Otázka č. 5 – Byla již ve spolupráci s Vaší organizací založena nějaká spin-off firma?
Odpovědi na tuto otázku znázorňuje obrázek 16.
Výše uvedený graf na obrázku 16 udává představu o tom, jak jsou školy informované o založení spin-off firmy. Pozitivní fakt je ten, že většina (konkrétně 5) VŠ odpověděla, že na svém kontě mají vznik některé z takových firem. Fakulty byly s kladnou odpovědí střídmější, ano odpověděly pouze 2. Shodně 3 VŠ i 3 fakulty odpověděli záporně. Dále 1 VŠ si není dosud vědoma založení spin-off firmy, protože tuto skutečnost neeviduje.
Stejně pak odpověděly ještě 2 fakulty.
Pro dopověď ano a pro odpověď ne byly k dispozici ještě doplňující otázky. Respondenti, kteří zvolili kladnou odpověď, byli dotázáni, zda mohou jmenovat konkrétní firmy. Pouze 1 VŠ a 2 fakulty jmenovaly konkrétně, ovšem ani jedna si nepřála název zveřejnit. Dále pak MUNI uvádí, že dosud mají založených 13 firem, ovšem názvy nezveřejní s ohledem na interní postupy. Zde se opět ukazuje kontrast českého vysokoškolského (vědeckého) a podnikatelského prostředí versus zahraničí.
Respondenti s odpovědí ne, byli vyzváni k uvedení názoru resp. příčiny dosavadního nezakládání spin-off firem. Nejčastějším odůvodněním byla složitost tohoto způsobu komercionalizace ať už z hlediska autorských práv, složitosti majetkových vztahů nebo nutnosti rozhodnutí správní rady a zároveň nejasné požadavky VŠ. Nejasné požadavky uvádí fakulta školy, která má dle dotazování zpracovaný systém pro založení spin-off, což svědčí o evidentní nedokonalosti systému. Dále se objevovaly důvody jako dosavadní nezkušenost, rizikovost nebo neexistence vhodného VaV pro tento způsob komercionalizace.
Otázka 6 – Očekáváte do budoucna nárůst vzniku spin-off firem z výsledků VaV Vaší instituce? Poslední otázka měla v nabídce opět kladnou či zápornou odpověď. Poměr odpovědí ukazuje obrázek 17. Z obrázku je patrné, že naprostá většina škol tj. 7 očekává do budoucna vznik spin-off v prostředí své instituce. Pouze 2 školy uvádějí, že do budoucna žádný vznik spin-off neočekávají, přestože by o jejich vznik stály. I fakulty vidí budoucnost vcelku pozitivně, jelikož 5 jich odpovědělo kladně a 3 záporně. Pro respondenty s odpovědí ano následovala poslední doplňující otázka, a to v jakém oboru očekávají vznik spin-off a přehled těchto odpovědí je zobrazen v obrázku 18.
Obrázek 17: Očekávání spin-off do budoucna VŠ a jejich fakultami Zdroj: vlastní zpracování
Obrázek 18: přehled oborů, v nichž se očekává vznik spin-off Zdroj: vlastní zpracování
Obrázek 18 ukazuje, že obory, v nichž jsou nejvíce očekávány spin-off firmy jsou informační technologie a biotechnologie. Tento poznatek podporuje dosavadní přehled spin-off firem, kdy většina z nich je právě z těchto oborů.
2.4.8 Shrnutí výsledků výzkumu
Výsledky výzkumu potvrdily dosavadní předpoklady a splnily předem stanové cíle. Je zřejmé, že většina VŠ má zájem o zakládání spin-off firem, avšak existují zde stále překážky v podobě nedokonalosti nebo neexistence systému pro případ založení spin-off firem. Hlavním problémem je nejasnost řešení plnění povinností zaměstnancem v rámci dosavadního pracovního poměru v případě, že spin-off založí právě zaměstnanec instituce.
