Empirisk studie om sambandet mellan korruption och
ekonomisk tillväxt i Afrika
Författare: Mariia Belash och Aleksandra Ogandzanjana (990501–971023)
Vårtermin 2020
Kandidatuppsats, grundnivå, 15 hp Ämne: Nationalekonomi
Handelshögskolan vid Örebro Universitet Handledare: Hildegunn Kyvik Nordås Examinator: Anders Kärnä
Sammanfattning
Korruption är ett av de största hoten för den ekonomiska utvecklingen i ett land. Många länder i Afrika lider av extremt låg ekonomisk tillväxt, i samband med hög korruption. Däremot finns det även flera länder som istället har hög tillväxt och låg korruption. Till följd av detta, är syftet med uppsatsen att studera vilken effekt och betydelse, korruption har på den ekonomiska tillväxten i Afrika. För att få en mer ingående analys, jämförs sambandet mellan korruption och ekonomisk tillväxt i de olika regionerna i Afrika samt mellan länder med olika hög korruptionsgrad. Dessutom är det intressant att skapa en djupare förståelse för vilka faktorer som påverkar korruptionen i denna kontinent.
Studien omfattar samtliga 54 länder i Afrika mellan tidsperioden 1996–2019. Analysen baseras på multipla regressioner med OLS-estimat, som i sin tur grundar sig på paneldata. Ekonomisk tillväxt uttrycks i form av BNP per capita och används som den beroende
variabeln i studien. Corruption Perception Index (CPI) är det valda måttet för korruption och är den mest betydelsefulla variabeln i studien. De resterande förklaringsvariablerna baseras på tillväxtteori samt institutionell teori och består av Initial BNP per capita, kapital,
population, offentlig konsumtion, handel, religion, politisk stabilitet och naturresurser. Politisk stabilitet och naturresurser är högt korrelerade med CPI, vilket resulterar att dessa faktorer enbart inkluderas i analysen om de bakomliggande orsakerna för korruption.
De viktigaste resultaten indikerar på att korruption har en statistiskt signifikant negativ effekt på ekonomisk tillväxt i Afrika. Vid analys av effekten mellan olika regioner samt inom olika korruptionsnivåer, skiljer sig däremot effekten. Den negativa effekten är starkare i länder med hög och medelhög korruption. Effekten avtar i lågt korrumperade länder. Dessutom finner studien att Initial BNP per capita, kapital, handel, kristendom samt islam har en positiv påverkan på tillväxten, medan population och offentlig konsumtion främst har en negativ effekt på tillväxten. Vid undersökning om vilka faktorer som påverkar korruptionen i Afrika, finner analysen att politisk stabilitet och naturresurser förklarar 45 procent av variationen i CPI. Till följd av detta, kan man dra slutsatsen att dessa två faktorer har den största
betydelsen för korruptionen i Afrika.
Nyckelord: korruptionsgrad, BNP per capita, institutioner, humankapital och teknologisk utveckling.
Abstract
Corruption is one of the biggest threats to a country's economic development. Many countries in Africa suffer from extreme low economic growth, in connection with high corruption. However, there are also several countries that instead have high economic growth and low corruption. As a result, the aim of the essay is to study the effect and significance of corruption on economic growth in Africa. To get a more in-depth analysis, the connection between corruption and economic growth in the different regions of Africa and between countries with different levels of corruption is compared. In addition, it is interesting to generate a deeper understanding of what factors affect corruption in this continent.
The study covers all 54 countries in Africa between the period 1996–2019. The analysis is based on multiple regressions with OLS estimates, which in turn are based on panel data. Economic growth is expressed in GDP per capita and is used as the dependent variable in the research. Corruption Perception Index (CPI) is the chosen measure of corruption and is the most important variable in the research. The remaining explanatory variables are based on growth theory and institutional theory and consist of Initial GDP per capita, capital,
population, government consumption, trade, religion, political stability and natural resources. Political stability and natural resources are highly correlated with CPI, which results that these factors are only included in the regression model that analyzes the factors that affect corruption in Africa.
The most important results indicate that corruption has a statistically significant negative effect on economic growth in Africa. However, the effect differs when analyzing the effect between different regions and within different levels of corruption. The negative effect is stronger in countries with high and medium corruption. The effect decreases in low-corrupt countries. In addition, the study finds that Initial GDP per capita, capital, trade, Christianity and Islam have a positive impact on growth, while population and government consumption mainly have a negative effect on growth. When examining the factors that affect corruption in Africa, the analysis finds that political stability and natural resources explain 45 percent of the variation in CPI. As a result, it can be concluded that these two factors have the greatest significance for corruption in Africa.
Keywords: degree of corruption, GDP per capita, institutions, human capital and technological development.
Innehållsförteckning
1.Inledning 1 1.1 Syfte 1 1.2 Frågeställning 2 1.3 Metod 2 1.4 Avgränsningar 2 2.Tidigare studier 2 3. Teori 5 3.1 Tillväxtteori 5 3.1.1 Exogen tillväxtteori 5 3.1.2 Endogen tillväxtteori 7 3.2 Institutionell teori 8 4. Data 9 4.1 Variabler 10 4.1.1 Beroende variabel 11 4.1.2 Oberoende variabler 12 4.2 Deskriptiv statistik 16 5.Korruption i Afrika 18 5.1 Regioner i Afrika 19 6. Empirisk modell 24 6.1 Regressionsmodell 24 6.2 Antaganden 25 7. Resultat 277.1 Samband mellan BNP per capita och korruption 27
7.2 Samband mellan korruption och ekonomisk tillväxt i Afrikas regioner 29
7.3 Samband mellan korruption och ekonomisk tillväxt i olika korruptionsnivå 32
7.4 Vad orsakar korruption i Afrika? 33
7.5 Hur skiljer sig resultaten från tidigare studier och förväntningar? 35
8. Diskussion 36
10. Referenser 43
1
1.Inledning
Korruption är vanligt förekommande i många länder, främst i de fattigare delarna i världen (Worldbank 2020). Världsbanksgruppen beskriver korruption som en stor utmaning när det kommer till deras mål att bekämpa extrem fattigdom år 2030 och öka det gemensamma välståndet för de fattigaste 40 procent i utvecklingsländerna, främst i Afrika. Korruption resulterar ofta ineffektivitet och lägre investeringar i humankapital. Detta i sin tur har en stark negativ effekt på de världens fattiga och utsatta människor. Korruption förekommer i olika former till exempel mutor till tjänstemän samt högt uppsatta positioner som tillhandahålls av släktingar eller nära vänner.
Transperancy International (2018) beskriver korruption som faktorn som har många negativa följder på bland annat fattigdom, demokrati och mänskliga rättigheter. Korruption leder dessutom till svårighet inom handel och investeringar, som i sin tur ofta har negativ påverkan på den ekonomiska tillväxten i landet. För att ett land ska kunna utvecklas och skapa
förbättrade samhällsinstitutioner såsom sjukvård och utbildning, måste korruptionen i ett land bekämpas. Eftersom det finns flera empiriska studier som visar att korruption har en negativ effekt på tillväxten i ett land, är det intressant att undersöka om effekten är likartad i Afrika samt ta fram de bakomliggande faktorerna till den eventuella effekten.
Global Financial Integrity (2020) förklarar att korruption är särskilt skadligt i
utvecklingsländer. Enligt anti-korruption resurscentrum U4 (2020) gör många afrikanska länder framsteg i kamp för demokrati och utveckling. En stor utmaning är däremot att många av dessa länder lider av korruption. Till följd av detta, är det intressant att fastställa effekten mellan korruption och ekonomisk tillväxt för samtliga 54 länder i Afrika.
1.1 Syfte
Syftet med undersökningen är att belysa det eventuella sambandet mellan korruption och tillväxt i Afrika. Dessutom är det intressant att studera faktorerna som påverkar korruptionen samt undersöka vilka åtgärder som krävs för att ett land ska kunna förebygga mot korruption. För att redovisa vilken påverkan, korruption har på tillväxten används nyckelfaktorerna korruptionsgrad, BNP per capita, institutioner, humankapital och teknologisk utveckling.
2
1.2 Frågeställning
● Finns det ett samband mellan korruption och ekonomisk tillväxt i Afrika?
● Hur skiljer sig det eventuella sambandet mellan de olika regionerna i Afrika samt mellan länder med olika hög korruptionsgrad?
● Vilka faktorer påverkar korruptionen i Afrika?
1.3 Metod
Rapporten bygger på en kvantitativ studie som baseras på insamling av data från databaser Transpaency International, Pew Research center, The Worldwide Development Indicators (WDI) samt The Worldwide Governance Indicators (WGI). Studien baseras på multipla regressioner med OLS-estimat som bygger på paneldata. All data sammanställs i STATA för att hitta ett samband mellan korruption och ekonomisk tillväxt. Andra betydelsefulla variabler som används som förklaringsvariabler i undersökningen är initial BNP per capita, kapital, population, offentlig konsumtion, handel, religion, politisk stabilitet och naturresurser. De valda variablerna baseras på tillväxt- och institutionell teori samt tidigare forskning.
