Bevezetés

A területi polarizáció növekedése, a fejlődés földrajzi koncentrációja az elmúlt évtized során a visegrádi országok egyik meghatározó folyamatává vált. Ezért nem véletlen, hogy a téma irodalma jelentős mértékben bővült, a szerzők véleménye azonban számos kérdésben eltér. Vita elsősorban abban van, hogy a gazdasági kibocsátás bővülése növekvő vagy csökkenő területi különbségeket eredményez. Evvel kapcsolatban két kérdés fogalmazható meg. Hogyan jelenik meg a gazdasági fejlődés különböző térbeli kontextusban? Az egyenlőtlen gazdasági fejlődés miatt jelentkező területi különbségek milyen gazdaságpolitikai beavatkozásokkal csökkenthetőek? A tanulmányban elsősorban az első kérdéssel foglalkozunk, pontosabban a területi polarizáció és konvergencia összefüggő vizsgálatát nyújtjuk, egy korábban megjelent tanulmányunk (Benedek – Kocziszky, 2015) bővített és aktualizált formájában.

Elméleti háttér

Az elmúlt évtizedekben több diszciplína foglalkozott a területi egyenlőtlenségek jelenségével: regionális gazdaságtan, gazdaságföldrajz, regionális tudomány. Aránylag széles körben elfogadott a területi polarizáció definíciója: a népesség és a gazdaság jelentős földrajzi koncentrációjának ténye és folyamata egyaránt. A polarizáció fogalmi hátterét nyújtó elméletek (kumulatív okság elmélete, a központ–periféria elméletek, a fordított polarizáció elmélete, szektorális polarizáció stb.) leíró jellegük miatt nem szorultak ki a főáramlatú közgazdaságtanból. Tanulmányunkban arra kívánjuk felhívni a figyelmet, hogy a konvergenciavizsgálatok (Barro – Sala-i Martin, 1995) jó alapot nyújtanak a területi polarizáció vizsgálatára, lehetővé téve a folyamat pontosabb mérését és magyarázatát.

A konvergenciavizsgálatokban a neoklasszikus elméleti háttér jelentős szerepet tölt be, tekintettel arra, hogy egyszerű magyarázatot ad a regionális egyenlőtlenségek evolúciójára: szegényebb régiók gyorsabban növekednek, mint a gazdagabbak, ennek következtében a gazdasági egyenlőtlenségek időben mérséklődnek (Solow, 1956; Mankiw et al., 1992). A neoklasszikus konvergenciavizsgálatok a növekedés Solow-modelljére épülnek, ahol lineáris regresszióval vizsgálják a béta-konvergenciát, azaz összehasonlítják a szegény és gazdag régiók egy főre jutó GDP-jének növekedési ritmusát. Ennek az elméleti álláspontnak legfontosabb kihívója az új növekedés elmélete, amely növekvő gazdasági különbségeket és divergenciát vetít elő, tekintettel a tudás területi koncentrációjára (Romer, 1986). Ehhez adódik a gazdasági ciklusok elmélete, amely a konvergencia/divergencia-vizsgálatok új logikáját javasolja: a területi egyenlőtlenségek ciklikusan változnak: a divergencia és növekvő egyenlőtlenségek fázisát konvergencia és csökkenő diszparitások fázisa követi (Quah, 1996a).

A konvergencia és a divergencia mértékét számos szerző vizsgálta különböző területi egységek esetében (a globálistól az európai, illetve a regionális szintig). Az eredmények azt igazolják, hogy amíg a világ országai közötti jövedelmi különbségek többnyire növekedtek az elmúlt fél évszázad alatt, addig az EU-tagállamok közötti jövedelmi különbségek tendenciaszerűen csökkennek (Benedek, 2015).