Dále se zde opět potvrdila jakási citlivost tématu spin-off. Je třeba upozornit na fakt, že dotazování se zúčastnily převážně takové školy, jejichž spin-off firmy byly předem identifikovány v rámci předchozích průzkumů (projekt SGS v roce 2013). Podrobnější shrnutí problematiky je uvedeno v závěrečné části této práce, a to se zahrnutím výsledků ostatních výzkumů a analýz (primárních i sekundárních dat), které předcházely této kapitole nebo které budou přímo následovat.
2.5 Podpora komercionalizace ze strany VŠ
Pro komercionalizaci VaV je důležitá samotná podpora VŠ. Podpora komercionalizace může být projevena existencí výše zmíněných systémů pro komercionalizaci (systém pro ochranu duševního vlastnictví, systém pro vznik off, systém pro případ založení spin-off zaměstnancem aj.). Jak uvádí Rydvalová a kol. (2013), monitoring systémů pro komercionalizaci výsledků vědy a výzkumu prostřednictvím spi-off byl proveden v září 2013 a výsledkem tohoto monitoringu bylo zjištění, že většina škol má své systémy připraveny.6 Existencí systémů na VŠ se také zabýval výše zmíněný průzkum.
6 Rydvalová SGS str. 33
Dalším projevem podpory komercionalizace může být vytvoření CTT. Jak bylo zmíněno v teoretické části, CTT můžou velmi usnadnit zakládání spin-off firem, jelikož jejich existencí odpadá složitost formálního vzniku, vycházející z komplikovanosti organizačních struktur VŠ. Toto potvrzuje praxe v zahraničí, kdy po založení těchto center docházelo k rapidnímu nárůstu nově založených spin-off firem.
Následující část diplomové práce se zabývá monitoringem realizace center pro transfer technologií na českých VŠ. Cílem tohoto monitoringu je zjistit, na kolika VŠ již takové centrum existuje. Monitoring vychází z dostupných internetových zdrojů, zejména z informací dostupných na webových stránkách vysokých škol. Dále byla provedena analýza vztahu mezi existencí těchto center a množstvím identifikovaných spin-off firem daných VŠ. K tomu byl využit existující přehled spin-off firem, který byl hlavním výstupem prvního průzkumu. Pro celistvost monitoringu byly zahrnuty všechny veřejné VŠ, přestože u některých je vznik spin-off téměř nereálný, vzhledem k neexistenci vhodných poznatků. Aktuální situaci k datu 30. 11. 2014 ohledně CTT na veřejných VŠ zobrazuje následující tabulka 1.
Tabulka 1: Přehled existence CTT na veřejných VŠ k 30. 11. 2014
Název VŠ CTT ano/ne
Akademie múzických umění v Praze (AMU) ne
Akademie výtvarných umění v Praze (AVU) ne
Česká zemědělská univerzita v Praze (ČZU) ano
České vysoké učení technické v Praze (ČVUT) ano
Janáčkova akademie múzických umění v Brně (JAMU) ne
Jihočeská univerzita v Českých Budějovicích (JU) ano
Masarykova univerzita (MUNI) ano
Mendelova univerzita v Brně (MENDELU) ano
Ostravská univerzita v Ostravě (OU) ne
Slezská univerzita v Opavě (SLU) ne
Technická univerzita v Liberci (TUL) ne
Univerzita Hradec Králové (UHK) ne
Univerzita Jana Evangelisty Purkyně v Ústí nad Labem (UJEP) ne
Univerzita Karlova v Praze (UK) ano
Vysoká škola báňská-Technická univerzita Ostrava (VŠB-TUO) ano
Vysoká škola ekonomická v Praze (VŠE) ne
Vysoká škola chemicko-technologická v Praze (VŠCHT Praha) ne
Vysoká škola polytechnická Jihlava (VŠPJ či VŠP Jihlava) ne
Vysoká škola technická a ekonomická v Českých Budějovicích (VŠTE) ano
Vysoká škola uměleckoprůmyslová v Praze (VŠUP v Praze) ne
Vysoké učení technické v Brně (VUT, zkrácený název: VUT v Brně) ano
Západočeská univerzita v Plzni (ZČU) ano
Zdroj: vlastní zpracování
V tabulce 1 jsou barevně zvýrazněny vysoké školy a univerzity, které mají založena centra transferu technologií buď formou samostatného subjektu, nebo jako útvar v rámci organizační struktury. Z tabulky je patrné, že školy, které na první pohled představují potenciál pro transfer výsledků VaV prostřednictvím odloučeného podnikání, mají převážně CTT zřízena. Většina z nich vznikla v posledních letech, zejména v roce 2012.