1.4 Avgränsningar
Den empiriska studien omfattar 54 afrikanska länder för tidsperioden 1996–2019. Det
intressanta med valet av länderna, är att korruptionsnivån skiljer sig mellan länderna i Afrika, varav många länder lider av hög korruption. Dessutom befinner sig länderna i olika stadier av ekonomisk tillväxt. Valet av tidsperioden avgörs av förhoppning att se eventuella
förändringar i den ekonomiska tillväxten och korruptionsnivåer i dessa länder.
2.Tidigare studier
Uppsatsen tar inspiration av tidigare studier som behandlar liknande undersökning. Dessa studier består av ny och äldre forskning som har haft stor betydelse för analysen av effekten mellan ekonomisk tillväxt och korruption. Leff (1964) publicerade en vetenskaplig artikel med analys om hur korruptionen påverkar den ekonomiska tillväxten. Studien är unik, eftersom Nathaniel H. Leff var en av de forskare som fokuserade på att framhäva de positiva effekterna av korruption. Leff menade att korruption inte behöver ha en negativ effekt på ekonomin i landet. Korruption kan även ha positiv inverkan på tillväxten eftersom den kan effektivisera byråkratin. Som grund använde han två teorier, varav Speed money är den första
3
teorin. Teorin innebär att mutning resulterar att individer kan spara sin värdefulla tid och effektivisera processen för ett individuellt mål. På så sätt analyseras att korruption i form av mutor är positivt för dessa individer. Den andra teorin baseras på att arbetstagare som har en positiv inställning på mutning som ersättning, har ett mer effektivt arbete. Studiens resultat innebär att teorin om speed money fungerar i byråkratier och resulterar en högre tillväxt. Teorin om att mutning leder till att arbetstagare effektiviserar sitt arbete på ett bättre sätt fungerar i alla nivåer av byråkrati.
Mauro (1995) studerar, i vilken utsträckning korruption påverkar den ekonomiska tillväxten. Mauro fokuserar istället på korruptionens negativa effekter på ekonomin i landet. Resultaten indikerar på att det finns ett samband mellan hög korruption och låg ekonomisk tillväxt samt låg korruption och hög ekonomisk tillväxt. Länder som har hög korruption, har dessutom svårare att utvecklas, till stor del eftersom de inte prioriterar investeringar i humankapital. Effekten av hög korruption och politisk instabilitet påverkar investeringar negativt som i sin tur leder till negativ tillväxt i landet.
Mo (2001) publicerade en studie om hur korruptionen kan påverka den ekonomiska tillväxten. Forskaren valde att undersöka hur tillväxten i olika överföringskanaler påverkar sambandet mellan korruption och tillväxt. De viktigaste överföringskanaler i studien är investeringar, humankapital och politisk instabilitet. Studien undersökte både den direkta och indirekta effekten av dessa faktorer. Korruptionsmåttet som används i undersökningen var Corruption Perception Index (CPI). Forskningen avgränsas till 46 länder för tidsperioden 1970–1985 och den empiriska modellen grundar sig på OLS-metoden. Resultaten visade att investeringar, humankapital och politisk instabilitet hade en stor betydelse för sambandet. Korruption genom överföringskanalen politisk instabilitet hade den största negativa effekten på den ekonomiska tillväxten och utgör cirka 53 procent av den totala effekten. Dessutom hade korruption en stor direkt effekt på tillväxten, cirka 12 procent. Ett annat viktigt resultat, visade att korruption resulterade en lägre nivå inom humankapital och privata investeringar.
Gerlagh och Pellegrini (2008) valde att utöka samt förbättra Mos forskning. Författarna valde att analysera effekten av korruption på den ekonomiska tillväxten i 48 länder under 1975– 1996 och inkludera en indikator för handelsöppenhet som ännu en överföringskanal. I studien användes samma korruptionsmått som tidigare, CPI. Det empiriska resultatet instruerade att handelsöppenhet och investeringar hade den största indirekta effekten av korruption på
4
ekonomisk tillväxt. Sambandet mellan korruption och ekonomisk tillväxt, visade sig vara negativt för dessa länder under 1975–2001.
d'Agostino, Dunne och Pieroni (2016) studerade hur korruption påverkar tillväxten i Afrika. Analysen inkluderar 48 afrikanska länder för tidsintervallet 1996–2010. Faktorerna som ligger i fokus för denna forskning är BNP-tillväxt per capita, korruption, statliga utgifter, militära utgifter samt privata och statliga investeringar. Forskningen baseras på en endogen tillväxtmodell med GMM och OLS metoder. De empiriska resultaten indikerar på att korruption och militära utgifter har en negativ effekt på den ekonomiska tillväxten i afrikanska länder. Korruption samverkar dessutom med militära utgifter genom indirekta effekter. Resultaten visar att korruption har en större negativ påverkan på tillväxten, i länder med höga militära utgifter.
Cieślik och Goczek (2018) forskade om effekten av korruption i 142 länder för tidsperioden 1994–2014. De viktigaste faktorerna är kontroll av korruption, internationella investeringar och ekonomisk tillväxt i form av real BNP per capita. Studien baseras på den endogena tillväxtmodellen med internationell kapitalrörlighet och paneldata. Variabeln kontroll av korruption, visar att mindre korruption har en positiv statistiskt signifikant effekt på tillväxten i real BNP per capita och högre investeringsgrad. Dessutom framförs i resultaten att
korruption har en negativ direkt påverkan på ekonomisk tillväxt eftersom korruption hämmar investeringar. Författarna kan utifrån resultaten dra slutsatsen om att rika länder som har bra tillgång till internationell finansiering borde växa snabbare samt ha en mindre negativ effekt av korruption än tillväxtekonomierna.
Utifrån tidigare forskning, kan korruption ha en både positiv och negativ effekt på ekonomisk tillväxt. De flesta studierna framhäver ofta den negativa effekten mellan korruption och ekonomisk tillväxt inom flera olika regioner och tidsperioder. För att kunna bekräfta detta antagande och dessutom urskilja sig från de tidigare studierna samt skapa en intressant analys, studeras denna effekt i samtliga länder i Afrika under tidsperioden 1996–2019. Genom att ta inspiration från den tidigare forskningen kan man jämföra de olika
begränsningarna i form av regioner och tidsperioder samt olika variabler och frågeställningar. Sedan kan man finna likheter och skillnader mellan de skattade resultaten och de tidigare studiernas resultat.
5
3. Teori
3.1 Tillväxtteori
Tillväxtteori är en viktig del inom makroekonomin som undersöker den bakomliggande faktorer för tillväxten (Fregert och Jonung 2015). Ett annat syfte med tillväxtteorin som, grundas på Adam Smiths resonemang från år 1776, är att undersöka förklaringen till att vissa länder är rika medan andra länder är fattiga. Som hjälpmedel till denna uppsats, används tillväxtteori i form av den endogena och exogena tillväxtteorin, samt den institutionella teorin. Solow-modellen används som grund för den exogena tillväxtteorin och den endogena tillväxtteorin baserat till stor del på Romer-modellen (Fregert och Jonung 2015). Den
institutionella teorin används för att undersöka de faktorerna med störst betydelse för tillväxten bland annat institutioner, social infrastruktur och humankapital.
3.1.1 Exogen tillväxtteori
Solow-modellen bygger på teknologisk utveckling som en exogen variabel (Jones 2014). Enligt modellen har produktion en viktig betydelse för tillväxten och baseras på
produktionsfunktion i form av Cobb Douglas som bygger på kapital, arbetskraft och teknisk utveckling. Med hjälp av dessa faktorer undersöks hur bland annat investeringar och
befolkningstillväxt påverkar kapitalintensitet som i sin tur påverkar den ekonomiska tillväxten. Nedan redovisas Solow-modellens produktionsfunktion, där den beroende
variabeln uttrycks av Y, som är den totala produktionen. De förklarande variablerna består av kapitalstock (K) samt arbetskraft (L). Funktionen baseras på Cobb-Douglas med konstant skalavkastning i K och L. Dessutom inkluderas två parametrar, 𝛼 och 1-𝛼 för de förklarande variablerna. Parametern 𝛼 antar värde mellan 0 och 1. Eftersom faktorerna i modellen antas kunna förändras över tiden, inkluderas (t) som står för tid. Total faktorproduktivitet (Ā) är en exogen variabel i produktionsfunktionen.