Új szempontokra hívja fel a figyelmet az európai országok NUTS2-es térségei jövedelmi különbségeinek elemzése (Armstrong, 1995; Rodriguez-Pose – Tselios, 2013). A szerzők többsége béta-konvergenciával számol, amelynek intenzitása az elemzés időhorizontjától, a megvizsgált területi egységektől és az alkalmazott módszertantól függően változó, miközben a kontinensen kívüli fejlett ipari országok esetében konvergencia figyelhető meg. Nem kis mértékben ez utóbbi hatására született meg az ún. konvergenciaklubok elmélete (Baumol, 1986; Quah, 1996b), amely azt feltételezi, hogy a konvergencia országcsoportok (régiócsoportok) (klubok) keretében megy végbe, míg a csoportok (klubok) közötti különbségek növekednek. Ezt az elméleti álláspontot a tanulmányunkban tesztelni fogjuk, más szóval feltételezzük, hogy a visegrádi régiók gazdasági növekedése eltérő pályákon halad, illetve feltételezzük bizonyos konvergenciaklubok beazonosíthatóságát.

Többdimenziós konvergencia

Az elmúlt időszakban a szerzők (Liargovas – Fotopoulos, 2009; Smetkowski – Wójcik, 2012; Rodriguez-Pose – Tselios, 2013; Royuela – García, 2015; Benedek, 2015) egy része a konvergenciát többdimenziós folyamat keretei között vizsgálja, mert megítélésük szerint a gazdasági kibocsátás konvergenciája nem tükrözi az életminőség és a jólét változását. Másképpen fogalmazva a gazdasági növekedés nem befolyásolja szignifikánsan a háztartások jövedelmét, az életminőség indikátorainak javulását (Easterly, 1999; Rodriguez-Pose – Tselios, 2013). Így például a jövedelmi és egészségi állapot trendje is eltérő lehet: míg a jövedelmi különbségek nőnek, addig az egészségi indikátorokban kifejezett különbségek csökkenhetnek (Becker et al., 2005).

A többdimenziós konvergenciavizsgálatkor alkalmazott elemzési módszerek nem különböznek a gazdasági konvergencia elemzésekor alkalmazottaktól. Új az, hogy több indikátort vesznek figyelembe elemzéseik során (például a társadalmi jólét indexét, illetve annak komponenseit, az egyének vagy háztartások jövedelmét, a bűnözési rátát stb.).

A többdimenziós konvergenciavizsgálat eredményei a vizsgált időszaktól, az adatok léptékétől (nemzetközi, országos, regionális vagy lokális) és az alkalmazott indikátoroktól függően eltérőek. Míg a makrogazdaságok összehasonlítása esetében erős korreláció van a gazdasági és társadalmi konvergencia között (hatékonyság kontra méltányosság), ugyanez nem igazolható regionális szinten. Néhány esetben a társadalmi konvergencia megvalósult, miközben a gazdasági konvergencia elmaradt (Rodriguez-Pose – Tselios, 2013; Royuela – García, 2015; Benedek et al., 2015), azaz az életszínvonal javulhat gazdasági növekedés, illetve gazdasági konvergencia nélkül is. Erre vonatkozóan A Bizottság jelentése a gazdasági teljesítményről és a társadalmi haladásról (The Commission on the Measurement of Economic Performance and Social Progress) fogalmazta meg a legfontosabb megállapításokat: „megérett az idő a gazdasági teljesítmény méréséről az emberek jóllétének mérésére koncentrálni.” (Stiglitz et al., 2010, 312.). A továbbiakban arra a kérdésre keressük a választ, hogy a visegrádi országokban megvalósult-e a többdimenziós konvergencia, az erős gazdasági és térbeli polarizáció feltételei között.

Gazdasági és többdimenziós konvergencia/divergencia a visegrádi országokban

Az EU-tagállamok, ill. a tagállamok NUTS2-es területi egységei esetében az egy főre jutó GDP rövid távon érdemben nem közelít. A reálgazdasági konvergencia ugyanis hosszú folyamat, a gazdasági egyenlőtlenségek néhány ország esetében nőttek. Ez utóbbi megállapítás érvényes a visegrádi országokra is. A 2008-as pénzügyi válság hatására jelentkező recesszió érzékenyen érintette a V4-eket: gazdasági kibocsátásuk növekedési üteme lelassult, ami negatívan hatott a konvergencia folyamatára. A válságot követően (2010 után) újból beindult a konvergencia folyamata (1. táblázat).

