Schválené projekty 2018

Rozdělení přidělené dotace z MŠMT na specifický vysokoškolský výzkum po fakultách se zohledněním celoškolských pracovišť na rok 2018

Celková přidělená částka z MŠMT na specifický vysokoškolský výzkum na VŠB-TUO - 55 008 271 Kč

Z toho 2.5% - 1 375 200 Kč - úhrada způsobilých nákladů spojených s organizací SGS

fakulta přidělená částka v Kč
FBI  1 169 170
EKF  3 711 750
FAST  2 600 000
FS  8 523 694
FEI 14 727 528
HGF  6 164 359
FMT  7 136 570
VC  9 600 000
CELKEM 53 633 071

KódSP2018/151
Název projektuVýznam migrace a znalostní ekonomiky pro rozvojové a rozvíjející se země
ŘešitelŠulák Jan Ing., Ph.D.
Školitel projektudoc. Ing. Mariola Pytliková, Ph.D.<br />
Období řešení projektu01.01.2018 - 31.12.2018
Předmět výzkumuPředmět výzkumu:
a) Předmět výzkumu, současný stav řešení a strukturovaná rešerše
Tento návrh výzkumného projektu se pokouší objasnit roli migrace a znalostní ekonomiky (dále také KE) na některé ekonomické výstupy v rozvojových a rozvíjejících se ekonomikách. Je známo, že technologický rozvoj a inovace jsou klíčovým faktorem dlouhodobého ekonomického růstu (Romer, 1990). Rovněž mezinárodní migranti mohou napomáhat podněcovat ekonomický růst pomocí technologického pokroku, kreativity či inovací a to různými mechanismy. Kupříkladu, jak je zdokumentováno v empirické literatuře, remitence emigrantů ovlivňují nejen ekonomický rozvoj (Yang, 2011; Docquier a Rapoport, 2006; Andersen a Christensen (2009)) ale například také úroveň lidského kapitálu (Anghel a Piracha, 2015) v jejich v zemích původu. Z tohoto úhlu pohledu není dosud příliš prostudována a pochopena heterogenita závisející zejména na zemích původu migrantů, stejně jako na charakteristikách migrantů samotných. Přítomnost migrantů totiž může podporovat kreativitu, inovace ale například také přímé zahraniční investice (dále FDI), zejména skrze sítě a kanály etnické diverzity (Alesina a La Ferrara, 2005). Proto prvním cílem tohoto návrhu výzkumného projektu je objasnit roli migrantů na ekonomické výstupy, jako jsou například remitence, FDI nebo výkonnost firem. Existuje však také celá řada determinant znalostní ekonomiky, kterým bohužel dosud není v empirické literatuře věnována zvýšená pozornost. Kupříkladu je známo, že institucionální rámec hraje významnou roli ve vytváření a růstu nových znalostí. Například, efektivní a kvalitní způsob správy (řízení) přitahuje přímé zahraniční investice a rovněž stimuluje místní podniky a společnosti k investicím (Andrés, Asongu a Amavilah, 2015; Tchamyou, 2016; Strulik, 2014; Kurz, 2011). Problémem ve většině rozvíjejících se ekonomik však zůstává nedostatečné prozkoumání vlivů přijímání nových informačních a komunikačních technologií (ICT), jejich adaptace a rozmístění, stejně jako nedostatečný výzkum v oblasti inovativních schopností a jejich ekonomických implikací vzhledem k lidskému rozvoji. Druhým cílem tohoto výzkumného záměru je proto kvantitativně zhodnotit faktory a vlivy determinující znalostní ekonomiku a rovněž způsoby jak znalostní ekonomika ovlivňuje ekonomický růst a rozvoj.

