The Rockwool Foundation Research Unit

Study Paper No. 101

Entrepreneurs versus Incumbents:

Who Creates the Better Jobs?

Johan M. Kuhn, Nikolaj Malchow-Møller and

Anders Sørensen

University Press of Southern Denmark

Odense 2015

Entrepreneurs versus Incumbents: Who Creates the Better Jobs?

Study Paper No. 101

Published by:

The Rockwool Foundation research Unit and

University press of Southern Denmark

Address:

The Rockwool Foundation Research Unit

Soelvgade 10, 2.tv.

DK-1307 Copenhagen K

Telephone +45 33 34 48 00

E-mail forskningsenheden@rff.dk

web site: www.en.rff.dk

ISBN 978-87-93119-28-4

ISSN 0908-3979

November 2015

1  

1 

EntrepreneursversusIncumbents:WhoCreatetheBetterJobs?

 

Johan M. Kuhn, Department of International Economics and Management, Copenhagen

Business School, Porcelænshaven 16A, DK-2000 Frederiksberg, Denmark (tel: +45 3815 3467,

email: jmk.int@cbs.dk)

Nikolaj Malchow-Møller, Department of Business and Economics, University of Southern

Denmark, Campusvej 55, 5230 Odense M, Danmark (tel: +45 6550 2109, email:

nmm@sam.sdu.dk)

Anders Sørensen (corresponding author), Department of Economics, Copenhagen Business School, Porcelænshaven 16 Porcelænshaven 16A, DK-2000 Frederiksberg, Denmark (tel: +45 3815 3493, email: as.eco@cbs.dk).

 

Abstract: What are the characteristics of  jobs  in entrepreneurial  firms as compared to  jobs  in  incumbent  firms? 

Even though this question has been addressed by many researchers before us, we provide new evidence 

to the field since we measure the entrepreneur as the organic new firm. In the literature, the majority of 

studies have  focused on entrepreneurs as measured by  small or new  firms. By organic new  firm, we 

mean new firms that are not the result of restructurings or organising existing or additional activities in a 

formally new  firm. Moreover, we distinguish entrepreneurial  firms by different  types  and distinguish between  growing  and  declining  industry‐region  clusters.  Our  results  differ  from  the  findings  in  the 

existing literature. Specifically, we find that compared to incumbents, entrepreneurial firms have higher 

total  factor  productivity,  are more  skill  intensive,  and  pay  higher  wages.  The  differences  are more 

pronounced  in growing clusters. Moreover,  the  results  show  important differences between different 

types  of  entrepreneurial  firms.  Specifically,  spin‐offs  are  found  to  enjoy  the  largest  productivity 

advantage.  The  wage  and  skill  premiums  at  the  firm  level  disappear  at  the  job  level,  as  larger 

incumbents are both more skill intensive and pay higher wages than smaller incumbents. 

Keywords: Entrepreneurship, job quality, productivity 

JEL: L1 

Acknowledgements: We are greatly indebted to the Rockwool Foundation for funding of this project, and Statistics for providing the data. Thanks to Jan Rose Skaksen, Søren Leth‐Petersen, Mette Ejrnæs, Pernille Bang and Zuzanna Tilewska for helpful comments.  

3  

2 

1. IntroductionEntrepreneurs are often considered to play an important role as an engine for growth and prosperity. In 

the words of  Schumpeter  (1934, 1943),  entrepreneurs  create  combinations of  inputs  and outputs  to 

pioneer new activities, exploit new market opportunities and allocate labour to its most productive use. 

However,  entrepreneurship  is  not  always  found  to  be  good  business  for  those  involved  in 

entrepreneurial  projects.  The  majority  of  studies  in  the  economic  literature  have  found  that 

entrepreneurs pay lower wages than other firms and hire employees with lower levels of human capital. 

Moreover, the productivity levels of entrepreneurs are found to be of similar magnitude or lower than in 

established firms. See Van Praag and Versloot (2007) for an overview of the literature. 

In this paper, we reconsider the characteristics of  jobs  in entrepreneurial firms as compared to  jobs  in 

established  firms. Even  though  this question has been addressed by many  researchers before us, we 

provide  new  evidence  to  the  field  since we measure  the  entrepreneur  as  the  organic  new  firm.  By 

organic new firm, we mean that the new firm  is not a result of restructurings or a result of organising 

existing or additional activities  in a  formally new  firm. Thereby,  the organic new  firm must not have 

existed previously under a different name, with a different owner, or  in another  legal form (personally 

owned, incorporated, etc.). Furthermore, the new firm must not have been started by persons who are 

already registered as business owners. Nor may the new firm be a re‐start of a business after closure, or 

a result of changes in the firm‐registration information. In sum, the set of new firms used in this paper is 

much more likely to reflect organic start‐ups than if we had simply used the set of all new or small firms, 

which have been common practice in the literature. 

In the  literature, the majority of studies have  focused on entrepreneurs as measured by small or new 

firms. Small firms are not necessarily start‐ups; it can also be old firms that have not grown large. In this 

way,  old  firms  without  employment  growth  are  mixed  up  with  entrepreneurial  firms.  This  is 

unfortunately and may influence the established evidence for jobs created by entrepreneurs. Using new 

firms  is  in principle better, but  still problematic because many of  the  formally new  firms may be  the 

result of restructurings or the result of organising existing or additional activities in formally new firms. 

New  firms  that  are  not  organic  new  firms  should  not  be  included  in  empirical  studies  of  the 

characteristics of jobs generated by entrepreneurs as they may influence the empirical findings.  

As our main purpose  is  to characterize  jobs and  to compare  them across  firm  types, we compare  the 

following variables across entrepreneurs and established firms: wages, skills, labour productivity as well 

as total factor productivity (TFP). The latter measure is not a job specific measure, however, it is partly 

4  

3 

based  on  firms’  labour  inputs  and  therefore  indirectly  includes  important  information  on  job 

characteristics. 

The following results are established in the literature that is based on the entrepreneur as measured by 

establishment/firm size or age: Brixy et al. (2007) and Koch and Späth (2009) both find that start‐ups or 

younger firms pay  lower wages, whereas Nyström and Elvung (2014) find that there  is a wage penalty 

associated with employment  in a new  firm  for  labor market entrants.  In an earlier  study, Brown and 

Medoff (2003) find that firms that have been in business for more years pay higher wages, but once they 

control  for  worker  characteristics,  the  relationship  becomes  insignificant  or  negative.  Kölling  et  al. 

(2002) find a similar result. A number of studies have also examined the relationship between firm size 

and wages, and here it is well established that smaller firms pay lower wages, see, e.g., Troske (1999). 

Just as small firms are found to hire less skilled workers, see Troske (1999), several studies also find that 

new firms hire less skilled workers. Koch and Späth (2009) thus find that the use of high‐qualified labor is 

lower  for young  firms  than  for  incumbents, and Brown and Medoff  (2003) also  find  that young  firms 

employ workers with lower levels of education. 

Most studies show that new establishments or  firms have  lower  levels of  labor productivity, see, e.g., 

Brouwer et al. (2005), Jensen et al. (2001) and Foster et al. (2006), and also lower levels of TFP, see, e.g., 

Castany et al. (2005) and Brouwer et al. (2005). An exception is Disney et al. (2003) who find that labor 

productivity of new plants is relatively high, and also that TFP levels are higher for new plants than for 

old  plants. Moreover,  Huergo  and  Jaumandreu  (2004)  find  that  young  firms  have  higher  growth  of 

productivity  than old  firms and  that  this difference  can  last  for many years but also  that productivity 

growth rates of surviving firms converge. 

As  mentioned,  we  shed  new  light  on  the  characteristics  of  jobs  created  by  entrepreneurs  as  a 

consequence of  the applied measure of entrepreneur;  the organic new  firm.  In doing  this, we  further 

extend  the  existing  literature  in  two  important ways.  First, we  distinguish  between  firms  located  in 

growing  industry‐region clusters and firms  located  in declining  industry‐region clusters. The motivation 

behind distinguishing between growing and declining clusters is to take the business environment of the 

firms  into  account  because  a  large  share  of  entrepreneurial  activity  is  not  pulled  by  new  market 

opportunities.  Push  factors  like  dissatisfaction  with  or  separation  from  an  earlier  employment 

relationship or lack of alternative employment opportunities also play an important role, see, e.g., Amit 

and Muller (1995). As a consequence, a large share of the jobs created by entrepreneurs are not created 

5  

4 

in  business  environments  reflecting  new  market  opportunities,  but  rather  in  stable  or  contracting 

markets, and this is likely to affect both the performance of the entrepreneurial venture and the quality 

and characteristics of the jobs created. 

Second, we distinguish between three types of entrepreneurs: spin‐offs, entrepreneurial start‐ups and 

other new firms. This is motivated by previous findings in the literature where spin‐offs have been found 

to be  relatively  successful  in  terms of  survival  and  growth;  see,  e.g., Dahl  and Reichstein  (2007)  and 

Eriksson and Kuhn  (2006). Spinoffs are  throughout defined as organic new  firms where  the  founders 

have  recent  industry  experience  from  the  same  industry  as  that of  the  entrepreneurial  firm.  From  a 

policy perspective, the distinction between spin‐offs and other types of entrepreneurial start‐ups is also 

highly  relevant  given  that  most  (OECD)  countries  are  trying  to  figure  out  how  to  support 

entrepreneurship most effectively. Finally, other new firms are a residual category where it has not been 

impossible to identify the entrepreneur(s). 

We base our analysis on Danish worker‐firm register data for the time period 2001‐2010. The data are 

drawn from different Danish registers administered by Statistics Denmark and cover almost the entire 

private  sector  of  the Danish  economy  for  the  period  2001‐10.  It  contains  detailed  data  on  revenue, 

inputs, worker  information,  industry  and  regional  location  for  all  firms,  including whether  firms  are 

organic new firms or not. 

The  empirical  methodology  is  quite  simple.  We  regress  the  characteristics  of  the  jobs  and  the 

performance measures that we wish to compare on a set of dummies for firm and cluster types. We also 

include a number of additional controls for other firm or worker characteristics, and we look at within‐

cluster differences between firm types.  

Finally, we extend the definition of clusters to contain a third dimension – the education of the worker. 

That  is, a cluster  is defined as  jobs with certain skill contents  in a given  industry and region. We  then 

compare jobs in entrepreneurial and incumbent firms within these education‐specific clusters. 

Throughout  the paper, we consider  job characteristics  in  the  final year of our  sample,  i.e., 2010, and 

entrepreneurial  firms are  in most of  the analysis defined as organic new  firms established after 2000. 

That  is,  they  can  be  up  to  nine  years  old.  This  choice  involves  a  selection  on  relatively  successful 

entrepreneurial  firms as  it  includes surviving  firms and excludes  firms  that have not  survived up until 

2010. E.g., entrepreneurial firms that are established in 2002 and have survived until 2010 are 8 years of 

age. These firms constitute a relatively selected group as compared to firms that are established in 2002 

6  

5 

and have closed down again before 2010. To check the robustness of our results to this assumption, we 

also look at alternative scenarios where organic new firms are firms established after 2005, i.e., they can 

be up to five years old.  

We  find  several  interesting  results.  First,  when  comparing  entrepreneurs  and  incumbents,  without 

distinguishing between different  types of entrepreneurs, we  find  that entrepreneurs have higher TFP 

(but lower labour productivity), are more skill intensive and tend to pay higher wages than incumbents. 

Furthermore, we find that these differences are more pronounced in growing industry‐region clusters.  

Second, distinguishing between different types of entrepreneurial firms, we find that spin‐offs enjoy the 

largest productivity advantage compared  to old  firms, whereas higher wages are mainly  found within 

other new firms, although spin‐offs fare better than old firms when located in growing clusters. 

Third,  the wage and  skill premiums at  the  firm  level disappear  in  the worker‐level  regressions, which 

generally show lower wages in spin‐offs and entrepreneurial start‐ups than in old firms. The difference 

in results between the two approaches reflects that the  larger old  firms are given more weight  in the 

worker‐level regressions, and these old firms are different from the smaller old firms. 

Fourth, when we  look  separately  at manufacturing  firms, we  find more  robust  TFP  advantages  and 

higher average wages of entrepreneurial firms compared to old firms. 

Fifth,  introducing  the  third dimension  in our cluster does not change results qualitatively, and neither 

does defining new  firms as  those established after 2005  (instead of 2000).  In  the  latter case,  the only 

difference  is that we now find that entrepreneurial firms are  less productive than old firms. This  lower 

productivity is driven by entrepreneurial firms in declining clusters, whereas entrepreneurial firms have 

productivity  levels of similar magnitude to old firms  in growing clusters. Moreover, spin‐offs still enjoy 

productivity advantages compared to old firms, especially in growing clusters, whereas entrepreneurial 

start‐ups  and other new  firms have  similar or  lower productivity  levels.  These  results  suggest  that  it 

takes  time  for organic new  firms  to catch‐up and exceed  incumbents  in  terms of productivity as also 

found by Huergo and Jaumandreu (2004). 

The main contribution of this paper is to investigate the characteristics of jobs in entrepreneurial firms 

compared to established firms using a measure of the entrepreneur as the organic new firm. Our results 

differ  from  the  findings  in  the  existing  literature.  Specifically, we  find  that  compared  to  incumbents, 

entrepreneurial firms have higher TFP (and lower labour productivity), are more skill intensive, and pay 

7  

6 

higher wages. However, the wage and skill premiums at the firm level disappear at the worker level, as 

the  larger old firms are both more skill  intensive and pay higher wages than the smaller old firms. This 

latter result is more consistent with the existing literature. It should be emphasised that the purpose of 

this paper  is not  to present a causal  relationship  for  job quality and  firm  types. The  study  is  rather a 

study of  facts  for the raw and conditional differences between  jobs  in entrepreneurial and  incumbent 

firms. It is therefore not clear whether the results are biased by for example selection of different types 

of individuals into different types of firms. We leave this important issue for future research. 

The  rest of  the paper  is organised  as  follows.  In  Section 2, we describe  the data  and  the definitions 

applied. Section 3 presents the empirical approach. In Section 4, we present our baseline results, where 

we compare new and old  firms.  In Section 5, we  introduce our distinction between different  types of 

new firms, and in Section 6, we consider the manufacturing sector separately. Sections 7 and 8 contain 

our robustness analyses. Section 9 concludes. 

2. DataIn the analyses below, we rely on matched worker‐firm data covering almost the entire private sector of 

the  Danish  economy  for  the  period  2001‐10.  The  data  are  drawn  from  different  Danish  registers 

administered by Statistics Denmark. 

First, we use the General Enterprise Statistics, which builds on the Central Business Register and contains 

annual  information  about  all  active  firms  in  the  Danish  economy.  From  this  database,  we  get 

information  about,  e.g.,  industry,  region,  sales,  capital  input,  intermediate  inputs  and  number  of 

workers of all firms in the private sector. 

Second, we use  the  Statistics  on New  Enterprises, which  identifies,  for  each  year between 2001  and 

2010,  all  the new  start‐ups.  This  includes both personally‐owned  and  incorporated  firms  that  fulfil  a 

number of conditions that allow us to consider them as being organic new firms in a given year. We use 

this database to identify all the start‐ups among all the active firms in the General Enterprise Statistics. 

Note that Statistics Denmark has undertaken extensive efforts to identify these organic new firms. Many 

of the formally new firms may thus be the results of restructurings or the results of organising existing or 

additional activities  in formally new enterprises. As a consequence, for firms to appear  in the Statistics 

on New Enterprises, they must not only be newly registered at the business authorities for VAT‐taxation, 

it  is  also  required  that  the  firms must  not  have  existed  previously  under  a  different  name, with  a 

8  

7 

different  owner,  or  in  another  legal  form  (personally  owned,  incorporated,  etc.).  Furthermore,  they 

must  not  have  been  started  by  persons who  are  already  registered  as  business  owners  at  the  VAT 

authorities. The data are also cleaned for re‐starts of businesses after closure, and changes in the firm‐

registration  information;  see Statistics Denmark  (2002)  for more details. Finally, we have  removed an 

additional  0.2  per  cent  of  observations  in  the  Statistics  on  New  Enterprises,  where  supplementary 

information  in the General Enterprise Statistics suggests that  the  firm was established before 2001.  In 

sum, the set of new firms used  in this paper  is much more  likely to reflect organic start‐ups than  if we 

had simply used the set of all new establishments or all new firms, which has been common practice in 

the literature. 

The  Statistics  on  New  Enterprises  is  restricted  to  industries  that  Statistics  Denmark  categorises  as 

“business‐related industries”. This excludes the public sector and (most of) the primary sector, as well as 

industries with activities that are not liable to VAT, such as dentists, transportation of persons, banking 

etc. Furthermore, the Statistics on New Enterprises is restricted to firms with standard ownership types. 

To  ensure  valid  comparisons,  we  impose  the  same  sampling  conditions  on  the  General  Enterprise 

Statistics,  i.e.,  we  exclude  firms  in  non‐business‐related  industries  and  firms  with  non‐standard 

ownership types. 

For the majority of the new firms in the Statistics on New Enterprises, Statistics Denmark has been able 

to  identify  the  entrepreneurs  behind  the  firms.  For  the  personally‐owned  firms  identification  is 

straightforward: The entrepreneur is simply identified as the owner of the firm. For incorporated firms, 

Statistics Denmark uses a prioritized list of criteria to identify the principal entrepreneur(s).1 For 17 per 

cent of the cases, Statistics Denmark has not been able to identify the entrepreneur behind the firm. 

Third, we use the Firm Integrated Database (FIDA), which identifies all the individuals working in a given 

firm in the last week of November each year. From this database, we can get information about wages, 

education, age, and gender of all the workers  in a given firm  in a given year. Furthermore, as workers 

                                                            1  If  information  about  a  founder  is  available  from  the  registration  information,  this person  is  identified  as  the principal entrepreneur. In case of more than one founder, Statistics Denmark selects the one who has the highest salary  –  or  if  none  of  the  founders  are  employed  in  the  firm,  they  pick  the  founder who  appears  first  in  the registration database. If information about founders is not available, they look for a member of the board (or the executive board) who  is also employed  in  the  firm. Again,  they pick  the one with  the highest salary  in  the case where more than one board (or executive board) member is employed in the firm. If no board (or executive board) member  is  employed  in  the  firm,  they  pick  the  board  (or  executive  board) member who  appears  first  in  the registration database. 

9  

8 

are linked to firms each year, we can identify all the individuals that leave (or join) a firm between two 

years. 

From  the  FIDA we  construct  firm‐level measures  of  the  average  age  and wage  of  the workers,  the 

gender composition and the share of workers who have completed tertiary education,  i.e.,  individuals 

who have obtained at least a bachelor degree (we refer to these as “highly educated”). We also use the 

FIDA to construct a worker‐level dataset where the information about the firm is linked to each worker.2  

Note that  individuals can be associated with more than one firm  in a given year as Statistics Denmark 

records  both  a  primary  and  (potentially)  a  secondary  job  of  each  individual,  where  the  distinction 

between the two is based on the wage income generated by the jobs. In the present paper, we discard 

information about secondary jobs. We deviate from this “one‐job‐only”‐rule in one case: for owners of 

personally‐owned  firms with employees. These  individuals can have two  jobs: As an employer  in their 

own firm and as a wage worker in another firm. However, any given individual can only have one job per 

firm.  

In the analyses of this paper, we use cross sections for 2010 at either the firm or the job  level, but we 

use the historical information in the databases to identify the new firms and to construct our industry‐

region clusters. More about this below.  

In the main part of the analysis, we define the new firms as those established after 2000, i.e., new firms 

can be up to nine years old  in 2010, whereas established/old firms are those already present  in 2000. 

This  leaves us with 108,322 old firms and 79,712 new firms. To check the robustness of our results to 

these  assumptions,  we  also  look  at  an  alternative  scenario  where  new  firms  are  defined  as  firms 

established after 2005, which leaves us with 130,056 old firms and 57,988 new firms. 

We  further divide  the new  firms  into  three  types of new  firms  that are mutually exclusive:  spin‐offs, 

entrepreneurial start‐ups, and other new firms. Spin‐offs are defined as new firms where at least one of 

the  entrepreneurs  has  been  employed  in  the  same  industry  prior  to  establishing  the  firm.  More 

precisely, we identify all (primary and secondary) jobs of the founders in the year prior to start‐up of the 

                                                            2 Note  that when we  talk about “workers”,  this may  include both  the employees and  the owners of personally‐owned firms. Technically speaking, the  latter are not employed  in their own firms. While wage  information only exists for employees (and is only reliable for approximately 1.2 million employees – corresponding to 75 per cent of the observations), information about age, gender and education is available for both types of workers. It should be mentioned, however, that the educational level is unknown for approximately 4 per cent of the observations. 

10  

9 

new firm, and if any of these jobs were in the same 2‐digit‐NACE industry as the new firm, the start‐up is 

categorised as a spin‐off. This leaves us with 24,017 spin‐offs among the 79,712 new firms. 

Entrepreneurial start‐ups, on the other hand, are new firms where none of the entrepreneurs have been 

employed  in  the same 2‐digit‐NACE  industry as  the new  firm  in  the year prior  to starting up  the new 

venture,  i.e.,  these are  firms  that cannot be categorized as  spin‐offs as defined above. This  results  in 

46,637 entrepreneurial start‐ups. 

Finally, we are left with a residual category of 9,058 firms, where Statistics Denmark has been unable to 

identify  the entrepreneur(s) behind  the  firms. We  label  this  residual group  “other new  firms”. These 

new firms are all  incorporated firms, and are thus  likely to be  larger than the average entrepreneurial 

firm.  

In  the  analysis,  we  divide  the  economy  into  a  number  of  clusters  to  try  to  capture  local  market 

conditions. Specifically, we are interested in determining whether a given firm or job is in a declining or 

a growing cluster. We measure  the  local market conditions by  the employment growth at  the cluster 

level between 2005 and 2010. The clusters allow comparison of job characteristics not just by whether 

or not the given job is in a new or established firm, but also by whether or not the job is in a cluster with 

growing or declining economic activity as measured by  changes  in employment. We believe  that  this 

provides a more appropriate assessment of the role of new firms relative to old firms. 

The most obvious way of defining a cluster is according to industries (Goos and Manning, 2007), but also 

geography may be  important for  local producers and service  industries.  In the following, we therefore 

define  clusters  by  the  industry  and  region  of  the  firm.  For  our  baseline  cluster  definition,  we  use 

industries at the 3‐digit NACE level, which gives us 233 different industries. Together with five different 

geographical  regions,  this  results  in 1,165 potential  clusters of which 74 do not  contain  any  firms  in 

2010. In Appendix D, we also consider the robustness of our results to changes in the number of clusters 

by using 77 industries at the 2‐digit NACE level with the 5 regions. 

In Section 8, we also  introduce the education  level of the employee as a third dimension  in the cluster 

definition. In this case, jobs are uniquely assigned to clusters, but a firm can then be “located” in more 

than one cluster – with some of its jobs in one cluster and other jobs in another cluster.  

Before  turning  to  the details of  the estimation approach and our empirical  findings, we present some 

descriptive  statistics  in Tables 2.1  to 2.4 below.  In Table 2.1, we present  the number of  clusters,  the 

11  

10

number  of  jobs  and  the  number  of  firms  applied  in  the  analysis,  broken  down  by  the  employment 

growth of the clusters. In total, the 1,081 clusters contain approximately 1.56 million jobs and 188,000 

firms  in 2010. Of  the 1,081  clusters, more  than 50 per  cent  (including new  clusters) had negative or 

positive employment growth of more than 25 per cent during the period 2005‐2010. However, “only” 

around 24 per cent of the firms and 28 per cent of the jobs were located in these clusters. Furthermore, 

the large number of clusters with negative growth rates may in part reflect the outbreak of the financial 

crisis during this period. Less than 2.5 per cent of all clusters in 2010 were new, i.e., without any activity 

back  in 2005.3 The shares of jobs and firms  in these clusters in 2010 were only 0.05 and 0.02 per cent, 

respectively. 

[Table 2.1 around here] 

Table 2.2 splits up the firms on the four categories of firms used  in this paper: Established firms, spin‐

offs, entrepreneurial start‐ups and other new firms. Among the 188,000 firms, 80,000 (42 per cent) are 

identified  as  new  firms,  i.e.,  established  after  2000  and  hence  can  be  up  to  nine  years  old. 