A fenti táblázatban az is látható, hogy a visegrádi országok közül Magyarországon a leglassúbb a konvergencia folyamata. Ennek eredményeként 2014-ben Lengyelország utolérte Magyarországot. Lengyelország 2000-ben még 6%-kal maradt le Magyarországtól, akárcsak Szlovákia (4%-kal), míg a Csehország és Magyarország közötti fejlődésbeli különbség tovább nőtt.

Területi polarizáció vizsgálata

A polarizáció és konvergencia vizsgálatára két módszert használtunk: a szigma- és a béta-konvergenciát. Mindkét módszert az 1990-es években dolgozták ki annak a vizsgálatára, hogy a GDP-vel kifejezett regionális egyenlőtlenségek hosszú távon növekednek vagy csökkennek (Mankiw – Romer – Weil, 1992; Barro – Sala-i Martin, 1995).

A területi polarizáció perspektívájából, azaz gazdaságföldrajzi értelmezésben a konvergencia a polarizáció csökkenéseként, és fordítva, a divergencia a területi polarizáció növekedéseként értelmezhető. Más szóval, alapvetően közgazdaságtani, precízebb módszereket használunk egy gazdaságföldrajzi folyamat vizsgálatára. Ezért az adatok értelmezésekor csupán arra szorítkozunk, ami geográfiai szempontból mérvadó és lényeges.

A szigma-konvergenciát a relatív szórással mérjük (coefficient of variation, CV). Magasabb CV-érték magasabb regionális különbségeknek felel meg és fordítva. Szigma-konvergencia akkor következik be, amikor a megvizsgált régió egy főre jutó GDP relatív szórása időben csökken. Kiszámítottuk a globális Moran-index (MI) értékeit is, amely a jövedelmek területi autokorrelációjának, illetve a térbeli kapcsolatok kimutatására alkalmas.

Az egy főre jutó GDP CV mutatója valamennyi visegrádi országban nőtt a 2007-es pénzügyi válságig. A bázisévben (1995) a regionális különbségek Szlovákiában voltak a legnagyobbak, ami arra utal, hogy jelentős az országban a területi polarizáció. Érdemes megfigyelni, hogy a pénzügyi válság (2007) miatt kialakult recesszió hatására a CV-mutató három országban csökkent (kivéve Lengyelországot), majd 2010 után újraindult a gazdasági konvergencia (2. táblázat).

A többdimenziós konvergencia vizsgálata alapján a fentieknél cizelláltabb következtetések vonhatók le. A vizsgált időszakban valamennyi visegrádi országban nőtt a humán fejlettségi index (HDI) CV mutatójának értéke, azaz hosszú távon divergencia mutatható ki, amire a pénzügyi válság nem gyakorolt érdemi hatást. Ez azt jelenti, hogy a HDI-indikátor komponensei kisebb ütemben változnak, mint a fajlagos GDP nagysága, a rövid távú beavatkozások érdemben nem befolyásolták ezt.

Területi autokorreláció vizsgálata

A területi autokorrelációs index alacsony értéke arra utal, hogy az egy főre jutó GDP eloszlása véletlenszerű, miközben a fajlagos GDP szórása nőtt, a Moran-index értéke pedig csökkent a vizsgált időszakban. Az eredmények azt igazolják, hogy a gazdasági divergencia alacsony szintű területi autokorrelációval párosul, ellentétben más vizsgálatok eredményeivel (például Royuela – García, 2015). Csehország és Szlovákia esetében alacsonyak az index értékei a fővárosi régiók miatt jelentkező erős térbeli polarizáció következtében. A térségek közötti kölcsönhatás Lengyelországban is alacsony (bár egyedüli V4-es ország, ahol a területi autokorreláció kismértékben erősödött). A területi autokorreláció Magyarország esetében a legerősebb, az ország térbeli struktúrájának hatására (erős nyugat-kelet megosztottság), de a Moran-index értéke a 2004-es EU-csatlakozás után csökkent.