b) Konkrétní výzkumná témata – přínos k současné literatuře
Téma I.: Směry vývoje znalostní ekonomiky a socioekonomického rozvoje Afrických zemí
V současnosti se stále více autorů zaměřuje na výzkum znalostní ekonomiky (Fosu, 2013; Nyarko, 2013; Strulik et al., 2013; Tchamyou, 2016; Asongu a Tchamyou, 2016). Podobně také Andrés, Asongu a Amavilah (2015; 2017) zkoumají dopad oficiálních institucí na ekonomiku a docházejí k závěru, že tyto formální instituce jsou sice nezbytnými, avšak bohužel také nedostatečně rozvinutými determinantami znalostní ekonomiky a ICT. Proto tito autoři navrhují rozšířit a prohloubit výzkum a poznání v oblasti vlivu fenoménu globalizace na mír a stabilitu konkrétních zemí a stejně tak vliv míru a stability na správu KE a KE skrze správu. Navíc také zkoumají otázku, zdali podnikatelské prostředí afrických zemí překáží či naopak podporuje znalostní ekonomiku. Další zkoumanou otázkou v této oblasti je, jak znalostní ekonomika ovlivňuje ekonomický růst a jakým způsobem se růst vztahuje k socioekonomickému rozvoji v Africe. Rovněž je plánováno zhodnotit směry vývoje KE, její dynamiku a disparity napříč Africkými zeměmi. Předpokládáme, že závěry tohoto projektu objasní vývoj znalostní ekonomiky, její vnitřní a vnější determinanty a jejich efekty na socioekonomické výstupy v afrických zemích. Na základě výsledků budou také diskutovány implikace pro tvůrce politiky v této oblasti.
Téma II.: Role migrantů v ekonomickém rozvoji
V porovnání s výzkumem zaměřeným na efekty imigrace v cílových zemích , je výzkum efektů emigrace v zemích původu migrantů poměrně vzácný – několik existujících studií obvykle odkazuje na fenomén brain-drain („odliv mozků“), efekt emigrace na úroveň mezd nemigrující populace či dopad remitencí na země původu migrantů (Docquier a Rapoport, 2009; Hanson, 2008 a 2009; Shen et al. 2010). Remitence umožňují domácnostem, které je obdrží, více utrácet na spotřebu, více spořit a následně investovat, zmírňovat chudobu a rovněž slouží jako „záchranná síť“ v případě ekonomického propadu. Např. Mansor a Quillin (2006) využívají analýzu dat, získaných z dotazníkového šetření mezi migranty, kteří se navrátili do zemí Evropy a střední Asie, aby ukázali, že většina remitencí je využita k financování spotřeby – na jídlo či ošacení, avšak velká část příjmů z remitencí je rovněž využívána na platby za vzdělání a také úspory (více než 10 %) a méně než 5 % je utraceno na investice do podnikání. V této části projektu hodláme přispět k současnému poznání, v rámci výzkumu dosud podhodnocované problematiky dopadů mezinárodní migrace na země původu migrantů, výzkumem dopadů emigrace na snižování efektů chudoby právě v zemích původu migrantů, resp. v domácích ekonomikách a také jejich vlivu na vytváření znalostní ekonomiky. Konkrétně se zaměřujeme na studium efektů rozptylu migrantů na toky remitencí a přímých zahraničních investic do jejich zemí původu.

c) Cíl projektu
Téma I.: Směry vývoje znalostní ekonomiky a socioekonomického vývoje Afrických zemí
Cílem této části projektu je: a) rozšířit a prohloubit porozumění determinantám znalostní ekonomiky, jako například globalizace (např. skrze efekty míru a stability) a podnikatelského prostředí; b) ověřit, jak KE ovlivňuje ekonomický růst a jakým způsobem se růst vztahuje k socioekonomickému rozvoji v Africe; c) zhodnotit směry vývoje KE, např. vývoj, disparity či dynamiku KE napříč africkými zeměmi.
Téma II.: Role migrantů v ekonomickém rozvoji
Cílem druhé části projektu je zhodnotit ekonomické dopady migrace. Konkrétně: a) popsat a zhodnotit heterogenní roli emigrantů na ekonomiku jejich domovské země prostřednictvím remitencí a FDI; b) zhodnotit přínos migrantů a tím i etnické diverzity na ekonomickou výkonnost firem.