Förändringarna i tillväxten kan antingen vara tillfälliga eller varaktiga (Fregert och Jonung 2015). De tillfälliga förändringarna kan genereras av förändrade investeringar och antal arbetade timmar per capita. Exempelvis kan emigration eller en dödlig sjukdom resultera mindre antal arbetade timmar per capita, vilket i sin tur leder till att kapitalintensiteten
6
plötsligt blir högre och därmed blir även BNP per capita högre. Nu är de nödvändiga
investeringarna högre än de faktiska investeringar och det leder till att allt förslitet kapital inte ersätts. Detta resulterar att kapitalintensiteten och BNP per capita minskar. Skillnaden mellan de nödvändiga och faktiska investeringarna, kommer därför att minska samt både
kapitalintensiteten och tillväxten kommer återhämta sig till den ursprungliga nivån. På så sätt kan man visa att sådana förändringar enbart är tillfälliga. Några generella slutsatser som kan dras utifrån Solow modellen är att en befolkningstillväxt skapar mer arbetskraft samt
produktion, vilket resulterar en ekonomisk tillväxtökning men en minskad BNP per capita på kort sikt.
Solow-modellen skiljer sig mellan tillväxten i steady state och tillväxten under “övergången till steady state”. Med hjälp av figur 3.1 kan det urskiljas att den teknologiska utvecklingen är den enda faktorn som resulterar en varaktig tillväxt i steady state. Däremot är ekonomin vanligtvis inte i steady state. Till vänster om k* i figuren påverkar besparingar och investeringar tillväxttakten. Dessutom påverkar investeringarna där sy-kurvan korsar
(n+g+δ)k kurvan och därmed inkomstnivån per effektiv capita i steady state. Solow-modellen kan därför förklara sambandet mellan korruption och den ekonomiska tillväxten genom investeringar när ekonomin inte befinner sig i steady state och genom skillnader i inkomstnivåer när ekonomin är i steady state.
Figur 3.1 Solow modellen med avtagande skalavkastning
n = befolkningstillväxt g = teknologisk tillväxt δ = kapitaldeprecieringstakt k = kapital per effektiv arbetare sy = investeringar
7
3.1.2 Endogen tillväxtteori
Den endogena tillväxtteorin är teorin om teknologisk utveckling och tillväxt. För att undersöka vad som orsakar samt bestämmer den tekniska utvecklingen används den endogena tillväxtteorin som baseras på hur idéer skapas och sprids (Fregert och Jonung 2015). Anledningen till att det kallas för endogen teori är eftersom teknisk utveckling är en endogen variabel i modellen. En ökning inom teknologin delas upp i två delar, varav en av dem är uppkomsten av nya idéer och den andra är spridningen av idéerna genom utbildning. På grund av att idéer kan kopieras, kallas de för icke rivaliserande tjänster.
Det som avgör hur snabbt nya idéer skapas och utvecklas i ett samhälle beror på hur mycket som satsas på forskning och utveckling samt hur hög nuvarande teknologisk nivå det råder i samhället (Fregert och Jonung 2015). För att sprida kunskap krävs fungerande utbildning i form av humankapital. Forskningen har visat att det finns ett samband mellan humankapital, teknologisk utveckling samt ekonomisk tillväxt. Det krävs investeringar inom humankapital exempelvis i form av tillgång till utbildning för att generera och bibehålla bra humankapital i samhället. Utifrån forskningen kan Fregert och Jonung dra slutsatsen att den bakomliggande faktorn som driver tillväxten i ett samhälle baseras på befolkningens förmåga att utveckla nya idéer, med andra ord den mänskliga innovationsverksamheten.
Den endogena tillväxtteorin grundar sig på Romer-modellen som utvecklades av Paul Romer (Romer 1990). Romer-modellen betonar skillnaden mellan idéer och objekt. Objekt
inkluderar de flesta produkter inklusive kapital och arbetskraft medan idéer används som instruktioner exempelvis designen för produkterna. Romer fokuserade på att framföra att humankapital är en viktig faktor för den ekonomiska tillväxten och att det därför är viktigt att investera i framtagande av ny teknologi och nya idéer för att resultera en ökad ekonomisk tillväxt på lång sikt. Teknologi medför icke rivalitet i Romer modellen och resulterar att den ekonomiska tillväxten ökar med den tekniska utvecklingen och växer i steady state.
Ovan redovisas produktionsfunktionen för Romer modellen. Till skillnad från
produktionsfunktionen för Solow modellen, inkluderas ännu en endogen förklaringsvariabel i form av teknologisk utveckling (A) (Romer 1990). Produktionsfunktionen i den endogena tillväxtteorin, baseras på ökad avkastning på grund av kombinationen av idéer och objekt. En
8
dubblering av kapital, arbetskraft och kunskap, resulterar en produktionsökning som är mer än dubbelt så stor som tidigare.
Konvergensteorin är betydelsefull inom tillväxtteorin (Jones 2014). Konvergens grundar sig på att fattigare länder med mindre tillväxt kan genom teknologi öka sin tillväxt snabbare än länder med högre befintlig tillväxt. Däremot måste de mindre utvecklade länderna investera i humankapital för att generera högre tillväxt.
3.2 Institutionell teori
Teknologisk utveckling är den enda faktorn som kan resultera en tillväxtökning på lång sikt (Fregert och Jonung 2015). Teknologi är tillgängligt för alla världens länder, däremot har länder olika stora förutsättningar för att kunna använda den befintliga teknologin. Den
institutionella teorin används för att undersöka vilka egenskaper som krävs för att ett land ska kunna bli rikt. Teorin fokuserar på de olika institutionerna i landet och hur dessa är
utformade. Institutioner grundar sig i lagar och regler som styr samhället och krävs för att det ska finnas en bra social infrastruktur i samhället. Stabil infrastruktur resulterar investeringar i kapital i form av humankapital och realkapital samt den tekniska utvecklingen. En bra social infrastruktur kräver öppenhet till omvärlden som i sin tur leder till möjlighet till export och import samt institutioner som prioriterar produktion, investeringar och sparande. Handel kan påverka tillväxten i ett land, genom idéer och teknologi som underlättar transportering av varor och tjänster över landsgränsen. Det är viktigt att landet inte prioriterar konfiskation eftersom detta hämmar investeringar i human- och realkapital. Dessutom krävs det att landets ekonomiska institutioner är stabila.
North (1991) beskriver institutioner som begränsningar som utformar politisk, social och ekonomisk interaktion. Tanken med institutioner sägs historiskt sett vara att minska osäkerhet och skapa ordning i samhället. Institutioner grundar sig både i lagar och regler samt de
informella begränsningarna som sanktioner, tull och traditioner. För att institutioner ska främja tillväxten krävs det tillit till institutioner, säkerhet över äganderätt och att ingen ska ha rätt till att beslagta individens tillgångar. Dessutom krävs det rättssystem som är flexibel och inte korrupt. Detta ger incitament till investeringar, entreprenörskap och forskning.
För att med hjälp av institutionell teori, kunna förklara den enorma skillnaden i tillväxttakten mellan världens länder, krävs kunskap om den så kallade upphinnarprocessen (Fregert och
9
Jonung 2015). Upphinnarprocessen definieras som en process inom tillväxten där landet startar i utgångsläget med lägre kapitalintensitet och BNP per capita. I början av processen är tillväxten väldigt hög och på grund av det, kommer landet närmare de rikare länder.
Tillväxten är mer lika mellan rika länder. Kina är ett exempel på ett upphinnarland efter införandet av de nya marknadsreformerna efter 1978. Avslutningsvis kan man dra slutsatsen att en kombination av teknologisk utveckling, god social infrastruktur samt investeringar på human- och realkapital är tre av de viktigaste faktorerna för ett land ska kunna få igång sin tillväxtmotor och påbörja sin resa till att bli ett rikt land. Dessutom är den mänskliga innovationsverksamheten, tillväxtmotorn och avgör förmågan att utveckla nya idéer i samhället.
God social infrastruktur främjar handel samt investeringar i realkapital och humankapital vilket i sin tur kan resulterar högre teknologisk utveckling i ett land (Fregert och Jonung 2015). När befolkningen reser till andra länder och blir mer utbildad, kan det dessutom resultera en mer demokratisk styrelse. Till följd av detta kan investeringar i humankapital, indirekt minska korruptionen i ett land och resultera en högre ekonomisk tillväxt. Korruption är ett mått på institutionell kvalitet, som i sin påverkar den teknologiska utvecklingen i ett land. Genom att inkludera korruption kan studien visa hur korruption sammankopplas med den institutionella teorin. Vid användning av institutionell teori kan man studera hur resurser utnyttjas och distribueras och på så sätt studera vilken påverkan, korruption har på tillväxten i ett land.
De offentliga institutionerna kan vara mer fördelaktiga för särskilda medborgare, genom att favorisera vissa samhällsgrupper och ge dem möjlighet att ta större del av statens tillgångar jämfört med resten av samhället (North 1991). Dessa institutioner kan skapa ett misstroende mot politikerna och staten, vilket i sin tur kan leda till att befolkningen inte vill bidra till samhällets gemensamma resurser genom beskattning. Det hela kan skapa misstroende, osäkerhet och en avtagande utveckling i landet. Eftersom institutioner utvecklades för att minska osäkerheten och skapa ordning i samhället, kan korrupta institutioner ha en motsatt effekt. Korruption kan också förstöra samhällets institutioner vilket kan skapa orättvisor bland landets befolkning. Dessutom kan korruption leda till att befolkningen förlorar tillit för politikerna, polisen samt andra myndigheter. Minskad tillit till staten och myndigheter leder till att incitament till äganderätt och investeringar försvinner. Det i sin tur hämmar den långsiktiga ekonomiska tillväxten.