A humán fejlettségi index alapján számított Moran-index sokkal erősebb területi autokorrelációra utal, mint az egy főre jutó GDP esetében. A 1995-2013 közötti időszakban az autokorreláció értéke csökkent a V4-es országok esetében. A legdrámaibb csökkenést Csehországban és Szlovákiában volt, ahol 2010-ben már nem mutatható ki szignifikáns területi autokorreláció (a fővárosi régiók egy főre jutó erős GDP-növekedése miatt). Ezzel szemben Lengyelország és Magyarország esetében még mindig jelentős a területi autokorreláció, amely időben együtt mozog a CV-mutatóval, ami a regionális különbségek növekedését jelzi. Ez alátámasztja azt a feltételezésünket, miszerint a konvergencia, illetve divergencia erősen összefügg a területi polarizációval.

Béta-konvergencia

A béta-konvergencia kiküszöböli a szigma-konvergencia módszertani hiányosságait (érzékeny az extrém értékekre, vagyis a szegényebb régiók fejlődése ugyanannyira befolyásolja a CV értékét, mint a legjobban teljesítő térségek egy főre jutó GDP-jének csökkenése). Az ún. béta-konvergencia mutató ezzel szemben nem függ a jövedelem volumenében bekövetkező változásoktól, vagy az adatsor extremitásaitól, így jobban jellemzi a periferikus régiók felzárkózási folyamatát.

Az egy főre jutó GDP adatai (1992-2013) alapján lineáris regressziós modellt írtunk fel, ahol a függő változó a régió egy főre jutó 1995-ös évi GDP-je, míg a független változó az 1995 és 2013 között bekövetkezett változást fejezi ki. A regressziós egyenes negatív béta tagja jelzi, hogy a vizsgált időszakban a visegrádi országok NUTS2-es régiói az EU-átlaghoz közeledtek (teljesül a konvergencia). 1995-ben az egy főre jutó GDP jelentősen elmaradt az EU-átlagtól, de néhány térségben a GDP növekedési rátája az EU-átlag fölött volt. Mindamellett a konvergencia éves sebessége alacsony (0,53%), ami a felzárkózási folyamat hosszú távú jellegét támasztja alá. A konvergencia jelentősebb volt a fővárosi régiókban és azokban a régiókban, ahol a GDP 1995-ben alacsonyabb volt. A konvergencia folyamatában is erős regionális különbségek tapasztalhatók: amíg valamennyi szlovák régió esetében kimutatható a felzárkózási folyamat, addig Csehországban több régió esetében nem volt béta-konvergencia (például: Prága, Jihozápad, Severozápad, Severovýchod, Strední Morava).

Amennyiben megváltoztatjuk az elemzés szintjét, és a NUTS2-es régiók konvergenciáját az országos átlaghoz viszonyítva vizsgáljuk, a béta-konvergencia valószínűsége csökken. Így Csehországban csak a

Strední Cechy régió (Prágát övező térség), Magyarország esetében a Közép-Dunántúl és a Nyugat-Dunántúl, Szlovákiában Stredné Slovensko térsége regisztrál béta-konvergenciát. Mindez növekvő polarizációra utal, amit a szigma-konvergencia elemzése is igazol. Ezzel szemben Lengyelországban a NUTS2-es régiók többségében megvalósult a béta-konvergencia, ami két tényezővel magyarázható: egyrészt az ország általános gazdasági helyzete, a gazdasági fejlődést a 2008-as pénzügyi válság sem állította meg. Másrészt a kelet-lengyel NUTS2-es régiókban az egy főre jutó GDP szintje alacsony (2004-ben az EU legszegényebb régiói közé tartoztak), itt az egy főre jutó GDP növekedési rátája magas volt.