d) Metodika postupu řešení a popis použitých dat
Téma I.: Směry vývoje znalostní ekonomiky a socioekonomického vývoje Afrických zemí
Abychom v této části projektu mohli naplnit cíl a zhodnotit vnitřní a vnější determinanty KE v afrických zemích, využíváme tři úrovně regresní analýzy:
První úroveň regrese: (1)
kde: Stability reprezentuje „mír a stabilitu“, Trade symbolizuje otevřenost z hlediska zahraničního obchodu, FDI jsou přímé zahraniční investice reprezentující finanční otevřenost a je časově-specifická konstanta zachycující časové fixní efekty. Na této úrovni regrese jsou během procesu odhadů ukládány odhadnuté hodnoty pro využití v druhé úrovni regrese.
Druhá úroveň regrese: (2)
kde: Governance znamená obecnou správu (GG), ekonomickou správu (EG) a institucionální správu (IG); TradeStab, FDIStab a GlobStab odkazují na ke globalizaci vztažený mír a stabilitu. Opět, indikátory správy jsou pomocí regrese analyzovány na základě odhadnutých hodnot Stability z regrese první úrovně (viz Rovnice 1) a tím je generováno devět hlavních proměnných popsaných níže.
Třetí úroveň regrese: (3)
kde na levé straně Rovnice 3 je znalostní ekonomika reprezentována pomocí proměnných Educatex, ICTex, Innovex a Creditex a na pravé straně rovnice jsou indikátory správy charakterizující ke globalizaci vztažené faktory míru a stability a X je vektor kontrolních proměnných.
***Pozn. pro přesný zápis rovnic viz Příloha 2.
Pro tyto analýzy využíváme data z různých sekundárních zdrojů, ale některá data na konkrétní proměnné generujeme pomocí použitelných metod jako například „principal component analysis“ (PCA).
Dále sledujeme podobné nastavení zhodnocení role podnikatelského prostředí ve vytváření znalostní ekonomiky. Zde je východiskem dynamika podnikání. Jinými slovy, zdali je politická stabilita východiskem pro první cíl, podnikatelská dynamika reprezentuje striktně exogenní proměnné k naplnění cíle druhého. Závislá proměnná je v rámci prvního cíle „znalostní ekonomika“, v rámci druhého cíle je jí inkluzivní rozvoj, takže zmiňované tři kroky je možno sumarizovat jako:
Úroveň 1: Znalostní ekonomika v Africe závisí na dynamice zahájení a provozování podnikání, globalizaci, správě, podmíněných informacích a náhodné chybě. Tato první úroveň tedy zahrnuje dvě sady rovnic, konkrétně znalostní ekonomiku od zahájení podnikání a znalostní ekonomiku od provozování podnikání.
Úroveň 2: Ekonomický růst je funkcí „znalostní ekonomiky“ odhadnuté v úrovni 1, kontrolních a dalších relevantních proměnných a náhodných změn. Tato úroveň obsahuje dvě sady rovnic, a to konkrétně: růst spojený se znalostní ekonomikou vyvolaný zahájením podnikání a růst vztažený k provozování podnikání.
Úroveň 3: Inkluzivní rozvoj měřený jako od nerovnoměrnosti očištěný lidský rozvoj vztažený k růstu odhadnutému v úrovni 2 za přidání dalších vysvětlujících a kontrolních proměnných. Tato úroveň obsahuje rovněž dvě sady rovnic - inkluzivní rozvoj ovlivněný znalostní ekonomikou vyvolaný zahájením podnikání a inkluzivní rozvoj spojený se znalostní ekonomikou ovlivněný provozováním podnikání.
Následně je možno popsat rozvoj a směry rozvoje znalostní ekonomiky pomocí průměrů a popisné evidence a nakonec vyhodnocujeme efekty znalostní ekonomiky na ekonomický rozvoj pomocí two-step regrese, např.:

Stage 1: Innovation_it=Constant+ α_1 ICT_it+β_1 OtherVariables_it+error_2 (4)
Stage 2: Development_it=Constant+α_2 EstimatedInnovation_it+β_2 OtherVariables_it+error_2 (5)

Abychom se vyhnuli, resp. minimalizovali, identifikační a další statistické problémy, OtherVariables v sobě zahrnuje determinanty specifické pro každou rovnici a předpokládáme, že struktura statistické chyby má (alespoň na začátku) normální rozdělení. Pro případ redukované formy modelu pro všechny tři cíle je proto možné zapsat:
Y=Xθ+ε, (6)
kde: Y je zástupný symbol pro všechny endogenní proměnné, X zastupuje determinanty (i pre-determinanty) proměnné Y a ε je chybová složka. Tyto modely mohou být odhadovány pomocí metod GMM, WLS a dalších.