Approximately 24,000  (13 per  cent) are  categorised as  spin‐offs according  to our definition, whereas 

47,000  (25 per cent) are  categorised as entrepreneurial  start‐ups,  leaving approximately 9,000  (5 per 

cent) in the residual category (other new firms).4 

From the  lower part of the Table, we can see that while new firms constitute 42 per cent of the firms. 

They  only  represent  around  16  per  cent  of  the  jobs. Most  of  the  jobs  (1.31 million)  are  found  in 

established firms, whereas 114,000 jobs (7 per cent) are found in entrepreneurial start‐ups followed by 

spin‐offs with 82,000 jobs and other new firms with 56,000 jobs.  

Another observation from Table 2.2 is that there are relatively many entrepreneurial start‐ups and other 

new firms  in clusters with more than 10 per cent employment growth. Somewhat surprisingly, spin‐off 

firms are overrepresented in clusters with more than 10 per cent negative employment growth.  

[Table 2.2 around here] 

                                                            3  In  the  following  tables  new  clusters  are  included  in  the  0.5+  interval  as  a  consequence  of  confidentiality requirements when the number of observations in a cell is too low. 4 With the alternative definition of new firms where these are defined as firms established after 2005, 58,000 (31 per  cent)  firms  are  categorized  as  new  firms.  Approximately  17,000  (9  per  cent)  are  categorised  as  spin‐offs according  to our definition, whereas 35,000  (18 per  cent)  are  categorised  as  entrepreneurial  start‐ups,  leaving approximately 6,000 (3 per cent) in the residual category (other new firms). 

12  

11

Table 2.3 presents the average firm size (as measured by jobs or workers per firm) for the four different 

firm types and by cluster‐growth intervals. Established firms have on average 12.1 jobs per firm. Among 

the new  firms,  the average  “other new  firm”  is  considerably  larger  than  the  two other  types of new 

firms,  where  spin‐offs  tend  to  be  slightly  larger  than  entrepreneurial  start‐ups.  However,  there  is 

considerable variation across clusters with different levels of employment growth, where there seems to 

be a tendency for most firm types to be larger in the more extreme growth intervals. 

[Table 2.3 around here] 

Table 2.4 summarizes some of the basic characteristics of the workers in the different firm types and by 

growing and declining clusters, respectively. It  is seen that  jobs  in growing clusters have higher wages, 

have higher shares of women, and have higher shares of highly‐educated workers. Established firms and 

other new firms pay the highest salaries to their employees, while spinoffs in declining clusters pay the 

lowest.  Spin‐offs  in declining  clusters  are  also  characterized by  the  lowest  shares of highly‐educated 

workers. 

[Table 2.4 around here] 

 

3. EstimationApproachIn  the  analysis,  we  apply  simple  linear  regression  models  to  compare  the  productivity  levels  and 

characteristics  of  jobs  in  new  and  old  firms,  and  to  determine  how  this  depends  on  cluster  growth. 

Specifically, we estimate a number of regressions of the following type at either the firm level or the job 

level: 

      (1) 

where Y is the dependent variable, e.g., the average wage (or productivity level) in the firm, or the wage 

in the individual job if the estimation is at the job level. X is a vector of control variables, such as age and 

gender – either at the firm or the job level.  

We operate with dummy variables for established firms and (different types of) new firms and interact 

them with dummy variables for whether the firm (or the job) is located in a growing or declining cluster. 

For ease of exposition, equation  (1) only  contains one dummy  variable  for  the  firm  type, DNF, which 

equals one  for new  firms and zero  for old  firms. Later, DNF  is split  into  three dummy variables  for  the 

13  

12

three different types of new firms. Similarly, the dummy variable, DGC, equals 1 for growing clusters and 

0  for  declining  clusters.  Note  that we  only  distinguish  between  growing  and  declining  clusters  (not 

between more  detailed  growth  intervals  of  the  clusters)  in  the  regression  analysis.  This  reduces  the 

number of coefficients to be estimated considerably and makes it easier to interpret the results. 

In equation (1), the parameter �� (the constant term) measures the average value of Y in the reference 

category, which is an old firm in a declining cluster. An old firm in a growing cluster on the other hand is 

measured by �� � ��, i.e., �� measures the difference between an old firm in a growing cluster and an 

old firm in a declining cluster. The value of a new firm in a declining cluster is given by �� � ��, i.e., �� measures the difference between new firms and old firms in a declining cluster. A new firm in a growing 

cluster is measured by �� � �� � �� � ��, i.e., �� � �� measures the difference between new firms and 

old firms in a growing cluster, whereas �� measures the difference between two differences, namely the 

difference between new and old firms in growing clusters and the difference between new and old firms 

in declining clusters.  

In  the  following  Sections, we  estimate  (1)  for  a  number  of  different  dependent  variables. Our main 

purpose  is  to characterize  jobs and  to  compare  them across  firm  types. To  this end, we describe  job 

characteristics using a number of measures; wages, skills, and productivity. In firm‐level regressions, we 

use  the  average  hourly  wage  of  the  firm,  the  skill  intensity  of  the  firm measured  as  the  share  of 

employees with a tertiary education among all employees, as well as labour productivity as measured by 

firm sales per employee. For the latter measure, we also control for capital and intermediate inputs to 

get a measure of TFP.  In  job‐level regressions, we use the hourly wage and the education  level of the 

individual that possesses the job. 

In  each  case, we present  a number of different  regressions.  First, we present  a  regression  that only 

distinguishes  between  old  and  new  firms,  i.e.,  we  do  not  take  differences  between  growing  and 

declining  clusters  into  account.  This  implies  that we  implicitly  impose  the  restriction �� � �� � �  in equation  (1). This  is  the approach  that resembles  the existing  literature most closely. Second, we add 

the distinction between growing and declining clusters and hence estimate all  four parameters  (��to ��). In neither of these regressions do we include additional control variables.  

In the third regression, we also include controls for the age, gender and education level of the worker(s) 

– except  in  the case where  the dependent variable  is  the education  level of  the worker(s) herself. By 

including  this  information,  we  take  worker  heterogeneity  into  account  when  comparing  job 

14  

13

characteristics of different  firms.  If  this  is an  important aspect,  the estimated  firm‐type dummies are 

expected to be of less importance after controlling for these worker characteristics. 

In  the  fourth  regression,  we  also  include  industry  and  region  dummies  thereby  taking  (potentially 

unobserved) differences across industries and regions into account. If, e.g., certain industries or regions 

tend  to  have  high  employment  growth,  the  dummy  variable  for  growing  clusters  will  become  less 

important as part of the variation will now be picked up by the industry and region dummies.  

In  the  fifth  regression, we  take  this one  step  further  and  include  cluster dummies,  implying  that we 

control  for  observed  and  unobserved  differences  at  the  cluster  level.  This  regression  thereby  yields 

within‐cluster  differences  between  established  and  new  firms.  As  a  consequence,    cannot  be 

estimated in this regression. If the differences in job characteristics between new and old firms depend 

on different  (unobserved) cluster characteristics, the estimated difference between new and old firms 

will become smaller in this case. 

Finally,  in  the  job‐level  regressions  we  re‐estimate  the  third‐fifth  regressions  taking  firms  size  into 

account. This  is motivated by  the  finding  that  firm  size may play an  important  role,  see, e.g., Troske 

(1999) who finds that smaller firms pay  lower wages. I.e.,  in the worker‐level regressions we present 8 

regressions per dependent variable. 

In Section 4, we only distinguish between new and old firms, whereas we apply the three different types 

of new  firms  (spin‐offs, entrepreneurial  start‐ups, and other new  firms)  in Section 5.  In Section 6 we 

consider  the manufacturing  and  service  sector  separately, whereas we  consider  the  case where new 

firms  are  only  those  established  after  2005  in  Section  7.  Section  8  introduces  education  as  a  third 

dimension in our cluster definition.  

4. NewFirmsvs.OldFirmsIn this Section, we investigate differences in the characteristics of jobs in new and old firms, taking the 

growth in employment in the industry‐region cluster  into account. In Section 4.1, we use the firm‐level 

dataset  to  consider  differences  in  average  hourly wages,  the  proportion  of workers with  a  tertiary 

education degree, sales per worker and TFP. In Section 4.2, we turn to our job‐level dataset, where we 

look at wages and education.  

15  

14

4.1Firm‐levelanalysisAs our first measure of job quality, we use the wage rate. Higher wages can reflect a number of effects 

but  are  thought  of  as  being  equal  to  the  value  of  the marginal  product  of  labour.  In  Table  4.1, we 

therefore  present  the  results  of  estimating  (1)  using  the  log  of  the  average  hourly  wage  as  the 

dependent variable. As some firms do not have employees, and since wage  information  is not reliable 

for all  firms with employees, the sample  is reduced to around 95,000 observations  (firms)  in this case 

(out of a total of 188,000 firms).5 For the same reason, the number of clusters is reduced from 1,081 to 

1,054. 

[Table 4.1 around here] 

In column 1, only the dummy for a new firm, DNF,  is  included.  In this case, we find that new firms pay 

slightly higher average wages (around 2 per cent) than old firms. This result  is somewhat surprising as 

entrepreneurs are typically found to pay lower wages than established firms in the literature.  

In  column  2, we  condition  on  the  cluster  growth  by  including  the  dummy  for  positive  employment 

growth  in  the  cluster,  DGC,  and  its  interaction with  the  new‐firm  dummy,  DNF.  In  this  case, we  can 

estimate all  the  four beta coefficients  from equation  (1). We  find  that average wages of old  firms are 

higher  in  growing  clusters  than  in  declining  clusters,  as    is  significantly  positive.  The  difference, 

however,  is  less than 2 per cent. New firms, on the other hand, now exhibit  lower wages  (1 per cent) 

than  established  firms  in  declining  clusters  (   is negative), but higher wages  than  established  firms 

(around 7%)  in growing  clusters  (   is positive).  In other words,  the  local business environment 

does seem to make a difference for the relative performance of new vs. old firms. 

In the following columns, we check the robustness of these findings when including additional controls. 

In column 3, we control for the share of women among the workers, the share of workers with a tertiary 

education degree, and  the average age among workers. The  inclusion of  these  controls  removes  the 

difference  in wages between old firms  in declining and growing clusters, as    is no  longer statistically 

different from zero. The differences between new and old firms also change a bit. When we control for 

                                                            5 Statistics Denmark’s hourly wage variable is based on the available information from the wage income registers and  different  sources  of  information  to  determine  working  hours.  The measurement  of  the  latter  can  easily become  highly  uncertain,  for which  reason  Statistics  Denmark  attaches  a  quality  estimate  to  its  hourly wage variable. If this estimate makes the wage information of a given individual too doubtful, the given individual’s wage record is not considered for the analysis. 

16  

15

gender, education and age, new firms actually pay higher wages in both growing and declining clusters, 

but the difference is still largest in growing clusters, where it remains around 7 per cent ( ). 

Finally,  Columns  4  and  5  include  industry  and  region  dummies  and  industry  x  region  dummies, 

respectively, where the  latter corresponds to  fixed effects at  the cluster  level.  In these cases, both   

and   become  insignificant. That  is, we do not observe any differences between new and old  firms 

when we control for (possibly unobserved) industry‐ and region‐specific characteristics. In other words, 

within a  cluster, we do not observe any  (significant) differences between new and old  firms when  it 

comes to average wages.  

In Table 4.2, we consider the skill intensity in new vs. old firms, where we use the share of employees in 

the firm with a tertiary education degree as the dependent variable. Note that in this case, the sample 

size almost doubles compared to Table 4.1.  

[Table 4.2 around here] 

 

According to the first column of Table 4.2, the unconditional skill‐intensity is 2 percentage points higher 

in new firms than in old firms (the estimate of   is both positive and significantly different from zero). 

When distinguishing between growing and declining clusters,  it  is found that the education‐intensity  is 

around 10 percentage points higher  in old firms  in growing clusters compared to old firms  in declining 

clusters,  as  the  estimate of    equals 0.098. Moreover, new  firms  are  found  to be more  education‐

intensive  than old  firms – both  in declining clusters  (0.4 percentage points) and especially  in growing 

clusters (0.4 + 2.4 = 2.8 percentage points). 

Controlling for worker heterogeneity in column 3 does not change this picture qualitatively, and neither 

does the  inclusion of region and  industry dummies  in column 4, although the difference between new 

and old firms  in growing clusters become quantitatively  less  important. When  looking at within cluster 

differences  in  column  5,  we  also  still  find  that  new  firms  have  a  higher  skill  intensity  –  around  1 

percentage point  in declining clusters and around 1.5 percentage points  in growing clusters – but  the 

difference between growing and declining clusters (i.e.,  ) is no longer significant.  

In Table 4.3, we present the results for the case where the dependent variable  is the (log of) sales (or 

revenue) per worker. From column 1, we can see  that sales per worker are,  in general,  lower  in new 

firms  (16 per cent). When we distinguish between growing and declining clusters  (column 2), we  still 

find  that  new  firms  have  lower  sales  per worker  –  and  there  is  no  statistically  significant  difference 

17  

16

between  declining  and  growing  clusters  (the  estimate  of    is  insignificant).  Controlling  for worker 

heterogeneity and fixed effects (columns 3‐5) does not alter this conclusion qualitatively. 

[Table 4.3 around here] 

 

Table  4.4  also has  (the  log of)  sales per worker  as  the dependent  variable, but  includes  (the  log of) 

capital per worker,  (the  log of)  intermediate  inputs per worker and  (the  log of) number of workers as 

additional controls.  In  this case,  the estimates of    to   can be  interpreted as  (differences  in)  total 

factor productivity. In column 1, we can see that this results in new firms having slightly higher TFP (1.5 

percent) on average. When distinguishing between growing and declining clusters  (column 2),  it  turns 

out that the “advantage” of new firms is found only within growing clusters as the estimated sum of   

and   amounts  to 5.5 per  cent), whereas  the estimate of    is negative,  implying  that new  firms  in 

declining  clusters  have  slightly  lower  TFP  (1  per  cent)  than  old  firms  in  declining  clusters. When we 

control for worker differences (column 3), however, new firms are found to have higher productivity in 

both growing and declining clusters, and the same holds when controlling for industry and region fixed 

effects (column 4). Even with cluster fixed effects (column 5), new firms are found to have a productivity 

advantage in growing clusters.6 

 

[Table 4.4 around here] 

 

Thereby, we find that new firms have  lower sales per worker, but tend to have higher TFP (at  least  in 

growing  clusters).  This  indicates  that  old  firms  are  either  more  capital  intensive  or  use  more 

intermediate  inputs per worker.  In  regressions not  reported, we  find  that new  firms  are  indeed  less 

capital intensive and use less intermediate input per worker.7  

Before turning to our worker‐level regressions, we summarize the findings at the firm level: We find that 

new firms on average have higher wages, are more skill intensive, have lower sales per worker but have 

higher  TFP. While  the  difference  in  wages  disappears  when  controlling  for  industry  and  region  (or 

cluster) characteristics, the findings that new firms are more skill intensive, have lower sales and higher 

TFP  are  more  robust.  Furthermore,  we  find  evidence  that  the  higher  wages,  skill  intensity  and 

                                                            6 Note  that  throughout Table 4.4,  the  coefficients of  capital per worker and  input per worker are as expected, whereas the coefficient of (the log of) the number of workers is found to be significantly positive, which indicates increasing returns to scale. 7 Results are available upon request. 

18  

17

productivity of new  firms  are more pronounced  in  growing  clusters.  Even when we use only within‐

cluster variation, we find differences between new and old firms. Specifically, we find that new firms are 

more skill intensive, have lower sales but higher TFP (in growing clusters). 

4.2Job‐levelanalysisTable  4.5  presents  results where we  use  the  (log  of  the  individual)  hourly wage  as  the  dependent 

variable. The first five columns are comparable to the five columns in Table 4.1.  

Note  that  the  results  for  individual wages  are quite different  from  those presented  for  average  firm 

wages  in Table 4.1. Throughout the  first  five columns, we  find that  individual wages are  lower  in new 

firms  than  in  old  firms,  but  less  so when we  control  for worker  heterogeneity  in  column  3. When 

controlling for  industry and regional fixed effects  in column 4 (or cluster fixed effects  in column 5), we 

even find that the difference is larger in growing clusters. Thus, in column 5, we find that wages in new 

firms in declining clusters are 3.7 per cent lower than in old firms in the same declining clusters, and that 

the difference is 4.7 per cent in growing clusters (the sum of   and  ). 

[Table 4.5 around here] 

 

The difference between  the  results  in Table 4.1  and Table 4.5  can be explained by  the  fact  that  the 

regressions at the job level (Table 4.5) are weighted versions of the regressions at the firm level (Table 

4.1), where the weights used are the numbers of jobs at the firm level. In other words, when large firms 

are weighted more than small firms (as it is the case in Table 4.5), we find that wages are higher in old 

firms.  

In light of this, it might be interesting to see how results are affected if we control directly for firm size. 

In the  literature,  it  is thus a relatively robust finding that wages are  increasing with firm size, see, e.g., 

Troske (1999) and Brown and Medoff (2003). The last three columns in Table 4.5 are therefore similar to 

columns 3‐5 but include firm size (as measured by total employment) as an additional control.8 

When  controlling  for  firm  size, new  firms  are  again  found  to pay higher wages,  at  least  in declining 

clusters, where the difference  is between 1.6 and 1.9 per cent. In growing clusters, on the other hand, 

there  is only a minor wage difference between new and old firms when we control for firm size. Thus, 

                                                            8 We apply a non‐parametric approach and include log(employment), log(employment)2,.., and log(employment)10 in regressions 6‐8. 

19  

18

individual wages are not necessarily higher  in old firms because they are old, but perhaps because the 

old firms tend to be larger.   

In  Table  4.6, we  use  a  linear  probability model where  the  dependent  variable  is  a  dummy  for  the 

individual having a tertiary education. That is, we estimate the probability that a given job is filled with 

an  individual  that has a  tertiary education and how  this probability  is affected by whether  the  firm  is 

new or old, and whether  the  firm  is  located  in a growing or declining cluster. The results can  thus be 

seen as job‐level versions of the estimations of skill intensities in Table 4.2.9 

When we do not distinguish between growing and declining  clusters  (column 1), we do not  find any 

statistically significant difference between new and old  firms.  In column 2, however, we  find  that  the 

probability of having completed tertiary education  is marginally  lower  in new firms than  in old firms  in 

declining  clusters, whereas  the  probability  is  slightly  higher  (but  not  significant)  in  growing  clusters. 

These  results  do  not  change when we  control  for worker  heterogeneity  (column  3). When we  add 

industry and region dummies (column 4) or cluster dummies (column 5), the positive effect of new firms 

in growing clusters disappears.  

[Table 4.6 around here] 

In sum, using our  job‐level dataset, we find a slightly smaller tendency of the workers  in new firms to 

have completed tertiary education. This result is in some contrast to the results at the firm level in Table 

4.2, where  it was found that new firms are more skill  intensive than old firms. As  in the case of Tables 

4.1 and 4.5, this difference again reflects the different weighting of the observations in the worker‐level 

and firm‐level regressions. Thus, among the old firms, especially the  larger firms tend to be more skill 

intensive, and  these  firms are given more weight  in  the worker‐level  regressions. This  is also evident 

from columns 6‐8 where we control directly  for  firm size.  In this case, the estimate of    is no  longer 

significant (although   remains significantly negative but numerically small when controlling for cluster 

fixed  effects  in  column  8).  Thus, parallel  to  the  case of  Table  4.5,  the higher probability of having  a 

tertiary education in old firms may not be due to these firms being old but because old firms tend to be 

larger.   

                                                            9 The  reason  for choosing a  linear probability model  is  that  it  is difficult  to estimate probit or  logit models with several  hundred  industry,  region  and  cluster  dummies.  In  column  4  there  are  233  industry  dummies  and  five regional dummies, whereas there are more than 1,000 cluster dummies in column 5. 

20  

19

To  summarize  the  findings  at  the  job  level,  we  find  that  individual  wages  are  lower  in  new  firms 

compared  to  old  firms  (as  long  as we  do  not  control  for  firm  size).  In  addition, we  find  hardly  any 

differences  across  new  and  old  firms  in  the  probability  that  a  job  is  occupied  by  an  individual with 

tertiary education.  

Taken  together,  the  findings  in  this  section have  shown  that new  firms are more productive and  skill 

intensive and pay higher wages than old firms – and these differences are typically more pronounced in 

growing clusters. However, the wage and skill premiums at the firm  level disappear at the  job  level, as 

the larger old firms are both more skill intensive and pay higher wages than the smaller old firms. 

5. DifferentTypesofNewFirmsIn  this  Section, we  extend  the  analysis of  Section 4,  and distinguish between different  types of new 

firms: spin‐offs, entrepreneurial start‐ups and other new firms. The results are organised in a parallel set 

of Tables to those in Section 4. Thus, Table 5.1 is comparable to Table 4.1 etc., with the only difference 

being  that    and    are  each  split  into  three  different  dummies  (   and  ) 

representing the three different types of new firms. We will not go through all results in detail but will 

focus on the findings that differ from or qualify those of Section 4.  

5.1Firm‐levelanalysisIn Table 5.1 we use  the  log of  the average hourly  firm wage as  the dependent variable. Compared  to 

Table 4.1, we find that it is the group of “other new firms” that drives the result of higher average wages 

in new  firms  (column 1). Thereby,  the  results  in Column 1 partly confirm existing  research  findings of 

entrepreneurial  jobs being  relatively  low paid. At  least  this  is  the  case when we  look  at  the  average 

wages  in entrepreneurial  start‐ups, which are  slightly  lower  (1.5 per  cent)  than  in old  firms. Average 

wages in other new firms are, on the other hand, 18 per cent higher than in old firms. 

[Table 5.1 around here] 

 

When we distinguish between growing and declining clusters (columns 2 and 3), entrepreneurial start‐

ups and spin‐offs seem to fare worse than or as well as old firms in declining clusters (as seen from the 

estimates of   and  ), but better than old firms in growing clusters (as seen from the estimates of 

 and  ).  In this sense, entrepreneurial  firms  in growing clusters are generating high‐

wage jobs. 

21  

20

Most  of  these  differences,  however,  disappear when we  add  industry  and  region  (or  cluster)  fixed 

effects  (columns 4 and 5). Other new  firms are  still  found  to pay higher wages  (11 per  cent)  in both 

growing and declining clusters, while entrepreneurial firms pay on average 3 per cent lower wages than 

established firms. There are no significant differences between spin‐offs and old firms.  

Table 5.2 considers  the  skill  intensity of  firms as measured by  the  share of employees with a  tertiary 

education. The main impression from Table 5.2 is that new firms are relatively more skill intensive than 

old firms, and this holds for all three types of new firms. However, only  in the case of spin‐offs do we 

find an additional positive effect in growing clusters when we add cluster fixed effects (column 5).  

 [Table 5.2 around here] 

 

Table 5.3 presents results for sales per worker.  It  is evident that the  lower sales per worker found for 

new firms in Table 4.3 is due to spin‐offs and entrepreneurial firms, whereas other new firms in general 

have higher sales per worker than old firms (although the difference is not statistically significant when 

including cluster fixed effects in column 5). Note, however, that in the case of spin‐offs, they only have 

lower sales compared to old  firms when  located  in declining clusters.  In growing clusters, the sales of 

spin‐offs are at par with those of established firms (as can be seen from the estimate of  ). 

[Table 5.3 around here] 

 

Table 5.4 provides an interesting qualification of the findings in Table 4.4. The overall higher productivity 

of new firms found  in Table 4.4  is apparently due to spin‐offs and other new firms (column 1 of Table 

5.4). When we distinguish between growing and declining clusters, we can see  that  in particular spin‐

offs enjoy even higher productivity in growing clusters compared to old firms – and this result is robust 

to the inclusion of region and industry (or cluster) fixed effects. In column 5, the productivity advantage 

of spin‐offs in growing clusters compared to old firms in growing clusters thus adds up to around 10 per 

cent.  For  comparison,  the productivity  advantage  of other new  firms disappears  as we  include  fixed 

effects for region and  industry (column 4) or clusters (column 5). Finally, entrepreneurial start‐ups are 

less productive  than  established  firms  in declining  clusters, but  in  growing  clusters,  they  seem  to be 

equally productive as can be seen from the estimate of  . 