Celkově představuje poměr škol se zřízenými CTT 54 % z celkového počtu. Zároveň má většina VŠ v cílech, zaměřit se na transfer výsledků VaV prostřednictvím tvorby spin-off, i přes dosavadní neexistenci CTT, což je velice pozitivní jev.
Dále bylo provedeno srovnání zjištěného stavu ohledně CTT s identifikovanými spin-off firmami daných VŠ. Bylo zjištěno, že žádná ze škol, která nemá zřízené CTT nemá na svém kontě identifikovanou spin-off firmu.
Následující obrázek 19 udává přehled 14 VŠ s fungujícím CTT a s počtem spin-off, který u nich byl identifikován. Jednoznačně největší množství spin-off firem má na svém kontě Masarykova univerzita (MUNI). Zde je třeba dodat, že se nepodařilo v rámci monitoringu identifikovat všech univerzitou avizovaných 13 firem. Identifikováno jich bylo pouze 6, z toho 1 je ve fázi zániku (fúzí). Informace o 13 firmách pochází z dotazníkového šetření, kde přímo jejich CTT udělilo souhlas s plným zveřejněním dat, ovšem bez uvedení konkrétních názvů firem. Informace o počtu firem ostatních VŠ již plně vychází z vlastního monitoringu. Další výraznou školou v počtu založených spin-off je Vysoké učení technické v Brně (VUT) s počtem 10 identifikovaných spin-off. Třetí největší množství spin-off má pak na svém kontě České vysoké učení technické Praha (ČVUT). Na Západočeské univerzitě v Plzni (ZČU) byly identifikovány 2 spin-off, u dalších čtyř škol
byla identifikována pouze 1 firma. U 7 škol nebyla identifikována dosud žádná spin-off, přestože mají zřízené CTT.
Obrázek 19: Počet spin-off firem u VŠ s CTT Zdroj: vlastní zpracování
Na základě vlastního monitoringu (prosinec 2014) bylo dále zjištěno, že převážná většina škol začala pořádat různé přednášky a kurzy o transferu technologií a problematice spin-off pro své zaměstnance, což je dalším ukazatelem podpory komercionalizace ze strany českých VŠ.
Byla prokázána existence formální podpory ze stran většiny VŠ ať už formou existujících systémů pro komercionalizaci VaV, zakládáním CTT či pořádáním kurzů. Přesto, že administrativní podpora byla prokázána u většiny VŠ, stále je zde téměř polovina škol bez prokazatelných výsledků v oblasti vzniku spin-off. Jedním z důvodů je jistě zjištění, které vyplývá z dotazníkového šetření na českých VŠ, a to že většina škol sice systémy
konkrétní VŠ. Následující část se zabývá otázkou, proč se spin-off firmy soustřeďují pouze okolo univerzit zobrazených na obrázku 19.
2.6 VŠ a jejich spin-off v souvislosti s výzkumným potenciálem krajů
Podkapitola se zabývá souvislostí mezi výzkumným potenciálem krajů a transferovými aktivitami VŠ, realizovanými zakládáním spin-off firem.
Jistou souvislost lze vyvodit z grafu na obrázku 20. V rámci prvního dotazníkového šetření byly osloveny inovační podniky z celé ČR (rok 2013). Jednou z otázek tohoto průzkumu byl dotaz na spolupráci s VO/VŠ. Následně byly podniky požádány o uvedení názvu konkrétní organizace, s níž spolupracují. Výsledkem bylo velké množství organizací.