Amennyiben számításba vesszük a fejlődés többdimenziós jellegét (HDI), gyenge pozitív irányú kapcsolatot mutathatunk ki a HDI kezdeti szintje és a növekedési rátája között. Ez pozitív béta tagot jelent, vagyis nem bizonyítható a béta-konvergencia fennállása. Ez a megállapítás ellentétes a neoklasszikus konvergencia elmélettel, azonban hasonló néhány empirikus tanulmány legfontosabb megállapításaihoz, amelyek a konvergencia vizsgálatába a társadalmi dimenziót is beépítik (Rodriguez-Pose – Tselios, 2013; Royuela – García, 2015). Továbbá, a HDI esetében magas a divergencia évi sebessége (0,87%), ami azt jelzi, hogy a többdimenziós konvergencia hosszú távú folyamat, amely nem mozog párhuzamosan a gazdasági konvergenciával.

Konvergenciaklubok vizsgálata

Azok a régiók sorolhatóak egy konvergenciaklubba, amelyek gazdasági növekedésének (steady-state) pályája hasonló. Ezek olyan gazdasági és földrajzi egységek, amelyeknek társadalmi-gazdasági jellegzetességeik, földrajzi pozíciójuk nagyon hasonló.

A gazdasági konvergenciaklubok meghatározásához egy idősoros vizsgálatot végeztünk az egy főre jutó GDP értéke és annak évi növekedési üteme közötti negatív korreláció ellenőrzésére. Minden klubra a lineáris regresszió módszerével ellenőriztük a béta-konvergenciát. Célunk az volt, hogy minimális csoporton belüli, illetve maximális csoportok közötti különbségeken alapuló klubokat határozzunk meg. Négy konvergenciaklubot azonosítottunk az egy főre jutó GDP és annak növekedési rátája alapján (3. táblázat, 1. ábra).

Az első konvergenciaklub (periferikus-felzárkózó régiók) tizennégy lengyel, három szlovák és egy magyar régiót (Észak-Alföld) tartalmaz. E régiók 1995-ben általában periferikus jellegűek voltak az egy főre jutó GDP-t tekintve, azonban magasabb GDP növekedési rátát tudtak felmutatni, mint a második vagy harmadik klub tagjai, és e ráták voltak a legmagasabbak a visegrádi régióban. 1995-ben a klubban relatíve alacsony volt az egy főre jutó GDP (átlagértéke vásárlóerő-paritáson mérve 7978 euró/fő). Azonban az egy főre jutó GDP évi átlagos növekedési rátája 1995 és 2013 között magas (5,39%). A legmagasabb növekedési rátával jellemezhető régiókat is ebben a klubban találjuk (Pozsony kivételével): Západné Slovensko, azaz Nyugat-Szlovákia (6%), illetve Dolnoslaskie (Alsó-Szilézia, 6,16%).

A második konvergenciaklub (periferikus és félperiferikus-stagnáló régiók) öt magyar, hét cseh (a főváros kivételével valamennyi) és egy lengyel régiót tartalmaz. A klubban az egy főre jutó GDP 1995-ben kicsivel magasabb volt az első klub átlagánál (értéke vásárlóerő-paritáson mérve 10 446 euró/fő). Azonban az egy főre jutó GDP átlagos növekedési rátája 1995 és 2013 között a legalacsonyabb (3,66%).

A harmadik konvergenciaklub (fejlettebb-stagnáló régiók) csak két fővárosi régiót tartalmaz (Közép-Magyarország és Mazowieckie, azaz Mazóvia), amelyekben relatíve magas volt az egy főre jutó GDP 1995-ben (14 900 euró/fő), de az egy főre jutó GDP növekedési rátája valamivel alacsonyabb, mint az első és negyedik klub átlaga (5,08%).

A negyedik klub Csehország és Szlovákia fővárosi régióit tartalmazza. Kezdetben ezekben a térségekben volt a legmagasabb az egy főre jutó GDP és az első klubhoz viszonyítva legmagasabb volt a GDP növekedési rátája is.