[Table 5.4 around here] 

 

22  

21

The overall conclusion of this sub‐section is that the higher wages in new firms are driven by other new 

firms, although there is some evidence that spin‐offs and entrepreneurial start‐ups fare better than old 

firms when located in growing clusters. Higher skill intensity is found in all three types of new firms, but 

spin‐offs  also  exhibit  additional  skill  intensity  when  located  in  growing  clusters.  Finally,  the  higher 

productivity of new firms is driven in particular by spin‐offs. 

 

5.2Job‐levelanalysisEstimation results for  individual wages are presented  in Table 5.5. Compared to Table 4.5, we can see 

that  the  lower wages  in new  firms are due  to  spin‐offs and entrepreneurial  start‐ups, whereas other 

new  firms  actually  exhibit  higher wages  in  declining  (but  not  growing)  clusters when we  control  for 

industry and region (or cluster) fixed effects (columns 4 and 5). 

As  in  Table  4.5,  the  lower wages  can  be  explained  by  spin‐offs  and  entrepreneurial  start‐ups  being 

smaller than old firms. Thus, when we  include controls for firm size (columns 6 to 8), spin‐offs are not 

found  to  pay  lower wages,  and  entrepreneurial  start‐ups  are  found  to  pay  lower wages  in  growing 

clusters only. Other new firms are now found to pay higher wages (in particular in declining clusters). 

[Table 5.5 around here] 

 

Table  5.6  estimates  the  probability  that  a  given  individuals  has  completed  tertiary  education.  Some 

differences across the three types of new firms are observed. Specifically, the probability seems to be 

higher in other new firms in declining clusters – and also in growing clusters as long as we do not control 

for  industry  and  region  (or  cluster)  fixed  effects.  For  spin‐offs  and  entrepreneurial  start‐ups,  on  the 

other  hand, we  find  a  lower  probability  –  at  least when  these  are  located  in  declining  clusters.  In 

growing clusters, the probability is not lower for spin‐offs compared to old firms.  

Columns 6‐8 include controls for firm size. This does not change the results qualitatively. 

[Table 5.6 around here] 

 

In  sum,  the  job‐level  analysis  shows  that  the  lower  individual wages  in  new  firms  that we  found  in 

Section 4.2 are driven mainly by spin‐offs and entrepreneurial start‐ups. These two types of firms also 

tend to imply a lower probability of having tertiary education  

23  

22

Overall, the analyses in this section have shown important differences between the three types of new 

firms. Spin‐offs enjoy the  largest productivity advantage compared to old firms, whereas higher wages 

are mainly  found within other new  firms, although spin‐offs and entrepreneurial start‐ups  fare better 

than old firms when  located  in growing clusters. However, these wage premiums disappear  in the  job‐

level regressions, which generally show  lower wages  in spin‐offs and entrepreneurial start‐ups than  in 

old firms, whereas other new firms are at par with old firms. The lower wage rates however can mainly 

be  explained  by  firm  size.  Skill  intensities  are  higher  in  all  three  types  of  new  firms,  but  the  skill 

premiums in the new firms again disappear in the job‐level analyses. 

6. ManufacturingSectorvs.ServiceSectorIt might be hypothesized that the difference in performance between new and old firms looks different 

in the manufacturing sector and in the service sector. Thus, many of the new firms in the service sector 

consist of retailers and other small service  firms such as hairdressers.  In the manufacturing sector, on 

the other hand,  it takes both a  larger  investment and perhaps also a more novel  idea to set up a new 

firm.  If that  is the case, then the performance and  jobs of new firms  in the manufacturing sector may 

look quite differently. 

To analyse any differences across the two sectors, we have re‐estimated the tables from Sections 4 and 

5  separately  for  each  sector, where  the manufacturing  sector  is defined  as NACE  code  section C  (C: 

Manufacturing), and the service sector as NACE code sections G‐N (G: Wholesale, Retail Trade; Repair of 

Motor Vehicles and Motorcycles, H: Transportation and  storage  services,  I: Accommodation and  food 

service  activities,  J:  Information  and  communication  services,  K:  Financial  and  insurance  activities,  L: 

Real estate activities, M: Professional, scientific and technical activities, N: Administrative and support 

service activities). To save space, the tables are not included in the paper but are presented in Appendix 

A and B. 

The results for the service sector turn out to be very similar to the overall results from Sections 4 and 5. 

This  is a consequence of the fact that most of the firms and workers  in the data belong to the service 

sector. Thus, out of  the  approximately 188,000  firms  and 1,560,000  jobs  in Table 2.1,  approximately 

120,000  firms and 1 million  jobs belong  to  the service sector, whereas 13,500  firms and 120,000  jobs 

belong to the manufacturing sector. As a consequence,  in what follows we focus on the differences  in 

the manufacturing sector compared to the general results in Sections 4 and 5. 

24  

23

First,  the  finding of higher  average wages  in new  firms  is now more  robust  to  the  inclusion of  fixed 

effects  (Table  A4.1). On  the  other  hand,  average wages  do  not  seem  to  depend  on  cluster  growth. 

However,  in the  individual wage regressions (Table A4.5), we now also find that new firms pay as high 

(or  even  higher) wages  than  old  firms when  located  in  growing  clusters  (but  lower when  located  in 

declining  clusters).  When  we  distinguish  between  the  three  types  of  new  firms  as  in  Section  5, 

entrepreneurial start‐ups and spin‐offs now pay average wages of the same magnitude as old firms  in 

both growing and declining clusters  in the firm‐level regressions (Table A5.1), while the advantage are 

for  other  new  firms.  In  the  job‐level  regressions  (Table  A5.5),  the  negative  wage  premium  in 

entrepreneurial start‐ups is now also less pronounced, while spin‐offs in growing clusters are now found 

to pay higher wages than old firms.  

Second, sales per worker (Table A4.3) are still found to be lower in new firms – and now even more in 

declining clusters (although results are not very significant). The productivity advantage of new firms is 

more pronounced and significant within manufacturing, but again does not depend on cluster growth 

(Table A4.4).  Interestingly, when we distinguish between different types of new firms (Table A5.4), we 

find that the productivity advantage is now found across all three types of new firms – not just spin‐offs 

(and other new firms).  

Third, the higher skill intensity of new firms in firm‐level regressions is also found in the manufacturing 

sector (Table A4.2), but not in spin‐offs (Table A5.2). In the job‐level regressions, we again find a general 

disadvantage  of  new  firms  (Table  A4.6),  and  the  skill  advantage  of  other  new  firms  (Table  A5.6) 

disappears. 

Overall,  the  results  for  the manufacturing  sector  look much  like  the  general  results.  However,  the 

productivity  advantage  and  higher  average  wages  of  new  firms  appear  more  robust  in  the 

manufacturing sector. 

7.Robustness:AgeofNewFirmsAs a  robustness check of our  results, we have  re‐estimated  the  tables of Sections 4 and 5, where we 

define new firms as those established after 2005, instead of all firms established after 2000. The results 

are presented in Appendix C. This reduces the number of new firms in the analysis from around 80,000 

to 60,000, and it increases the number of old firms correspondingly. Using this definition of new firms, 

we find very similar results to those of Sections 4 and 5. 

25

  

24

The  only  difference  between  the  baseline  results  in  Sections  4  and  5  and  the  results  based  on  the 

alternative definition of entrepreneurs is with respect to productivity. For this measure, it is found that 

new  firms  in general are now  less productive  than old  firms. The  lower productivity  is driven by new 

firms  in  declining  clusters, whereas  new  firms  in  growing  clusters  have  productivity  levels  of  similar 

magnitude to old firms.  

The analyses also show important differences between the three types of new firms. Spin‐offs still enjoy 

productivity advantage compared  to old  firms, especially  in growing clusters, whereas entrepreneurial 

start‐ups and other new firms have similar or lower productivity compared to old firms. 

As the new firms considered in this section are younger than the new firms considered in the previous 

sections, the difference in results suggests that it takes some time for organic new firms to catch‐up and 

exceed  incumbents  in  terms  of  productivity.  This  finding  is  also  consistent  with  the  finding  that 

entrepreneurs have higher growth of productivity, see Huergo and Jaumandreu (2004). 

8.Robustness:3‐dimensionalclustersAs an additional robustness check of our results, we extend the definition of clusters to contain a third 

dimension – the education of the individual. In this case, a cluster is defined as jobs (individuals) with a 

certain educational background  in a given  industry and region. We can then compare  jobs  in new and 

old firms within these education‐specific clusters. 

Specifically, we  use  233  industries,  five  regions  and  five  education  categories.  This  results  in  6,900 

clusters  of  which  312  clusters  are  new  in  2010.  This  also  allows  us  distinguish  between  declining, 

growing and new clusters in the analysis. 

The  introduction  of  an  educational  dimension  in  the  cluster  makes  comparisons  at  the  firm  level 

impossible,  as  a  firm  can  now  be  located  in  up  to  five  different  clusters.  Similarly,  skill‐intensity 

estimations do not make sense when clusters are defined by education. Hence, in this section, we focus 

on job‐level results for wages. 

Table 8.1 below is comparable to Table 4.5 from Section 4, whereas Table 8.2 is comparable to Table 5.5 

from Section 5. Instead of having one dummy for growing clusters, we now have two dummies: One for 

growing clusters and one for new clusters. We still have one dummy for new firms (Table 8.1) and three 

26  

25

dummies  for  three  types of new  firms  (Table 8.2), but  these  are now each  interacted with both  the 

dummy for growing clusters and the dummy for new clusters, which results in more interaction terms. 

[Tables 8.1 and 8.2 around here] 

 

Still, we  find  that wages  are  lower  in  new  firms  however  the  difference  disappears  and  becoming 

positive when controlling  for  firm size  (Table 8.1). We also  find  that wages are  lower  in spin‐offs and 

entrepreneurial  start‐ups are  lower  in declining and growing  clusters  (Table 8.2). The  results  for new 

clusters  are  less  significant  for  entrepreneurial  start‐ups  but might  reflect  that  the  number  of  these 

clusters is relatively limited. The results for other new firms are more mixed. When we control for region 

and industry fixed effects (or cluster fixed effects), they are found to pay higher wages than old firms in 

declining clusters. The results for growing clusters are  less clear. When  it comes to new clusters, other 

new firms seem to pay higher wages as  long as we do not control for region and  industry fixed effects 

(or cluster fixed effects), in which case the results are reversed. All in all, the results in Tables 8.1 and 8.2 

seem to confirm the picture from Table 4.5 and Table 5.5. 

The results in this section, thereby, do not change the overall conclusions from the previous sections. 

9.ConclusionDespite a general belief that entrepreneurs are important for job creation and growth, existing research 

has indicated that jobs created by entrepreneurs are often unsecure and relatively low paid. Employees 

in  start‐ups  often  earn  lower  wages  than  employees  in  other  firms,  and  productivity  levels  in 

entrepreneurial start‐ups are often lower than in established firms.  

This paper has  shed new  light on  the quality of  jobs created by  start‐up  firms compared with  similar 

measures  in  established  firms.  Compared  to  previous  studies, we measure  the  entrepreneur  as  the 

organic new  firm  instead  of using  firm  age or  firm  size  as  criteria  to distinguish  entrepreneurs  from 

incumbent  firms. Moreover, we  have  taken  the  business  environment  of  the  firms  into  account  by 

distinguishing between firms located in growing industry‐region clusters and firms in declining industry‐

region clusters. Thus, instead of just comparing new firms to old firms, we compare the jobs created by 

entrepreneurial  firms  in  growing  (declining)  clusters  to  jobs  (or  productivity  levels)  in  old  firms  in 

growing  (declining)  clusters.  We  believe  that  this  provides  a  more  appropriate  assessment  of  the 

contribution  of  entrepreneurial  firms.  Furthermore,  we  also  distinguish  between  different  types  of 

27  

26

organic  new  firms  (spin‐offs,  entrepreneurial  start‐ups  and  other  new  firms)  to  investigate whether 

some types are more similar to old firms than others. 

The analyses are based on Danish worker‐firm register data for the time period 2001‐2010, which cover 

almost the entire private sector of the Danish economy. A particularly interesting feature of these data 

is that Statistics Denmark has undertaken extensive efforts to identify the organic new firm among the 

formally new firms. 

Overall, we  find  that entrepreneurial  firms are more productive, more  skill  intensive, and pay higher 

wages  than  old  firms. Moreover,  these  differences  are more  pronounced  in  growing  industry‐region 

clusters. We  also  find  that  spin‐offs  enjoy  the  largest productivity  advantage  compared  to old  firms, 

whereas higher wages are mainly found within other new firms, although spin‐offs and entrepreneurial 

start‐ups  fare  better  than  old  firms when  located  in  growing  clusters.  However,  the wage  and  skill 

premiums at the firm level disappear in the job‐level regressions, which generally show lower wages in 

spin‐offs  and  entrepreneurial  start‐ups  than  in  old  firms.  The  difference  in  results  between  the  two 

approaches reflects that the  larger old firms are given more weight  in the  individual‐level regressions, 

and  these  are  different  from  the  smaller  old  firms. When we  look  specifically  at  the manufacturing 

sector, we find more robust productivity advantages and higher average wages of new firms compared 

to old firms. 

The broader perspective of the results presented in this paper is that jobs in organic new firms are not 

low‐quality jobs in the sense that they pay lower wages and have lower skill content. Moreover, organic 

new  firms  do  not  seem  to  have  lower  productivity.  This  is  especially  the  case  for  firms  in  growing 

clusters. These  results  indicate  that entrepreneurial  firms do play an  important  role as an engine  for 

growth and prosperity. The overall result of the paper is thus consistent with Schumpeter (1934, 1943) 

who argues  that entrepreneurs  create  combinations of  inputs and outputs  to pioneer new activities, 

exploit new market opportunities and allocate labour to its most productive use. 

The viewpoint that entrepreneurs are of key importance for generating new jobs and economic growth 

in an increasingly competitive international environment have given rise to initiatives such as the Small 

Business  Act  for  Europe  and  the  SBIR  program  in  the  USA;  programmes  that  reallocate  substantial 

resources from large established firms to small firms and start‐ups. While the majority of studies in the 

literature  have  found  that  jobs  created  in  such  firms  are  less  attractive with  lower  levels  of  human 

capital and lower wages (see Van Praag and Versloot, 2007), the present study provides some evidence 

28  

27

for the opposite. However, the results depend to some extent on the definition of entrepreneurs both 

with respect to type of entrepreneurial firm and with respect to for how long firms can be considered to 

still be entrepreneurial firms. 

29  

28

REFERENCESBrixy,  U.,  Kohaut,  S.  and  Schnabel,  C.,  (2007),  “Do  Newly  Founded  Firms  Pay  Lower Wages?  First 

Evidence from Germany” Small Business Economics, Vol. 29, No. ½, 161‐171 

Brouwer, P., de Kok, J. and Fris, P., (2005), “Can firm age account for productivity differences?”, SCALES‐

paper N200421, Zoetermeer, Netherlands 

Brown, C., & J.L. Medoff (2003). Firm age and wages. Journal of Labor Economics, 21(3), 677‐697   

Castany, L., López‐Bazo, E. and Moreno, R. (2005). “Differences in Total Factor Productivity Across Firm 

Size. A Distributional Analysis,” University of Barcelona Working Paper 

Dahl, M.  S., & Reichstein,  T.  (2007). Are  You  Experienced? Prior  Experience  and  the  Survival of New 

Organizations. Industry & Innovation, 497‐511 

Disney,  R.,  Haskel,  J.  and  Heden,  Y.,  (2003),  “Restructuring  and  Productivity  Growth  in  UK 

Manufacturing”, The Economic Journal, Vol. 113, No. 489, 666‐694 

Eriksson, T., & Kuhn,  J. M.  (2006).  Firm  spin‐offs  in Denmark 1981‐2000  ‐ patterns of entry and exit. 

International Journal of Industrial Organization, 1021‐1040 

Foster, L., Haltiwanger,  J. and Krizan, C.J.,  (2006), “Market selection,  reallocation, and  restructuring  in 

the U.S. Retail sector in the 1990s”, The Review of Economics and Statistics, 88(4), 748‐758 

Goos, M., & Manning, A. (2007), "Lousy and Lovely Jobs: The Rising Polarization of Work in Britain", The 

Review of Economics and Statistics, 89(1), 118‐133 

Huergo,  E.,  and  J.  Jaumandreu  (2004),  "Firms’  age,  process  innovation  and  productivity  growth", 

International Journal of Industrial Organization, 22, 541– 559 

Jensen, J.B., McGuckin, R.H. and Stiroh, K.J. (2001), “The impact of vintage and survival on Productivity: 

Evidence  from cohorts of U.S. Manufacturing plants”, The Review of Economics and Statistics, 

83(2), pp. 323‐332 

Koch, A. and Späth, J., (2009), “New Firms – Different Jobs? An Inquiry into the Quality of Employment in 

Start‐ups and Incumbents”, IAW‐Discussion Paper, No. 50 

30  

29

Kölling, A., Schnabel, C. and Wagner, J., (2002), “Establishment Age and Wages: Evidence from German 

Linked Employer‐Employee Data”, IZA Discussion Paper, No. 679 

Nyström, K. and Elvung, G.Z., (2014), “New firms and labor market entrants: Is there a wage penalty for 

employment in new firms?”, Small Business Economics, Vol. 43, pp. 399‐410 

Schumpeter,  J. A.  (1934). The Theory of Economic Development. Cambridge, Mass.: Harvard University 

Press. 

Schumpeter, J. A. (1943). Capitalism, Socialism and Democracy. New York: Harper. 

Troske,  K.R.,  (1999),  “Evidence  on  the  Employer  Size‐Wage  Premiun  from  Worker‐Establishment 

Matched Data”, The Review of Economics and Statistics, Vol. 81, No. 1, pp.15‐26 

van  Praag, M., & Versloot,  P. H.  (2007). What  is  the  value  of  entrepreneurship? A  review  of  recent 

research. Small Business Economics, s. 351‐382. 

 

31

TABLE 2.1.: N

umbe

r of clusters a

nd jo

bs. B

y cluster g

rowth

Num

ber o

f clusters

Num

ber o

f job

sNum

ber o

f firm

s

Cluster g

rowth 

#%

#%

#%

‐0.50‐

124

11.47

38,334

2.46

4,31

42.29

 ‐0.50;‐0.25

202

18.69

222,93

314

.29

19,820

10.54

 ‐0.25;‐0.1

190

17.58

366,29

823

.47

47,918

25.48

 ‐0.1‐0.1

253

23.40

634,57

940

.67

76,068

40.45

 0.1‐0.25

857.86

121,98

47.82

19,838

10.55

 0.25‐0.5

656.01

113,09

77.25

14,610

7.77

 0.5+

137

12.67

62,396

4.00

5,43

72.89

New

252.31

831

0.05

390.02

Totals

1,08

110

0.00

1,56

0,45

210

0.00

188,04

410

0.00

32

TABLE 2.2: Num

ber o

f firm

 type

s and

 jobs. B

y cluster g

rowth and

 firm

 type

sNum

ber o

f firm

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

2439

2.3

436

1.8

1,14

52.5

294

3.2

 ‐0.50;‐0.25

1192

511

.02,

337

9.7

4,68

310

.087

59.7

 ‐0.25;‐0.1

2836

026

.28,

072

33.6

9,81

221

.01,67

418

.5 ‐0

.1‐0.1

4495

441

.58,

884

37.0

18,2

7039

.23,96

043

.7 0.1‐0.25

1099

710

.22,

167

9.0

5,44

411

.71,23

013

.6 0.25‐0.5

7092

6.5

1,75

37.3

5,09

010

.967

57.5

 0.5+

2565

2.4

368

1.5

2,19

34.7

350

3.9

Totals

108,33

2     

100.0

24,017

   10

0.0

46,637

   10

0.0

9,05

8       

100.0

Num

ber o

f job

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

31,250

2.4

2,04

22.5

3,29

72.9

1,74

53.1

 ‐0.50;‐0.25

195,99

415

.08,

013

9.8

12,9

1011

.46,01

610

.8 ‐0

.25;‐0.1

308,05

723

.524

,958

30.4

23,3

1020

.59,97

317

.9 ‐0

.1‐0.1

535,10

440

.933

,322

40.6

43,5

9038

.422

,563

40.6

 0.1‐0.25

94,782

7.2

7,50

49.1

12,1

4410

.77,55

413

.6 0.25‐0.5

92,587

7.1

5,24

26.4

10,3

179.1

4,95

18.9

 0.5+

51,228

3.9

1,08

51.3

8,08

87.1

2,82

65.1

Totals

1,30

9,00

2  

100.0

82,166

   10

0.0

113,65

6 

100.0

55,628

     

100.0

Entrep

rene

urial 

Entrep

rene

urial 

33

TABLE 2.3: Average

 num

ber o

f job

s per firm

. By cluster g

rowth after firm

 type

sJobs per firm

Establish

ed firm

sSpin‐offs

Entrep

rene

urial 

start‐up

sOther 

new 

Cluster g

rowth 

##

##

‐0.50‐

12.8

4.7

2.9

5.9

 ‐0.50;‐0.25

16.4

3.4

2.8

6.9

 ‐0.25;‐0.1

10.9

3.1

2.4

6.0

 ‐0.1‐0.1

11.9

3.8

2.4

5.7

 0.1‐0.25

8.6

3.5

2.2

6.1

 0.25‐0.5

13.1

3.0

2.0

7.3

 0.5+

20.0

2.9

3.7

8.1

Totals

12.1

3.4

2.4

6.1

34

Table 2.4: Average

 individu

al cha

racteristics. By firm ty

pe and

 cluster growth

Cluster g

rowth

Firm

 type

Num

ber o

f workers

Num

ber o

f firms

Mean age

Share of 

females

Share of 

highly 

educated

Mean ho

urly 

wage (DKK

)

Negative

Establish

ed firm

s81

0,10

371

,316

40.7

0.32

0.04

211.69

Negative

Spin‐offs

55,271

16,272

36.0

0.30

0.02

170.57

Negative

Enterprene

urial start‐ups

64,376

25,656

37.6

0.30

0.04

175.45

Negative

Other new

 firm

s30

,740

5,33

337

.90.34

0.06

216.75

Positive

Establish

ed firm

s49

8,89

937

,016

38.1

0.42

0.11

224.28

Positive

Spin‐offs

26,895

7,74

536

.10.39

0.11

193.38

Positive

Enterprene

urial start‐ups

49,280

20,981

37.5

0.39

0.11

188.83

Positive

Other new

 firm

s24

,888

3,72

537

.00.40

0.14

224.55

35

TABLE 4.1: Average

 Wages in

 New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

6***

5.10

2***

4.73

1***

6.01

9***

4.94

1***

(0.002

)(0.002

)(0.009

)(0.089

)(0.021

)

Positive cluster g

rowth (β

2)0.01

6***

0.00

4‐0.017

***

(0.005

)(0.004

)(0.005

)

New

 firm

 (β3)

0.02

2***

‐0.008

**0.01

8***

0.00

40.00

3(0.003

)(0.004

)(0.004

)(0.003

)(0.004

)

Positive cluster g

rowth x New

 firm

 (β4)

0.08

1***

0.04

9***

0.00

10.00

4(0.008

)(0.007

)(0.007

)(0.008

)Co

ntrols for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

00.00

40.13

30.27

40.03

2Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to 

arou

nd 95,00

0 firms a

nd th

e nu

mbe

r of clusters to 10

54, because so

me firms d

o no

t have em

ployees a

nd 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

36

TABLE 4.2: Skill‐Intensity

 in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

1***

0.03

7***

‐0.071

***

0.15

80.03

0**

(0.001

)(0.001

)(0.002

)(0.118

)(0.012

)

Positive cluster g

rowth (β

2)0.09

8***

0.09

5***

0.01

0***

(0.002

)(0.002

)(0.002

)

New

 firm

 (β3)

0.02

0***

0.00

4***

0.01

8***

0.00

7***

0.00

9***

(0.001

)(0.001

)(0.001

)(0.001

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

4***

0.02

2***

0.00

8***

0.00

6(0.003

)(0.003

)(0.002

)(0.003

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

20.04

90.06

00.23

60.00

4Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. 