Téma II.: Role migrantů v ekonomickém rozvoji
Pro provádění analýz budeme v tématu II. využívat dva různé soubory dat, první z nich na makro úrovni (konkrétních zemí) a druhý na mikro úrovni (individuální úrovni subjektů). Nejprve hodláme skombinovat data na migraci s roční frekvencí z aktualizovaného panelu dat autorky Pytlikova (2011), který pokrývá migrační toky a počet obyvatel, pocházejících ze všech zemí světa, žijících ve 42 cílových zemích pro časové období 1980-2015 (viz např. Adsera a Pytlikova, 2015) s daty na stav přímých zahraničních investic a dalšími socioekonomickými proměnnými získanými ze zdrojů OECD a Světové banky. Eurostat sbírá data vztažená k remitencím pracovníků v rámci platební bilance zkoumaných zemí. Jako druhý ze zdrojů dat využijeme data ISPV Trexima (Informační systém o průměrném výdělku) zahrnující jak zaměstnavatele, tak zaměstnance, ke zhodnocení role migrantů na ekonomické výstupy českých firem. Data jsou poskytována soukromou konzultantskou společností Trexima jménem Ministerstva práce a sociálních věcí ČR, pro detailní popis dat viz www.trexima.cz, Gottvald et al. (2002), Eriksson a Pytlikova (2004, 2011), Eriksson, Pytlikova a Warzynski (2013). Tato data doplníme jiným datovým souborem firemních účtů získaných z CreditInfo Česká republika.
V naší empirické analýze nejprve aplikujeme tzv. gravitační model. Navíc využijeme dva rozdílné metodologické přístupy, abychom vyřešili možnou endogenitu migračních toků s ohledem na ekonomické výstupy. Nejprve využijeme přirozeného experimentu, kterým bylo rozšíření Evropské unie směrem na východ a aplikujeme metodu Difference-in-Differences a zadruhé aplikujeme ekonometrickou metodu instrumentálních proměnných (IV), opět, abychom zachytili možnou endogenitu migračních toků s ohledem ne ekonomické výstupy. Empirickou analýzu individuálních (mikro) dat zahájíme využitím třídění pozorování napříč povoláními a firmami a využitím indexu segregace, který byl rozvinut autory Duncan and Duncan (1955):
St = (0.5)SUMAinit − /i fit/ (7)
kde: nit /fit/ je poměr všech zaměstnaných „domácích“ pracovníků (resp. cizinců), kteří jsou zaměstnáni v zaměstnání i v čase t. To indikuje poměr cizinců (nebo domácích), kteří by museli změnit zaměstnání při stejném rozložení (distribuci) zaměstnání mužů a žen. Index segregace je roven nule, pokud je podíl cizinců v zaměstnání stejný, jako je jejich podíl na celkové zaměstnanosti. Hodnota 0 tedy znamená úplnou integraci, přičemž hodnota 100 indikuje úplnou segregaci. Aplikujeme rovněž další dva alternativní indexy, a to Hishmann-Herfindahlův index a index bohatství. Vypočítáme etnickou diverzitu v rámci firmy na základě národnosti cizinců, jelikož tento údaj je také sledován Treximou. Navíc zkoumáme vztah mezi počtem migrantů, etnickou diverzitou a ekonomickou výkonností firem.

