Ekonometriska frågeställningar

Eftersom studien använder paneldata så uppstår det variationer från både tid och mellan länder. Problemet med detta är att den totala variationen i modellen är uppdelad efter variationer från länderna och variationer från tidsperioden. Variabler som inflation kan störa variablerna i regressionen och kan därmed ge ett missvisande resultat.

Detta gör det problematisk att estimera den verkliga effekten mellan länderna när man använder Pooled OLS, därför införs det tidsdummyvariabler i de tre modellerna.

(Wooldridge, 2002) För att se vilka variabler som påverkats av dessa störningar jämförs variablerna mellan Pooled OLS och fixed effects. Försummas signifikansgraden på variablerna påverkas den klart av störningar över tiden.

För att kontrollera den statistiska signifikansen för variablerna i modellen ska ett dubbelsidigt T-test genomföras. Eftersom regressionerna har 289 observationer ger det följande kritiska t-värde.

26 Tabell 1: Tabell för T-värden

Källa: Dougherty, 2011

För att testa variablernas signifikans ställs hypoteser upp. Noll hypotesen säger att värdet på variabeln inte är statistisk signifikant skiljt från noll, alternativ hypotesen säger att värdet på variabeln är statistisk signifikant skiljt från noll, således bryter noll hypotesen. (Dougherty, 2011)

F-test genomförs för att mäta hur bra modellen passar datamaterialet. För att se om modellen. Hypotes för F-testet ställs upp enligt, noll hypotesen som säger att alla koefficienter är lika med noll. Alternativ hypotesen säger att minst en av koefficienterna är statistiskt skiljt från noll. Modellerna använder sig av fyra parametrar och 284 frihetsgrader.

Tabell 2: Tabell för F-test

F-test Kritiskt värde Hypotes

𝑭(𝟒, 𝟐𝟖𝟒)_{𝒄𝒓𝒊𝒕}^𝟓%

Ett viktigt antagande när man genomför en regression är att variansen i residualerna är homoskedastisk eller konstant, enligt vilket innebär att variansen i feltermen är konstant för samtliga observationer (Dougherty, 2011.) För att testa detta genomförs en regression med robust standard errors. Modellen kommer även testas för autokorrelation, för att se hur mycket variation feltermen 𝑒_!,! fångar, genom ett Wooldridge autokorrelationstest.

Signifikansnivå Kritiskt värde Hypotes

𝑻_{𝒄𝒓𝒊𝒕}^{𝟏% 2,626 H0: β=0}

𝑻_{𝒄𝒓𝒊𝒕}^{𝟓% 1,984 H1: β≠0}

𝑻_{𝒄𝒓𝒊𝒕}^{𝟏𝟎% 1,660}

27 KAPITEL 5

EMPIRISKA RESULTAT OCH ANALYS

5.1 Empiriska resultat

Resultaten från regressionerna visade positivt samband mellan FoU-utgifter och FoU personal på BNP per capita, patentansökningar hade ett negativt samband med BNP per capita. Modellerna visade även hög förklaringsgrad R². Modell (4), (5) och (6) är modell (1), (2) och (3) med införda tidsdummyvariabler. Fixed effects modellerna

28

Den första modellen med FoU-utgifter som proxy variabel för innovation hade en hög förklaringsgrad på 0,901 och ett värde på 605,98 som var större än det kritiska F-värdet för 1 % signifikansnivå på 3,51. Alla variabler i modellen var statistisk signifikanta på 1 %. Genom ett Wooldridge test visade även modellen att på en 1 % signifikansnivå inte ha autokorrelation. Proxy variabeln FoU-utgifter per capita var signifikant på 1 %, variabeln hade en förväntad positiv koefficient. När dummyvariablerna infördes i modell (4) visade minskat t-värdet och riktningskoefficienten för utgifter per capita. Det kan förklaras av att FoU-utgifter plockar upp variationer från andra variabler som inte är med i modellen.