V následujícím obrázku je znázorněna četnost podniků, které uváděly konkrétní VŠ, s níž aktuálně spolupracují.
Obrázek 20: Četnost spolupráce podniku s VŠ Zdroj: Rydvalová, et al., 2013, s. 45, upraveno
V obrázku 20 jsou barevně vyznačeny VŠ, u kterých byly zároveň identifikovány některé spin-off firmy. VŠ, u nichž dosud nebyla identifikována žádná spin-off jsou pak označeny černě. Je patrné, že VŠ aktivní v tvorbě spin-off firem se soustřeďují v první polovině grafu, to znamená v polovině s nejvyšší četností spolupráce se soukromou sférou.
V následujícím obrázku 21 jsou znázorněny VŠ s existujícími spin-off, na území ČR v konkrétních krajích, a to dle zjištění dotazníkového šetření v roce 2014.
Obrázek 21: VŠ se spin-off podle krajů Zdroj: vlastní zpracování
V obrázku 21 jsou barevně vyznačeny kraje, v nichž fungují VŠ mající spin-off firmy. Jak je vidět, největší koncentrace spin-off firem se jednoznačně nachází na východní části ČR, v Olomouckém, Jihomoravském a Moravskoslezském kraji. Dalším významným krajem z hlediska tvorby spin-off je Plzeňský kraj a Praha.
2.6.1 Charakteristiky určující výzkumný potenciál krajů
V souvislosti s hodnocením výzkumného potenciálu je třeba zmínit, že většina krajů má vypracované své regionální inovační strategie (RIS), na základě nichž by kraje měly usilovat o rozvoj inovací, což se neobejde bez výzkumu (Pavelková, et al., 2009, s. 73).
Následující zhodnocení výzkumného potenciálu vychází z několika základních charakteristik, které mohou mít na výzkumný potenciál vliv a tím také na tvorbu spin-off firem. Za účelem zhodnocení regionů bylo v minulosti provedeno několik analýz inovačních potenciálů7, které pracovaly s desítkami hodnocených faktorů. Pro zhodnocení samotného výzkumného potenciálu krajů bylo potřeba analýzu značně zjednodušit, a proto bylo vybráno pouze 7 ukazatelů k hodnocení. Uvedené charakteristiky byly specifikovány dle vykazovaných ukazatelů Českým statistickým úřadem (dále také ČSÚ), a to z oblasti vědy, výzkumu a inovací. K hodnocení byly zvoleny takové ukazatele, které je možné srovnávat na úrovni krajů. Kraje jsou dány klasifikací územních statistických jednotek (CZ-NUTS), na úrovni NUTS 3.
Jednotlivé kraje jsou ohodnoceny za každý ze 7 zkoumaných charakteristik. Za každý ukazatel bylo možné získat 1 – 8 bodů, kdy při nejvyšší četnosti kraj získal 8 bodů, při nejnižší pak 1 bod. Maximální počet bodů je 56. Jednotlivé bodové intervaly byly určeny podle nejvyšší četnosti daného ukazatele zaokrouhlené na celé desítky nahoru, jejím následným rozdělením na 8 intervalů o stejném rozpětí. Intervaly jsou uvedeny u každého ukazatele zvlášť. Na závěr analýzy dojde k celkovému zhodnocení kraje, porovnání s dosavadní existencí spin-off firem a jejich charakterem, z čehož budou následně vyvozeny závěry.
Výzkumný potenciál je hodnocen na základě 3 skupin charakteristik:
• Lidské zdroje – tato kategorie se zaměřuje především na zhodnocení struktury obyvatel v daném kraji. Hodnoceny jsou následující ukazatele:
7 např. Analýza inovačního potenciálu České republiky, TC AV ČR (2008)
a) Vzdělanost ekonomicky aktivního obyvatelstva.
b) Aktuální počet zaměstnanců ve výzkumu.