Dále se také můžeme zaměřit na produktivitu firem, inovativnost, mzdy a fluktuaci zaměstnanců jakožto na vysvětlované proměnné v rámci naší regresní analýzy. Abychom opět eliminovali potenciální endogenitu mezi podílem cizinců a výstupy firem, aplikujeme již jednou zmiňovanou techniku instrumentálních proměnných (IV). Zde je možno využít širokou paletu alternativních instrumentů pro počty migrantů ve firmách, jako například nabídkově orientované instrumenty, obdobně jako ve své analýze využil Card (2001), a která je založena na predikci současného složení nabídky práce na regionální úrovni s využitím její historické kompozice. Obdobné instrumenty využívají také kupříkladu autoři Card a Di Nardo (2000), Dustmann et al. (2005), Cortes (2008), Foley a Kerr (2012), Parrota, Pozzoli a Pytlikova (2014a, 2014b). Jako část analýzy robustnosti rovněž využíváme alternativní instrumenty charakterizující etnickou diverzitu, ve kterých je etnická diverzita vypočítávána na základě podílu zahraniční populace predikované empirickým modelem determinant migrace, např. modelem v čase proměnlivých push a pull faktorů autorů Pedersen, Pytlikova a Smith (2008).

e) Časový harmonogram řešení
Projekt se uskuteční v období od 1. 1. 2017 do 31. 12. 2018 v následujících krocích:
• Sběr a aktualizace dat;
• psaní a tvorba rešerše teoretické a empirické literatury, stanovení hypotéz;
• sestavení teoretických a empirických modelů;
• příprava dat, jejich analýza, vyhodnocení výsledků;
• první koncepty paperů a příspěvků pro prezentaci na konferencích.
• prezentace výsledků se zapracováním obdržených připomínek;
• předložení článků k publikování ve working paper series (například IZA, CELSI) a v časopisech s impaktem.