Variabeln var däremot fortfarande statistisk signifikant på 1 %.

Den andra modellen med patent per miljon invånare som proxy variabel för innovation hade en hög förklaringsgrad på 0,867 och ett högt F-värde på 439,00.

Genom ett Wooldridge test för autokorrelation visade sig modellen inte ha autokorrelation på 1 % signifikansnivå. När dummyvariablerna infördes, modell (5), visade det sig att riktningskoefficienten och t-värdet för patent minskade med införda dummyvariabler för tidsperioderna. Dock precis som för FoU-utgifter var variabeln statistisk signifikant på 1 %.

Den tredje modellen (3) med FoU personal som proxy variabel för innovation visade även den hög förklaringsgrad på 0,870 och ett F-värde 448,35. Genom ett Wooldridge test för autokorrelation visade att modellen inte hade autokorrelation på 5 % signifikansnivå. Med införda tidsdummyvariabler i Modell (6) sjönk riktningskoefficienten från 0,413 till 0,013 och den statistiska signifikansen för variabeln gick bort. Det kan förklaras av att variabeln plockade upp stora variationer från tidsperioderna.

Modellerna hade liknande resultat, då befolkningstillväxten hade en positiv påverkan på BNP per capita med statistisk signifikansnivå på 1 % i de tre modellerna, det förväntade tecknet för variabeln var negativ. Det positiva tecknet stämmer inte överens med den neoklassiska tillväxtteorin som menar att en ökad befolkningstillväxt har en negativ påverkan på BNP per capita.

29

Variabeln påverkades även stort av de införda tidsdummyvariablerna, då den statistiska signifikansen försvann i modell (5) och (6), dock var den statistisk signifikant på 5 % i modell (4) med FoU-utgifter som proxy variabel. Investeringar påverkade också BNP per capita positivt i de tre modellerna. Det stämmer ihop med den neoklassiska tillväxtteorin som menar att en ökning av investeringar även ökar BNP per capita i form av kapitalackumulation. Denna variabel var statistisk signifikant på 1 % i alla tre modeller. Den påverkades även inte markant av de införda tidsdummyvariablerna. Export påverkade BNP per capita positivt i alla modeller med en signifikansnivå på 1 %. Även denna variabel påverkades inte något slående av de införda tidsdummyvariablerna.

Tabell 4: Korrelationsmatris

BNP FoU Patent Personal INV EXP POP

BNP 1.000

FoU 0.8313 1.000

Patent 0.3859 0.5379 1.000

Personal 0.5824 0.7609 0.3794 1.000

INV 0.9243 0.7046 0.2623 0.5070 1.000

EXP 0.7779 0.5688 0.1014 0.3946 0.7773 1.000

POP -0.3663 -0.3041 -0.1680 -0.2614 -0.3627 -0.3002 1.000

Korrelationsmatrisen indikerar att FoU-utgifter är mest korrelerad med BNP per capita. Även FoU personal och patentansökningar är positivt korrelerade med BNP per capita. FoU-utgifter är positivt korrelerad med patentansökningar och FoU personal. Detta kan tyda på att finansiella bidrag till FoU har i stor utsträckning lett till ökat antal anställda inom FoU, vilket leder till ett större antal utgångar i form av patent. Något märkbart med korrelationsmatrisen är att befolkningstillväxten har ett negativt samband med BNP per capita till skillnad från vad regressionsmodellerna visade. Även patentansökningar hade motsatt tecken från vad regressionerna visade.

30 5.2 Analys och diskussion

Den endogena tillväxtteorin diskuterar om att summan av alla användbara idéer är teknologin A, som används som en ökning av teknisk utveckling i solowmodellen.