• Výzkumná pracoviště – výzkumná pracoviště (VO/VŠ) jsou zdrojem inovací, a proto bude provedena analýza jejich koncentrace v jednotlivých krajích, s čímž souvisí další ukazatele:
c) Počet výzkumných pracovišť.
d) Výdaje vynaložené na VaV.
• Výsledky vědy a výzkumu – poslední kategorie hodnocených ukazatelů se zabývá následujícími dostupnými výsledky VaV:
e) Podané patentové přihlášky.
f) Počet aktuálně platných patentů.
g) Poskytnuté licence třetím stranám.
Lidské zdroje
Ukazatele zabývající se strukturou obyvatelstva (zde konkrétně vzdělání a zaměstnání ve VaV) vycházejí z počtu obyvatel a jejich ekonomické aktivity. V tabulce 2 je pro přehlednost zobrazen počet obyvatel v jednotlivých krajích, včetně míry ekonomicky aktivních.
Tabulka 2: Počet obyvatel v jednotlivých krajích k 31. 12. 2013
Kraj Počet obyvatel
Plzeňský kraj 573 5 387 60,7
Královehradecký kraj 552 5 368 58,1
Pradubický kraj 516 5 348 59,8
Kraj Vysočina 510 5 344 57,9
Liberecký kraj 439 4 296 57,0
Karlovarský kraj 300 3 205 61,5
Česká republika celkem 10 512 100 7 110 59,4
Zdroj: data ČSÚ, vlastní zpracování
a) Vzdělanost pracovního kapitálu
Pro zjištění výzkumného potenciálu je důležitá vzdělanost pracovního kapitálu.
V souvislosti s určením vztahu k množství spin-off firem je důležité zejména množství lidí s vysokoškolským vzděláním, u nichž je největší potenciál ve vědecké sféře. Uplatnění vysokoškolsky vzdělaných ve vědě a výzkumu potvrzuje následující graf, zobrazující počet zaměstnanců ve vědě a výzkumu dle úrovně vzdělání za konkrétní sektor. Z grafu na obrázku 22 je vidět, že vysokoškolské vzdělání převažuje ve všech kategoriích.
Obrázek 22: Počet zaměstnanců VaV dle vzdělání v jednotlivých sektorech v roce 2012 Zdroj: data ČSÚ, vlastní zpracování
Podíl vysokoškolsky vzdělaných obyvatel na celkovém počtu obyvatel v jednotlivých krajích je uveden v tabulce 3. Nejnovější dostupné údaje jsou k dispozici ze sčítání lidu
v roce 2011. Vzhledem k trendům lze předpokládat, že čísla by byla aktuálně vyšší.
Z tabulky je zřejmé, že nejvyšší počet vysokoškolsky vzdělaných obyvatel se koncentruje v Praze. Vyšší podíl těchto obyvatel je pak ve východní části ČR a ve Středočeském kraji.
Nejnižší podíl vysokoškolsky vzdělaných je v Ústeckém a Karlovarském kraji, kdy tento podíl je markantně nižší oproti Praze. Šířka bodového intervalu byla stanovena číslem 3 a bodové hodnocení bylo následující: 0 – 3 % = 1 bod; 3,1 – 6 % = 2 body; 6,1 – 9 % = 3 body; 9,1 – 12 % = 4 body; 12,1 – 15 % = 5 bodů; 15,1 – 18 % = 6 bodů; 18,1 – 21 % = 7 bodů; 21,1 – 24 % = 8 bodů.
Tabulka 3: Podíl vysokoškolsky vzdělaného obyvatelstva z počtu obyvatel nad 15 let k 26. 3. 2011
Kraj
Moravskoslezský kraj 11,2 4
Jihočeský kraj 10,8 4
Plzeňský kraj 10,4 4
Královehradecký kraj 10,1 4
Pardubický kraj 9,9 4
b) Zaměstnanci ve vědě a výzkumu
Výzkumný potenciál závisí zejména na samotných zaměstnancích výzkumných organizací.
– 5 352 = 4 body; 5 351 – 6 690 = 5 bodů; 6 691 – 8 028 = 6 bodů; 8 029 – 9 366 = 7 bodů; 9 367 – 10 700 = 8 bodů. Viz tabulka 4.
