AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

 

Figure 2: Cross-regional analysis of 

β-convergence of the Czech 

regions in 2000-2017. Source: own processing 
 
Table 1: GDP per capita Y in 2000 (in thousands CZK) and 
average productivity growth rate 

γ for the period T = 17 in the 

regions of the Czech Republic 

Region 

SC 

JC 

PL 

KV 

US 

LI 

HK 

  Y(2000) 

232,182 

217,824 

217,352 

197,046 

191,193 

210,562 

215,488 

γ (17) 

0,0384 

0,0338 

0,0416 

0,0227 

0,0348 

0,0323 

0,0423 

Region 

PA 

VY 

JM 

OL 

ZL 

MS 

  Y(2000) 

197,531 

189,362 

209,902 

183,677 

189,743 

178,346 

γ (17) 

0,0397 

0,0428 

0,0449 

0,0418 

0,0450 

0,0464 

Source: own processing 
 
The development of the Y = GDP per capita variability in years 
2000-2017 among regions used for the analysis of 

σ-

convergence according to (3) is summarized in Tab. 2 with 
estimated standard deviations 

σ shown in the 2

nd

 row.  

 
Table 2: Variability of product per capita Y expressed by means 
of population standard deviation 

σ (in thousands CZK, period 

2000-2017) 

Year 

2000 

2001 

2002 

2003 

2004 

2005 

2006 

2007 

2008 

Sdev

Y 

69,6 

79,7 

85,8 

93,7 

102,7 

111,4 

120,5 

135,4 

141,7 

Mean 

Y 

220,4 

238,4 

249,0 

259,8 

281,5 

298,6 

319,5 

345,4 

355,4 

Year 

2009 

2010 

2011 

2012 

2013 

2014 

2015 

2016 

2017 

Sdev

Y 

134,5 

135,9 

133,1 

132,0 

133,0 

134,8 

152,0 

156,3 

165,6 

Mean 

Y 

346,7 

348,2 

356,0 

357,2 

361,1 

380,0 

401,8 

415,7 

438,8 

Source: own processing 
 
Discussion of results 
 
The results of the analysis indicate that GDP development in the 
Czech regions does not fulfill any of considered criteria of 
convergence, i.e., neither in terms of (2) nor (3) convergence 
trend was showed; on the contrary, as we can see from Tab. 2 the 
dispersion among the regions increased, particularly in the 
periods of economic growth. 
 
Tab. 1 enables us to identify two groups of regions according to 
their initial Y in the year 2000, namely, with Y < 200 thousands 
of CZK (KV, PA, US, ZL, VY, MS, OL), and the rest with Y > 
200 thousands of CZK. 

 

Analogically, the regions can be separated into two groups 

according to γ as follows: the group of regions with γ < 0,035 
(KV, US, LI, JC) and the group 

with γ > 0,035. 

 
As we can see from Fig. 2, five out of seven regions with lower 
initial Y reached the group of the larger 

γ; in contrast, some 

regions included in the richer group according to Y achieved 

worse results of γ. This indicates that there is at least certain 
tendency for initially poorer regions to grow on average faster 
than the richer ones. However, the variability among regions is 
so large that it does not enable us to formulate a definite 
conclusion. 
 
As regards to the analysis of the variance across regions, it can 
be seen from Tab. 2 that the variability of Y across regions has 
not increased systematically; at the crisis outbreak in 2008-2009 
it decreased and then stabilized until 2014. Nevertheless, the 
present period of economic growth leads to further growth of 
regional disparity. 
 
5 Results of analysis of trend in UR development and its 
correlation with FDI 
 
The trend in development of UR in the Czech regions is 
examined by means of the regression model based on equation 
(1) that captures the relation between UR in the initial year 2000 
with the change in UR from 2000 to 2017 (see Fig. 3) and 
enables to compare regional UR development in the considered 
period. 
 
The correlation between the analyzed variables is negative and 

significant (ρ = -0,977, slope parameter of regression line β= -
0,8502 with p-value ~10-8 computed from corresponding t-
distribution). As we can see from Fig.3, the strongest 
contribution to the resulting relationship was due to the regions 
US, MS and OL characterized by the highest UR in 2000 and, 
simultaneously, by its highest decrease between 2000-2017. 
 

 

Figure 3:  Relation between the UR in 2000 and the UR change 
between the period 2000-2017. Source: own processing  

 

 
The question arises whether any positive influence of regional 
FDI flows to the regional UR development can be proven. 
Graphically the dependence between these variables is captured 
in Fig. 4, where cumulated regional FDI flows per capita in 
2000-2015 are plotted on the horizontal axis and the UR change 
between 2000 and 2016 is shown on the vertical axis. In the case 
of an explicit impact of FDI on UR, we expect a negative 
dependence in the sense that larger regional FDI flows lead to a 
more significant decrease in UR. The data, however, do not 
support such a conjecture. The dependence is positive, though 
not significant statistically (

ρ = 0,2678, slope β = 0,0168, p-value 

in the corresponding t-test is 0,3764).  

- 328 -