The nu

mbe

r of clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

37

TABLE 4.3: Sales per W

orker in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.404

***

13.469

***

13.747

***

18.117

***

13.518

***

(0.003

)(0.003

)(0.009

)(0.845

)(0.027

)

Positive cluster g

rowth (β

2)‐0.193

***

‐0.145

***

0.00

1(0.006

)(0.006

)(0.007

)

New

 firm

 (β3)

‐0.158

***

‐0.143

***

‐0.169

***

‐0.116

***

‐0.097

***

(0.004

)(0.005

)(0.005

)(0.005

)(0.008

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.004

0.00

1‐0.002

0.01

6(0.009

)(0.009

)(0.008

)(0.013

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

918

1,42

617

7,79

9R‐squared

0.00

80.02

00.04

40.31

30.00

6Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 1

021, since 

some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

38

TABLE 4.4: Produ

ctivity

 in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.05

1***

6.97

7***

6.79

0***

6.92

6***

7.08

6***

(0.022

)(0.022

)(0.024

)(0.059

)(0.093

)

Positive cluster g

rowth (β

2)0.05

2***

0.03

8***

‐0.019

***

(0.005

)(0.005

)(0.005

)

New

 firm

 (β3)

0.01

5***

‐0.010

**0.01

7***

0.00

8**

0.00

7(0.003

)(0.004

)(0.004

)(0.004

)(0.007

)

Positive cluster g

rowth x New

 firm

 (β4)

0.06

5***

0.05

4***

0.02

4***

0.02

7*(0.007

)(0.007

)(0.007

)(0.015

)

log(Interm

ediate inpu

ts per worker)

0.39

7***

0.40

2***

0.40

8***

0.37

6***

0.37

6***

(0.002

)(0.002

)(0.002

)(0.002

)(0.012

)log(capital per worker)

0.11

7***

0.11

6***

0.11

1***

0.13

4***

0.13

3***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

9***

0.05

8***

0.07

5***

0.06

0***

0.05

9***

(0.001

)(0.001

)(0.001

)(0.001

)(0.005

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

70.53

00.53

70.62

10.46

9Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 9

75. ***

 p<0.01, ** p<

0.05

, * p<0.1.

39

TABLE 4.4A

: Intermed

iate In

puts per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.617

***12

.765

***13

.415

***13

.655

***12

.941

***

(0.005

)(0.005

)(0.016

)(0.117

)(0.044

)

Positive cluster g

rowth (β

2)‐0.480

***‐0.378

***

‐0.007

(0.010

)(0.010

)(0.010

)

New

 firm

 (β3)

‐0.293

***‐0.231

***‐0.298

***‐0.127

***‐0.130

***

(0.007

)(0.008

)(0.008

)(0.007

)(0.013

)

Positive cluster g

rowth x New

 firm

 (β4

‐0.101

***‐0.072

***

‐0.029

**‐0.025

(0.016

)(0.016

)(0.013

)(0.023

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

nono

nono

yes 

Observatio

ns14

3,86

614

3,86

614

3,60

014

3,60

014

3,60

0R‐squared

0.01

10.04

40.07

40.35

60.01

0Notes: The

 dep

ende

nt variable is the log of interm

ediate inpu

ts per worker in the firm. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is 

compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 9

79. ***

 p<0.01, ** p<

0.05

, * 

p<0.1.

40

TABLE 4.4B

:  Ca

pital per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.168

***12

.186

***10

.628

***13

.761

***11

.695

***

(0.006

)(0.007

)(0.020

)(0.116

)(0.039

)

Positive cluster g

rowth (β

2)‐0.058

***

‐0.033

**0.00

2(0.013

)(0.013

)(0.013

)

New

 firm

 (β3)

‐0.438

***‐0.464

***‐0.248

***‐0.177

***‐0.181

***

(0.009

)(0.011

)(0.011

)(0.009

)(0.020

)

Positive cluster g

rowth x New

 firm

 (β4)

0.07

9***

0.03

2*0.04

5***

0.06

0*(0.019

)(0.018

)(0.015

)(0.032

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cno

nono

noyes 

Observatio

ns14

7,21

014

7,21

014

6,91

514

6,91

514

6,91

5R‐squared

0.01

60.01

60.07

30.39

90.01

2Notes: The

 dep

ende

nt variable is the log of capita

lper worker in the firm. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 9

82. ***

 p<0.01, ** p<

0.05

, * p<0.1.

41

TABLE 4.5: W

ages in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

4***

5.31

1***

4.58

3***

5.21

2***

4.68

1***

4.41

0***

5.02

8***

4.48

7***

(0.000

)(0.007

)(0.010

)(0.022

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.06

6***

0.02

5***

0.01

2**

0.01

2*0.00

3(0.020

)(0.010

)(0.005

)(0.007

)(0.005

)

New

 firm

 (β3)

‐0.098

***

‐0.117

***

‐0.070

***

‐0.037

***

‐0.037

***

0.01

9***

0.01

8***

0.01

6***

(0.001

)(0.009

)(0.006

)(0.003

)(0.001

)(0.004

)(0.003

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.04

8**

0.01

0‐0.016

**‐0.010

***

0.00

9‐0.016

**‐0.012

***

(0.022

)(0.012

)(0.008

)(0.002

)(0.009

)(0.007

)(0.002

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

50.01

10.35

90.41

30.28

00.38

10.42

30.29

2Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 

1053

, because re

liable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

42

TABLE 4.6: Skills in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

4***

‐0.031

***

0.15

50.03

5***

‐0.006

0.16

1*0.04

0***

(0.003

)(0.002

)(0.003

)(0.097

)(0.001

)(0.004

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.06

6***

0.07

4***

0.00

5**

0.07

3***

0.00

3(0.009

)(0.007

)(0.002

)(0.006

)(0.002

)

New

 firm

 (β3)

0.00

1‐0.007

***

‐0.005

**‐0.004

***

‐0.003

***

0.00

1‐0.001

‐0.001

(0.004

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.001

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.01

6*0.01

3*‐0.003

‐0.003

**0.01

1‐0.002

‐0.002

**(0.010

)(0.008

)(0.003

)(0.001

)(0.007

)(0.003

)(0.001

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

00.01

80.04

30.14

40.01

30.04

70.14

50.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary 

education. The

 num

ber o

f clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

43

TABLE 5.1: Average

 Wages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

6***

5.10

2***

4.73

4***

6.02

0***

4.93

9***

(0.002

)(0.002

)(0.009

)(0.089

)(0.021

)

Positive cluster g

rowth (β

2)0.01

6***

0.00

5‐0.016

***

(0.005

)(0.004

)(0.005

)

Firm

 types:

Spin‐off (β

31)

‐0.006

‐0.039

***

‐0.002

‐0.000

‐0.001

(0.005

)(0.005

)(0.005

)(0.005

)(0.006

)Entrep

rene

urial start‐up (β

32)

‐0.015

***

‐0.042

***

‐0.019

***

‐0.031

***

‐0.031

***

(0.005

)(0.005

)(0.005

)(0.005

)(0.006

)Other new

 firm

 (β33)

0.17

9***

0.16

4***

0.17

1***

0.10

9***

0.10

6***

(0.007

)(0.009

)(0.008

)(0.007

)(0.009

)

Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.10

3***

0.05

3***

0.01

30.01

5(0.011

)(0.010

)(0.009

)(0.013

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up 

0.07

0***

0.04

8***

‐0.004

‐0.001

(0.010

)(0.010

)(0.009

)(0.009

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.03

2**

0.01

2‐0.025

**‐0.023

(0.015

)(0.014

)(0.012

)(0.017

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

80.01

10.13

90.27

70.03

6Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to aroun

d 95

,000

 firm

s and

 the nu

mbe

r of clusters to 10

54, because so

me firms d

o no

t have em

ployees a

nd because re

liable 

wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust stand

ard errors 

in paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

44

TABLE 5.2: Skill‐Intensity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

1***

0.03

7***

‐0.071

***

0.15

80.02

9**

(0.001

)(0.001

)(0.002

)(0.118

)(0.012

)

Positive cluster g

rowth (β

2)0.09

8***

0.09

5***

0.00

9***

(0.002

)(0.002

)(0.002

)Firm

 types:

Spin‐off (β

31)

0.00

6***

‐0.010

***

0.00

8***

0.00

7***

0.00

7***

(0.002

)(0.001

)(0.001

)(0.001

)(0.002

)Entrep

rene

urial start‐up (β

32)

0.02

2***

0.00

5***

0.01

7***

0.00

5***

0.00

6***

(0.001

)(0.001

)(0.001

)(0.001

)(0.002

)Other new

 firm

 (β33)

0.04

1***

0.03

8***

0.05

1***

0.02

3***

0.02

3***

(0.003

)(0.003

)(0.003

)(0.003

)(0.004

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.05

6***

0.05

4***

0.02

9***

0.02

6***

(0.005

)(0.005

)(0.004

)(0.008

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.01

6***

0.01

3***

0.00

2‐0.000

(0.003

)(0.003

)(0.003

)(0.004

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.011

*‐0.007

‐0.005

‐0.007

(0.006

)(0.006

)(0.005

)(0.007

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

20.05

00.06

10.23

60.00

4Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 nu

mbe

r of clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. 

*** p<

0.01

, ** p<

0.05

, * p<0.1.

45

TABLE 5.3: Sales per W

orker in Diffe

rent Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.404

***

13.469

***

13.731

***

14.059

***

13.508

***

(0.003

)(0.003

)(0.009

)(0.079

)(0.027

)

Positive cluster g

rowth (β

2)‐0.193

***

‐0.144

***

‐0.005

(0.006

)(0.006

)(0.006

)Firm

 types:

Spin‐off (β

31)

‐0.046

***

‐0.085

***

‐0.120

***

‐0.035

***

‐0.042

***

(0.006

)(0.007

)(0.007

)(0.006

)(0.010

)Entrep

rene

urial start‐up (β

32)

‐0.270

***

‐0.232

***

‐0.252

***

‐0.157

***

‐0.158

***

(0.005

)(0.006

)(0.006

)(0.006

)(0.010

)Other new

 firm

 (β33)

0.12

7***

0.11

0***

0.10

8***

0.03

3**

0.02

8(0.012

)(0.016

)(0.016

)(0.013

)(0.022

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.11

0***

0.10

8***

0.04

9***

0.06

4***

(0.013

)(0.013

)(0.011

)(0.019

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42‐0.036

***

‐0.026

***

0.00

20.01

0(0.010

)(0.010

)(0.009

)(0.014

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.07

7***

0.04

3*0.04

1**

0.03

9(0.024

)(0.024

)(0.020

)(0.046

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

917

7,79

917

7,79

9R‐squared

0.01

90.03

00.05

40.32

20.01

1Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 1

021, since some 

clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squared in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

46

TABLE 5.4: Produ

ctivity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.06

8***

6.99

1***

6.80

1***

6.93

4***

7.09

0***

(0.022

)(0.022

)(0.024

)(0.059

)(0.093

)

Positive cluster g

rowth (β

2)0.05

1***

0.03

7***

‐0.021

***

(0.005

)(0.005

)(0.005

)Firm

 types:

Spin‐off (β

31)

0.06

2***

0.02

4***

0.05

4***

0.04

7***

0.04

5***

(0.005

)(0.005

)(0.005

)(0.005

)(0.008

)Entrep

rene

urial start‐up (β

32)

‐0.021

***

‐0.047

***

‐0.019

***

‐0.020

***

‐0.020

***

(0.004

)(0.005

)(0.005

)(0.005

)(0.008

)Other new

 firm

 (β33)

0.05

3***

0.04

7***

0.06

5***

0.01

7*0.01

5(0.009

)(0.012

)(0.012

)(0.010

)(0.016

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.13

3***

0.11

0***

0.06

3***

0.06

6***

(0.011

)(0.011

)(0.010

)(0.025

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.05

8***

0.05

2***

0.02

0**

0.02

2*(0.009

)(0.009

)(0.008

)(0.013

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.00

1‐0.006

0.00

50.00

8(0.019

)(0.019

)(0.017

)(0.027

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

80.53

10.53

80.62

10.47

0Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 9

75. ***

 p<0.01, ** p<

0.05

, * p<0.1.

47

TABLE 5.5: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

4***

5.31

1***

4.58

4***

5.21

4***

4.68

2***

4.41

6***

5.03

3***

4.49

1***

(0.000

)(0.007

)(0.010

)(0.022

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.06

6***

0.02

5***

0.01

2***

0.01

2*0.00

3(0.020

)(0.010

)(0.005

)(0.007

)(0.005

)Firm

 types:

Spin‐off (β

31)

‐0.155

***

‐0.176

***

‐0.097

***

‐0.051

***

‐0.051

***

‐0.003

0.00

50.00

2(0.002

)(0.009

)(0.006

)(0.005

)(0.002

)(0.005

)(0.004

)(0.002

)Entrep

rene

urial start‐up (β

32)

‐0.118

***

‐0.136

***

‐0.094

***

‐0.064

***

‐0.062

***

0.00

40.00

1‐0.000

(0.002

)(0.010

)(0.006

)(0.005

)(0.002

)(0.005

)(0.004

)(0.002

)Other new

 firm

 (β33)

0.00

6**

0.00

50.00

90.02

4***

0.02

3***

0.07

3***

0.06

0***

0.05

8***

(0.002

)(0.015

)(0.010

)(0.007

)(0.002

)(0.010

)(0.007

)(0.002

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.07

7***

0.01

6‐0.009

‐0.005

0.02

3**

‐0.002

0.00

1(0.024

)(0.013

)(0.009

)(0.004

)(0.010

)(0.008

)(0.004

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.03

60.01

4‐0.017

‐0.012

***

0.01

0‐0.018

**‐0.015

***

(0.024

)(0.016

)(0.011

)(0.003

)(0.011

)(0.009

)(0.003

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.009

‐0.024

‐0.036

***

‐0.026

***

‐0.021

‐0.036

***

‐0.029

***

(0.032

)(0.016

)(0.013

)(0.004

)(0.016

)(0.012

)(0.004

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

80.01

30.36

00.41

30.28

10.38

10.42

30.29

2Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 10

53, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

48

TABLE 5.6: Skills in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

4***

‐0.031

***

0.15

60.03

5***

‐0.003

0.16

3*0.04

1***

(0.003

)(0.002

)(0.003

)(0.097

)(0.001

)(0.004

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.06

6***

0.07

4***

0.00

5**

0.07

3***

0.00

3(0.009

)(0.007

)(0.002

)(0.006

)(0.002

)Firm

 types:

Spin‐off (β

31)

‐0.016

***

‐0.020

***

‐0.017

***

‐0.006

***

‐0.006

***

‐0.010

***

‐0.002

*‐0.003

***

(0.004

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.001

)(0.001

)Entrep

rene

urial start‐up (β

32)

0.00

0‐0.008

***

‐0.007

***

‐0.007

***

‐0.006

***

‐0.004

*‐0.005

***

‐0.004

***

(0.004

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.001

)(0.001

)Other new

 firm

 (β33)

0.02

7***

0.01

8***

0.01

8***

0.00

60.00

6***

0.02

7***

0.00

9**

0.00

9***

(0.005

)(0.005

)(0.005

)(0.004

)(0.001

)(0.005

)(0.004

)(0.001

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.02

4**

0.02

1**

0.00

20.00

5**

0.02

1***

0.00

40.00

6***

(0.010

)(0.008

)(0.004

)(0.002

)(0.008

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.01

10.00

7‐0.005

‐0.005

***

0.00

4‐0.005

‐0.005

***

(0.010

)(0.008

)(0.004

)(0.002

)(0.007

)(0.003

)(0.002

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.01

00.00

7‐0.007

‐0.009

***

0.00

6‐0.006

‐0.008

***

(0.013

)(0.011

)(0.006

)(0.002

)(0.011

)(0.006

)(0.002

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

10.01

80.04

30.14

40.01

40.04

80.14

50.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary edu

catio

n. 

The nu

mbe

r of clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

49

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.29

0***

4.86

0***

4.58

6***

5.21

7***

4.89

4***

4.40

9***

5.03

1***

4.69

6***

(0.005

)(0.005

)(0.010

)(0.023

)(0.003

)(0.012

)(0.022

)(0.004

)

Positive cluster g

rowth, existing clusters (β

21)

0.12

4***

0.13

2***

0.01

8**

0.01

1***

0.00

5(0.013

)(0.009

)(0.007

)(0.004

)(0.006

)Po

sitive cluster g

rowth, new

 clusters (β 2

2)0.09

20.06

5‐0.007

‐0.027

0.00

1(0.063

)(0.058

)(0.051

)(0.051

)(0.050

)

New

 firm

 (β3)

‐0.099

***

‐0.070

***

‐0.068

***

‐0.038

***

‐0.039

***

0.02

1***

0.01

6***

0.01

3***

(0.006

)(0.006

)(0.005

)(0.003

)(0.001

)(0.003

)(0.003

)(0.001

)

Firm

 type

 x Positive cluster g

rowth, existing clu

sters:

Positive cluster g

rowth, existing clusters x New

 firm

 (β4A)

‐0.013

‐0.016

0.00

2‐0.014

**‐0.004

*0.00

6‐0.010

**‐0.005

**(0.015

)(0.011

)(0.008

)(0.007

)(0.002

)(0.007

)(0.005

)(0.002

)

Firm

 type

 x Positive cluster g

rowth, new

 clusters:

Positive cluster g

rowth, new

 clusters x

 New

 firm

 (β4B)

0.30

0***

0.23

5***

0.21

5**

‐0.034

‐0.030

0.11

1*‐0.098

***

‐0.041

(0.096

)(0.086

)(0.089

)(0.055

)(0.042

)(0.064

)(0.018

)(0.042

)Co

ntrol for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.02

20.23

80.35

90.41

30.16

30.38

10.42

30.17

6

TABLE 8.1: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0

Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 57

60, because re

liable wage 

inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

50

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.29

0***

4.86

1***

4.58

7***

5.21

8***

4.89

4***

4.41

4***

5.03

1***

4.70

0***

(0.005

)(0.005

)(0.010

)(0.023

)(0.003

)(0.012

)(0.022

)(0.004

)

Positive cluster g

rowth, existing clusters (β

21)

0.12

4***

0.13

2***

0.01

8**

0.01

1***

0.00

50.00

7*(0.013

)(0.009

)(0.007

)(0.004

)(0.006

)(0.004

)Po

sitive cluster g

rowth, new

 clusters (β 2

2)0.09

20.06

5‐0.007

‐0.028

0.00

2‐0.027

(0.063

)(0.058

)(0.051

)(0.051

)(0.050

)(0.051

)

Spin‐off (β

31)

‐0.143

***‐0.102

***‐0.091

***‐0.048

***‐0.050

***

0.00

10.00

7*0.00

2(0.008

)(0.007

)(0.006

)(0.004

)(0.002

)(0.004

)(0.004

)(0.002

)Entrep

rene

urial start‐up (β

32)

‐0.117

***‐0.093

***‐0.090

***‐0.064

***‐0.062

***

0.00

8*0.00

1‐0.001

(0.008

)(0.007

)(0.006

)(0.005

)(0.002

)(0.005

)(0.004

)(0.002

)Other new

 firm

 (β33)

0.00

30.01

9**

0.00

40.01

8***

0.01

5***

0.06

9***

0.05

5***

0.04

9***

(0.009

)(0.009

)(0.007

)(0.005

)(0.002

)(0.008

)(0.006

)(0.002

)

Firm

 type

 x Positive cluster g

rowth, existing clu

sters:

Positive cluster g

rowth, existing clusters x Spin‐off (β 4

1A)

‐0.021

‐0.024

*‐0.003

‐0.018

**‐0.009

**0.01

3‐0.009

‐0.001

(0.017

)(0.013

)(0.011

)(0.009

)(0.004

)(0.009

)(0.008

)(0.004

)Po

sitive cluster g

rowth, existing clusters x Entrepren

euria

l start‐up (β

42A

‐0.022

‐0.024

*0.00

4‐0.017

*‐0.010

***

0.00

2‐0.020

**‐0.013

***

(0.018

)(0.013

)(0.012

)(0.010

)(0.003

)(0.009

)(0.008

)(0.003

)Po

sitive cluster g

rowth, existing clusters x Other new

 firm

 (β43

A)‐0.032

‐0.029

*‐0.020

*‐0.020

*‐0.006

‐0.014

‐0.022

**‐0.009

**(0.025

)(0.017

)(0.012

)(0.011

)(0.004

)(0.014

)(0.010

)(0.004

)

Firm

 type

 x Positive cluster g

rowth, new

 clusters:

Positive cluster g

rowth, new

 clusters x

 Spin‐off (β 4

1B)

‐0.160

‐0.111

‐0.070

‐0.128

‐0.046

‐0.068

‐0.123

‐0.073

(0.102

)(0.090

)(0.099

)(0.093

)(0.092

)(0.100

)(0.093

)(0.091

)Po

sitive cluster g

rowth, new

 clusters x

 Entrepren

euria

l start‐up (β

42B)

0.07

90.03

7‐0.056

‐0.076

0.05

3‐0.051

‐0.076

0.03

9(0.100

)(0.093

)(0.075

)(0.077

)(0.059

)(0.077

)(0.078

)(0.059

)Po

sitive cluster g

rowth, new

 clusters x

 Other new

 firm

 (β43

B)0.28

1***

0.21

8***

0.22

4***

‐0.056

‐0.142

**0.11

2**

‐0.096

*‐0.138

**(0.067

)(0.062

)(0.056

)(0.054

)(0.064

)(0.052

)(0.054

)(0.064

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.02

40.24

00.36

00.41

30.16

40.38

10.42

30.17

6Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 57

60, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

TABLE 8.2: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 2010

  

30

AppendixA.EstimationResultsfortheManufacturingSector 

52

TABLE A2

.1.: Num

ber o

f clusters a

nd jo

bs. B

y cluster g

rowth

Num

ber o

f clusters

Num

ber o

f job

sNum

ber o

f firm

s

Cluster g

rowth 

#%

#%

#%

‐0.50‐

7517

.61

14,221

4.87

1,32

49.79

 ‐0.50;‐0.25

116

27.23

96,439

33.03

5,21

638

.55

 ‐0.25;‐0.1

8018

.78

73,424

25.14

3,39

125

.06

 ‐0.1‐0.1

7317

.14

66,014

22.61

2,39

717

.72

 0.1‐0.25

184.23

8,06

52.76

452

3.34

 0.25‐0.5

92.11

20,186

6.91

230

1.70

 0.5+

4310

.09

12,885

4.41

498

3.68

New

122.82

780

0.27

220.16

Totals

426

100.00

292,01

410

0.00

13,530

100.00

53

TABLE A2

.2: N

umbe

r of firm

 type

s and

 jobs. B

y cluster g

rowth and

 firm

 type

sNum

ber o

f firm

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

876

9.5

667.9

312

11.2

7011

.0 ‐0

.50;‐0.25

3611

39.0

309

36.9

1068

38.2

228

35.8

 ‐0.25;‐0.1

2450

26.5

210

25.1

585

20.9

146

23.0

 ‐0.1‐0.1

1607

17.4

166

19.8

506

18.1

118

18.6

 0.1‐0.25

280

3.0

273.2

127

4.5

182.8

 0.25‐0.5

146

1.6

202.4

421.5

223.5

 0.5+

290

3.1

394.7

157

5.6

345.3

Totals

9260

100.0

837

100.0

2797

100.0

63610

0.0

Num

ber o

f job

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

12,784

4.7

297

6.3

724

7.5

416

7.3

 ‐0.50;‐0.25

90,159

33.1

1238

26.4

3142

32.5

1,90

033

.5 ‐0

.25;‐0.1

68,084

25.0

1537

32.8

2248

23.2

1,55

527

.4 ‐0

.1‐0.1

62,411

22.9

894

19.1

1736

17.9

973

17.2

 0.1‐0.25

7,24

82.7

330

7.0

388

4.0

991.7

 0.25‐0.5

18,897

6.9

234

5.0

914

9.4

141

2.5

 0.5+

12,407

4.6

151

3.2

526

5.4

581

10.3

Totals

271,99

010

0.0

4681

100.0

9678

100.0

5,66

510

0.0

Entrep

rene

urial 

Entrep

rene

urial 

54

TABLE A2

.3: A

verage

 num

ber o

f job

s per firm

. By cluster g

rowth after firm

 type

sJobs per firm

Establish

ed firm

sSpin‐offs

Entrep

rene

urial 

start‐up

sOther 

new firm

sCluster g

rowth 

##

##

‐0.50‐

14.6

4.5

2.3

5.9

 ‐0.50;‐0.25

25.0

4.0

2.9

8.3

 ‐0.25;‐0.1

27.8

7.3

3.8

10.7

 ‐0.1‐0.1

38.8

5.4

3.4

8.2

 0.1‐0.25

25.9

12.2

3.1

5.5

 0.25‐0.5

129.4

11.7

21.8

6.4

 0.5+

42.8

3.9

3.4

17.1

Totals

29.4

5.6

3.5

8.9

55

TABLE A2

.4: A

verage

 individu

al cha

racteristics. By firm ty

pe and

 cluster growth

Cluster g

rowth

Firm

 type

Num

ber o

f workers

Num

ber o

f firms

Mean age

Share of 

females

Share of 

highly 

educated

Mean ho

urly 

wage (DKK

)

Negative

Establish

ed firm

s19

7,58

87,90

242

.50.28

0.04

215.82

Negative

Spin‐offs

3,49

667

738

.60.28

0.01

172.66

Negative

Enterprene

urial sta

7,08

52,26

339

.30.23

0.03

193.79

Negative

Other new

 firm

s4,24

151

340

.10.27

0.03

209.93

Positive

Establish

ed firm

s74

,402

1,35

841

.80.35

0.12

243.42

Positive

Spin‐offs

1,18

516

039

.30.19

0.06

237.42

Positive

Enterprene

urial sta

2,59

353

438

.60.22

0.06

224.29

Positive

Other new

 firm

s1,42

412

340

.80.25

0.09

268.40

56

TABLE A4

.1: A

verage

 Wages in

 New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.15

0***

5.14

8***

4.81

0***

5.06

7***

5.09

4***

(0.005

)(0.005

)(0.034

)(0.055

)(0.053

)

Positive cluster g

rowth (β

2)0.01

60.00

6‐0.020

(0.015

)(0.014

)(0.015

)

New

 firm

 (β3)

0.04

8***

0.04

5***

0.04

3***

0.02

6***

0.02

6**

(0.010

)(0.011

)(0.010

)(0.010

)(0.011

)

Positive cluster g

rowth x New

 firm

 (β4)

0.01

40.01

10.00

80.00

8(0.026

)(0.024

)(0.023

)(0.024

)Co

ntrols for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns9,33

79,33

79,33

79,33

79,33

7R‐squared

0.00

30.00

30.13

20.28

60.02

3Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to 

arou

nd 9,000

 firm

s and

 the nu

mbe

r of clusters to 42

0, because so

me firms d

o no

t have em

ployees a

nd because 

reliable wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust 

standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** 

p<0.05

, * p<0.1.