Tabulka 4: Počet zaměstnanců výzkumných pracovišť k 31. 12. 2012 Kraj
Na výzkumný potenciál daného kraje má jistě vliv četnost výzkumných pracovišť. Mimo samotné četnosti pak o výzkumu vypoví mnoho i náklady vynaložené na výzkum. Dalším indikátorem výzkumného potenciálu v této kategorii budou výstupy z výzkumu, zejména pak množství přihlášených patentů v krajích.
c) Četnost výzkumných pracovišť
Tato práce se sice zaměřuje převážně na univerzitní spin-off firmy, ovšem při hodnocení výzkumného potenciálu krajů se nelze omezit jen na VŠ. Jedním z důvodů je častá spolupráce VŠ s různými organizacemi (podnikatelskými, vládními i různými neziskovými). Z toho důvodu jsou v následující tabulce 5 zahrnuty všechny výzkumné organizace (nejen vysokoškolské). Kraje byly bodově hodnocené za četnost všech
pracovišť VaV. Šířka bodového intervalu byla stanovena množstvím 85 pracovišť a bodové hodnocení bylo následující: 0 – 85 = 1 bod; 86 – 170 = 2 body; 171 – 255 = 3 body; 256 – 340 = 4 body; 341 – 425 = 5 bodů; 426 – 510 = 6 bodů; 511 – 595 = 7 bodů;
596 – 680 = 8 bodů.
Tabulka 5: Počet výzkumných pracovišť v krajích v roce 2012
Kraj Počet všech
Pro přehlednost jsou kraje podle počtu výzkumných pracovišť zobrazeny graficky v obrázku 23. Z uvedených údajů je zřejmé, že největším množstím výzkumných pracovišť disponuje Praha. Na druhém místě je Jihomoravský a Moravskoslezský kraj.
Nejvyšší podíl z celkového počtu výzkumných pracovišť představují pracoviště z podnikatelského sektoru, celkem počtem 2 334. Vládní sektor zahrnuje 173 pracovišť.
Dále je zde zahrnuto 203 vysokoškolských pracovišť a 68 pracovišť z neziskového sektoru.
Podrobná data jednotlivých sektorů dle krajů bohužel nejsou dostupná, ovšem dle celkových dat lze předpokládat, že poměr v jednotlivých krajích bude obdobný.
Obrázek 23: Četnost výzkumných pracovišť v krajích Zdroj: vlastní zpracování
d) Výdaje vynaložené na VaV
Dalším z podstatných ukazatelů jsou výdaje vynaložené na vědu a výzkum. V tabulce 6 jsou zobrazeny celkové výdaje a výdaje z veřejných zdrojů. Nejvyšší výdaje na VaV byly za rok 2012 vynaloženy v Praze. Druhý byl Jihomoravský kraj, ovšem s téměř 3x nižší částkou. Nejnižší výdaje byly vynaloženy v Karlovarském kraji a to ve výši pouhých 8 mil.
Kč, což je obrovský nepoměr se všemi kraji. Rozhodujícím kritériem bude pro tento ukazatel výše výdajů vynaložených z veřejných zdrojů. Bodové intervaly tohoto ukazatele byly stanoveny o šíři 1 705 mil. Kč a bodové hodnocení bylo následující: 0 – 1 705 mil. = 1 bod; 1 706 – 3 411 mil. = 2 body; 3 412 mil. – 5 117 mil. = 3 body; 5 118 – 6 823 mil. = 4 body; 6 824 – 8 529 mil. = 5 bodů; 8 530 mil – 10 235 mil. = 6 bodů; 10 236 – 11 941 mil. = 7 bodů; 11 942 – 13 640 mil. = 8 bodů.