10
4. Data
Den empiriska studien för sambandet mellan korruption och tillväxt avgränsas till samtliga 54 afrikanska länder. Den valda tidsperioden är 1996–2019. I studien används paneldata med flera förklaringsvariabler. BNP per capita är den beroende variabeln och
förklaringsvariablerna består av CPI, Initial BNP per capita, kapital, population, offentlig konsumtion, handel, religion, politisk stabilitet och naturresurser. Datamaterialet för
Corruption Percentage Index (CPI) hämtades från Transparency International. Denna variabel används vid ranking av länderna baserat på deras korruption i avsnitt fem samt som variabel för korruption i regressionerna. Datamaterial för religion i form av andel muslimer och kristna, är hämtat från datakällan Pew Research Center. Data för samtliga resterande variabler som används i regressionerna erhölls från Världsbanken. Selektion av samtliga variabler baserades på att konstruera ett så starkt samband mellan dessa variabler som möjligt. Valet av variablerna, baseras på de viktigaste faktorerna från tillväxtteorin. Dessa faktorer är kapital, population samt investeringar i form av humankapital så som utbildning. Handel, politisk stabilitet, offentlig konsumtion, Initial BNP och institutioner i form av religion, är också en viktig del i tillväxtteorin. Genom att inkludera korruption, kan studien visa hur korruption sammankopplas med den institutionella tillväxtteorin som i sin tur medför en påverkan på den teknologiska utvecklingen. Flera av variablerna inkluderas även i tidigare studier. Det finns ett stort intresse att undersöka om variablerna överensstämmer med
tillväxtteorin samt om man får likartade resultat som de tidigare studierna trots olika avgränsningar.
4.1 Variabler
Samtliga variabler som ingår i studien sammanställs i tabell 4.1. Där kan man urskilja de valda variablerna samt deras beskrivning och förkortning i regressionsmodellen. Dessutom instrueras källan som datamaterialet för variablerna hämtades från. I avsnitt 4.1.1 och 4.1.2 redogörs den beroende och de oberoende variablerna.
11 Tabell 4.1 Sammanställning av variabler
Variabel Tecken Beskrivning Källa
BNP per capita Y BNP per capita i fasta priser Världsbanken CPI β1 Korruptionsindex i skala 1–100
1= Hög korruption 100= Låg korruption
Transparency International Initial BNP per capita β2 Utgår från BNP per capita för 1996 Världsbanken
Kapital β3 Procentuell andel bruttoinvesteringar av BNP Världsbanken Population β4 Populationstillväxt i procent Världsbanken Offentlig konsumtion β5 Procentuell andel av BNP Världsbanken
Handel β6 Procentuell andel av BNP Världsbanken
Muslimer β7 Dummyvariabel för länder med mer än 50 procent muslimer, för år 2010
Pew Research Center Kristna β8 Dummyvariabel för länder med mer än 50 procent
kristna, för år 2010
Pew Research Center Politisk stabilitet β9 Estimat -2,5 till 2,5
-2,5= Låg stabilitet 2,5= Hög stabilitet
Världsbanken
Naturresurser β10 Procentuell andel resursräntor av BNP Världsbanken
Källa: World bank, Transparency International, Pew Reseaarch Center
4.1.1 Beroende variabel BNP per capita
Bruttonationalprodukten (BNP) mäter landets totala ekonomiska aktiviteter under ett år (Fregert och Jonung 2015). BNP kan även definieras som summan av den totala
konsumtionen, bruttoinvesteringar och skillnaden mellan export och import. Genom att dividera BNP med landets invånare erhålls BNP per capita. På så sätt tas hänsyn till
befolkningsutvecklingen i landet och man kan lättare jämföra BNP mellan flera länder. För att man ska kunna jämföra BNP per capita över tiden krävs ett BNP mått som är oberoende av inflationen. Man måste därför använda BNP i fasta priser.
12
4.1.2 Oberoende variabler Korruption
Studien använder sig av Corruption perceptions Index (CPI) som mått för korruption. Datamaterial för CPI är hämtat från datakällan Transparency International. CPI är det vanligaste använda måttet för korruption och grundar sig på uppfattningen om hur mycket korruption i form av makt för egen utvinning det råder i landet (Transparency International u.å). Problematiken med CPI, är att Transparency International ändrade både metoden och skalan för måttet år 2011. Fram till år 2011 antog, CPI värden mellan 0–10 men efter 2011 antas värden 0–100. För att få ett CPI mått för vår valda tidsintervall 1996–2019,
konverterades värden till ett gemensamt index, 0–100. Värden för åren fram till 2011, multipliceras med tio för att vara överensstämmande med den resterande tidsperioden. Ju högre värde som erhålls, desto mindre korruption antas det finnas i landet. Eftersom
konverteringen inte kan vara precist samt att metoden för mätning har ändrats, kan resultaten till en viss del vara bristfälliga. Det är viktigt att ta hänsyn till detta, i avhandlingens
diskussion och slutsatser.
Eftersom utifrån tidigare forskning, antas korruption hämma tillväxten, förväntas studien finna ett negativt samband mellan korruption och ekonomisk tillväxt i Afrika. Det kan även finnas brister med CPI som korruptionsmått, eftersom indikatorn enbart mäter uppfattningen om korruptionen i landet. CPI kan därför i vissa fall, ge en missvisande bild, beroende på hur väl utformad är uppfattningen om korruptionen.
Initial BNP per capita
För att sammankoppla konvergensteorin utifrån institutionell teori, inkluderas den initiala BNP-nivån per capita i studien. Konvergensteorin innebär att fattiga länder växer snabbare än rika länder på grund av deras låga ursprungliga tillväxtnivå (Jones 2014). Variabeln baseras på BNP per capita för året 1996. Studien förväntas finna ett positivt samband mellan det initiala värdet och det ursprungliga värdet av BNP per capita i Afrika.
Kapital
Kapital är ett samlingsbegrepp för landets investeringar (Jones 2014). Högre investeringar på realkapital, resulterar en tillfällig högre tillväxt enligt Solow modellen (Fregert och Jonung
13
2015). Variabeln för kapital i undersökningen, heter Gross capital formation och uttrycks som bruttoinvesteringar i procentuell andel av BNP. Utifrån tillväxtteorin, förväntas indikatorn för kapital ha en positiv effekt på ekonomisk tillväxt i Afrika.
Population
Variabeln population uttrycks som den procentuella tillväxten i befolkningsmängden i landet. Studien förväntas hitta ett negativt samband mellan population och ekonomisk tillväxt i Afrika. Antaganden baseras på Solow modellen som beskriver att när befolkningen växer, resulterar det en lägre produktivitet och en negativ ekonomisk tillväxt (Fregert och Jonung 2015).
Offentlig konsumtion
Offentlig konsumtion grundar sig på alla statliga utgifter i form av utbetalning av löner samt samtliga inköp av varor och tjänster (Blanchard 2015). Transfereringar och räntebetalningar inkluderas inte i den offentliga konsumtionen. General Government Final Consumption
Expenditure används som variabeln för den offentliga konsumtionen. Variabeln uttrycks som
den procentuella andelen av BNP. Hög offentlig konsumtion kan ha en negativ inverkan på den ekonomiska tillväxten (Grier och Tullock 1989). Den negativa effekten, existerar främst i länder med ineffektiva regeringar. Eftersom många av de afrikanska länderna har ineffektiva regeringar, antas det finnas ett negativt samband mellan offentlig konsumtion och ekonomisk tillväxt i Afrika.
Handel
Handel är ett samlingsbegrepp för summan av export och import för varor, tjänster samt kapital (Fregert och Jonung 2015). Sammanställningen visar hur stora är landets aktiviteter inom handel. Variabeln för handel uttrycks i procentuell andel av BNP. SVD näringsliv (2008) beskriver att alla utvecklingsländer med hög och stabil tillväxt har öppenhet mot världen både för export av varor samt import av kunskap. Enligt Jones (2014) kan handel öka tillväxten i ett land, genom att idéer, teknologi samt varor och tjänster överförs mellan
landsgränserna. Därför förväntas studien visa ett positivt samband mellan handel och ekonomisk tillväxt i Afrika.