Användbara idéer som utvecklas till innovationer patenteras ofta på grund av höga kostnader inom FoU, därför är patent en viktig indikator för innovativ aktivitet. Som det diskuterades i teorikapitlet så finner man klara nackdelar med patent som innovationsindikator, då inte alla användbara idéer som leder till innovation patenteras. Däremot skiljer sig idéer ifrån vanliga varor, vilket gör att det blir ett svåranalyserat område att följa uppkomsten av nya idéer. Däremot kan man följa de idéer som patenteras genom att undersöka patentansökningar. Den endogena tillväxtteorin argumenterade även att en ökning i kunskapskapitalet A kan uppstå dels av FoU. Därför kan FoU-utgifter och FoU personal greppa i vilken grad man satsar på FoU, därför blir den en viktig och användbar indikator för innovation.

Det negativa sambandet mellan BNP och patent strider mot teorin. Det negativa sambandet kan bero att på kort sikt finns höga kostnader involverade med patent.

Dessa kostnader involverar agentavgifter, registreringsavgifter och i vissa fall översättningsavgifter (Crosby, 2000). På lång sikt menar Schmookler (1966) däremot att det ska visa sig ett positivt samband, men han menar även att på kort sikt kan det finnas ett negativt samband. En annan förklaring till det negativa sambandet kan vara att det tar relativ lång tid för en patentansökan att bli registrerad och därmed ge

Däremot laggade Ulku patentansökningar i sin regressionsmodell. Mueller (1966) menade att datamaterial för patent bör appliceras med försiktighet för att ge forskaren tillfredsställande resultat. Med längre tidsserier eller möjligtvis laggade variabler så bör patent ha ett positivt samband med BNP per capita, med tanke på vad som diskuterades i kapitel 3.

31

FoU-utgifter per capita visade goda resultat som proxy variabel, riktningskoefficienten menade på att en ökad investering i FoU ökar även BNP per capita och därigenom välfärden för ett land. Det stämmer även överens med den endogena tillväxtteorin att uppkomsten av nytt vetande genom FoU ökar A vilken i sin tur ökar BNP per capita. Resultaten stämmer även överens med Bayarcelik och Tasel (2012), Ulku (2004), Hunady och Orviska (2014) och Kubak m.fl. (2013) som alla fann positiva samband mellan FoU-utgifter och ekonomisk tillväxt. Däremot fann Hunady och Orviska (2014) ett negativt samband mellan de båda och fann endast ett positivt samband då FoU-utgifter var laggad med två år. Detta motiverades med att det tar tid för att en investering ska ge effekt och att den omedelbara effekten är negativ.

Antal FoU personal per miljon invånare visade även den goda resultat som proxy variabel för innovation. Riktningskoefficienten visade att med högre antal anställda inom FoU bidrog med högre BNP per capita. Det stämmer även överens med Bayarcelik och Tasel (2012) som även de fann ett positivt förhållande mellan BNP och FoU personal. Hunady m.fl. (2013) fann ett positivt förhållande mellan antal forskare i FoU och BNP i Kanada, vilket stämmer överens med denna studie då forskare ingår i mättningen av FoU personal. FoU personal fungerade mindre väl som indikator för innovation än FoU-utgifter, då den statistiska signifikansen försvann med införda tidsdummyvariabler, dessutom hade den en lägre påverkan än FoU-utgifter.

FoU-utgifter per capita och FoU personal per miljon invånare visade sig kunna förklara BNP tillväxt för länderna i studien. Patentansökningar per miljon invånare visade sig dock inte kunna göra det. Utifrån resultaten från OLS regressionerna var det FoU-utgifter som bäst kunde förklara BNP utvecklingen och de hade även starkast korrelation med BNP. Nackdelar däremot med att använda FoU-utgifter som indikator för innovation är den endast täcker input delen i innovation. Men fördelen med att använda FoU-utgifter och även FoU personal för den delen är att precis som endogena tillväxtteorin argumenterar för, att en ökning i total faktorproduktiviteten A sker främst genom satsning i FoU.