Az első klubhoz tartozó régiók esetében (az egy főre jutó GDP magas növekedési rátája következtében) csökken a kezdeti gazdasági különbség. A negyedik klubba tartozó fővárosi régiókkal együtt ezek a visegrádi országok legdinamikusabban fejlődő térségei. Ha összehasonlítjuk az egy főre jutó GDP értékeit 1995-ben és 2013-ban (3. táblázat), nyilvánvaló, hogy miközben a régiók konvergenciát regisztrálnak a klubjaikon belül, kismértékű konvergencia tapasztalható az első két klub és a harmadik/negyedik klub között. A második klub régiói megragadtak egy alacsonyabb fejlettségi szinten, a periferizáció jeleit mutatva. Ebben az értelemben hosszú távon e régiók némelyikétől nem várható el, hogy csökkentsék a harmadik és negyedik klub tagjaihoz képest fennálló különbséget.

Ha a béta-konvergenciát a konvergenciaklubokon belül elemezzük, minden klaszter tagjai között erősödő konvergenciát figyelhetünk meg, igazolva William J. Baumol (1986) konvergenciahipotézisét. Tehát megállapítható, hogy néhány régió konvergenciát mutathat egy közös egyensúlyi állapot felé, a különböző klaszterek vagy klubok konvergenciája nélkül.

Az eredmények azt bizonyítják, hogy az első klubban tíz régió a tizennyolcból nem konvergál (Észak-Alföld, Nyugat-Szlovákia és nyolc lengyel régió). A második klaszter esetében tizenhárom régióból hat nem mutat béta-konvergenciát: három cseh és három magyar régió: Közép-Dunántúl, Dél-Dunántúl és Dél-Alföld. A harmadik és negyedik klaszterben minden régió közeledett a klaszter átlagához. A legtöbb olyan régió esetében, amelyik nem regisztrált konvergenciát a klaszter átlagához, megfigyelhető a klaszterből való kiszorulás tendenciája, más szavakkal periferizálódnak. Megállapításaink megegyeznek néhány tanulmány Nyugat-Európára vonatkozó következtetésével, ahol erős konvergenciát mutattak ki a leggazdagabb régiók között és gyenge konvergenciát a fennmaradó klubokon belül (De Siano - D’Uva, 2006).

Ugyane módszertant alkalmaztuk a többdimenziós konvergencia hipotézisének tesztelésére is. A HDI értékei alapján a visegrádi országok régióit négy klubba soroltuk az értékei átlagos szóródásának megfelelően (4. táblázat, 2. ábra). A gazdasági konvergenciaklubokkal összehasonlítva, ugyanolyan számú klubot alakítottunk ki, azonban a többdimenziós konvergencia esetében eltérő az első és második klub összetétele. Ráadásul egy érdekes földrajzi mintázat is körvonalazódik: az első klub tagjai a visegrádi országok keleti térségeiből kerülnek ki, s a második klub tagjait a visegrádi országok nyugati és középső térségei adják. A harmadik és negyedik klub tagsága, akárcsak a gazdasági konvergencia esetében, a fővárosi térségekre korlátozódik.

Az első klubban a HDI átlagos növekedési rátája a legmagasabb, de a kezdeti HDI értékei alacsonyabbak voltak. Négy lengyel, egy szlovák és négy magyar régió alkotja a klubot. A klub tagjai alacsony HDI-vel és GDP-vel jellemezhető, periferikus helyzetükből kitörni képtelen térségek. A második klubba tizenegy lengyel, két szlovák, két magyar és az összes cseh régió (kivétel a főváros) került. Ebben a csoportban még mindig jelentős HDI növekedési rátát regisztrálunk.