14
Religion
Befolkningen i Afrika är mycket religiösa och religion utgör en viktig del i deras identitet (The African Eponent 2017). År 2015 tillhörde sju afrikanska länder till de tio mest religiösa länderna i världen. Dessutom var ingen av de afrikanska länderna, med på listan för de tio minst religiösa länderna i världen. Eftersom religion utgör en stor betydelse för många av de afrikanska länder, är det intressant att inkludera en indikator för religion i studien. På så sätt kan man analysera det eventuella sambandet mellan religion och ekonomisk tillväxt i Afrika. Variabeln är hämtad från databasen Pew Research Center och datamaterial baseras på året 2010. Anledningen till att indikatorn för religion är baserat på 2010, beror på att religion antas i princip vara helt konstant över tiden. I regressionen används två dummyvariabler för Islam och Kristendom, eftersom dessa är de största religionerna i Afrika (Pew Reaserch Center 2015). Koefficienten för dummyvariablerna visar hur kristendom respektive islam är relaterade till tillväxten jämfört med alla andra religioner. I samtliga afrikanska länder är majoriteten av befolkningen antingen muslimer eller kristna. Därför används inte övriga religioner som en basgrupp i regressionerna.
Politisk stabilitet
Political Stability and Absence of Violence/Terrorism är den valda indikatorn för politisk
stabilitet i studien. Politisk stabilitet mäter demokratin, terrorismen samt revolutioner i landet och baseras på hur stabil regeringen är. Det är intressant att inkluderade variabeln politisk stabilitet i studien, eftersom en stor del av de afrikanska länderna är drabbade av
inbördeskrig, terrorism och diktatur (Globalis u.å). Variabeln för politisk stabilitet uttrycks, som ett estimat som antar värden mellan -2,5 och 2,5. Desto högre värde som erhålls, desto högre politisk stabilitet det råder i landet. Det förväntas finnas ett positivt samband mellan politisk stabilitet och ekonomisk tillväxt i Afrika.
Naturresurser
Många afrikanska länder har omfattande naturresurser (The World Bank u.å). Därför är det intressant att undersöka vilken effekt som naturresurserna har på den ekonomiska tillväxten och korruption i Afrika. Studiens valda indikator för naturresurser är Total natural resources
rents och anges i procentuell andel resursräntor av BNP. Variabeln definieras som de totala
15
Många länder i Afrika har tillgång till naturresurser bland annat i form av olja, guld, diamanter, uran och koppar (Aj Labs 2016). De afrikanska länder står för 30 procent av världens mineraler. Det är viktigt att ta hänsyn till att Afrika dessutom utgör en väldigt stor befolknings- och landsandel. Naturresurser är en viktig del av den globala ekonomin (So-rummet 2018). Däremot finns det många länder som trots höga naturresurser, fortfarande är extremt fattiga i världen. En stor anledning till detta, beror på att resurserna är orättvist fördelade i landet, vilket innebär att befolkningen inte får ta del av tillgångarna. Exempelvis det afrikanska landet Angola som äger stora delar av naturresurser i form av diamanter och olja, men trots det lever en stor del av befolkningen i fattigdom. Liknande problematik råder i Demokratiska republiken Kongo. Det kan sammankopplas med institutionell teori i form av brister i institutioner och dålig social infrastruktur.
Enligt Bloomberg (2017) kan naturresurser medföra konflikter, korruption och fattigdom. Länder med mycket tillgångar i form av naturresurser har i många fall lägre tillväxt jämfört med länder med lite naturresurser. Bland ekonomer och samhällsvetare kallas detta för “the resource curse”. Naturresurser förväntas därför ha en positiv effekt på korruptionen i Afrika. Naturresurser kan ha både en positiv och negativ effekt på tillväxten. Den positiva effekten grundas på att mer naturresurser kan innebära högre tillgångar i landet. Naturresurser kan däremot ha en negativ effekt på tillväxten om det till exempel finns brist på investeringar i industrin och dåliga institutioner.
16
4.2 Deskriptiv statistik
Det konstrueras en tabell för deskriptiv statistik över de valda variablerna som används i studiens regressioner. Tabellen ger en överblick för variablernas medelvärde,
standardavvikelse, samt antal observationer. Man kan urskilja att samtliga variabler har stort antal observationerna, vilket är fördelaktigt i regressionen.
Tabell 4.2 Deskriptiv statistik
Variabler Medelvärde Standardavvikelse Observationer Skala
BNP per capita 2401,821 3082,9 1 213 188–20533
CPI 30,96526 11,36249 950 7–66
Initial BNP per capita 1715,027 2145,36 1 152 200–11481
Kapital 21,09022 8,445547 1 104 -2-60 Population 2,405937 0,9994218 1 288 -3-8 Offentlig konsumtion 15,02824 6,857482 1 116 1–62 Handel 72,85965 39,61163 1 155 18–348 Muslimer 0,2592593 0,4383973 1 296 0–1 Kristna 0,5740741 0,4946735 1 296 0–1 Politisk stabilitet -0,5728308 0,9296189 1 101 -3-1 Naturresurser 12,59818 12,94723 1 184 0–84
Källa: World bank, Transparency International, Pew Research Center
Tabell 4.3 visar att Initial BNP per capita, handel, politisk stabilitet och CPI har störst korrelation med BNP per capita i Afrika. Ur tabellen kan man tyda att det finns en positiv korrelation mellan CPI och BNP per capita. Detta indikerar på ett negativt samband mellan korruption och tillväxttakten. Vidare kan man utläsa att korrelationen mellan initial BNP per capita och BNP per capita är positivt. Indikatorer för populationstillväxt och muslimer är de enda faktorer som har en negativ korrelation med BNP per capita. Tabellen visar också att politisk stabilitet, Initial BNP per capita samt offentliga utgifter har den starkaste positiva korrelationen med CPI.
17
Population, naturresurser och muslimer har en negativ korrelation med CPI. Det innebär att högre populationstillväxt och naturresurser samt när majoriteten i landet tillhör Islam, leder till lägre CPI och högre korruption. Indikatorerna för politisk stabilitet och naturresurser i avhandlingen har en hög korrelation med CPI, på cirka 0,66 respektive -0,44, och är statistiskt signifikanta. Därför måste variablerna utelämnas från regressionen där CPI inkluderas som en förklaringsvariabel för att undvika multikollinearitet. Dessa två faktorer förekommer i avhandlingens sista regression där CPI utgörs som den beroende variabeln.
Tabell 4.3 Korrelationsmatris Y β1 β2 β3 β4 β5 β6 β7 β8 β9 β10 BNP per capita 1,00 CPI 0,36 1,00 Initial BNP 0,77 0,47 1,00 Kapital 0,29 0,23 0,23 1,00 Population -0,22 -0,44 -0,31 0,02 1,00 Offentlig konsumtion 0,23 0,42 0,27 0,18 -0,31 1,00 Handel 0,47 0,27 0,47 0,33 -0,29 0,37 1,00 Muslimer -0,23 -0,12 -0,20 -0,06 0,16 -0,21 -0,14 1,0 Kristna 0,19 0,11 0,15 0,003 -0,04 0,27 0,09 -0,69 1,00 Politisk stabilitet 0,37 0,66 0,40 0,21 -0,22 0,32 0,31 -0,14 0,21 1,00 Naturresurser 0,18 -0,44 0,01 0,10 0,32 -0,22 0,15 -0,06 0,13 -0,31 1,00 Källa:World bank, Transparency International, Pew Research Center
18
5.Korruption i Afrika
Tabell 5.1 Indelning av korruption nivåer
Korruptionsnivå Antal länder Beskrivning
0–29 26 Mycket hög
30–49 24 Medel
50–100 4 Låg
Källa: Transparency International (2019)
Tabell 5.2 Ländernas rangordning efter CPI nivå med hänsyn till olika delar i Afrika, 2019
Östafrika: CPI Centralafrika: CPI Västafrika: CPI Södra Afrika: CPI
Somalia 9 Ekvatorialguinea 16 Guinea-Bissau 18 Botswana 61
Sydsudan 12 Kongo-Kinshasa 18 Nigeria 26 Namibia 52
Burundi 19 Kongo-Brazzaville 19 Liberia 28 Sydafrika 44
Eritrea 23 Tchad 20 Mali 29 Lesotho 40
Madagaskar 24 Kamerun 25 Togo 29 Swaziland 34
Zimbabwe 24 Centralafrikanska republiken 25 Guinea 29
Komorerna 25 Angola 26 Niger 32
Moçambique 26 Gabon 31 Sierra Leone 33
Mauritius 28 São Tomé och Príncipe 46 Elfenbenskusten 35
Kenya 28 Gambia 37
Uganda 28 Nordafrika: CPI Burkina Faso 40
Djibouti 30 Sudan 16 Ghana 41
Malawi 31 Libyen 18 Benin 41
Zambia 34 Algeriet 35 Senegal 45
Tanzania 37 Egypten 35 Mauretanien 52
Etiopien 37 Marocko 41 Kap Verde* 58
Rwanda 53 Tunisien 43
Seychellerna 66
19
5.1 Regioner i Afrika
Östafrika
Figur 5.1 CPI värde för samtliga länder i Östafrika 2004–2019
Källa: Transparency International (2019)
Östafrika består av 18 länder varav elva av dem har mycket hög korruption, fem av de resterande länderna har medelhög korruption och två länder har låg korruption. Rwanda och Seychellerna är de länderna som har låg korruption. Seychellerna är Afrikas minst
korrumperade land. Somalia har den högsta korruptionen i Östafrika, som dessutom är Afrikas mest korrupta land. Somalia saknar en demokratisk styrelse och har länge varit drabbad av inbördeskrig samt konflikter mellan olika klaner i landet (Globalis 2019). Landet lider dessutom av naturkatastrofer och en stor del av befolkningen är på flykt. Sedan
diktatorn Siad Barre störtades 1991, har det resulterat att terrorgruppen Al-Shabaab har fått stor makt i landet på grund av laglösheten. Ur figuren kan man urskilja hur korruptionen har utvecklats över de senaste 15 åren. De flesta länder i Östafrika, har haft väldigt lika
korruptionsnivå under denna tidsperiod, utan några stora märkbara skillnader. Seychellerna och Rwanda är de länder som har utvecklats mest och minskat korruptionen under dessa 15 år.