57

TABLE A4

.2: Skill‐Intensity

 in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.02

1***

0.02

0***

‐0.004

‐0.004

0.01

8***

(0.001

)(0.001

)(0.005

)(0.006

)(0.006

)

Positive cluster g

rowth (β

2)0.01

0***

0.01

1***

0.00

3(0.003

)(0.003

)(0.003

)

New

 firm

 (β3)

0.00

8***

0.00

7***

0.01

0***

0.00

8***

0.00

8***

(0.002

)(0.002

)(0.003

)(0.003

)(0.003

)

Positive cluster g

rowth x New

 firm

 (β4)

0.00

20.00

3‐0.000

0.00

1(0.007

)(0.007

)(0.007

)(0.006

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

,530

13,530

13,516

13,516

13,516

R‐squared

0.00

10.00

20.00

60.08

70.00

1Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. 

The nu

mbe

r of clusters is 4

20, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

58

TABLE A4

.3: Sales per W

orker in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.624

***

13.613

***

13.690

***

14.382

***

13.878

***

(0.008

)(0.008

)(0.036

)(0.097

)(0.057

)

Positive cluster g

rowth (β

2)0.07

4***

0.06

2***

0.01

4(0.023

)(0.023

)(0.024

)

New

 firm

 (β3)

‐0.103

***

‐0.092

***

‐0.113

***

‐0.128

***

‐0.098

***

(0.014

)(0.015

)(0.016

)(0.017

)(0.019

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.078

*‐0.080

**‐0.066

‐0.064

(0.040

)(0.040

)(0.042

)(0.048

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

,364

13,364

13,352

13,516

13,352

R‐squared

0.00

40.00

50.01

90.18

20.00

9Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 4

20, since 

some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

59

TABLE A4

.4: P

rodu

ctivity

 in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)6.08

6***

6.08

6***

6.05

7***

6.54

1***

6.54

5***

(0.086

)(0.086

)(0.089

)(0.113

)(0.149

)

Positive cluster g

rowth (β

2)‐0.001

‐0.003

‐0.014

(0.014

)(0.014

)(0.015

)

New

 firm

 (β3)

0.05

8***

0.05

9***

0.07

3***

0.04

6***

0.04

5***

(0.011

)(0.012

)(0.012

)(0.012

)(0.015

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.003

‐0.002

0.00

90.00

2(0.028

)(0.028

)(0.027

)(0.030

)

log(Interm

ediate inpu

ts per worker)

0.48

3***

0.48

3***

0.47

7***

0.45

1***

0.45

0***

(0.008

)(0.008

)(0.008

)(0.008

)(0.011

)log(capital per worker)

0.10

2***

0.10

2***

0.09

9***

0.10

1***

0.10

1***

(0.004

)(0.004

)(0.004

)(0.004

)(0.006

)log(nu

mbe

r of w

orkers)

0.03

6***

0.03

6***

0.04

7***

0.04

5***

0.04

4***

(0.003

)(0.003

)(0.003

)(0.003

)(0.005

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns12

,158

12,158

12,150

12,150

12,150

R‐squared

0.60

90.60

90.61

30.64

50.56

2

Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 4

20. ***

 p<0.01, ** p<

0.05

, * p<0.1.

60

TABLE A4

.4A: In

term

ediate In

puts per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.920

***12

.906

***13

.108

***14

.086

***13

.245

***

(0.011

)(0.012

)(0.050

)(0.111

)(0.077

)

Positive cluster g

rowth (β

2)0.10

0***

0.08

6***

0.03

0(0.030

)(0.030

)(0.030

)

New

 firm

 (β3)

‐0.203

***‐0.182

***‐0.214

***‐0.165

***‐0.158

***

(0.021

)(0.023

)(0.024

)(0.023

)(0.032

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.138

**‐0.148

**‐0.118

**‐0.114

(0.058

)(0.058

)(0.056

)(0.069

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns12

,823

12,823

12,812

12,812

12,812

R‐squared

0.00

80.00

90.01

70.15

50.00

9Notes: The

 dep

ende

nt variable is the log of interm

ediate inpu

ts per worker in the firm. See

 text 

for m

ore de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted 

on th

e de

‐meane

d data. The

 num

ber o

f clusters is 4

23. ***

 p<0.01, ** p<

0.05

, * p<0.1.

61

TABLE A4

.4B:  Cap

ital per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.209

***12

.172

***12

.125

***12

.724

***12

.182

***

(0.015

)(0.016

)(0.063

)(0.128

)(0.085

)

Positive cluster g

rowth (β

2)0.24

9***

0.23

6***

0.07

5*(0.042

)(0.042

)(0.043

)

New

 firm

 (β3)

‐0.359

***‐0.354

***‐0.369

***‐0.323

***‐0.313

***

(0.026

)(0.029

)(0.029

)(0.029

)(0.042

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.088

‐0.093

‐0.114

*‐0.154

**(0.070

)(0.070

)(0.068

)(0.072

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns12

,664

12,664

12,655

12,655

12,655

R‐squared

0.01

40.01

80.02

70.11

60.01

4Notes: The

 dep

ende

nt variable is the log of capita

lper worker in the firm. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the 

de‐m

eane

d data. The

 num

ber o

f clusters is 4

21. ***

 p<0.01, ** p<

0.05

, * p<0.1.

62

TABLE A4

.5: W

ages in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.36

2***

5.33

5***

4.74

5***

4.81

9***

4.79

0***

4.54

8***

4.57

6***

4.57

7***

(0.001

)(0.007

)(0.020

)(0.017

)(0.008

)(0.026

)(0.028

)(0.013

)

Positive cluster g

rowth (β

2)0.09

9***

0.04

3**

0.00

40.00

4‐0.001

(0.031

)(0.018

)(0.014

)(0.013

)(0.013

)

New

 firm

 (β3)

‐0.051

***

‐0.070

***

‐0.047

***

‐0.026

***

‐0.022

***

0.03

9***

0.03

8***

0.03

7***

(0.003

)(0.013

)(0.010

)(0.009

)(0.003

)(0.008

)(0.007

)(0.003

)

Positive cluster g

rowth x New

 firm

 (β4)

0.06

60.06

6*0.04

50.04

5***

0.06

0**

0.02

40.02

5***

(0.051

)(0.036

)(0.029

)(0.006

)(0.025

)(0.023

)(0.006

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns26

4,28

226

4,28

225

7,54

725

7,54

725

7,54

725

7,54

725

7,54

725

7,54

7R‐squared

0.00

10.01

60.34

80.37

70.31

50.36

90.38

60.32

5Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 26

4,28

2 individu

als a

nd th

e nu

mbe

r of clusters to 41

2, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

63

TABLE A4

.6: Skills in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

1***

0.03

7***

‐0.018

**‐0.031

***

0.02

4***

‐0.024

***

‐0.052

***

0.01

0**

(0.010

)(0.003

)(0.007

)(0.006

)(0.001

)(0.005

)(0.008

)(0.004

)

Positive cluster g

rowth (β

2)0.08

7***

0.08

2***

0.00

30.03

5***

‐0.002

(0.028

)(0.026

)(0.005

)(0.009

)(0.004

)

New

 firm

 (β3)

‐0.023

**‐0.009

**‐0.009

**‐0.000

0.00

20.01

0***

0.00

7**

0.00

7***

(0.011

)(0.004

)(0.004

)(0.003

)(0.002

)(0.004

)(0.003

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.046

‐0.043

‐0.007

‐0.011

***

‐0.006

‐0.001

‐0.003

(0.031

)(0.030

)(0.010

)(0.004

)(0.018

)(0.010

)(0.004

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns29

2,01

429

2,01

428

6,18

128

6,18

128

6,18

128

6,18

128

6,18

128

6,18

1R‐squared

0.00

10.02

60.04

30.11

10.01

30.07

70.11

40.01

6

Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary 

education. The

 num

ber o

f clusters is 4

26, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

64

TABLE A5

.1: A

verage

 Wages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.15

0***

5.14

8***

4.81

6***

5.06

9***

5.09

7***

(0.005

)(0.005

)(0.034

)(0.055

)(0.053

)

Positive cluster g

rowth (β

2)0.01

60.00

6‐0.020

(0.015

)(0.014

)(0.015

)

Firm

 types:

Spin‐off (β

31)

‐0.054

***

‐0.062

***

‐0.040

**‐0.025

‐0.025

(0.018

)(0.020

)(0.018

)(0.017

)(0.018

)Entrep

rene

urial start‐up (β

32)

0.03

4***

0.03

5***

0.03

2**

0.00

60.00

8(0.012

)(0.013

)(0.013

)(0.012

)(0.012

)Other new

 firm

 (β33)

0.19

4***

0.18

3***

0.15

9***

0.12

8***

0.12

9***

(0.019

)(0.022

)(0.021

)(0.019

)(0.021

)

Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.04

10.02

70.01

80.01

1(0.046

)(0.047

)(0.041

)(0.043

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up 

‐0.010

‐0.009

‐0.007

‐0.005

(0.032

)(0.029

)(0.028

)(0.027

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.05

50.05

20.04

50.04

4(0.047

)(0.044

)(0.040

)(0.036

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns9,33

79,33

79,33

79,33

79,33

7R‐squared

0.01

40.01

40.14

00.29

10.03

0Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to aroun

d 9,00

0 firms a

nd th

e nu

mbe

r of clusters to 41

3, because so

me firms d

o no

t have em

ployees a

nd because re

liable wage 

inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

65

TABLE A5

.2: Skill‐Intensity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.02

1***

0.02

0***

‐0.003

‐0.004

0.01

8***

(0.001

)(0.001

)(0.005

)(0.006

)(0.006

)

Positive cluster g

rowth (β

2)0.01

0***

0.01

1***

0.00

3(0.003

)(0.003

)(0.003

)Firm

 types:

Spin‐off (β

31)

‐0.006

*‐0.005

‐0.002

‐0.000

0.00

0(0.003

)(0.004

)(0.004

)(0.004

)(0.004

)Entrep

rene

urial start‐up (β

32)

0.00

6**

0.00

5*0.00

9***

0.00

7**

0.00

8**

(0.003

)(0.003

)(0.003

)(0.003

)(0.004

)Other new

 firm

 (β33)

0.03

4***

0.02

8***

0.03

0***

0.02

0***

0.02

2***

(0.007

)(0.007

)(0.007

)(0.007

)(0.008

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)‐0.008

‐0.007

‐0.005

‐0.007

(0.009

)(0.009

)(0.009

)(0.009

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

‐0.001

0.00

0‐0.001

‐0.001

(0.008

)(0.008

)(0.008

)(0.008

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.02

50.02

50.01

10.01

4(0.022

)(0.023

)(0.021

)(0.020

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

,530

13,530

13,516

13,516

13,516

R‐squared

0.00

40.00

60.00

90.08

80.00

3Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 nu

mbe

r of clusters is 4

26, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<

0.01

, ** p<

0.05

, * p<0.1.

66

TABLE A5

.3: Sales per W

orker in Diffe

rent Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.624

***

13.613

***

13.697

***

14.344

***

13.882

***

(0.008

)(0.008

)(0.036

)(0.090

)(0.056

)

Positive cluster g

rowth (β

2)0.07

4***

0.06

2***

0.00

6(0.023

)(0.023

)(0.022

)Firm

 types:

Spin‐off (β

31)

‐0.120

***

‐0.119

***

‐0.131

***

‐0.088

***

‐0.084

***

(0.026

)(0.028

)(0.028

)(0.026

)(0.029

)Entrep

rene

urial start‐up (β

32)

‐0.166

***

‐0.152

***

‐0.178

***

‐0.164

***

‐0.156

***

(0.017

)(0.018

)(0.019

)(0.018

)(0.022

)Other new

 firm

 (β33)

0.19

5***

0.20

8***

0.18

7***

0.11

9***

0.12

4***

(0.035

)(0.037

)(0.037

)(0.035

)(0.039

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)‐0.023

‐0.035

‐0.010

‐0.033

(0.073

)(0.073

)(0.071

)(0.092

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

‐0.092

**‐0.093

**‐0.055

‐0.058

(0.045

)(0.045

)(0.044

)(0.055

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.083

‐0.080

‐0.102

‐0.136

*(0.099

)(0.100

)(0.090

)(0.082

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

,364

13,364

13,352

13,352

13,352

R‐squared

0.01

30.01

40.02

80.19

30.01

5Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 4

24, since so

me 

clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

67

TABLE A5

.4: P

rodu

ctivity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)6.09

3***

6.09

2***

6.06

4***

6.55

0***

6.55

1***

(0.087

)(0.087

)(0.089

)(0.113

)(0.150

)

Positive cluster g

rowth (β

2)‐0.001

‐0.003

‐0.014

(0.014

)(0.014

)(0.015

)Firm

 types:

Spin‐off (β

31)

0.02

60.02

00.03

8**

0.04

3**

0.04

0**

(0.018

)(0.020

)(0.020

)(0.019

)(0.020

)Entrep

rene

urial start‐up (β

32)

0.05

8***

0.05

8***

0.07

2***

0.03

4**

0.03

4**

(0.013

)(0.014

)(0.015

)(0.014

)(0.017

)Other new

 firm

 (β33)

0.09

9***

0.11

5***

0.12

3***

0.09

5***

0.09

6***

(0.029

)(0.032

)(0.032

)(0.031

)(0.030

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.03

00.02

70.02

20.01

6(0.048

)(0.048

)(0.048

)(0.073

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.00

30.00

30.01

90.02

0(0.033

)(0.033

)(0.033

)(0.035

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.078

‐0.070

‐0.055

‐0.093

(0.074

)(0.074

)(0.069

)(0.065

)

log(Interm

ediate inpu

ts per worker)

0.48

2***

0.48

2***

0.47

6***

0.45

1***

0.45

0***

(0.008

)(0.008

)(0.008

)(0.008

)(0.011

)log(capital per worker)

0.10

2***

0.10

2***

0.09

9***

0.10

1***

0.10

0***

(0.004

)(0.004

)(0.004

)(0.004

)(0.006

)log(nu

mbe

r of w

orkers)

0.03

6***

0.03

6***

0.04

7***

0.04

5***

0.04

4***

(0.003

)(0.003

)(0.003

)(0.003

)(0.005

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns12

,158

12,158

12,150

12,150

12,150

R‐squared

0.60

90.60

90.61

30.64

50.56

2Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 4

20. ***

 p<0.01, ** p<

0.05

, * p<0.1.

68

TABLE A5

.5: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.36

2***

5.33

5***

4.74

6***

4.81

9***

4.79

1***

4.54

9***

4.57

6***

4.57

7***

(0.001

)(0.007

)(0.020

)(0.017

)(0.008

)(0.026

)(0.028

)(0.013

)

Positive cluster g

rowth (β

2)0.09

9***

0.04

3**

0.00

40.00

4‐0.001

(0.031

)(0.018

)(0.014

)(0.013

)(0.013

)Firm

 types:

Spin‐off (β

31)

‐0.094

***

‐0.131

***

‐0.080

***

‐0.058

***

‐0.058

***

0.01

20.00

90.00

5(0.006

)(0.015

)(0.012

)(0.011

)(0.006

)(0.011

)(0.011

)(0.006

)Entrep

rene

urial start‐up (β

32)

‐0.072

***

‐0.075

***

‐0.058

***

‐0.037

***

‐0.031

***

0.04

3***

0.03

9***

0.04

0***

(0.005

)(0.018

)(0.012

)(0.011

)(0.005

)(0.010

)(0.010

)(0.005

)Other new

 firm

 (β33)

0.00

9‐0.020

‐0.009

0.01

20.01

5***

0.05

1***

0.05

5***

0.05

5***

(0.005

)(0.023

)(0.019

)(0.017

)(0.005

)(0.016

)(0.013

)(0.005

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.13

3**

0.12

7**

0.12

8**

0.11

5***

0.11

8**

0.09

00.08

1***

(0.066

)(0.059

)(0.060

)(0.012

)(0.049

)(0.055

)(0.012

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

0.00

40.02

50.03

60.02

6***

0.00

70.00

8‐0.005

(0.067

)(0.054

)(0.044

)(0.008

)(0.030

)(0.029

)(0.008

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.11

80.09

1‐0.000

0.03

5***

0.10

0**

‐0.001

0.04

5***

(0.078

)(0.057

)(0.038

)(0.012

)(0.039

)(0.037

)(0.012

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns26

4,28

226

4,28

225

7,54

725

7,54

725

7,54

725

7,54

725

7,54

725

7,54

7R‐squared

0.00

20.01

70.34

90.37

70.31

60.36

90.38

70.32

5Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 26

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 41

2, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

69

TABLE A5

.6: Skills in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

1***

0.03

7***

‐0.018

**‐0.030

***

0.02

4***

‐0.024

***

‐0.052

***

0.00

9**

(0.010

)(0.003

)(0.007

)(0.006

)(0.001

)(0.006

)(0.008

)(0.004

)

Positive cluster g

rowth (β

2)0.08

7***

0.08

2***

0.00

30.03

5***

‐0.002

(0.028

)(0.026

)(0.005

)(0.009

)(0.004

)Firm

 types:

Spin‐off (β

31)

‐0.037

**‐0.025

***

‐0.022

***

‐0.008

***

‐0.007

*‐0.001

‐0.001

‐0.001

(0.015

)(0.004

)(0.004

)(0.003

)(0.004

)(0.003

)(0.003

)(0.004

)Entrep

rene

urial start‐up (β

32)

‐0.021

*‐0.005

‐0.006

0.00

20.00

5*0.01

4**

0.00

9**

0.01

1***

(0.012

)(0.006

)(0.006

)(0.004

)(0.003

)(0.006

)(0.004

)(0.003

)Other new

 firm

 (β33)

‐0.013

‐0.003

‐0.005

0.00

20.00

30.01

2*0.00

9*0.00

9**

(0.013

)(0.006

)(0.006

)(0.005

)(0.004

)(0.006

)(0.005

)(0.004

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)‐0.041

‐0.039

‐0.014

‐0.018

**0.00

2‐0.008

‐0.012

(0.048

)(0.046

)(0.010

)(0.008

)(0.038

)(0.010

)(0.008

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐

‐0.056

*‐0.053

*‐0.004

‐0.008

‐0.019

0.00

4‐0.000

(0.033

)(0.032

)(0.016

)(0.006

)(0.025

)(0.016

)(0.006

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.032

‐0.030

‐0.007

‐0.008

0.01

1‐0.002

0.00

0(0.036

)(0.035

)(0.018

)(0.008

)(0.027

)(0.019

)(0.008

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns29

2,01

429

2,01

428

6,18

128

6,18

128

6,18

128

6,18

128

6,18

128

6,18

1R‐squared

0.00

10.02

60.04

30.11

10.01

30.07

70.11

40.01

6Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary edu

catio

n. 

