4.1. Beskrivning av data.
För huvuddelen av undersökningen användes paneldata QSA - Quarterly Sector Accounts (MUFA and NFA Eurostat ESA2010 TP, table 801) från Europeiska Centralbanken (ECB, 2020). Det är kvartalsdata över värdet på noterade aktier samt andelar i aktie- och investeringsfonder i 28 medlemsländer av Europeiska unionen från kvartal 4, år 1998 till kvartal 2, år 2020. I den här studien anses Storbritannien vara fortfarande en del av Europeiska Unionen även om den har officiellt lämnat EU 31:a januari 2020. QSA är inte balanserad data då dataserier börjar från olika år för olika länder.
Värdet på tillgångar i data ges enligt deras marknadsvärde under den dagen som informationen samlades in (ECB, 2020). Data är samlad enligt System of national accounts, SNA2008, och European system of accounts, ESA2010. Data är insamlad av ECB och Eurostat, den europeiska statistiska myndigheten.
Värden presenteras i lokal aktuell valuta. Det vill säga för länder som har infört euro under tiden som dataserien skapades, konvertererades gamla värden till euro. Det finns 9 länder i data som inte infört euro under tiden som denna uppsats skrevs. De är Bulgarien, Tjeckien, Danmark, Storbritannien, Kroatien, Ungern, Polen, Rumänien och Sverige. För dessa länder räknas värdet på tillgångar om till euro enligt växelkurserna som gällde under tiden tillgångarna värderades.
Till exempel värdet på noterade aktier och fondandelar kvartal 1, år 2012 i Bulgarien i bulgariska leu delas med värdet av 1 euro i leu enligt växelkursen som gällde första mars 2012.
Historiska data över växelkurser är framtagen från webbsidan Investing.com (2020).
4.2. Val av data.
Användning av paneldata tillåter mig att ha en kontrollgrupp i form av EU:s 27 övriga medlemsländer som kan jämföras med Sverige, vår behandlingsgrupp. Det tillåter mig att göra en difference-in-difference analys och kontrollera för tidsfixa och enhetsfixa effekter. Det är rimligt att anta att EU:s övriga medlemsländer har institutioner som är mest lika Sveriges institutioner. Data har tillräckligt med variation för att utföra regression (se tabell 1).
Ett av problem med QSA databas är att den har data om ett begränsat antal kategorier av tillgångar. Jag bedömer att noterade aktier och fondandelar är de två kategorier som stämmer bäst med definitionen av investeringstillgångar given i SFS (2012:1268). Jag kontrollerar huruvida noterade aktier och fondandelar är bra proxy för investeringstillgångar genom att
9 jämföra med resultat från Riksrevisionen. Enligt Riksrevisionen (2018) var år 2017 kvoten mellan ISK tillgångar och investeringstillgångar (borträknat inlåning och onoterade aktier) omkring 0,33. Enligt mina egna beräkningar år 2017 var kvoten mellan ISK tillgångar och noterade aktier och fondandelar omkring 0,35 (se figur 6). Dessa kvoter är ungefär lika stora vilket tyder på att värdet på noterade aktier och fondandelar år 2017 var ungefär lika stora som värdet på investeringstillgångarna. Det tyder på att noterade aktier och fondandelar är en bra men inte perfekt proxy för investeringstillgångar definierad enligt lagen SFS (2012:1268). För matematiskt bevis se bilaga 2.
Jag väljer att begränsa mig till bara två sparformer, noterade aktier och fondandelar istället för det totala värdet på tillgångar. Kategorier av tillgångar, till exempel onoterade aktier, kan inte placeras på ISK. Variationen i värdet på dessa tillgångar påverkades troligen inte av införandet av ISK och väljs därför ej för min studie.
Ett av alternativen till att använda värdet på investeringstillgångar för att mäta sparande är att mäta sparande/konsumtion direkt. Howrey & Hymans (1978) använder tidseriedata för hela USA med aggregerad real privatkonsumtion per capita som beroende variabeln och en rad förklarande variabler för att estimera en aggregerad konsumtionsfunktion. Man kan använda ändringar i konsumtion för att estimera ändringar i sparande så länge det är de enda två sätten för individer att spendera sina inkomster. Problemet med detta är att det inte finns någon kontrollgrupp att jämföra med. Detta innebär att man inte kan vara säker på att feltermen i skattningen verkligen inte är korrelerad med förklarande variabler och att skattningar inte är biased. Bernheim (2002) noterarar att enligt ekonomisk teori är vissa förklarande variabler som disponibel inkomst och realränta endogena för skattningar av konsumtionsfunktionen.
Paneldata av svenska hushåll är ett annat alternativ som skulle kunna ge mer information och underlätta skattning av konsumtion/sparande med hjälp av Euler ekvation (se bilaga 3 för Euler ekvation för skattning av ändringar i konsumtion). Tyvärr så har jag inte tillgång till detta data.
Det verkar som att flera andra studier har mött samma problem. Attanasio & Weber (1995) behövde skapa en syntetisk paneldata över hushåll i USA för att kunna estimera Euler ekvation för skattning av konsumtion. Resultat av studien är beroende av antaganden att ålder och ekonomiskt välstånd inte var korrelerade och det här antagandet behöver inte stämma.
Alla sätt att mäta konsumtion/sparande nämnda enligt ovan har problem då de mäter verkligt sparande under vissa antaganden. Data för dessa mätningsmetoder var svåra att hitta. Mitt sätt att mäta sparande lider också av flera problem med bias. Det är lättare att hitta data och bygga
10 en naturlig kontrollgrupp i form av EU:s 27 övriga medlemsländer vilket styr valet av data för min studie.
Tabell 1. Variation av värdet på noterade aktier och fondandelar i miljoner euro i 28 länder.
Variabler Observationer Medelvärde Standardavvikelse
Totalt 1223 122270 203656
Storbritannien 46 516544 117023
Grekland 46 14415 5380
Nederländerna 35 108920 20024
Polen 46 33006 7746
11 I min undersökning används bara data från och med kvartal 1, år 2009. Det beror på att en ekonomisk kris slog mot Europa år 2007–2008 vilket påverkade värdet på finansiella tillgångar.
Det verkar som att värdet på noterade aktier och fondandelar i de flesta europeiska ekonomier stabiliserades runt år 2009 (se figur 2). Krisen hade antagligen olika stora effekter på olika länder och för olika perioder. Det är alltså rimligt att anta att olika länder hade olika trender innan införandet av ISK. Därför kommer inte dummyvariabler för enhets- och tidsfixa effekter lyckas kontrollera för effekten av krisen på värdet på investeringstillgångar. Det finns också flera länder som inte har fullständiga dataserier, data saknas innan år 2009 (se tabell 1). Därför väljer jag att ta bort alla värden innan kvartal 1, år 2009.
Figur 2. Utvecklingen av värdet på noterade aktier och fondandelar i EU i miljoner euro från år 1999 till år 2020.
Horisontell röd linje visar första kvartal av år 2009.
Källa: ECB.
12