20
Centralafrika
Figur 5.2 CPI värde för samtliga länder i Centralafrika 2004–2019
Källa: Transparency International (2019)
I Centralafrika ingår nio länder där sju av dessa har hög korruption och de resterande två har medelhög korruption. Ekvatorialguinea är landet med högst korruption i Centralafrika. Landet har under en lång period varit ett av Afrikas fattigaste länder men eftersom man upptäckte olja och gas resulterade det i att ekonomin växte (Globalis 2016). Problematiken är att eftersom landet styrs av en diktator, får inte befolkningen ta del av landets intäkter. Det förekommer många rapporteringar om brott mot mänskliga rättigheter eftersom det inte finns ett fungerande och fritt rättssystem. Dessa problem tyder på brister i institutioner och social infrastruktur i landet. Det centralafrikanska landet São Tomé och Príncipe, har lyckats minska korruptionen väldigt bra under de senaste åren och hade lägst korruption i regionen år 2019. De resterande länderna har haft någorlunda lika korruptionsnivå genom tidsperioden 2004– 2019.
21
Nordafrika
Figur 5.3 CPI värde för samtliga länder i Nordafrika 2004–2019
Källa: Transparency International
Nordafrika består av sex länder. Sudan och Libyen har hög korruption. De resterande länderna Algeriet, Egypten, Marocko och Tunisien har medelhög korruption. Sudan styrs av en diktatur och har länge varit drabbad av inbördeskrig och konflikter (Globalis 2016). Även Libyen är en diktatur och är drabbad av krig och konflikter sedan 2011. Inbördeskriget resulterade att diktatorn Muhammar al-Gaddafi störtades (Globalis 2020). Med hjälp av figuren ovanför, kan man urskilja att Libyen drabbades av högre korruption efter 2011 men har sedan 2016 minskat korruptionen en aning. Under de senaste 15 åren kan man urskilja att flera av de nordafrikanska länderna har lyckats minska korruptionsnivån medan flera andra länder har fått högre korruption. Tunisien, Libyen och Sudan hade år 2004 lägre korruption jämfört med 2019. Detta kan till stor del bero på de rådande konflikterna. Algeriet, Marocko och Egypten har 2019 lägre korruption jämfört med 2004.
22
Västafrika
Figur 5.4 CPI värde för samtliga länder i Västafrika 2004–2019
Källa: Transparency International
Denna region i Afrika inkluderar 16 länder. Länderna består av sex högt korrumperade länder, åtta medel korrumperade länder och två svagt korrumperade länder. Mauretanien och Kap Verde är de länderna med låg korruption. Kap Verde har sedan 1990 en stabil demokrati och en högre nationalinkomst per capita än många av de andra länderna i Afrika (Globalis 2013). Trots det, lever en tredjedel av befolkningen i fattigdom. Landet är har en stor
betydelse för sjöfarten mellan Afrika, Europa och Latinamerika. Trots att Mauretanien har låg korruption, har de inte lyckats införa en fungerande och stabil demokrati (Globalis 2013). Landet är mycket outvecklad, har dålig sjukvård och utbildning samt stor brist på
dricksvatten. Det intressanta som kan urskiljas ur figuren som visar korruptionsutvecklingen under tidsperioden 2004–2019, är att det är mycket större spridning mellan länderna under 2019, jämfört med 2004. Ett flertal länder som Kap Verde och Mauretanien har lyckats minska korruptionen väsentligt, medan vissa länder enbart har minskat korruptionen
marginellt. Dessutom finns det länder som Guinea-Bissau, som hade högre korruption 2019 än 2004.
23
Södra Afrika
Figur 5.5 CPI värde för samtliga länder i Södra Afrika 2004–2019
Källa: Transparency International
Södra Afrika består av fem länder. Botswana och Namibia har låg korruption medan Sydafrika, Lesotho och Swaziland har medelhög korruption. Inom denna region, finns det inget land med hög korruption. Botswana har lägst korruption i denna region. Enligt Globalis (2014) är Botswana ett av de mest stabila länderna i Afrika med en demokratisk styrelse och låg korruption. Botswana blev självständigt år 1966 och sedan dess har den ekonomiska tillväxten ökat väldigt mycket. Det kan till stor del bero på att landet har bra institutioner och omfattande naturresurser som de utländska företagen har börjat utvinna. Resonemanget styrker den institutionella teorin som betonar institutionernas betydelse för den ekonomiska tillväxten. I detta fall kan man tydligt se att låg korruption och bra institutioner främjar både demokrati och ekonomisk tillväxt. Ur figuren kan man urskilja att, samtliga länder i regionen Södra Afrika, har haft lika korruption genom åren med enbart marginella skillnader i
24
6. Empirisk modell
Detta avsnitt behandlar studiens empiriska metod som används för analys av sambandet mellan korruption och ekonomisk tillväxt i 54 afrikanska länder. Tidsperioden avgränsas till 1996–2019. Den valda regressionsmodellen presenteras i avsnitt 6.1. Därefter följer en introduktion för modellens antaganden i avsnitt 6.2.
6.1 Regressionsmodell
För att skatta det eventuella sambandet mellan korruption och ekonomisk tillväxt i Afrika under 1996–2019, baseras studien på en linjär regressionsanalys. En linjär regressionsanalys bygger på flera oberoende variabler, vilket är mest passande för analysen (Wooldridge 2015). Regressionen bygger på paneldata, som är hämtad från datakällorna världsbanken, Pew research center och Transparency International. Vid användning av paneldata är det viktigt att välja att antingen använda fixed eller random effects. För att bestämma effekten genomfördes hausman test1 med nollhypotesen att random effect är oberoende från förklaringsvariablerna. Nollhypotesen kunde förkastas på fem procent signifikansnivå och därför används fixed effect i studien.
Regressionsanalysen grundar sig på två regressionsmodeller. Den första modellen används i studiens tre första tabeller och baseras på BNP per capita som den beroende variabeln. Korruption i form av CPI mått är den viktigaste oberoende variabeln i denna
regressionsmodell. För att skapa en mer ingående analys på effekten mellan korruption och tillväxt, används ytterligare sju förklaringsvariabler. Dessa variabler är initial BNP, kapital, population, offentlig konsumtion, handel, muslimer och kristna. Samtliga variabler förutom dummyvariablerna för muslimer och kristna är logaritmerade. Den andra regressionsmodellen som används i uppsatsens fjärde tabell, består av CPI som den beroende variabeln samt politisk stabilitet och naturresurser som förklaringsvariabler. Samtliga tre variabler är
logaritmerade. Denna modell utformas för att skapa en större förståelse för vilka faktorer som påverkar korruptionen i Afrika.
25
Den valda modellen baserar på ordinary least square (OLS), vilket är den valda estimationstekniken. OLS-metoden används vid estimering av parametrarna i en linjär regressionsmodell och passar bra vid användning av paneldata (Wooldridge 2015).
OLS estimat erhålls vid minimering av residualkvadratsumman. I regressionerna inkluderas landspecifika tidstrender för att uppfylla kravet för ceteris paribus, som innebär att allt annat hålls lika. Dessutom tas hänsyn till landspecifik effekt, för att skydda modellen från omitted variable bias. För att kontrollera för heteroskedasticitet används robusta standardfel i
regressionerna. Nedan visas två huvudmodeller som används i regressionsanalysen.
t = år i = land β0 = Intercept
𝜀𝑡= Felterm
6.2 Antaganden
En modell med multipel regressionsanalys och OLS-estimat, kräver flera uppfyllda antaganden (Wooldridge 2015). Om modellen uppfyller dessa antaganden blir estimaten väntevärdesriktig och konsistent. Det har en avsevärd betydelse för modellen. Ett av de viktigaste antagandena är att det ska finnas en linjär relation mellan den beroende variabeln och förklaringsvariablerna. Dessutom får det inte finnas en perfekt multikollinearitet mellan förklaringsvariablerna. Det innebär att förklaringsvariablerna inte får vara helt korrelerade med varandra. Det tredje antagande är att det ska råda homoskedasticitet i regressionen. Därför är det viktigt att kontrollera för heteroskedasticitet genom användning av robusta standardfel i regressionen. Det krävs även uppfylld antagande om att observationerna är oberoende av varandra. Ett annat viktigt antagande är att väntevärdet av feltermen (ε) har ett villkorligt medelvärde noll för alla x, vilket innebär att samtliga förklaringsvariabler är exogena. Om antagandet inte uppfylls, innebär det att något av x-värden är korrelerad med feltermen samt att det finns endogena förklaringsvariabler i regressionen. Det är också viktigt att residualen är normalt distribuerad.