The nu

mbe

r of clusters is 4

26, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

  

31

AppendixB.EstimationResultsfortheServiceSector 

72

TABLE B2

.1.: Num

ber o

f clusters a

nd jo

bs. B

y cluster g

rowth

Num

ber o

f clusters

Num

ber o

f job

sNum

ber o

f firm

s

Cluster g

rowth 

#%

#%

#%

‐0.50‐

336.92

21,106

2.10

2,44

42.04

 ‐0.50;‐0.25

6112

.79

88,797

8.84

7,97

86.67

 ‐0.25;‐0.1

7515

.72

195,25

919

.44

24,473

20.47

 ‐0.1‐0.1

142

29.77

493,40

149

.11

58,251

48.73

 0.1‐0.25

5210

.90

95,815

9.54

14,714

12.31

 0.25‐0.5

357.34

75,646

7.53

7,62

36.38

 0.5+

7114

.88

34,613

3.45

4,03

93.38

New

81.68

400.00

120.01

Totals

477

100.00

1,00

4,67

710

0.00

119,53

410

0.00

73

TABLE B2

.2: N

umbe

r of firm

 type

s and

 jobs. B

y cluster g

rowth and

 firm

 type

sNum

ber o

f firm

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

1,22

71.8

346

            

2.4

688

            

2.3

183

          

2.7

 ‐0.50;‐0.25

4,81

87.0

982

            

6.8

1,71

7         

5.8

461

          

6.9

 ‐0.25;‐0.1

15,039

21.8

3,38

3         

23.3

4,96

4         

16.9

1,08

7       

16.3

 ‐0.1‐0.1

34,243

49.7

6,55

8         

45.1

14,268

      

48.5

3,18

2       

47.7

 0.1‐0.25

8,11

911

.81,85

9         

12.8

3,71

8         

12.6

1,01

8       

15.3

 0.25‐0.5

3,69

35.4

1,14

9         

7.9

2,28

3         

7.8

498

          

7.5

 0.5+

1,74

12.5

270

            

1.9

1,80

2         

6.1

238

          

3.6

Totals

68,880

       

100

       

14,547

      

100

       

29,440

      

100

       

6,66

7       

100

       

Num

ber o

f job

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

16,102

1.9

1,69

13.1

2,23

02.9

1,08

32.7

 ‐0.50;‐0.25

76,432

9.2

4,16

47.6

5,31

87.0

2,88

37.1

 ‐0.25;‐0.1

165,70

319

.911

,375

20.7

12,279

16.1

5,90

214

.6 ‐0

.1‐0.1

412,58

049

.526

,809

48.7

35,895

46.9

18,117

44.9

 0.1‐0.25

73,397

8.8

6,52

311

.99,34

312

.26,55

216

.2 0.25‐0.5

62,375

7.5

3,71

56.8

5,53

17.2

4,02

510

.0 0.5+

26,244

3.2

721

1.3

5,87

47.7

1,81

44.5

Totals

832,83

310

0.0

54,998

100.0

76,470

100.0

40,376

100.0

Entrep

rene

urial start‐

Entrep

rene

urial start‐

74

TABLE B2

.3: A

verage

 num

ber o

f job

s per firm

. By cluster g

rowth after firm

 type

sJobs per firm

Establish

ed firm

sSpin‐offs

Entrep

rene

urial 

start‐up

sOther new

 firms

Cluster g

rowth 

##

##

‐0.50‐

13.1

4.9

3.2

5.9

 ‐0.50;‐0.25

15.9

4.2

3.1

6.3

 ‐0.25;‐0.1

11.0

3.4

2.5

5.4

 ‐0.1‐0.1

12.0

4.1

2.5

5.7

 0.1‐0.25

9.0

3.5

2.5

6.4

 0.25‐0.5

16.9

3.2

2.4

8.1

 0.5+

15.1

2.7

3.3

7.6

Totals

12.1

3.8

2.6

6.1

75

TABLE B2

.4: A

verage

 individu

al cha

racteristics. By firm ty

pe and

 cluster growth

Cluster g

rowth

Firm

 type

Num

ber o

f workers

Num

ber o

f firms

Mean age

Share of 

females

Share of 

highly 

educated

Mean ho

urly 

wage (DKK

)

Negative

Establish

ed firm

s46

8,37

242

,087

39.8

0.38

0.05

214.13

Negative

Spin‐offs

32,528

8,35

736

.00.35

0.03

170.00

Negative

Enterprene

urial st a

39,281

14,642

37.2

0.37

0.05

170.19

Negative

Other new

 firm

s20

,330

3,72

137

.30.36

0.07

224.17

Positive

Establish

ed firm

s36

4,46

126

,793

36.6

0.43

0.10

221.79

Positive

Spin‐offs

22,470

6,19

036

.00.37

0.12

193.49

Positive

Enterprene

urial st a

37,189

14,798

37.3

0.36

0.12

192.71

Positive

Other new

 firm

s20

,046

2,94

636

.60.39

0.14

228.61

76

TABLE B4

.1: A

verage

 Wages in

 New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

3***

5.08

9***

4.69

5***

4.92

5***

4.97

5***

(0.003

)(0.003

)(0.012

)(0.015

)(0.028

)

Positive cluster g

rowth (β

2)0.03

8***

0.01

4***

‐0.024

***

(0.006

)(0.005

)(0.006

)

New

 firm

 (β3)

0.03

6***

‐0.008

0.01

8***

‐0.001

‐0.001

(0.005

)(0.006

)(0.005

)(0.005

)(0.006

)

Positive cluster g

rowth x New

 firm

 (β4)

0.09

3***

0.05

9***

0.00

60.00

7(0.009

)(0.009

)(0.008

)(0.010

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns61

,943

61,943

61,943

61,943

61,943

R‐squared

0.00

10.00

70.13

50.29

30.02

6Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to 

arou

nd 60,00

0 firms a

nd th

e nu

mbe

r of clusters to 46

7, because so

me firms d

o no

t have em

ployees a

nd 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

77

TABLE B4

.2: Skill‐Intensity

 in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

8***

0.04

2***

‐0.051

***

‐0.023

***

0.06

2***

(0.001

)(0.001

)(0.003

)(0.003

)(0.006

)

Positive cluster g

rowth (β

2)0.09

2***

0.09

3***

0.01

1***

(0.002

)(0.002

)(0.002

)

New

 firm

 (β3)

0.03

0***

0.01

4***

0.02

6***

0.00

5***

0.00

7***

(0.002

)(0.002

)(0.002

)(0.001

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

0.01

7***

0.01

4***

0.00

9***

0.00

6(0.003

)(0.003

)(0.003

)(0.004

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns11

9,53

411

9,53

411

9,22

611

9,22

611

9,22

6R‐squared

0.00

30.03

90.04

80.23

60.00

1Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. 

The nu

mbe

r of clusters is 4

77, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

78

TABLE B4

.3: Sales per W

orker in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.498

***

13.553

***

13.816

***

14.848

***

13.620

***

(0.004

)(0.005

)(0.012

)(0.027

)(0.037

)

Positive cluster g

rowth (β

2)‐0.139

***

‐0.127

***

0.00

4(0.007

)(0.007

)(0.008

)

New

 firm

 (β3)

‐0.137

***

‐0.137

***

‐0.158

***

‐0.102

***

‐0.064

***

(0.005

)(0.007

)(0.008

)(0.007

)(0.010

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

4**

0.02

2**

‐0.012

0.01

0(0.011

)(0.011

)(0.011

)(0.016

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns11

3,91

511

3,91

511

3,65

911

7,25

111

3,65

9R‐squared

0.00

60.01

10.01

80.30

30.00

4Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 4

36, since so

me 

clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. 

The R‐squared in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

79

TABLE B4

.4: P

rodu

ctivity

 in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.18

1***

7.12

9***

6.91

0***

7.89

4***

7.32

8***

(0.025

)(0.026

)(0.028

)(0.037

)(0.104

)

Positive cluster g

rowth (β

2)0.02

2***

0.00

9*‐0.023

***

(0.005

)(0.005

)(0.006

)

New

 firm

 (β3)

0.02

1***

‐0.016

***

0.01

9***

0.01

6***

0.01

5(0.004

)(0.006

)(0.006

)(0.005

)(0.010

)

Positive cluster g

rowth x New

 firm

 (β4)

0.07

6***

0.06

5***

0.02

4***

0.02

7*(0.008

)(0.008

)(0.008

)(0.016

)

log(Interm

ediate inpu

ts per worker)

0.38

7***

0.39

0***

0.39

7***

0.35

1***

0.35

1***

(0.002

)(0.002

)(0.002

)(0.002

)(0.013

)log(capital per worker)

0.12

0***

0.12

0***

0.11

3***

0.14

3***

0.14

2***

(0.001

)(0.001

)(0.001

)(0.002

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

9***

0.06

0***

0.08

4***

0.05

7***

0.05

6***

(0.002

)(0.002

)(0.002

)(0.002

)(0.007

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns93

,464

93,464

93,266

93,266

93,266

R‐squared

0.51

90.52

0.53

0.63

10.44

4Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 4

31. ***

 p<0.01, ** p<

0.05

, * p<0.1.

80

TABLE B4

.4A: In

term

ediate In

puts per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.568

***12

.776

***13

.534

***14

.022

***12

.897

***

(0.006

)(0.007

)(0.020

)(0.028

)(0.059

)

Positive cluster g

rowth (β

2)‐0.519

***‐0.431

***

‐0.004

(0.012

)(0.012

)(0.011

)

New

 firm

 (β3)

‐0.330

***‐0.271

***‐0.333

***‐0.095

***‐0.099

***

(0.009

)(0.012

)(0.012

)(0.010

)(0.016

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.046

**‐0.030

‐0.047

***

‐0.042

(0.019

)(0.019

)(0.015

)(0.026

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns10

1,02

910

1,02

910

0,81

710

0,81

710

0,81

7R‐squared

0.01

20.04

50.07

80.39

90.01

0Notes: The

 dep

ende

nt variable is the log of interm

ediate inpu

ts per worker in the firm. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the 

de‐m

eane

d data. The

 num

ber o

f clusters is 4

31. ***

 p<0.01, ** p<

0.05

, * p<0.1.

81

TABLE B4

.4B:  Cap

ital per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.221

***12

.342

***10

.665

***12

.015

***11

.736

***

(0.007

)(0.010

)(0.023

)(0.042

)(0.051

)

Positive cluster g

rowth (β

2)‐0.312

***‐0.266

***

0.00

3(0.015

)(0.015

)(0.014

)

New

 firm

 (β3)

‐0.425

***‐0.479

***‐0.236

***‐0.127

***‐0.134

***

(0.011

)(0.015

)(0.015

)(0.012

)(0.025

)

Positive cluster g

rowth x New

 firm

 (β4)

0.17

0***

0.10

1***

0.02

20.04

1(0.022

)(0.021

)(0.017

)(0.037

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns10

6,16

310

6,16

310

5,92

210

5,92

210

5,92

2R‐squared

0.01

40.01

90.09

00.43

80.01

1Notes: The

 dep

ende

nt variable is the log of capita

lper worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 4

36. ***

 p<0.01, ** p<

0.05

, * p<0.1.

82

TABLE B4

.5: W

ages in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.34

1***

5.32

3***

4.58

3***

4.56

0***

4.70

0***

4.40

5***

4.35

7***

4.49

7***

(0.001

)(0.012

)(0.012

)(0.013

)(0.004

)(0.016

)(0.015

)(0.006

)

Positive cluster g

rowth (β

2)0.04

40.01

30.01

3**

0.00

70.00

1(0.027

)(0.013

)(0.005

)(0.009

)(0.005

)

New

 firm

 (β3)

‐0.086

***

‐0.116

***

‐0.078

***

‐0.038

***

‐0.038

***

0.01

2*0.01

5***

0.01

3***

(0.002

)(0.014

)(0.009

)(0.005

)(0.002

)(0.006

)(0.005

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

0.06

2**

0.01

5‐0.023

**‐0.016

***

0.01

4‐0.018

**‐0.014

***

(0.029

)(0.014

)(0.009

)(0.003

)(0.011

)(0.008

)(0.003

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns70

9,67

670

9,67

669

3,20

969

3,20

969

3,20

969

3,20

969

3,20

969

3,20

9R‐squared

0.00

40.00

70.35

90.42

10.26

10.38

10.43

10.27

3Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 46

7, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

83

TABLE B4

.6: Skills in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.07

3***

0.04

9***

‐0.025

***

‐0.042

***

0.04

2***

0.00

5‐0.042

***

0.04

6***

(0.004

)(0.003

)(0.003

)(0.004

)(0.001

)(0.005

)(0.005

)(0.001

)

Positive cluster g

rowth (β

2)0.05

5***

0.06

6***

0.00

30.06

7***

0.00

3(0.011

)(0.008

)(0.002

)(0.006

)(0.002

)

New

 firm

 (β3)

0.00

8*‐0.004

‐0.002

‐0.005

**‐0.004

***

0.00

5‐0.001

‐0.001

(0.004

)(0.003

)(0.003

)(0.002

)(0.001

)(0.003

)(0.002

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

2*0.01

4‐0.002

‐0.003

*0.01

0‐0.002

‐0.002

*(0.012

)(0.009

)(0.004

)(0.001

)(0.007

)(0.004

)(0.001

)

female

‐0.017

***

‐0.024

***

‐0.024

***

‐0.017

***

‐0.024

***

‐0.024

***

(0.002

)(0.002

)(0.001

)(0.002

)(0.002

)(0.001

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,00

4,67

71,00

4,67

797

3,61

097

3,61

097

3,61

097

3,61

097

3,61

097

3,61

0R‐squared

0.00

00.01

30.04

80.15

30.01

70.05

20.15

30.01

7Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary 

education. The

 num

ber o

f clusters is 4

77, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

84

TABLE B5

.1: A

verage

 Wages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

3***

5.08

9***

4.69

4***

4.92

1***

4.97

2***

(0.003

)(0.003

)(0.012

)(0.015

)(0.028

)

Positive cluster g

rowth (β

2)0.03

8***

0.01

5***

‐0.024

***

(0.006

)(0.005

)(0.006

)

Firm

 types:

Spin‐off (β

31)

0.01

2*‐0.032

***

‐0.002

0.00

0‐0.000

(0.006

)(0.008

)(0.007

)(0.007

)(0.009

)Entrep

rene

urial start‐up (β

32)

‐0.013

**‐0.064

***

‐0.034

***

‐0.047

***

‐0.045

***

(0.006

)(0.008

)(0.007

)(0.007

)(0.008

)Other new

 firm

 (β33)

0.20

6***

0.18

5***

0.19

3***

0.10

7***

0.10

4***

(0.009

)(0.012

)(0.011

)(0.010

)(0.012

)

Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.10

3***

0.05

7***

0.01

00.01

0(0.014

)(0.012

)(0.011

)(0.016

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.10

4***

0.07

5***

0.01

20.01

2(0.013

)(0.012

)(0.011

)(0.011

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.03

9**

0.01

5‐0.019

‐0.015

(0.018

)(0.016

)(0.015

)(0.021

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns61

,943

61,943

61,943

61,943

61,943

R‐squared

0.01

00.01

60.14

20.29

60.03

0Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to aroun

d 60

,000

 firm

s and the nu

mbe

r of clusters to 46

7, because so

me firms d

o no

t have em

ployees a

nd because re

liable wage inform

ation cann

ot 

be obtaine

d for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

column 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

85

TABLE B5

.2: Skill‐Intensity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

8***

0.04

2***

‐0.051

***

‐0.024

***

0.06

1***

(0.001

)(0.001

)(0.003

)(0.003

)(0.006

)

Positive cluster g

rowth (β

2)0.09

2***

0.09

3***

0.01

1***

(0.002

)(0.002

)(0.002

)Firm

 types:

Spin‐off (β

31)

0.05

8***

0.05

6***

0.03

6***

0.03

3***

0.00

3(0.005

)(0.005

)(0.005

)(0.008

)(0.003

)Entrep

rene

urial start‐up (β

32)

0.02

9***

0.01

8***

0.02

9***

0.00

20.00

4(0.002

)(0.002

)(0.002

)(0.002

)(0.003

)Other new

 firm

 (β33)

0.04

0***

0.03

6***

0.04

9***

0.02

4***

0.02

4***

(0.003

)(0.004

)(0.004

)(0.003

)(0.004

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.05

6***

0.05

3***

0.03

5***

0.03

2***

(0.005

)(0.005

)(0.004

)(0.008

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.00

2‐0.001

0.00

2‐0.002

(0.004

)(0.004

)(0.004

)(0.005

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.003

‐0.002

‐0.008

‐0.010

(0.007

)(0.007

)(0.006

)(0.008

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns11

9,53

411

9,53

411

9,22

611

9,22

611

9,22

6R‐squared

0.00

30.04

00.04

90.23

70.00

2Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 num

ber o

f clusters is 477

, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

86

TABLE B5

.3: Sales per W

orker in Diffe

rent Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.498

***

13.553

***

13.797

***

14.719

***

13.608

***

(0.004

)(0.005

)(0.012

)(0.022

)(0.037

)

Positive cluster g

rowth (β

2)‐0.139

***

‐0.127

***

‐0.003

(0.007

)(0.007

)(0.007

)Firm

 types:

Spin‐off (β

31)

‐0.019

**‐0.044

***

‐0.073

***

0.00

6‐0.006

(0.008

)(0.011

)(0.011

)(0.009

)(0.010

)Entrep

rene

urial start‐up (β

32)

‐0.265

***

‐0.267

***

‐0.282

***

‐0.131

***

‐0.135

***

(0.006

)(0.009

)(0.009

)(0.008

)(0.015

)Other new

 firm

 (β33)

0.18

2***

0.18

1***

0.16

6***

0.08

8***

0.08

2***

(0.014

)(0.019

)(0.019

)(0.015

)(0.021

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.07

2***

0.07

0***

0.02

4*0.04

3*(0.016

)(0.016

)(0.013

)(0.022

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.03

5***

0.03

4***

‐0.011

0.00

2(0.013

)(0.013

)(0.011

)(0.019

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.01

80.00

80.04

8**

0.05

1(0.027

)(0.027

)(0.023

)(0.048

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns11

3,91

511

3,91

511

3,65

911

3,65

911

3,65

9R‐squared

0.01

90.02

40.03

00.32

10.01

0Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 4

36, since so

me 

clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

87

TABLE B5

.4: P

rodu

ctivity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.20

7***

7.15

5***

6.93

1***

7.90

2***

7.33

6***

(0.025

)(0.026

)(0.028

)(0.037

)(0.104

)

Positive cluster g

rowth (β

2)0.02

0***

0.00

8‐0.025

***

(0.005

)(0.005

)(0.006

)Firm

 types:

Spin‐off (β

31)

0.08

8***

0.03

6***

0.07

1***

0.06

5***

0.06

2***

(0.006

)(0.008

)(0.008

)(0.007

)(0.011

)Entrep

rene

urial start‐up (β

32)

‐0.027

***

‐0.070

***

‐0.032

***

‐0.020

***

‐0.019

**(0.005

)(0.007

)(0.007

)(0.006

)(0.010

)Other new

 firm

 (β33)

0.06

7***

0.06

2***

0.08

8***

0.03

0**

0.02

6(0.011

)(0.015

)(0.015

)(0.012

)(0.021

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.12

2***

0.10

1***

0.05

2***

0.05

5**

(0.013

)(0.013

)(0.011

)(0.026

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.08

4***

0.07

6***

0.02

3**

0.02

4*(0.010

)(0.010

)(0.009

)(0.013

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.00

7‐0.004

0.01

60.02

0(0.021

)(0.021

)(0.018

)(0.031

)

log(Interm

ediate inpu

ts per worker)

0.38

5***

0.38

9***

0.39

6***

0.35

1***

0.35

0***

(0.002

)(0.002

)(0.002

)(0.002

)(0.013

)log(capital per worker)

0.12

0***

0.12

0***

0.11

3***

0.14

3***

0.14

3***

(0.001

)(0.001

)(0.001

)(0.002

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

6***

0.05

6***

0.08

1***

0.05

5***

0.05

4***

(0.002

)(0.002

)(0.002

)(0.002

)(0.007

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns93

,464

93,464

93,266

93,266

93,266

R‐squared

0.52

00.52

20.53

10.63

20.44

5Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. R

obust 

standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 

431. ***

 p<0.01, ** p<

0.05

, * p<0.1.

88

TABLE B5

.5: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.34

1***

5.32

3***

4.58

4***

4.56

0***

4.70

0***

4.41

1***

4.36

2***

4.50

1***

(0.001

)(0.012

)(0.011

)(0.013

)(0.004

)(0.016

)(0.015

)(0.006

)

Positive cluster g

rowth (β

2)0.04

40.01

30.01

3**

0.00

70.00

1(0.027

)(0.013

)(0.005

)(0.009

)(0.005

)Firm

 types:

Spin‐off (β

31)

‐0.139

***

‐0.174

***

‐0.108

***

‐0.053

***

‐0.055

***

‐0.016

**‐0.000

‐0.002

(0.003

)(0.015

)(0.010

)(0.006

)(0.003

)(0.007

)(0.006

)(0.003

)Entrep

rene

urial start‐up (β

32)

‐0.116

***

‐0.154

***

‐0.114

***

‐0.073

***

‐0.072

***

‐0.012

*‐0.011

*‐0.012

***

(0.003

)(0.015

)(0.010

)(0.006

)(0.003

)(0.007

)(0.006

)(0.003

)Other new

 firm

 (β33)

0.01

9***

0.01

80.01

50.03

2***

0.02

9***

0.08

2***

0.06

7***

0.06

4***

(0.003

)(0.023

)(0.015

)(0.010

)(0.003

)(0.015

)(0.011

)(0.003

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.08

6***

0.01

9‐0.020

**‐0.014

***

0.03

0**

‐0.007

‐0.002

(0.030

)(0.016

)(0.010

)(0.004

)(0.012

)(0.009

)(0.004

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.07

2**

0.03

7*‐0.014

‐0.009

**0.03

1**

‐0.010

‐0.007

(0.030

)(0.020

)(0.012

)(0.004

)(0.014

)(0.010

)(0.004

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.007

‐0.032

*‐0.048

***

‐0.036

***

‐0.035

*‐0.047

***

‐0.041

***

(0.041

)(0.019

)(0.017

)(0.005

)(0.020

)(0.015

)(0.005

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns70

9,67

670

9,67

669

3,20

969

3,20

969

3,20

969

3,20

969

3,20

969

3,20

9R‐squared

0.00

60.01

00.36

00.42

20.26

20.38

10.43

10.27

3Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 71

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 46

7, because re

liable 

wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are 

compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

89

TABLE B5

.6: Skills in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.07

3***

0.04

9***

‐0.024

***

‐0.042

***

0.04

2***

0.00

8‐0.040

***

0.04

8***

(0.004

)(0.003

)(0.003

)(0.004

)(0.001

)(0.005

)(0.005

)(0.001

)

Positive cluster g

rowth (β

2)0.05

5***

0.06

6***

0.00

30.06

7***

0.00

2(0.011

)(0.008

)(0.002

)(0.006

)(0.002

)Firm

 types:

Spin‐off (β

31)

‐0.007

‐0.018

***

‐0.014

***

‐0.008

***

‐0.007

***

‐0.007

**‐0.004

**‐0.004

***

(0.005

)(0.003

)(0.003

)(0.002

)(0.001

)(0.003

)(0.002

)(0.001

)Entrep

rene

urial start‐up (β

32)

0.00

6‐0.003

‐0.002

‐0.010

***

‐0.008

***

0.00

2‐0.007

***

‐0.006

***

(0.004

)(0.003

)(0.003

)(0.002

)(0.001

)(0.003

)(0.002

)(0.001

)Other new

 firm

 (β33)

0.03

3***

0.01

9***

0.01

8***

0.01

0*0.01

0***

0.02

7***

0.01

3**

0.01

3***

(0.007

)(0.007

)(0.007

)(0.005

)(0.002

)(0.007

)(0.005

)(0.002

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.03

1***

0.02

4***

0.00

70.00

9***

0.02

2***

0.00

8*0.00

9***

(0.012

)(0.009

)(0.004

)(0.002

)(0.008

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.01

40.00

4‐0.005

‐0.006

***

‐0.001

‐0.005

‐0.006

***

(0.012

)(0.009

)(0.004

)(0.002

)(0.007

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.02

00.01

3‐0.010

‐0.012

***

0.01

0‐0.010

‐0.012

***

(0.016

)(0.013

)(0.007

)(0.003

)(0.013

)(0.007

)(0.003

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,00

4,67

71,00

4,67

797

3,61

097

3,61

097

3,61

097

3,61

097

3,61

097

3,61

0R‐squared

0.00

10.01

30.04

80.15

30.01

70.05

30.15

30.01

8Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary edu

catio

n. The

 nu

mbe

r of clusters is 4

77, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

  

32

Appendix C. Estimation Results for Alternative Definition ofEntrepreneurs(Maxageof5years).