A harmadik klub két fővárosi régiót (Mazowieckie és Közép-Magyarország) tartalmaz, magas HDI-értékekkel, azonban a HDI növekedési rátája alacsony. A negyedik klubot is két fővárosi régió alkotja, Pozsony és Prága, amelyekben már 1995-ben is viszonylag magas volt a HDI, és a vizsgált időszakban ezek mutatták a legalacsonyabb átlagos növekedési rátát a visegrádi régióban. Ezek a térség legfejlettebb régiói, magas szintű gazdasági és társadalmi fejlődésük erőteljes térbeli polarizációt idéz elő.

A klubokon belül két helyen tér el a többdimenziós vizsgálat eredménye a gazdasági konvergenciaklubok mintázatától: a második klubban csupán négy régió nem regisztrált béta-konvergenciát a huszonkettőből, közöttük Közép-Dunántúl, illetve a harmadik klubon belül nem regisztráltunk konvergenciát: Közép-Magyarország és Mazóvia fejlődése divergens jellegű.

Következtetések

A tanulmány a visegrádi országok konvergenciafolyamatainak többdimenziós vizsgálatát nyújtja. Teszteltük a konvergencia hipotézisét egydimenziós (gazdasági) és többdimenziós szemléletben is, figyelembe vettük a térbeli kölcsönhatásokat, rámutattunk a konvergencia és a területi polarizáció közötti kapcsolatra.

Az elemzés nem bizonyított szigma-konvergenciát 1995 és 2013 között a visegrádi országok régióiban sem gazdasági (egy főre jutó GDP), sem pedig többdimenziós (HDI) értelemben. Ennek magyarázata a regionális diszparitások és területi polarizáció növekedése az elmúlt időszakban ezekben az országokban, különösen Magyarország és Szlovákia esetében. Ráadásul, a területi autokorreláció időben párhuzamosan halad a regionális különbségek növekedésével és a polarizációval. Ez alátámasztja a fő feltételezésünket, miszerint a konvergencia vagy divergencia folyamatai erősen összefüggnek a területi polarizációval és a periferizálódással.

Az EU átlagához viszonyítva a visegrádi országok NUTS2-es régióiban növekvő konvergencia tapasztalható 1995 és 2013 között. Ez azt jelenti, hogy a kevésbé fejlett régiók átlagosan gyorsabban növekedtek, mint a fejlettebbek, de alacsonyabb területi szinteken csak kevés esetben igazolható a NUTS2-es régiók országos átlaghoz viszonyított béta-konvergenciája. Ez azt támasztja alá, hogy az EU átlagához viszonyított országos szintű konvergencia csak növekvő belső polarizáció és periferizálódás mellett volt elérhető.

Számításaink igazolták a konvergenciaklubok kialakulásának tényét. Szigma- és béta-konvergencia hiányában a NUTS2-es régiók körében kimutatható a klubokon belüli lokális konvergencia. Az eredmények alátámasztják, hogy a periferikus régiók alacsonyabb fejlettségi fázisban ragadtak: konvergálnak a konvergenciaklubon belül, de helyzetük hosszú távon nem javult lényegesen.
 

Kulcsszavak: polarizáció, konvergencia, regionális egyenlőtlenségek, visegrádi országok, többdimenziós fejlődés
 

IRODALOM
Armstrong, Harvey W. (1995): Convergence among Regions of the European Union 1950–1990. Papers in Regional Science. 74, 143–152. DOI: 10.1111/j.1435-5597.1995.tb00633.x • WEBCÍM

Barro, Robert J. – Sala-i Martin, Xavier (1995): Economic Growth. New York: McGraw-Hill

Baumol, William J. (1986): Productivity Growth, Convergence, and Welfare: What the Long-run Data Show. American Economic Review. 76, 1072–1085. • WEBCÍM

Becker, Garry S. – Philipson, Tomas J. – Soares, Rodrigo R. (2005): The Quantity and Quality of Life and the Evolution of World Inequality. The American Economic Review, 95, 277-291.