26
Det är viktigt att ta hänsyn till att det är svårt att säkerställa att de grundantagandena för OLS är uppfyllda. Det finns inget statistiskt bevis som visar att korruption och ekonomisk tillväxt är exogena och det går inte att bortse från att det kan finnas en omvänd kausalitet mellan dessa variabler. Det kan leda till endogenitetsproblem som är svår att hantera med den valda metoden, men det är viktigt att ha problemet i åtanke. Flera variabler har dessutom
utelämnats från studien på grund av få observationer och för att undvika kollinearitet. Detta kan däremot leda till utelämnad bias i skattning.
27
7. Resultat
7.1 Samband mellan BNP per capita och korruption
Tabell 7.1 BNP per capita och korruption
OLS (1) OLS (2) OLS (3) OLS (4) OLS (5) OLS (6) Log av CPI 1,133 (11,34) ** 0,297 (7,63) ** 0,065 (1,16) 0,203 (5,49) ** 0,102 (1,64) 0,209 (5,34) ** Log av Initial BNP 0,931 (56,69) ** 2,829 (17,40) ** 0,923 (61,01) ** 2,855 (18,22) ** Log av Kapital 0,399 (9,78) ** 0,056 (2,21) * 0,374 (10,25) ** 0,067 (2,37) * Log av population -0,042 (1,77) -0,034 (1,93) -0,053 (1,91) -0,035 (2,03) * Log av Offentlig konsumtion -0,110 (2,50) * -0,011 (0,39) Log av Handel 0,123 (2,32) * -0,040 (1,44) Muslimer 0,126 (4,19) ** 3,443 (12,43) ** Kristna 0,123 (3,74) ** 0,589 (9,56) ** Landspecifik tidstrend
Nej Ja Nej Ja Nej Ja
Landspecifik effekt
Nej Ja Nej Ja Nej Ja
Förklaringsgrad 0,15 0,99 0,88 0,99 0,88 0,99
Observationer 912 912 814 814 812 812
Not: * p <0.05; ** p <0.01 Beroende variabel: Logaritmen av BNP per capita. T-värde i parentes.
I tabell 7.1 redovisas fem OLS regressioner, där den beroende variabeln är BNP per capita. Samtliga variabler förutom dummyvariablerna för kristna och muslimer är logaritmerade i regressionerna. I de två första regressionerna inkluderades enbart CPI som den enda förklarande variabeln, för att se vilken betydelse denna variabel, på egen hand, har på tillväxten i Afrika. I dessa regressioner finns det totalt 912 observationer. I första modellen används robusta standardfel för att kontrollera för heteroskedasticitet. Modellen tyder på att CPI kan förklara 15 procent av variationen i BNP per capita.
28
I den andra regressionen tas hänsyn till landspecifik tidstrend och landspecifik effekt. CPI är statistiskt signifikant på en procent signifikansnivå i båda regressionerna. I den tredje och fjärde regressionen används CPI, Initial BNP per capita, kapital och population som
förklarande variabler. Antal observationer är 814 i båda modellerna. I den tredje regressionen används robusta standardfel. Samtliga fyra variabler kan förklara 88 procent av variationen i BNP per capita. Initial BNP per capita och kapital är de enda faktorer som är signifikanta, på en procent signifikansnivå. Den fjärde modellen inkluderar landspecifik tidstrend samt landspecifik effekt. CPI samt Initial BNP per capita är statistiskt signifikanta på en procent och kapital är signifikant på fem procent signifikansnivå.
Tabellens två sista modeller, modell fem och modell sex, baseras på åtta förklaringsvariabler. Dessa är CPI, Initial BNP per capita, kapital, population, offentlig konsumtion, handel, muslimer och kristna. Det finns 812 observationer, vilket är en aning lägre än tidigare. Utan hänsyn till landspecifika tidstrender och landspecifik effekt, är de statistiskt signifikanta variablerna Initial BNP per capita, kapital, muslimer, kristna, offentlig konsumtion och handel. De fyra första variablerna är signifikanta på en procent signifikansnivå och de två sista är signifikanta på fem procent signifikansnivå. Vid hänsyn till landspecifika tidstrender och landspecifik effekt är CPI, Initial BNP, kapital, population, muslimer samt kristna
statistiskt signifikanta variabler. Kapital och population är signifikanta på fem procent och de resterande variablerna är signifikanta på en procent signifikansnivå. Trots att
förklaringsgraden för dessa modeller är lika hög som i de två tidigare modellerna, kan man urskilja att flera av de nya variablerna också har en betydande påverkan i regressionerna.
Det skulle även vara intressant att undersöka hur utbildning, politisk stabilitet och
naturresurserna påverkar den ekonomiska tillväxten i Afrika. Eftersom utbildning hade för få observationer samt att politisk stabilitet och naturresurser var starkt korrelerade med CPI, exkluderades dessa faktorer från regressionerna.
29
7.2 Samband mellan korruption och ekonomisk tillväxt i Afrikas regioner
Tabell 7.2 Påverkan på ekonomisk tillväxt i olika regioner av Afrika
Not: * p <0.05; ** p <0.01. Beroende variabel: Logaritmen av BNP per capita. T-värde i parentes.
OLS (1) OLS (2) OLS (3)
Log av CPI 0,209 (5,34) ** 0,098 (1,74) -0,148 (1,89) Log av Initial BNP 2,855 (18,22) ** 0,900 (50,13) ** 0,968 (48,07) ** Log av Kapital 0,067 (2,37) * 0,317 (8,57) ** 0,281 (8,75) ** Log av Population -0,035 (2,03) * -0,029 (1,00) 0,008 (0,31) Log av Offentlig konsumtion -0,011
(0,39) -0,149 (3,22) ** -0,098 (2,28) * Log av Handel -0,040 (1,44) 0,142 (2,75) ** 0,047 (1,03) Muslimer 3,443 (12,43) ** 0,076 (2,67) ** 0,008 (0,27) Kristna 0,589 (9,56) ** 0,180 (4,64) ** 0,143 (3,48) ** Östafrika -0,136 (3,60) ** -2,234 (6,70) ** Västafrika -0,069 (1,74) -1,776 (5,27) ** Centralafrika -0,068 (1,26) 4,167 (4,91) ** Nordafrika 0,160 (4,43) ** 0,131 (0,42) CPI för Östafrika 0,612 (6,67) ** CPI för Västafrika 0,490 (5,66) ** CPI för Centralafrika -1,415 (5,43) ** CPI för Nordafrika -0,015 (0,18) Landspecifik tidstrend Ja Ja Ja Landspecifik effekt Ja Ja Ja Förklaringsgrad 0,99 0,89 0,91 Observationer 812 812 812
30
För att studera hur sambandet mellan korruption och ekonomisk tillväxt, eventuellt skiljer sig mellan de olika regionerna i Afrika, skapades tabell 7.2. I denna tabell, redovisas tre
regressioner med ekonomisk tillväxt som den beroende variabeln. I samtliga regressioner används landspecifik tidstrend samt landspecifik effekt och det finns sammanlagt 812 observationer. De oberoende variablerna är CPI, Initial BNP per capita, kapital, population, offentlig konsumtion, handel, muslimer och kristna.
I den första regressionen visas den övergripande effekten över hela Afrika, utan hänsyn till olika regioner. Denna modell inkluderas i detta avsnitt för att lättare kunna jämföra effekten mellan de olika regionerna samt effekten för hela Afrika. Samtliga variabler förutom offentlig konsumtion och handel är statistiskt signifikanta. I nästa modell, inkluderas fyra
dummyvariabler för de olika regionerna i Afrika. Dessa är Östafrika, Västafrika, Centralafrika samt Nordafrika. Södra Afrika är referensregionen. De åtta
förklaringsvariablerna med hänsyn till olika regioner, förklarar 88 procent av variationen i den beroende variabeln BNP per capita. De statistiskt signifikanta variablerna är Initial BNP per capita, kapital, offentlig konsumtion, handel, muslimer, kristendom, Östafrika och Nordafrika. Samtliga variabler är signifikanta på en procent signifikansnivå.