 

92

TABLE C2

.1.: Num

ber o

f clusters a

nd jo

bs. B

y cluster g

rowth

Num

ber o

f clusters

Num

ber o

f job

sNum

ber o

f firm

s

Cluster g

rowth 

#%

#%

#%

‐0.50‐

124

11.47

38,334

2.46

4,31

42.29

 ‐0.50;‐0.25

202

18.69

222,93

314

.29

19,820

10.54

 ‐0.25;‐0.1

190

17.58

366,29

823

.47

47,918

25.48

 ‐0.1‐0.1

253

23.40

634,57

940

.67

76,068

40.45

 0.1‐0.25

857.86

121,98

47.82

19,838

10.55

 0.25‐0.5

656.01

113,09

77.25

14,610

7.77

 0.5+

137

12.67

62,396

4.00

5,43

72.89

New

252.31

831

0.05

390.02

Totals

1,08

110

0.00

1,56

0,45

210

0.00

188,04

410

0.00

93

TABLE C2

.2: N

umbe

r of firm

 type

s and

 jobs. B

y cluster g

rowth and

 firm

 type

sNum

ber o

f firm

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

<‐0.5

2,95

2           

2.3

290

        

1.7

855

              

2.5

217

          

3.5

 ‐0.5;‐0

.25

14,271

         

11.0

1,57

9     

9.3

3,35

9           

9.7

611

          

9.8

 ‐0.25;‐0.1

33,790

         

26.0

5,75

8     

33.8

7,17

8           

20.7

1,19

2       

19.2

 ‐0.1‐0.1

53,597

         

41.2

6,23

0     

36.6

13,593

         

39.1

2,64

8       

42.6

 0.1‐0.25

13,489

         

10.4

1,53

9     

9.0

4,02

8           

11.6

782

          

12.6

 0.25‐0.5

8,86

6           

6.8

1,33

2     

7.8

3,91

4           

11.3

498

          

8.0

 0.5+

3,09

1           

2.4

314

        

1.8

1,79

8           

5.2

273

          

4.4

Totals

130,05

6      

100.0

17,042

    

100.0

34,725

           

100.0

6,22

1       

100.0

Num

ber o

f job

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

<‐0.5

33,989

         

2.4

924

        

1.9

2,33

1           

3.3

1,09

0       

3.6

 ‐0.5;‐0

.25

208,30

3      

14.8

4,33

4     

9.0

7,08

5           

10.0

3,21

1       

10.7

 ‐0.25;‐0.1

331,48

8      

23.5

14,778

   30

.714

,478

         

20.4

5,55

4       

18.6

 ‐0.1‐0.1

573,27

5      

40.6

20,107

   41

.828

,741

         

40.4

12,456

    

41.7

 0.1‐0.25

107,29

7      

7.6

3,91

3     

8.1

7,33

0           

10.3

3,44

4       

11.5

 0.25‐0.5

101,02

1      

7.2

3,22

7     

6.7

6,63

0           

9.3

2,21

9       

7.4

 0.5+

56,022

         

4.0

792

        

1.6

4,48

4           

6.3

1,92

9       

6.5

Totals

1,41

1,39

5   

100.0

48,075

    

100.0

71,079

           

100.0

29,903

    

100.0

Entrep

rene

urial start‐ups

Entrep

rene

urial start‐ups

94

TABLE C2

.3: A

verage

 num

ber o

f job

s per firm

. By cluster g

rowth after firm

 type

sJobs per firm

Establish

ed 

firms

Spin‐offs

Entrep

rene

urial start‐ups

Other new

 firms

Cluster g

rowth 

##

##

<‐0.5

11.5

3.1

2.8

5.0

 ‐0.5;‐0

.25

14.6

2.7

2.1

5.3

 ‐0.25;‐0.1

9.8

2.5

2.0

4.7

 ‐0.1‐0.1

10.7

3.1

2.1

4.7

 0.1‐0.25

8.0

2.5

1.8

4.4

 0.25‐0.5

11.4

2.3

1.7

4.5

 0.5+

18.1

2.4

2.5

7.1

Totals

10.9

2.7

2.1

4.8

95

TABLE C2

.4: A

verage

 individu

al cha

racteristics. By firm ty

pe and

 cluster growth

Cluster g

roFirm

 type

Num

ber o

f workers

Num

ber o

f firms

Mean age

Share of 

females

Share of 

highly 

educated

Mean 

hourly 

wage 

(DKK

)

Negative

Establish

ed firm

s87

0,99

9          

84,661

         

40.48

0.32

0.04

210.39

Negative

Spin‐offs

32,222

          

11,387

       

35.34

0.29

0.02

164.63

Negative

Enterprene

urial start‐ups

40,077

          

18,859

       

37.09

0.30

0.12

165.69

Negative

Other new

 firm

s17

,192

            

3,67

0           

37.39

0.32

0.06

218.89

Positive

Establish

ed firm

s54

0,39

6          

45,395

         

38.06

0.41

0.11

223.36

Positive

Spin‐offs

15,853

          

5,65

5         

35.74

0.39

0.04

180.50

Positive

Enterprene

urial start‐ups

31,002

          

15,866

       

37.41

0.40

0.12

182.21

Positive

Other new

 firm

s12

,711

            

2,55

1           

36.28

0.38

0.13

218.04

96

TABLE C4

.1: A

verage

 Wages in

 New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.11

2***

5.10

3***

4.74

1***

6.02

2***

4.94

5***

(0.002

)(0.002

)(0.009

)(0.089

)(0.021

)

Positive cluster g

rowth (β

2)0.03

0***

0.01

4***

‐0.017

***

(0.004

)(0.004

)(0.005

)

New

 firm

 (β3)

0.00

9**

‐0.019

***

0.00

9**

‐0.003

‐0.003

(0.004

)(0.004

)(0.004

)(0.004

)(0.005

)

Positive cluster g

rowth x New

 firm

 (β4)

0.07

1***

0.04

0***

0.00

10.00

4(0.009

)(0.008

)(0.008

)(0.010

)Co

ntrols for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

00.00

30.13

20.27

40.03

2Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to 

arou

nd 95,00

0 firms a

nd th

e nu

mbe

r of clusters to 10

54, because so

me firms d

o no

t have em

ployees a

nd 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<

0.01

, ** p<

0.05

, * p<0.1.

97

TABLE C4

.2: Skill‐Intensity

 in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

3***

0.03

8***

‐0.068

***

0.15

80.03

0**

(0.001

)(0.001

)(0.002

)(0.118

)(0.012

)

Positive cluster g

rowth (β

2)0.10

1***

0.09

7***

0.00

9***

(0.002

)(0.002

)(0.002

)

New

 firm

 (β3)

0.02

0***

0.00

3***

0.01

8***

0.00

7***

0.00

8***

(0.001

)(0.001

)(0.001

)(0.001

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

5***

0.02

3***

0.01

4***

0.01

2***

(0.003

)(0.003

)(0.003

)(0.004

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

10.04

90.06

00.23

60.00

4Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 nu

mbe

r of clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

98

TABLE C4

.3: Sales per W

orker in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.410

***

13.474

***

13.779

***

18.148

***

13.558

***

(0.002

)(0.003

)(0.009

)(0.846

)(0.026

)

Positive cluster g

rowth (β

2)‐0.189

***

‐0.139

***

0.00

5(0.005

)(0.005

)(0.006

)

New

 firm

 (β3)

‐0.237

***

‐0.220

***

‐0.251

***

‐0.202

***

‐0.167

***

(0.004

)(0.006

)(0.006

)(0.006

)(0.008

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.008

‐0.006

‐0.017

*0.00

7(0.009

)(0.009

)(0.009

)(0.011

)Co

ntrols for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

918

1,42

617

7,79

9R‐squared

0.01

60.02

70.05

20.31

90.01

3Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 1

021, since 

some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * 

p<0.1.

99

TABLE C4

.4: P

rodu

ctivity

 in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.11

0***

7.02

9***

6.87

6***

7.00

5***

7.16

1***

(0.022

)(0.022

)(0.024

)(0.060

)(0.093

)

Positive cluster g

rowth (β

2)0.06

2***

0.04

7***

‐0.017

***

(0.004

)(0.004

)(0.005

)

New

 firm

 (β3)

‐0.041

***

‐0.066

***

‐0.042

***

‐0.046

***

‐0.047

***

(0.004

)(0.004

)(0.005

)(0.004

)(0.007

)

Positive cluster g

rowth x New

 firm

 (β4)

0.06

2***

0.05

1***

0.02

5***

0.02

8*(0.008

)(0.008

)(0.007

)(0.016

)

log(Interm

ediate inpu

ts per worker)

0.39

6***

0.40

1***

0.40

7***

0.37

6***

0.37

5***

(0.002

)(0.002

)(0.002

)(0.002

)(0.012

)log(capital per worker)

0.11

5***

0.11

4***

0.11

0***

0.13

3***

0.13

2***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

4***

0.05

3***

0.06

8***

0.05

3***

0.05

3***

(0.001

)(0.001

)(0.001

)(0.001

)(0.005

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

80.53

00.53

70.62

10.46

9Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 9

75. ***

 p<0.01, ** p<

0.05

, * p<0.1.

100

TABLE C4

.4A: In

term

ediate In

puts per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.605

***

12.759

***

13.425

***

13.688

***

12.976

***

(0.004

)(0.005

)(0.015

)(0.117

)(0.046

)

Positive cluster g

rowth (β

2)‐0.488

***

‐0.381

***

0.00

1(0.009

)(0.010

)(0.010

)

New

 firm

 (β3)

‐0.368

***

‐0.301

***

‐0.375

***

‐0.192

***

‐0.194

***

(0.008

)(0.009

)(0.009

)(0.008

)(0.016

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.112

***

‐0.087

***

‐0.072

***

‐0.068

**(0.017

)(0.017

)(0.015

)(0.033

)Co

ntrol for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns14

3,86

614

3,86

614

3,60

014

3,60

014

3,60

0R‐squared

0.01

50.04

80.07

90.35

90.01

5Notes: The

 dep

ende

nt variable is the log of interm

ediate inpu

ts per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 9

79. ***

 p<0.01, ** p<

0.05

, * p<0.1.

101

TABLE C4

.4B:  Cap

ital per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.113

***

12.127

***

10.569

***

13.715

***

11.647

***

(0.006

)(0.007

)(0.019

)(0.115

)(0.040

)

Positive cluster g

rowth (β

2)‐0.044

***

‐0.022

*0.01

0(0.012

)(0.012

)(0.012

)

New

 firm

 (β3)

‐0.424

***

‐0.440

***

‐0.214

***

‐0.146

***

‐0.149

***

(0.009

)(0.012

)(0.012

)(0.010

)(0.022

)

Positive cluster g

rowth x New

 firm

 (β4)

0.04

9**

‐0.002

0.03

4**

0.05

0(0.019

)(0.019

)(0.015

)(0.034

)Co

ntrol for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns14

7,21

014

7,21

014

6,91

514

6,91

514

6,91

5R‐squared

0.01

30.01

30.07

20.39

90.01

1

Notes: The

 dep

ende

nt variable is the log of capita

lper worker in the firm. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 9

82. 

*** p<

0.01

, ** p<

0.05

, * p<0.1.

102

TABLE C4

.5: W

ages in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

0***

5.30

4***

4.57

9***

5.21

1***

4.68

1***

4.41

6***

5.03

4***

4.49

1***

(0.000

)(0.007

)(0.010

)(0.022

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.07

2***

0.02

8***

0.01

3***

0.01

10.00

1(0.020

)(0.009

)(0.005

)(0.007

)(0.005

)

New

 firm

 (β3)

‐0.121

***

‐0.119

***

‐0.080

***

‐0.052

***

‐0.051

***

0.00

60.00

60.00

5***

(0.002

)(0.009

)(0.006

)(0.004

)(0.001

)(0.005

)(0.004

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.008

‐0.019

*‐0.027

***

‐0.021

***

0.02

4***

‐0.003

0.00

1(0.021

)(0.010

)(0.007

)(0.002

)(0.008

)(0.006

)(0.002

)Co

ntrols for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

40.01

00.35

90.41

30.28

10.38

10.42

30.29

2Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 10

53, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

columns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

103

TABLE C4

.6: Skills in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

3***

‐0.031

***

0.15

50.03

5***

‐0.006

0.16

1*0.03

9***

(0.003

)(0.002

)(0.003

)(0.097

)(0.001

)(0.004

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.06

7***

0.07

4***

0.00

5**

0.07

3***

0.00

3(0.009

)(0.007

)(0.002

)(0.006

)(0.002

)

New

 firm

 (β3)

0.00

1‐0.005

**‐0.004

*‐0.004

**‐0.002

***

‐0.001

‐0.001

‐0.001

(0.003

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.002

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.01

20.01

0‐0.005

*‐0.005

***

0.01

2*‐0.002

‐0.003

***

(0.010

)(0.008

)(0.003

)(0.001

)(0.006

)(0.003

)(0.001

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

00.01

80.04

30.14

40.01

30.04

70.14

50.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary 

education. The

 num

ber o

f clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

104

TABLE C5

.1: A

verage

 Wages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.11

2***

5.10

3***

4.74

4***

6.02

2***

4.94

5***

(0.002

)(0.002

)(0.009

)(0.089

)(0.021

)

Positive cluster g

rowth (β

2)0.03

0***

0.01

4***

‐0.017

***

(0.004

)(0.004

)(0.005

)Firm

 types:

Spin‐off (β

31)

‐0.018

***

‐0.049

***

‐0.009

‐0.003

‐0.004

(0.006

)(0.006

)(0.006

)(0.006

)(0.007

)Entrep

rene

urial start‐up (β

32)

‐0.028

***

‐0.054

***

‐0.030

***

‐0.041

***

‐0.040

***

(0.006

)(0.006

)(0.006

)(0.006

)(0.007

)Other new

 firm

 (β33)

0.16

8***

0.15

5***

0.16

2***

0.10

2***

0.09

9***

(0.009

)(0.011

)(0.010

)(0.009

)(0.010

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.09

3***

0.04

0***

0.00

90.01

2(0.014

)(0.012

)(0.011

)(0.015

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.06

2***

0.04

3***

0.00

20.00

5(0.012

)(0.011

)(0.011

)(0.011

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.02

50.00

7‐0.026

*‐0.021

(0.019

)(0.017

)(0.016

)(0.019

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

50.00

80.13

70.27

60.03

5Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to aroun

d 95

,000

 firms a

nd th

e nu

mbe

r of clusters to 10

54, because so

me firms d

o no

t have em

ployees a

nd because re

liable wage 

inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

105

TABLE C5

.2: Skill‐Intensity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

3***

0.03

8***

‐0.069

***

0.15

80.02

9**

(0.001

)(0.001

)(0.002

)(0.118

)(0.012

)

Positive cluster g

rowth (β

2)0.10

1***

0.09

7***

0.00

9***

(0.002

)(0.002

)(0.002

)Firm

 types:

Spin‐off (β

31)

0.00

9***

‐0.010

***

0.00

9***

0.00

7***

0.00

7***

(0.002

)(0.001

)(0.002

)(0.001

)(0.003

)Entrep

rene

urial start‐up (β

32)

0.02

3***

0.00

6***

0.01

9***

0.00

5***

0.00

7***

(0.002

)(0.002

)(0.002

)(0.001

)(0.002

)Other new

 firm

 (β33)

0.03

4***

0.02

9***

0.04

2***

0.01

8***

0.01

8***

(0.003

)(0.003

)(0.003

)(0.003

)(0.005

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.06

1***

0.05

8***

0.03

5***

0.03

2***

(0.005

)(0.005

)(0.005

)(0.009

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.01

4***

0.01

3***

0.00

7**

0.00

5(0.004

)(0.003

)(0.003

)(0.005

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.002

0.00

20.00

80.00

7(0.007

)(0.007

)(0.007

)(0.008

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

20.04

90.06

10.23

60.00

4Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 num

ber o

f clusters is 108

1, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

106

TABLE C5

.3: Sales per W

orker in Diffe

rent Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.410

***

13.474

***

13.767

***

14.101

***

13.550

***

(0.002

)(0.003

)(0.009

)(0.080

)(0.026

)

Positive cluster g

rowth (β

2)‐0.189

***

‐0.139

***

‐0.001

(0.005

)(0.005

)(0.006

)Firm

 types:

Spin‐off (β

31)

‐0.116

***

‐0.155

***

‐0.200

***

‐0.103

***

‐0.110

***

(0.007

)(0.008

)(0.008

)(0.007

)(0.011

)Entrep

rene

urial start‐up (β

32)

‐0.347

***

‐0.310

***

‐0.333

***

‐0.226

***

‐0.227

***

(0.005

)(0.007

)(0.007

)(0.006

)(0.010

)Other new

 firm

 (β33)

0.05

2***

0.04

2**

0.03

0‐0.037

**‐0.042

*(0.014

)(0.019

)(0.019

)(0.016

)(0.022

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.10

9***

0.10

7***

0.04

6***

0.06

2***

(0.015

)(0.015

)(0.013

)(0.018

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

‐0.034

***

‐0.027

**‐0.007

0.00

2(0.011

)(0.011

)(0.010

)(0.015

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.05

3*0.01

70.01

70.01

9(0.029

)(0.029

)(0.025

)(0.043

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

917

7,79

917

7,79

9R‐squared

0.02

40.03

50.05

90.32

50.01

6Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 1

021, since some 

clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

107

TABLE C5

.4: P

rodu

ctivity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.12

0***

7.03

9***

6.88

2***

7.01

0***

7.16

3***

(0.022

)(0.022

)(0.024

)(0.060

)(0.093

)

Positive cluster g

rowth (β

2)0.06

2***

0.04

7***

‐0.018

***

(0.004

)(0.004

)(0.005

)Firm

 types:

Spin‐off (β

31)

0.00

9*‐0.030

***

‐0.004

‐0.006

‐0.008

(0.006

)(0.006

)(0.006

)(0.006

)(0.008

)Entrep

rene

urial start‐up (β

32)

‐0.074

***

‐0.100

***

‐0.075

***

‐0.073

***

‐0.073

***

(0.005

)(0.006

)(0.006

)(0.005

)(0.008

)Other new

 firm

 (β33)

‐0.020

*‐0.017

‐0.000

‐0.040

***

‐0.042

**(0.011

)(0.015

)(0.014

)(0.013

)(0.016

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.13

8***

0.11

5***

0.06

9***

0.07

2***

(0.014

)(0.013

)(0.012

)(0.027

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.05

6***

0.05

0***

0.02

3***

0.02

6*(0.010

)(0.010

)(0.009

)(0.014

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.021

‐0.028

‐0.013

‐0.010

(0.023

)(0.023

)(0.021

)(0.029

)

log(Interm

ediate inpu

ts per worker)

0.39

5***

0.40

0***

0.40

6***

0.37

5***

0.37

5***

(0.002

)(0.002

)(0.002

)(0.002

)(0.012

)log(capital per worker)

0.11

5***

0.11

4***

0.11

0***

0.13

3***

0.13

2***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

3***

0.05

2***

0.06

7***

0.05

3***

0.05

2***

(0.001

)(0.001

)(0.001

)(0.001

)(0.005

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

80.53

10.53

80.62

10.47

0Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. R

obust 

standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 

975. ***

 p<0.01, ** p<

0.05

, * p<0.1.

108

TABLE C5

.5: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

0***

5.30

4***

4.58

0***

5.21

2***

4.68

1***

4.42

1***

5.03

8***

4.49

5***

(0.000

)(0.007

)(0.010

)(0.022

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.07

2***

0.02

8***

0.01

3***

0.01

10.00

1(0.020

)(0.009

)(0.005

)(0.007

)(0.005

)Firm

 types:

Spin‐off (β

31)

‐0.180

***

‐0.176

***

‐0.104

***

‐0.061

***

‐0.059

***

‐0.015

***

‐0.003

‐0.004

*(0.003

)(0.009

)(0.006

)(0.005

)(0.002

)(0.005

)(0.005

)(0.002

)Entrep

rene

urial start‐up (β

32)

‐0.147

***

‐0.141

***

‐0.108

***

‐0.080

***

‐0.077

***

‐0.015

***

‐0.015

***

‐0.014

***

(0.003

)(0.009

)(0.008

)(0.006

)(0.002

)(0.006

)(0.005

)(0.002

)Other new

 firm

 (β33)

0.00

50.00

40.00

30.00

70.00

6**

0.06

5***

0.05

0***

0.04

8***

(0.003

)(0.020

)(0.013

)(0.010

)(0.003

)(0.012

)(0.009

)(0.003

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)‐0.003

‐0.024

**‐0.028

***

‐0.024

***

0.02

6***

0.00

40.00

5(0.022

)(0.012

)(0.009

)(0.003

)(0.010

)(0.008

)(0.003

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

‐0.023

‐0.021

‐0.037

***

‐0.032

***

0.02

0*‐0.011

‐0.008

***

(0.022

)(0.015

)(0.011

)(0.003

)(0.011

)(0.009

)(0.003

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.006

‐0.017

‐0.015

‐0.006

**0.02

10.00

00.00

6*(0.031

)(0.013

)(0.013

)(0.003

)(0.013

)(0.012

)(0.003

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

60.01

20.36

00.41

30.28

10.38

10.42

30.29

2Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 10

53, because 

reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 

are compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

109

TABLE C5

.6: Skills in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

3***

‐0.031

***

0.15

50.03

5***

‐0.003

0.16

3*0.04

1***

(0.003

)(0.002

)(0.003

)(0.097

)(0.001

)(0.004

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.06

7***

0.07

4***

0.00

5**

0.07

3***

0.00

3(0.009

)(0.007

)(0.002

)(0.006

)(0.002

)Firm

 types:

Spin‐off (β

31)

‐0.014

***

‐0.014

***

‐0.011

***

‐0.004

**‐0.003

***

‐0.008

***

‐0.001

‐0.002

(0.003

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.002

)(0.001

)Entrep

rene

urial start‐up (β

32)

0.00

3‐0.002

‐0.003

‐0.006

***

‐0.004

***

‐0.003

‐0.004

**‐0.004

***

(0.003

)(0.003

)(0.002

)(0.002

)(0.001

)(0.003

)(0.002

)(0.001

)Other new

 firm

 (β33)

0.01

9***

0.00

60.00

60.00

30.00

4**

0.01

3*0.00

60.00

7***

(0.005

)(0.007

)(0.006

)(0.005

)(0.002

)(0.007

)(0.005

)(0.002

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.01

20.01

1‐0.001

0.00

10.01

6**

0.00

30.00

4**

(0.010

)(0.009

)(0.004

)(0.002

)(0.007

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.00

40.00

2‐0.009

**‐0.008

***

0.00

1‐0.007

*‐0.007

***

(0.010

)(0.008

)(0.004

)(0.001

)(0.007

)(0.003

)(0.001

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.02

5*0.02

2**

‐0.003

‐0.005

***

0.02

7**

‐0.000

‐0.003

(0.013

)(0.011

)(0.006

)(0.002

)(0.011

)(0.005

)(0.002

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

00.01

80.04

30.14

40.01

40.04

70.14

50.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary edu

catio

n. The

 nu

mbe

r of clusters is 1

081, since some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

  

33

AppendixD.EstimationResults forAlternativeDefinitionofClusters(77NACE2industries).

 

112

TABLE D2

.1.: Num

ber o

f clusters a

nd jo

bs. B

y cluster g

rowth

Num

ber o

f clusters

Num

ber o

f job

sNum

ber o

f firm

s

Cluster g

rowth 

#%

#%

#%

‐0.50‐

338.80

3351

92.15

3091

1.64

 ‐0.50;‐0.25

7219

.20

1192

587.64

1059

05.63

 ‐0.25;‐0.1

8622

.93

5047

0732

.34

5884

831

.29

 ‐0.1‐0.1

105

28.00

7412

8047

.50

8864

747

.14

 0.1‐0.25

349.07

7672

94.92

1731

69.21

 0.25‐0.5

174.53

4824

83.09

5609

2.98

 0.5+

287.47

3671

12.35

3943

2.10

Totals

375

100.00

1,56

0,45

210

0.00

188,04

410

0.00

113

TABLE D2

.2: N

umbe

r of firm

 type

s and

 jobs. B

y cluster g

rowth and

 firm

 type

sNum

ber o

f firm

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

1705

1.6

349

1.5

801

1.7

236

2.6

 ‐0.50;‐0.25

6352

5.9

758

3.2

2,97

16.4

509

5.6

 ‐0.25;‐0.1

3476

332

.110

,020

41.7

11,933

25.6

2132

23.5

 ‐0.1‐0.1

5267

348

.610

,019

41.7

21,324

45.7

4631

51.1

 0.1‐0.25

8428

7.8

1,73

07.2

6,21

413

.394

410

.4 0.25‐0.5

2520

2.3

921

3.8

1,76

83.8

400

4.4

 0.5+

1891

1.7

220

0.9

1,62

63.5

206

2.3

Totals

108,33

2     

100.0

24,017

  10

0.0

46,637

   10

0.0

9,05

8       

100.0

Num

ber o

f job

s

Establish

ed firm

sSpin‐offs

Other new

 firm

sCluster g

rowth 

#%

#%

#%

#%

‐0.50‐

2752

22.1

1,65

32.0

2,62

42.3

1720

3.1

 ‐0.50;‐0.25

1038

487.9

3,91

84.8

8,36

57.4

3127

5.6

 ‐0.25;‐0.1

4292

5532

.830

,502

37.1

30,893

27.2

1405

725

.3 ‐0

.1‐0.1

6249

9947

.738

,141

46.4

50,987

44.9

2715

348

.8 0.1‐0.25

5590

54.3

4,75

75.8

10,559

9.3

5508

9.9

 0.25‐0.5

3818

72.9

2,57

13.1

4,90

04.3

2590

4.7

 0.5+

2928

62.2

624

0.8

5,32

84.7

1473

2.6

Totals

1,30

9,00

2  

100.0

82,166

  10

0.0

113,65

6 

100.0

55,628

    

100.0

Entrep

rene

urial 

Entrep

rene

urial 

114

TABLE D2

.3: A

verage

 num

ber o

f job

s per firm

. By cluster g

rowth after firm

 type

sJobs per firm

Establish

ed firm

sSpin‐offs

Entrep

rene

urial 

start‐up

sOther new

 firms

Cluster g

rowth 

##

##

‐0.50‐

12.8

4.5

2.9

5.9

 ‐0.50;‐0.25

16.4

3.3

2.8

6.9

 ‐0.25;‐0.1

10.9

3.0

2.4

6.0

 ‐0.1‐0.1

11.9

3.6

2.4

5.7

 0.1‐0.25

8.6

3.3

2.2

6.1

 0.25‐0.5

13.1

2.8

2.1

7.3

 0.5+

20.0

2.9

3.7

8.1

Totals

12.1

3.3

2.5

6.1

115

TABLE D2

.4: A

verage

 individu

al cha

racteristics. By firm ty

pe and

 cluster growth

Cluster g

rowth

Firm

 type

Num

ber o

f workers

Num

ber o

f firms

Mean age

Share of 

females

Share of 

highly 

educated

Mean ho

urly 

wage (DKK

)

Negative

Establish

ed firm

s84

5,38

6       

70,119

          

40.96

0.31

0.04

214.48

Negative

Spin‐offs

54,3

80

16,1

96

36.5

40.

