderenWisselwerking tussen agglomeratie en congestie

Besluit en verder onderzoekOverzicht en besluitBeperkingen en opmerkingenVerder onderzoek

Data

Agglomeratie en congestie in Vlaanderen · 2018. 2. 26. · economische prestaties van regio’s...

Documents

Transcript of Agglomeratie en congestie in Vlaanderen · 2018. 2. 26. · economische prestaties van regio’s...