Benedek József (2015): A társadalom térbelisége és térszervezése. A romániai regionális egyenlőtlenségek társadalomföldrajzi vizsgálata. Kolozsvár: Egyetemi Műhely Kiadó,

Benedek József – Cristea, Marius – Szendi Dóra (2015): Catching up or Falling behind? Economic Convergence and Regional Development Trajectories in Romania. Romanian Review of Regional Studies. 11, 1, 15–34. • WEBCÍM

Benedek József – Kocziszky György (2015): Paths of Convergence and Polarization in the Visegrád Countries. In: Lang, Thilo – Henn, Sebastian – Ehrlich, Kornelia – Sgibnev, Wladimir (eds.): Understanding Geographies of Polarization and Peripheralization. Perspectives from Eastern Europe and Beyond. Basingstoke: Palgrave/MacMillan, 17–234. • WEBCÍM

De Siano, Rita - D’Uva, Maecella (2006): Club Convergence in European Regions. Applied Economics Letters. 13, 569-574. DOI: 10.1080/13504850600733473

Easterly, William (1999): Life During Growth. Journal of Economic Growth. 4, 239-276. DOI: 10.1023/ A:1009882702130 • WEBCÍM

Ezcurra, Roberto – Pascual, Pedro (2005): Cross-country Disparities in Welfare, 1970-1998. Applied Economics Letters. 12, 41–44. DOI: 10.1080/1350485042 000293112

Liargovas, Panagiotis G. – Fotopoulos, Georgios  (2009): Socioeconomic Indicators for Analyzing Convergence: The Case of Greece: 1960–2004. Social Indicators Research. 93, 315–330. DOI: 10.1007/s11205-008-9319-3

Mankiw, N. Gregory – Romer, David - Weil, David N. (1992): A Contribution to the Empirics of Economic Growth. Quarterly Journal of Economics. 107, 407–437. • WEBCÍM

Quah, Danny T. (1996a): Empirics for Economic Growth and Convergence. European Economic Review. 40, 1353–1375. • WEBCÍM

Quah, Danny T. (1996b): Regional Convergence Clusters across Europe. European Economic Review. 37, 426–434. • WEBCÍM

Rodríguez-Pose, Andrés - Tselios, Vassilis (2013): Toward Inclusive Growth: Is There Regional Convergence in Social Welfare? International Regional Science Review. 38, 1, 30–60. DOI: 10.1177/0160017613505201 • WEBCÍM

Romer, Paul M. (1986): Increasing Returns and Long-run Growth. Journal of Political Economy. 94, 5, 1002–1037. •  WEBCÍM doi=10.1.1.589.3348&rep=rep1&type=pdf

Royuela, Vicente – García, Gustavo Adolfo (2015): Economic and Social Convergence in Colombia. Regional Studies. 49, 2, 219–239. DOI: 10.1080/ 00343404.2012.762086 • WEBCÍM

Smetkowski, Maciej – Wójcik, Piotr (2012): Regional Convergence in Central and Eastern European Countries: A Multidimensional Approach. European Planning Studies. 20, 6, 923–939. DOI: 10.1080/09654313.2012.673560

Solow, Robert M. (1956): A Contribution to the Theory of Economic Growth. Quarterly Journal of Economics, 70, 65–94. • WEBCÍM

Stiglitz, Joseph E. – Sen, Amartya - Fitoussi, Jean-Paul (2010): A Bizottság jelentése a gazdasági teljesítmény és a társadalmi fejlődés méréséről. Statisztikai Szemle. 88, 305–320. • WEBCÍM

Európai Unió (27 ország)

Európai Unió (15 ország)*

euróövezet (17 ország)

Ausztria

Belgium

Bulgária

Ciprus

Csehország

Dánia

Egyesült Királyság

Észtország

Finnország

Franciaország

Görögország

Hollandia

Írország

Lengyelország

Lettország

Litvánia

Luxemburg

Magyarország

Málta

Németország

Olaszország

Portugália

Románia

Spanyolország

Svédország

Szlovákia

Szlovénia

Csehország

Magyarország

Lengyelország

Szlovákia

visegrádi országok