270.

0217

3.67

Negative

Enterprene

urial start‐ups

65,5

72

25,1

46

37.6

60.

280.

0317

9.58

Negative

Other new

 firm

s31

,179

          

5,24

7            

38.27

0.31

0.06

219.36

Positive

Establish

ed firm

s46

3,61

6       

38,213

          

37.37

0.45

0.12

220.05

Positive

Spin‐offs

27,7

86

7,82

1

35.1

40.

440.

1218

6.63

Positive

Enterprene

urial start‐ups

48,0

84

21,4

91

37.4

50.

430.

1218

3.28

Positive

Other new

 firm

s24

,449

          

3,81

1            

36.49

0.43

0.15

221.40

116

TABLE D4

.1: A

verage

 Wages in

 New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

6***

5.12

2***

4.74

1***

5.97

9***

4.89

4***

(0.002

)(0.002

)(0.009

)(0.089

)(0.032

)

Positive cluster g

rowth (β

2)‐0.050

***

‐0.043

***

‐0.027

***

(0.005

)(0.005

)(0.006

)

New

 firm

 (β3)

0.02

2***

‐0.010

***

0.01

5***

0.00

7**

0.00

7(0.003

)(0.004

)(0.004

)(0.003

)(0.006

)

Positive cluster g

rowth x New

 firm

 (β4)

0.09

6***

0.06

2***

0.01

3*0.01

5(0.008

)(0.007

)(0.007

)(0.009

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

00.00

30.13

30.25

20.03

9Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to 

arou

nd 95,00

0 firms a

nd th

e nu

mbe

r of clusters to 37

3, because so

me firms d

o no

t have em

ployees a

nd 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<

0.01

, ** p<

0.05

, * p<0.1.

117

TABLE D4

.2: Skill‐Intensity

 in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

1***

0.02

9***

‐0.078

***

0.14

80.02

9**

(0.001

)(0.001

)(0.002

)(0.118

)(0.012

)

Positive cluster g

rowth (β

2)0.12

0***

0.12

0***

0.01

8***

(0.002

)(0.002

)(0.002

)

New

 firm

 (β3)

0.02

0***

0.00

4***

0.01

8***

0.00

9***

0.01

0***

(0.001

)(0.001

)(0.001

)(0.001

)(0.002

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

1***

0.01

8***

0.00

0‐0.002

(0.003

)(0.003

)(0.003

)(0.004

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

20.06

80.07

90.19

40.00

3Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. 

The nu

mbe

r of clusters is 3

75, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

118

TABLE D4

.3: Sales per W

orker in New

 and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.404

***

13.495

***

13.764

***

18.156

***

13.554

***

(0.003

)(0.003

)(0.009

)(0.848

)(0.036

)

Positive cluster g

rowth (β

2)‐0.264

***

‐0.207

***

‐0.000

(0.006

)(0.006

)(0.008

)

New

 firm

 (β3)

‐0.158

***

‐0.146

***

‐0.173

***

‐0.128

***

‐0.108

***

(0.004

)(0.005

)(0.005

)(0.005

)(0.009

)

Positive cluster g

rowth x New

 firm

 (β4)

0.01

10.01

5*‐0.016

*‐0.000

(0.008

)(0.008

)(0.008

)(0.015

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

918

1,42

617

7,79

9R‐squared

0.00

80.02

90.04

90.27

70.00

9Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 3

52, since 

some clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

119

TABLE D4

.4: P

rodu

ctivity

 in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.05

1***

7.00

9***

6.81

6***

6.95

6***

7.09

1***

(0.022

)(0.022

)(0.024

)(0.056

)(0.123

)

Positive cluster g

rowth (β

2)0.01

2***

0.00

1‐0.022

***

(0.004

)(0.005

)(0.006

)

New

 firm

 (β3)

0.01

5***

‐0.011

***

0.01

7***

0.01

7***

0.01

6*(0.003

)(0.004

)(0.004

)(0.004

)(0.009

)

Positive cluster g

rowth x New

 firm

 (β4)

0.07

2***

0.05

8***

0.01

3*0.01

5(0.007

)(0.007

)(0.007

)(0.021

)

log(Interm

ediate inpu

ts per worker)

0.39

7***

0.40

0***

0.40

7***

0.38

1***

0.38

1***

(0.002

)(0.002

)(0.002

)(0.002

)(0.015

)log(capital per worker)

0.11

7***

0.11

7***

0.11

1***

0.12

6***

0.12

6***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

9***

0.05

8***

0.07

5***

0.06

9***

0.06

8***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

70.52

80.53

60.60

50.47

6Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. 

Robu

st standard errors in parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 nu

mbe

r of clusters is 3

26. ***

 p<0.01, ** p<

0.05

, * p<0.1.

120

TABLE D4

.4A: In

term

ediate In

puts per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.617

***12

.777

***13

.423

***13

.760

***13

.013

***

(0.005

)(0.005

)(0.016

)(0.111

)(0.056

)

Positive cluster g

rowth (β

2)‐0.511

***‐0.415

***‐0.042

***

(0.010

)(0.010

)(0.012

)

New

 firm

 (β3)

‐0.293

***‐0.214

***‐0.288

***‐0.155

***‐0.156

***

(0.007

)(0.008

)(0.009

)(0.007

)(0.017

)

Positive cluster g

rowth x New

 firm

 (β4)

‐0.137

***‐0.096

***

‐0.019

‐0.015

(0.016

)(0.016

)(0.013

)(0.029

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns14

3,86

614

3,86

614

3,60

014

3,60

014

3,60

0R‐squared

0.01

10.05

10.07

80.31

80.01

5Notes: The

 dep

ende

nt variable is the log of interm

ediate inpu

ts per worker in the firm. See

 text 

for m

ore de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is 

compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 3

26. ***

 p<0.01, ** p<

0.05

, * 

p<0.1.

121

TABLE D4

.4B:  Cap

ital per W

orker in New

 and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)12

.168

***12

.229

***10

.658

***13

.627

***11

.600

***

(0.006

)(0.007

)(0.020

)(0.110

)(0.053

)

Positive cluster g

rowth (β

2)‐0.202

***‐0.147

***‐0.064

***

(0.013

)(0.013

)(0.015

)

New

 firm

 (β3)

‐0.438

***‐0.491

***‐0.273

***‐0.197

***‐0.200

***

(0.009

)(0.011

)(0.011

)(0.009

)(0.023

)

Positive cluster g

rowth x New

 firm

 (β4)

0.17

8***

0.11

7***

0.05

6***

0.06

7(0.019

)(0.018

)(0.016

)(0.045

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns14

7,21

014

7,21

014

6,91

514

6,91

514

6,91

5R‐squared

0.01

60.01

70.07

40.35

40.01

9Notes: The

 dep

ende

nt variable is the log of capita

lper worker in the firm. See

 text fo

r more 

details. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the 

de‐m

eane

d data. The

 num

ber o

f clusters is 3

27. ***

 p<0.01, ** p<

0.05

, * p<0.1.

122

TABLE D4

.5: W

ages in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

4***

5.32

1***

4.58

6***

5.19

2***

4.67

5***

4.41

1***

5.01

7***

4.47

8***

(0.000

)(0.007

)(0.010

)(0.023

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.04

0*0.01

30.02

2***

0.00

90.01

0(0.022

)(0.010

)(0.007

)(0.007

)(0.006

)

New

 firm

 (β3)

‐0.098

***

‐0.112

***

‐0.067

***

‐0.040

***

‐0.040

***

0.02

3***

0.01

7***

0.01

7***

(0.001

)(0.008

)(0.006

)(0.004

)(0.001

)(0.004

)(0.004

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.03

40.00

2‐0.013

‐0.010

***

0.00

1‐0.011

‐0.009

***

(0.024

)(0.012

)(0.008

)(0.002

)(0.009

)(0.007

)(0.002

)

Controls for g

ende

r, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

50.00

70.35

90.40

70.28

50.38

10.41

70.29

7Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 37

3, 

because reliable wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

123

TABLE D4

.6: Skills in

 New

 and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

4***

‐0.031

***

0.15

50.03

5***

‐0.006

0.16

1*0.04

0***

(0.003

)(0.002

)(0.003

)(0.097

)(0.001

)(0.004

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.07

2***

0.08

5***

0.00

7**

0.08

6***

0.00

6**

(0.010

)(0.008

)(0.003

)(0.007

)(0.003

)

New

 firm

 (β3)

0.00

1‐0.010

***

‐0.009

***

‐0.002

‐0.001

*0.00

00.00

10.00

2**

(0.004

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.002

)(0.001

)

Positive cluster g

rowth x New

 firm

 (β4)

0.02

0*0.01

6*‐0.003

‐0.004

***

0.01

2*‐0.002

‐0.003

***

(0.011

)(0.008

)(0.003

)(0.001

)(0.007

)(0.003

)(0.001

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

00.02

00.04

90.13

20.01

40.05

40.13

20.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary 

education. The

 num

ber o

f clusters is 3

75, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

124

TABLE D5

.1: A

verage

 Wages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)5.10

6***

5.12

2***

4.74

5***

5.97

9***

4.89

3***

(0.002

)(0.002

)(0.009

)(0.089

)(0.033

)

Positive cluster g

rowth (β

2)‐0.050

***

‐0.042

***

‐0.026

***

(0.005

)(0.005

)(0.006

)

Firm

 types:

Spin‐off (β

31)

‐0.006

‐0.043

***

‐0.009

*‐0.001

‐0.002

(0.005

)(0.005

)(0.005

)(0.005

)(0.009

)Entrep

rene

urial start‐up (β

32)

‐0.015

***

‐0.046

***

‐0.022

***

‐0.029

***

‐0.029

***

(0.005

)(0.005

)(0.005

)(0.005

)(0.008

)Other new

 firm

 (β33)

0.17

9***

0.17

0***

0.17

8***

0.12

6***

0.12

5***

(0.007

)(0.009

)(0.008

)(0.008

)(0.011

)

Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.11

5***

0.07

6***

0.02

7***

0.03

0**

(0.011

)(0.010

)(0.009

)(0.014

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.09

1***

0.06

3***

0.01

20.01

5(0.011

)(0.010

)(0.009

)(0.012

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.03

3**

0.00

3‐0.031

**‐0.031

*(0.015

)(0.014

)(0.012

)(0.018

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns95

,228

95,228

95,228

95,228

95,228

R‐squared

0.00

80.01

00.14

00.25

60.04

3Notes: The

 dep

ende

nt variable is the log of th

e average ho

urly wage in th

e firm. The

 sample is redu

ced to aroun

d 95

,000

 firms a

nd th

e nu

mbe

r of clusters to 37

3, because so

me firms d

o no

t have em

ployees a

nd because re

liable wage 

inform

ation cann

ot be ob

tained

 for a

ll firms w

ith employees. See

 text fo

r more de

tails. R

obust stand

ard errors in

 parenthe

ses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

125

TABLE D5

.2: Skill‐Intensity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)0.07

1***

0.02

9***

‐0.078

***

0.14

70.02

8**

(0.001

)(0.001

)(0.002

)(0.118

)(0.013

)

Positive cluster g

rowth (β

2)0.12

0***

0.12

0***

0.01

7***

(0.002

)(0.002

)(0.002

)Firm

 types:

Spin‐off (β

31)

0.00

6***

‐0.007

***

0.01

1***

0.00

8***

0.00

9***

(0.002

)(0.001

)(0.001

)(0.001

)(0.003

)Entrep

rene

urial start‐up (β

32)

0.02

2***

0.00

4***

0.01

7***

0.00

6***

0.00

8***

(0.001

)(0.001

)(0.001

)(0.001

)(0.002

)Other new

 firm

 (β33)

0.04

1***

0.03

4***

0.04

8***

0.02

7***

0.02

7***

(0.003

)(0.003

)(0.003

)(0.003

)(0.004

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.05

0***

0.04

8***

0.03

1***

0.02

7**

(0.005

)(0.005

)(0.004

)(0.011

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.01

2***

0.00

9***

‐0.011

***

‐0.013

**(0.003

)(0.003

)(0.003

)(0.005

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.004

‐0.002

0.00

1‐0.001

(0.006

)(0.006

)(0.005

)(0.008

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns18

8,04

418

8,04

418

7,63

318

7,63

318

7,63

3R‐squared

0.00

20.06

90.08

00.19

50.00

5Notes: The

 dep

ende

nt variable is the the share of employees w

ith a te

rtiary edu

catio

n de

gree

 in th

e firm. The

 num

ber o

f clusters is 375

, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

126

TABLE D5

.3: Sales per W

orker in Diffe

rent Types of N

ew Firm

s and

 Old Firm

s, Firm

 Level, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)13

.404

***

13.495

***

13.749

***

14.119

***

13.542

***

(0.003

)(0.003

)(0.009

)(0.076

)(0.037

)

Positive cluster g

rowth (β

2)‐0.264

***

‐0.206

***

‐0.008

(0.006

)(0.006

)(0.007

)Firm

 types:

Spin‐off (β

31)

‐0.046

***

‐0.091

***

‐0.128

***

‐0.053

***

‐0.059

***

(0.006

)(0.007

)(0.007

)(0.006

)(0.012

)Entrep

rene

urial start‐up (β

32)

‐0.270

***

‐0.242

***

‐0.264

***

‐0.169

***

‐0.172

***

(0.005

)(0.006

)(0.007

)(0.006

)(0.011

)Other new

 firm

 (β33)

0.12

7***

0.15

9***

0.15

1***

0.05

7***

0.05

6**

(0.012

)(0.016

)(0.016

)(0.013

)(0.025

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.12

1***

0.12

1***

0.04

9***

0.06

2***

(0.013

)(0.012

)(0.011

)(0.023

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.00

20.00

9‐0.014

‐0.003

(0.010

)(0.010

)(0.009

)(0.016

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.033

‐0.060

**‐0.013

‐0.020

(0.023

)(0.023

)(0.021

)(0.052

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns17

8,15

217

8,15

217

7,79

917

7,79

917

7,79

9R‐squared

0.01

90.03

90.05

90.28

80.01

4Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker. The nu

mbe

r of clusters is 3

52, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in 

column 5 is compu

ted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

127

TABLE D5

.4: P

rodu

ctivity

 in Differen

t Types of N

ew Firm

s and

 Old Firm

s, 201

0(1)

(2)

(3)

(4)

(5)

Constant (β

1)7.06

8***

7.02

4***

6.82

7***

6.96

3***

7.09

5***

(0.022

)(0.023

)(0.024

)(0.056

)(0.123

)

Positive cluster g

rowth (β

2)0.01

1**

0.00

0‐0.024

***

(0.004

)(0.005

)(0.006

)Firm

 types:

Spin‐off (β

31)

0.06

2***

0.02

5***

0.05

4***

0.05

6***

0.05

4***

(0.005

)(0.005

)(0.005

)(0.005

)(0.011

)Entrep

rene

urial start‐up (β

32)

‐0.021

***

‐0.055

***

‐0.025

***

‐0.015

***

‐0.016

*(0.004

)(0.005

)(0.005

)(0.005

)(0.009

)Other new

 firm

 (β33)

0.05

3***

0.07

3***

0.09

0***

0.04

5***

0.04

4**

(0.009

)(0.012

)(0.012

)(0.011

)(0.018

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.12

5***

0.10

4***

0.05

4***

0.05

5(0.011

)(0.011

)(0.010

)(0.034

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.08

4***

0.07

2***

0.01

6**

0.01

9(0.009

)(0.008

)(0.008

)(0.018

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.054

***

‐0.062

***

‐0.050

***

‐0.049

(0.019

)(0.019

)(0.017

)(0.032

)

log(Interm

ediate inpu

ts per worker)

0.39

5***

0.39

9***

0.40

6***

0.38

0***

0.38

0***

(0.002

)(0.002

)(0.002

)(0.002

)(0.015

)log(capital per worker)

0.11

7***

0.11

7***

0.11

1***

0.12

6***

0.12

6***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)log(nu

mbe

r of w

orkers)

0.05

6***

0.05

6***

0.07

3***

0.06

8***

0.06

6***

(0.001

)(0.001

)(0.001

)(0.001

)(0.007

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

Observatio

ns13

3,08

713

3,08

713

2,84

213

2,84

213

2,84

2R‐squared

0.52

80.53

00.53

70.60

60.47

7Notes: The

 dep

ende

nt variable is the log of sa

les (revenu

e) per worker in the firm. See

 text fo

r more de

tails. R

obust stand

ard 

errors in

 paren

theses. The

 R‐squ

ared

 in colum

n 5 is compu

ted on

 the de

‐meane

d data. The

 num

ber o

f clusters is 3

26. ***

 p<0.01, 

** p<0.05, * p<0.1.

128

TABLE D5

.5: W

ages in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)5.33

4***

5.32

1***

4.58

7***

5.19

4***

4.67

6***

4.41

6***

5.02

2***

4.48

2***

(0.000

)(0.007

)(0.010

)(0.023

)(0.003

)(0.011

)(0.022

)(0.005

)

Positive cluster g

rowth (β

2)0.04

0*0.01

40.02

2***

0.01

00.01

0(0.022

)(0.010

)(0.007

)(0.008

)(0.006

)Firm

 types:

Spin‐off (β

31)

‐0.155

***

‐0.172

***

‐0.096

***

‐0.056

***

‐0.057

***

0.00

10.00

30.00

1(0.002

)(0.009

)(0.006

)(0.005

)(0.002

)(0.005

)(0.004

)(0.002

)Entrep

rene

urial start‐up (β

32)

‐0.118

***

‐0.129

***

‐0.087

***

‐0.063

***

‐0.062

***

0.00

90.00

20.00

2(0.002

)(0.010

)(0.009

)(0.006

)(0.002

)(0.006

)(0.005

)(0.002

)Other new

 firm

 (β33)

0.00

6**

0.00

90.00

80.01

9**

0.01

9***

0.07

3***

0.05

8***

0.05

9***

(0.002

)(0.014

)(0.010

)(0.008

)(0.002

)(0.010

)(0.008

)(0.002

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.05

6**

0.01

1‐0.005

‐0.002

0.01

20.00

10.00

3(0.026

)(0.014

)(0.010

)(0.004

)(0.011

)(0.009

)(0.004

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.02

6‐0.004

‐0.019

‐0.017

***

‐0.001

‐0.013

‐0.012

***

(0.026

)(0.016

)(0.012

)(0.003

)(0.011

)(0.010

)(0.003

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

‐0.017

‐0.022

‐0.028

**‐0.024

***

‐0.022

‐0.030

**‐0.027

***

(0.033

)(0.016

)(0.014

)(0.004

)(0.016

)(0.012

)(0.004

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,17

0,48

91,17

0,48

91,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

81,14

4,58

8R‐squared

0.00

80.01

00.36

00.40

80.28

60.38

10.41

70.29

8Notes: The

 dep

ende

nt variable is the log of th

e ho

urly wage. The

 sample is redu

ced to aroun

d 1,17

0,00

0 individu

als a

nd th

e nu

mbe

r of clusters to 37

3, because re

liable 

wage inform

ation cann

ot be ob

tained

 for a

ll workers. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐squ

ared

 in colum

ns 5 and

 8 are com

puted 

on th

e de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.

129

TABLE D5

.6: Skills in

 Differen

t Types of N

ew Firm

s and

 Old Firm

s, W

orker Level, 201

0(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

Constant (β

1)0.06

9***

0.04

4***

‐0.035

***

0.14

80.03

3***

‐0.013

***

0.15

40.03

7***

(0.003

)(0.002

)(0.003

)(0.096

)(0.001

)(0.005

)(0.097

)(0.001

)

Positive cluster g

rowth (β

2)0.07

2***

0.08

5***

0.00

7**

0.08

6***

0.00

6**

(0.010

)(0.008

)(0.003

)(0.007

)(0.003

)Firm

 types:

Spin‐off (β

31)

‐0.016

***

‐0.024

***

‐0.020

***

‐0.007

***

‐0.006

***

‐0.011

***

‐0.004

***

‐0.004

***

(0.004

)(0.002

)(0.002

)(0.001

)(0.001

)(0.002

)(0.001

)(0.001

)Entrep

rene

urial start‐up (β

32)

0.00

0‐0.010

***

‐0.009

***

‐0.004

**‐0.003

***

‐0.003

‐0.002

‐0.001

(0.004

)(0.003

)(0.003

)(0.002

)(0.001

)(0.003

)(0.002

)(0.001

)Other new

 firm

 (β33)

0.02

7***

0.01

2**

0.01

2**

0.01

0**

0.01

1***

0.02

3***

0.01

4***

0.01

4***

(0.005

)(0.005

)(0.005

)(0.004

)(0.001

)(0.005

)(0.004

)(0.001

)Firm

 type

 x Positive cluster g

rowth:

Positive cluster g

rowth x Spin‐off (β 4

1)0.02

6**

0.02

4***

0.00

8**

0.00

8***

0.02

2***

0.01

0**

0.00

9***

(0.011

)(0.009

)(0.004

)(0.002

)(0.008

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Entrepren

euria

l start‐up (β

42)

0.01

30.00

7‐0.010

***

‐0.011

***

0.00

2‐0.010

**‐0.012

***

(0.011

)(0.009

)(0.004

)(0.002

)(0.008

)(0.004

)(0.002

)Po

sitive cluster g

rowth x Other new

 firm

 (β43)

0.02

00.01

6‐0.003

‐0.005

**0.01

3‐0.002

‐0.005

**(0.014

)(0.012

)(0.006

)(0.002

)(0.012

)(0.006

)(0.002

)

Control for gen

der, age and ed

ucation

nono

yes

yes

yes 

yes 

yes 

yes 

Indu

stry and

 Region fixed

 effe

cts

nono

noyes

nono

yes

noIndu

stry x Region (= cluster) fixed

 effe

cts

nono

nono

yes 

nono

yes

Control for firm

 size

nono

nono

noyes

yes

yes

Observatio

ns1,56

0,45

21,56

0,45

21,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

01,52

0,01

0R‐squared

0.00

10.02

10.04

90.13

20.01

40.05

40.13

20.01

4Notes: The

 mod

el estim

ated

 is a line

ar probability mod

el and

 the de

pend

ent v

ariable is a du

mmy for w

hether th

e pe

rson

 has com

pleted

 tertiary edu

catio

n. The

 nu

mbe

r of clusters is 3

75, since so

me clusteres d

o no

t con

tain any

 observatio

ns in

 201

0. See

 text fo

r more de

tails. R

obust stand

ard errors in

 paren

theses. The

 R‐

squared in colum

ns 5 and

 8 are com

puted on

 the de

‐meane

d data. ***

 p<0.01, ** p<

0.05

, * p<0.1.