32 KAPITEL 6 SLUTSATSER

Syftet med studien var att se innovationers påverkan på BNP utvecklingen. Tidigare studier har även de undersökt effekter av innovation på ekonomisk tillväxt, där flera har använt antingen den neoklassiska- eller endogena tillväxtteorin som referensram.

Till mesta del har studierna funnit ett positivt samband mellan de båda, vilket denna studie även fann, med undantag för patentansökningar.

Resultaten från regressionerna visar att det finns ett signifikant positivt samband mellan innovation och ekonomisk tillväxt från två av innovations indikatorerna.

Slutsatsen utifrån regressionerna är att FoU-utgifter bäst kunde förklara BNP utvecklingen eftersom den även var starkast korrelerad med BNP per capita.

Anledningen till det kan vara att det finns ett tydligare ekonomiskt samband mellan de båda än vad det finns mellan FoU personal och patentansökningar. Patentansökningar fungerade inte bra som innovations indikator. Möjligtvis har datamaterialet för patent i denna studie inte applicerats korrekt, vilket kan vara en möjlig förklaring till det negativa sambandet. Det var möjligtvis lite nytt med denna studie att applicera patentansökningar direkt till ett land som helhet, där tidigare studier försökt förklara BNP på patentansökningar. FoU personal fungerade väl som innovations indikator som visade ett signifikant positivt samband på BNP per capita. Dock var korrelationen mellan de båda lägre än för FoU-utgifter och signifikansen för variabeln försummades med tidsdummyvariabler. Det som diskuterades i teorikapitlet stämmer ändå överens med vad regressionsmodellen visade för FoU personal. Resultaten stämmer överens med EU kommission som i sitt (2013) pressmeddelande menade att länder med högre innovationsresultat, i högre grad satsar på FoU.

33

Utifrån regressionsresultaten så bör EU öka investeringar i FoU, då FoU-utgifter visade hög korrelation med BNP per capita och som bäst kunde förklara BNP utveckling utav de tre indikatorerna. En ökning i FoU-utgifter kommer i sin tur öka antalet anställda inom FoU och antalet patentansökningar, då en stark korrelation mellan dessa observerades.

Studien är dock begränsad i avseendet att indikatorerna för innovation som används inte täcker hela innovationsaktiviteten, utan till mesta del teknisk innovation. Däremot är det de tre som används mest, i alla fall FoU-utgifter och patent. Därför bör resultaten tolkas med viss försiktighet eftersom teknisk innovation endast täcker en del av hela innovationsaktiviteten.

Förslag till fortsatt studie kan vara att mer ingående förklara skillnaderna mellan länderna eftersom denna studie endast antog aggregerade resultat mellan länder. Då kan man titta på vilka åtgärder som krävs i form av institutioner för innovation för att möjliggöra ekonomisk tillväxt. Något som denna studie inte har undersökt är olika institutioners inverkan på dessa länder, vilket skulle kunna vara en intressant tillsats till denna uppsats. Finns det något i statens regleringar som påverkar ländernas satsning på forskning kan vara ett bra komplement till denna uppsats.

34

KÄLLFÖRTECKNING

Bayarcelik & Tasel. (2012) Research and Development: Source of Economic Growth.

Yeditebe University, Istanbul.

Bilbao-Osorio, B & Rodriguez-Pose, A (2004). From R&D to innovation and economic growth in the EU. Department of Geography and Environment.

Crosby, M. (2000). Patents, innovation and growth. The Economic Record, 76 (234), 255-262.

Dougherty, C. (2011). Introduction to econometrics. (4. ed.) Oxford, Oxford University Press.

European Commission (2013). The Innovation Union Scoreboard 2013. (European Union) Hämtad från:

http://ec.europa.eu/enterprise/policies/innovation/files/ius-2013_en.pdf/ den 5 maj 2015.