Literatura:
Adsera, A. and M. Pytlikova (2015): “The role of language in shaping international migration”. Economic Journal, Vol. 125, Issue 586, pp. F49-F81. August 2015.
Alesina, A. & E. La Ferrara (2005): Ethnic Diversity and Economic Performance, Journal of Economic Literature 43 (3): 762-800.
Andrés, A.R., Amavilah, V.H., and Asongu, S.A. (2017). “Linkages between formal institutions, ICT adoption, and inclusive human development in Sub-Saharan Africa”. In: Catalyzing Development through ICT Adoption: The Developing World Experience. Springer Verlag (forthcoming)
Andrés, A.R., Asongu, S.A., and Amavilah, V.H. (2015). “The impact of formal institutions on the knowledge economy”. Journal of Knowledge Economy, 6(4), 1034-1062.
Borjas, George J. 2003. “The Labor Demand Curve Is Downward Sloping: Reexamining The Impact of Immigration on The Labor Market.” The Quarterly Journal of Economics 118(4): 1335-1374.
Card, David. 2005. “Is the New Immigration Really so Bad?” Economic Journal 115 (507): 300-323.
Cortés, C., and Vapnik, V. (1995). Support-vector-network. Machine Learning 20(3), 273-297.
Docquier, F., H. Rapoport and S. Salomone (2011). “Remittances, Migrants.Education and Immigration Policy: Theory and Evidence from Bilateral Data”. IZA Discussion Paper No. 6104.
Fosu, A.K. (2013). “Achieving development success: Strategies and lessons from the developing world”. UNU-WIDER Policy Brief (November).
Gottvald, J. Hanclova, J., Pytlikova, M. and V. Stanek (2002): “Minimum Wage in Wage Structures of the Czech and Slovak Republics” in Gottvald, J.: Determinants of Individual Pay and Firm’s Pay Structures in the Czech and Slovak Republics. Ostrava.
Kerr, W. and Lincoln W.. “The Supply Side of Innovation: H-1B Visa Reforms and US Ethnic Invention.” Journal of Labor Economics, Vol. 28 (2010), pp. 473-508.
Kurz, H.D. (2011). Innovation, Knowledge and Growth: Adam Smith, Schumpeter and the Moderns (Routledge Studies in the History of Economics). London: Routledge.
Nyarko, Y. (2013). “Sustaining High Economic Growth in Sub-Saharan Africa: Knowledge and the Structure of the Economy”. Journal of African Economies, 22, suppl_1(January), pp: -i77- i101.
Ottaviano, G. I. P. and G. Peri (2005): Cities and Cultures, Journal of Urban Economics, 58, 304-337.
Parotta, P., Pozzoli, D. and M. Pytlikova (2014b): “Does Labour Diversity affect Firm Productivity?”. European Economic Review, Vol. 66, pp. 144–179.
Parrotta, P., Pozzoli, D. and M. Pytlikova (2014a): "The Nexus between Labor Diversity and Firm's Innovation." Journal of Population Economics. Journal of Population Economics. Volume 27, Issue 2, April 2014, pp 303-364.
Pedersen, P.J., Pytlikova, M. And N. Smith (2008): "Selection and network effects--Migration flows into OECD countries 1990-2000," European Economic Review, vol. 52(7), pages 1160-1186.
Peri, G., and F. Requena (2009). The trade creation effect of immigrants: Testing the theory on the remarkable case of Spain. Centre for Research and Analysis of Migration, Discussion Paper no. 15/09
Romer, P.M. (1990). “Endogenous technological change”. Journal of Political Economy, 98(5), 71-102.
Singh, P. (2014). “Austerity, Welfare State and Eco-Socialism: With Special reference to the United Kingdom”, Economic and Political Weekly, XLIX(39), 111-118.
Strulik, H. (2014). “Knowledge and growth in the very long run”. International Economic Review, 55 (2), 459-482.
Strulik, H., Prettner, K., Prskawetz, A. (2013). “The past and future of knowledge-based growth”. Journal of Economic Growth, 18(4), 411-437.
Tchamyou, S.V. (2016). “The role of knowledge economy in African business”. Journal of the Knowledge Economy, DOI: 10.1007/s13132-016-0417-1.
Yang, D. (2011). “Migrant remittances”. Journal of Economic Perspectives, Vol. 25, No. 3—Summer 2011. pp. 129–152.
Členové řešitelského týmudoc. Antonio Rodríguez Andrés, Ph.D.
Ing. Gabriela Hanáková
Ing. Veronika Lasotová
doc. Ing. Mariola Pytliková, Ph.D.
Bc. Silvia Rizikyová
Ing. Jan Šulák, Ph.D.
Ing. Jakub Vontroba
Specifikace výstupů projektu (cíl projektu)Výstupy projektu budou zahrnovat minimálně 3 prezentace výsledků výzkumu na významných, zejména zahraničních, konferencích (jako např. EALE, EEA/ESEM meetings, ESPE, AEA, konferencích organizovaných např. IZA a CReAM). Dále pak budou hlavními výstupy projektu minimálně tři články v ekonomických časopisech s impakt faktorem nebo z databáze SCOPUS (či jejich kombinace).

Výstupem projektu SGS budou závazné minimální počty publikací dle kategorií:
Jimp 3
Jsc 0
B 0
Jneimp 0
Jrec 0
D 1

Rozpočet projektu - uznané náklady

NávrhSkutečnost
1. Osobní náklady
Z toho
40200,-40200,-
1.1. Mzdy (včetně pohyblivých složek)30000,-30000,-
1.2. Odvody pojistného na veřejné zdravotně pojištění a pojistného na sociální zabezpečení a příspěvku na státní politiku zaměstnanosti10200,-10200,-
2. Stipendia74700,-74700,-
3. Materiálové náklady58000,-69167,-
4. Drobný hmotný a nehmotný majetek79100,-95620,-
5. Služby50000,-53450,-
6. Cestovní náhrady58000,-26863,-
7. Doplňkové (režijní) náklady max. do výše 10% poskytnuté podpory40000,-40000,-
8. Konference pořádané VŠB-TUO k prezentaci výsledků studentského grantu (max. do výše 10% poskytnuté podpory)0,-0,-
9. Pořízení investic0,-0,-
Plánované náklady400000,-
Uznané náklady400000,-
Celkem běžné finanční prostředky400000,-400000,-