AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

dependent corporations and other affiliated institutions in the 
particular sector (for example: information technology, 
machinery, biotechnologies, financial services) that are 
interconnected with common technologies, research, traditions 
and workforce. He also emphasizes the importance of clusters in 
order to achieve competitiveness national or regional economies.

  

 

Potomková and Letková (2011) state that clusters represent tool 
to restructure regional economy, increase the region economic 
performance and improve its competitiveness. It is due to created 
network of suppliers and vendors, information flow, 
technologies and innovations forming comparative advantages 
for the region in a given sector, respectively the group of sectors 
in comparison with other regions. Clusters play an important role 
when it comes to small and medium enterprises access to 
innovation and research, or joint development at international 
markets. (Ko

rdoš, Krajňáková and Karbach, 2016) 

 
The chaining and clustering bring many positive externalities, 
for example: (a) attracting and development of related industrial 
branches which provide the special outputs and services; (b) 
making the supply of specialized labour forces with all 
knowledge, skills and know-how what are needed for selected 
industrial branch; (c) ideas, knowledge and technological 
development spreading between firms and entrepreneurs in 
selected industrial branch; (d) the industrial atmosphere making 
with amount of formal and informal labour methods, habits, 
traditions, social values and specialized institutions which allow 
the effective existence of selected industrial branch. (Stejskal, 
2009) Grouping corporations into clusters can have a positive 
influence on the development of the region where the 
corporations are situated and on the growth of competitiveness 
of the region. 
 
For the reason that not only individual regions, but also the goals 
and ideas of individual clusters are different, the process of 
cluster forming, as well as their effective management, is 
subjective. (Soósová, 2014) 
 
According to Jemala (2009), the key success factors in cluster 
forming are adequate capital structure; well-prepared long-term 
business plan, financial plan and budget observing to reality; 
qualitative infrastructure, nearness of markets and adequate 
demand in the area; support of the government, the region and 
the local population; adequate and stable legislation; intensive 
entrepreneurial and innovation basis and the existence of a 
knowledge supporting basis on a high-level (including 
universities and vocational schools); a high-class partnerships 
and their relationships, and finally a good management and 
controlling of a cluster.  
 
3.1 Identification of potential clusters 
 
In the professional literature, it is possible to identify two basic 
approaches to determine cluster mapping either (,top-down‘) or 
(,bottom-up‘). 
 
As stated Potomová and Letková (2011), the first approach helps 
to identify key sectors, respectively branches that have real 
possibly potential competitive advantage usually based upon 
quantitative data particularly at the national and regional level. 
There is a huge amount of quantitative methods, however their 
usage to a certain extent, depends on the database availability. 
The most often applied quantitative methods are such as: the 
coefficient of localization, shift-share analysis, Gini’s coefficient 
of localization, input-output analysis, factor analysis, cluster 
analysis and others. 
 
Top-down approach is based on the usage of qualitative methods 
independently of available public data and it is realized entirely 
at the local, respectively regional level.  In contrast with 
quantitative methods, qualitative methods are dealing with the 
existence of inside processes and relations between particular 
corporations of the cluster in a given region. Apart from relations 
between inputs and outputs, they also explain other factors such 
as sectors cooperation and above-mentioned information flow 

(Doeringer and Terkla, 1995). Qualitative methods are such as: 
interview with experts, representatives of the particular 
corporations, expert statement, case studies, surveys and other. 
As stated Zaušková (2010), the coefficient of localization is the 
most used quantitative method for cluster identification. It is 
simple method, which is suitable for statistical searching of the 
local and regional clusters. It is very often used because data 
needed for calculation are easily available. Its disadvantage is 
the fact that it does not provide deeper view of the mutual 
dependence between particular corporations within the sector. In 
order to do that, it is necessary to apply other methods for 
example: shift-share method. The value of the coefficient of 
employment localization expresses how many times the sector 
share of employment in the region is higher than the country 
average. The value of the localization coefficient of the 
particular sector higher than 1.5 proves regional specialization 
(Andersen, Bjerre and Hansson, 2006). Other authors state value 
1.2, respectively 1.25 (Bergman and Feser, 1999). 
 
Apart from mentioned authors, the coefficient of localization and 
the shift-share analysis potential clusters identification are also 
used by Havierniková and Strunz (2014), Stejskal (2011), 
Litvintseva and Shits (2015), Kovaleva and Baleevskih (2014) 
and others. 
 
3.2 Application of the coefficient of localization for potential 
cluster identification in the regions of the SR 
 
In order to assess possibilities to establish cluster cooperation in 
the regions of the Slovak Republic, we examine the localization 
of employment in the particular sectors in the following part by 
means of the coefficient of localization. 
Statistical Office of the Slovak Republic divides sectors in terms 
of SK Nace Rev. 2 classification into sections A-U, as stated in 
Table 1. 
 
Table 1: Sector classification in the SR 

Section 

Title 

A 

Agriculture, forestry and fishing 

B 

Mining and quarrying 

C 

Manufacturing 

D 

Electricity, gas, steam and air conditioning supply 

E 

Water supply; sewerage, waste management and 
remediation activities 

F 

Construction 

G 

Wholesale and retail trade; repair of motor 
vehicles and motorcycles 

H 

Transportation and storage 

I 

Accommodation and food service activities 

J 

Information and communication 

K 

Financial and insurance activities 

L 

Real estate activities 

M 

Professional, scientific and technical activities 

N 

Administrative and support service activities 

O 

Public administration and defence; compulsory 
social security 

P 

Education 

Q 

Human health and social work activities 

R 

Arts, entertainment and recreation 

S 

Other service activities 

T 

Activities of households as employers; 
undifferentiated goods- and services-producing 
activities of households for own use 

U 

Activities of extraterritorial organisations and 
bodies 

Source: Statistical Office of the Slovak Republic 

 

Industry sector (B-E) takes the biggest share in GNP creation in 
the SR. It follows from the results of our analysis that industry 

sector is the most represented in the Trenčin Region (TN) as the 
coefficient of localization ranges from 1.41 (1995) to 1.5 (2006).  
Other regions follow by a relatively large margin. The Bratislava 
Region (BA) is the last one where the coefficient of localization 
reaches only 0.52 at the end of 2010. The development of the 

- 104 -