European Commission press release (2013) Horisont 2020 startar med 15 miljarder euro de första två åren. Hämtad från:

http://europa.eu/rapid/press-release_IP-13-1232_sv.htm/ den 5 maj 2015.

Fregert, K., & Jonung, L. (2010). Makroekonomi Teori, Politik och Institutioner (3:e upplagan). Lund: Studentlitteratur.

Grant, R. (2002). Contemporary Strategy Analysis: Concepts, Techniques, Applications. 4:e upplagan. Blackwell Publishing

Griliches, Z (1987) R&D and Productivity: Measurement Issues and Econometric Results. Science, New Series, Vol. 237 No 4810, 31-35

Griliches, Z. (1998). R&D and Productivity – The Econometric Evidence. The University of Chicago Press.

Hunady, J & Orviska, M. (2014). The impact of R&D expenditures on innovation performance and economic growth of the country-The empirical evidence. Prague, Czech Republic.

Johnstone, N, Hascic, H & Popp, D. (2009). Renewable Energy Policies and Technological Innovation: Evidence Based on Patent Counts. NBER, Cambridge, MA, USA.

Kubak, M. Bacik, R & Nemec, J. (2013) GDP and choosen indicators of innovation levels. University of Prešov. Slovakia.

Lööf, H (2012). Innovationsstudie. På uppdrag av SCB.

35

Mueller, D. (1966) Patents, Research and Development, and the Measurement of Inventive Activity. The Journal of Industrial Economics, Vol 15 No 1, 26-37

OECD (2005) Oslo Manual: Guidelines for collecting and interpreting innovation data. 3:e upplagan. Paris: OECD.

OECD (2002) Proposed Standard Practice for Surveys of Research and Experimental Development – Frascati Manual. 4:e upplagan. Paris: OECD.

Pavitt, K. (1984). Patent statistics as indicators of innovative activites: Possibilities and problems. Science Policy Research Unit, University of Sussex. United Kingdom.

Persson, M. & Skult, E. (2010). Tillämpad makroekonomi (4:e upplagan). Stockholm:

SNS Förlag

Romer, P. M. (1990). Endogenous Technological Change. Journal of Political Economy, 98(5), 71-102.

Sanders, B. (1962). Some Difficulties in Measuring Inventive Activity. Princeton University Press. 53-90.

Schmookler, J. (1966) Invention and Economic Growth. Cambridge, Harvard University Press, 1966.

SOU 2006:80 (2006) Patent och innovationer för tillväxt och välfärd. Statens offentliga utredningar, regeringskansliets publikationer.

Solow, R. (1957). Technical Change and the Aggregate Production Function. Review of Economics and Statistics, 39, 312- 320.

Todaro, M & Smith, S. (2003). Economic Development. Pearson Education Limited, Essex.

Ulku, H (2004). R&D, Innovation and Economic Growth: An empirical analysis.

Working paper. International Monetary Fund: Research department, 2004.

Westmore, B (2013). R&D, Patenting and Growth. The role of public policy. OECD Economics Department Working Papers No. 1047.

Wooldridge, J (2002). Econometric Analysis of Cross Section and Panel Data. (2.

ed.). The MIT Press Cambridge, Massachusetts. London, England.

36

Intercept 11995*** 14145*** 13350***

(23.65) (26.72) (20.47)

37

38 Tabell Fixed effects

(4) (5) (6)

Variabler BNP BNP BNP

Intercept 11995*** 14145*** 13350***

(23.65) (26.72) (20.47)

POP 56.01** 30.23 32.85

(2.40) (1.24) (1.30) INV 1.098*** 1.108*** 1.126***

(18.42) (17.58) (17.50) EXP 0.380*** 0.424*** 0.434***

(13.62) (14.99) (14.90)

FoU 3.905***

(6.47)

PATENT -2.268***

(-3.37)

PERSONAL 0.0113

(0.15) Observationer 289 289 289

R² 0.933 0.926 0.922

Antal länder 17 17 17