Tabulka 6: Výdaje na VaV v mil. Kč v roce 2012
Pořadí jednotlivých krajů v počtu podaných patentových přihlášek za rok 2013 je uvedeno v tabulce 7. Nejvyšší počet podaných přihlášek náleží Praze, následuje s více než o polovinu menším množstvím Jihomoravský kraj. Nejméně patentových přihlášek bylo podáno v Karlovarském a Ústeckém kraji. Bodové intervaly tohoto faktoru byly stanoveny o šířce 40 a bodové hodnocení bylo následující: 0 – 40 = 1 bod; 41 – 80 = 2 body; 81 – 120
Tabulka 7: Počet podaných patentových přihlášek za rok 2013
Následně jejich počet rapidně klesá až na množství 19 patentů za Karlovarský kraj. Bodové intervaly tohoto faktoru byly stanoveny o šířce 112 ks a bodové hodnocení bylo následující: 0 – 105 = 1 bod; 106 – 210 = 2 body; 211 – 315 = 3 body; 316 – 420 = 4 body;
421 – 525 = 5 bodů; 526 – 630 = 6 bodů; 631 – 735 = 7 bodů; 736 – 840 = 8 bodů.
Tabulka 8: Počet platných patentů k 31. 12. 2013 Praha, viz tabulka 9. Ovšem hned na druhém a třetím místě následuje překvapivě (oproti trendům u ostatních faktoru) Vysočina a Středočeský kraj. Nejnižší množství poskytnutých licencí vykazuje Karlovarský kraj. Bodové intervaly tohoto faktoru byly následující: 0 – 25= 1 bod; 26 – 50 = 2 body; 51 – 75 = 3 body; 76 – 100 = 4 body; 101 – 125 = 5 bodů;
126 – 150 = 6 bodů; 151 – 175 = 7 bodů; 176 – 200 = 8 bodů.
Tabulka 9: Poskytnuté licence v roce 2013
Kraj
Poskytnuté licence na patenty a užitné vzory podle
sídla jejich poskytovatelů
Počet bodů
Moravskoslezský kraj 51 3
V následující tabulce 10 je uveden přehled bodového hodnocení krajů za každý z faktorů.
Tabulka 10: Bodové vyhodnocení faktorů za jednotlivé kraje
Kraj Vzdělanost
V obrázku 24 je graficky znázorněno pořadí jednotlivých krajů dle počtu získaných bodů.
Kraj s nejvyšším počtem bodů a tedy i s největším výzkumným potenciálem je Hl. město
Praha, které získalo maximální počet bodů. Prahu následují Jihomoravský a Moravskoslezský kraj. Nejnižší výzkumný potenciál vykazuje Karlovarský kraj s pouhými 9 body. V obrázku jsou barevně označeny takové kraje, na jejichž území sídlí spin-off firmy. Kraje bez spin-off jsou zobrazeny šedě. Jak lze vidět, první tři kraje s největším výzkumným potenciálem jsou zároveň kraje s identifikovanými spin-off.
Zároveň jsou to kraje s největším počtem identifikovaných spin-off.
Lze tedy předpokládat, že existuje určitá souvislost mezi výzkumným potenciálem kraje a existencí spin-off. Další dva kraje se spin-off se nacházejí v druhé polovině grafu, s nižším výzkumným potenciálem. Mezi těmito kraji jsou ovšem také kraje bez spin-off, s vyšším výzkumným potenciálem. Vysvětlením může být to, že ve většině hodnocených faktorů byly zahrnuty veškeré výzkumné sektory, které tak mohou navyšovat hodnocení výzkumného potenciálu, který by při hodnocení samostatného vysokoškolského sektoru
Lze tedy předpokládat, že existuje určitá souvislost mezi výzkumným potenciálem kraje a existencí spin-off. Další dva kraje se spin-off se nacházejí v druhé polovině grafu, s nižším výzkumným potenciálem. Mezi těmito kraji jsou ovšem také kraje bez spin-off, s vyšším výzkumným potenciálem. Vysvětlením může být to, že ve většině hodnocených faktorů byly zahrnuty veškeré výzkumné sektory, které tak mohou navyšovat hodnocení výzkumného potenciálu, který by při hodnocení samostatného vysokoškolského sektoru