I den sista OLS-regressionen inkluderas åtta förklaringsvariabler, fyra dummyvariabler för de olika regionerna samt fyra interaktionstermer för CPI i de olika regionerna. Södra Afrika är även i denna regression en referensregion. Ur modellen kan man urskilja, att dessa faktorer tillsammans, förklarar 91 procent av variationen i BNP per capita. Variablerna Initial BNP per capita, kapital, offentlig konsumtion, kristna, Östafrika, Västafrika och Centralafrika samt interaktionstermerna för CPI i Öst-, Väst och Centralafrika är statistiskt signifikanta. Kapital är signifikant på fem procent signifikansnivå och de resterande faktorerna är signifikanta på en procent signifikansnivå.
Koefficienterna för de olika interaktionstermerna, beräknas med hjälp av subtraktion mellan den genererade koefficienter för respektive region och den utelämnade interaktionstermen för Södra Afrika. Med hjälp av de fyra interaktionstermerna, kan man tyda att effekten av CPI skiljer sig mellan olika regioner i Afrika. En procents ökning av CPI i Södra Afrika medför att BNP per capita sjunker med 0,148 procent, om alla andra variabler hålls konstanta. Detta tyder på ett positivt samband mellan korruption och BNP per capita, men koefficienten är inte signifikant. CPI för Östafrika är däremot statistiskt signifikant på en procent signifikansnivå och koefficienten är 0,464 (0,612–0,148). Detta indikerar på att det finns ett positivt samband
31
mellan CPI och den ekonomiska tillväxten i Östafrika. En procents ökning av CPI, resulterar en ökning på 0,464 procent i BNP per capita, om allt annat hålls konstant. Detta innebär att sambandet mellan korruption och ekonomisk tillväxt i Östafrika, är negativt.
Ur modellen urskiljer man att, CPI för Nordafrika har en koefficient på -0,163 (-0,015– 0,148). Sambandet mellan korruption och ekonomisk tillväxt är positivt men koefficienten är inte statistiskt signifikant. CPI för Centralafrika är -1,563 (-1,415–0,148) och innebär att korruption har en positiv påverkan på BNP per capita i Centralafrika. Dessutom är det statistiskt signifikant på en procent signifikansnivå. Koefficienten för Västafrika är 0,342 (0,490–0,148). Det tyder på ett negativt samband mellan korruption och BNP per capita. Tolkningen instruerar att en procents minskning av korruption i Västafrika, leder till att BNP per capita ökar med 0,342 procent, om allt annat hålls lika.
Sammanfattningsvis visar tabellen att effekten av korruption på BNP per capita är negativt och statistiskt signifikant på en procent signifikansnivå i Västafrika och Östafrika. Detta är ett förväntat resultat eftersom det råder hög korruption i Västafrika och Östafrika. Korruption hämmar därför den ekonomiska tillväxten i dessa regioner. Effekten av korruption på ekonomisk tillväxt i Centralafrika är däremot positiv och är också statistiskt signifikant. Korruptionsgrad är lägre i Centralafrika och kan därför ha den motsatta effekten på den ekonomiska tillväxten. Koefficienterna för CPI är inte statistiskt signifikanta i Nordafrika och Södra Afrika. Dessa regioner har relativt hög BNP per capita och låga nivåer av korruption. Det kan vara en av anledningarna till att CPI i dessa regioner inte är signifikant, vid
32
7.3 Samband mellan korruption och ekonomisk tillväxt i olika korruptionsnivå
Tabell 7.3 Påverkan på ekonomisk tillväxt i olika korruptionsnivå
Hög korruption Hög korruption Hög och Medelhög korruption Hög och Medelhög korruption Dummy för CPI -0,086 (6,26) ** -0,055 (3,74) ** -0,067 (4,47) ** -0,050 (2,85) ** Log av Initial BNP 2,743 (15,78) ** 2,665 (14,62) ** Log av Kapital 0,069 (2,25) * 0,079 (2,53) * Log av Population -0,037 (1,94) -0,032 (1,71) Log av Offentliga utgifter 0,018 (0,67) 0,018 (0,65) Log av Handel -0,043 (1,52) -0,036 (1,25) Muslimer 3,163 (10,24) ** 2,982 (9,29) * Kristna 0,454 (7,43) ** 0,388 (6,58) ** Landspecifik tidstrend Ja Ja Ja Ja Landspecifik effekt Ja Ja Ja Ja Förklaringsgrad 0,99 0,99 0,99 0,99 Observationer 912 812 912 812
Not: * p <0.05; ** p <0.01. Beroende variabel: Logaritmen av BNP per capita. T-värde i parentes.
För att skapa ett djupare förståelse för sambandet mellan korruption och den ekonomiska tillväxten i Afrika, undersöks dessutom hur sambandet skiljer sig mellan länder med olika hög korruptionsgrad. Som hjälpmedel skapades två dummyvariabler för olika
korruptionsnivåer med CPI lägre än 30 som representerar högt korrupta länder samt CPI lägre än 50 som representerar högt samt medelhögt korrupta länder. Därefter konstruerades fyra regressioner, två regressioner för respektive grupp. Den beroende variabeln är BNP per capita och den första regressionen för respektive grupp består av CPI som enda förklaringsvariabel. De resterande regressionerna använder sig av ytterligare sju förklaringsvariabler Initial BNP per capita, kapital, population, offentlig konsumtion, handel, kristna och muslimer.
33
I samtliga regressioner används landspecifik tidstrend och landspecifik effekt. Variablerna CPI, Initial BNP per capita, kapital, muslimer och kristna är statistiskt signifikanta i alla sex modeller. Vilket innebär att dessa fem variabler är de viktigaste faktorerna för den
ekonomiska tillväxten i Afrika.
Ur tabellen 7.3. kan det urskiljas att effekten av korruption skiljer sig mellan länderna beroende på olika korruptionsgrader. Länderna med hög korruption har cirka nio procent lägre BNP per capita än länderna med medelhög och låg korruption. När man tar hänsyn till ytterligare förklaringsvariabler Initial BNP, kapital, population, offentlig konsumtion, handel och religion avtar effekten och den ekonomiska tillväxten är cirka tre procent lägre än
tidigare. Vidare visas i regression tre, att länder med hög samt medelhög korruptionsgrad har cirka sex procent lägre BNP per capita jämfört med lågt korrupta länder. Med hänsyn till de resterande förklaringsvariablerna, avtar effekten ytterligare och är cirka fem procent. Det indikerar på att effekten av korruption skiljer sig beroende på korruptionsgraden i landet. Avslutningsvis tyder resultatet på att effekten av korruption på ekonomisk tillväxt är starkare i länder med hög korruption jämfört med länder där korruption är medelhög och hög. En högre CPI resulterar att effekten av korruptionen på tillväxten avtar. Detta bekräftar de tidigare resultat från föregående tabell där effekterna skiljer sig mellan de olika afrikanska regionerna.
7.4 Vad orsakar korruption i Afrika?
Tabell 7.4 KorruptionOLS (1) OLS (2)
Log av Politisk stabilitet 0,359 (15,14) ** 0,026 (0,64) Log av Naturresurser -0,074 (13,22) ** 0,007 (0,50)
Landspecifika tidstrender Nej Ja
Landspecifik effekt Nej Ja
Förklaringsgrad 0,45 0,85
Observationer 756 756
34
I föregående tabeller bekräftades antagandet om att det finns ett statistiskt samband mellan korruption och ekonomisk tillväxt i Afrika under 1996–2019. Detta gör det intressant att undersöka vilka faktorer som orsakar korruptionen. I tabell 7.4 skapades två
OLS-regressioner med CPI som den beroende variabeln. Index för korruption antar värde mellan 0–100, där värdet 0 indikerar på hög korruption medan värdet 100 indikerar på låg
korruption. Förklaringsvariablerna utgörs av de två mest betydande variablerna som förväntas ha den största effekten på korruption. Dessa faktorer är politisk stabilitet och naturresurser. Båda variabler är logaritmerade. Båda regressionerna har totalt 756 observationerna, vilket är någorlunda högt.
I den första regressionen används robusta standardfel för att kontrollera för
heteroskedasticitet. Modellen erhåller en förklaringsgrad på 45 procent. Detta indikerar på att 45 procent av variationen i variabeln korruption kan förklaras av förklaringsvariablerna politisk stabilitet och naturresurser. Båda variabler är statistiskt signifikanta på en procents signifikansnivå. Dessa variabler är därför viktiga för modellen. Indikatorn för politisk
stabilitet har en positiv effekt på CPI, alltså en negativ effekt på korruptionen. Högre politisk stabilitet leder till lägre korruption. En procents ökning i politisk stabilitet resulterar en ungefärlig ökning med 0,36 procent i CPI, om den andra förklaringsvariabeln hålls konstant. Indikatorn för naturresurser har en negativ effekt på CPI. En procents ökning i naturresurser resulterar en ungefärlig minskning med 0,07 procent i CPI, om allt annat hålls konstant. Högre naturresurser leder alltså till ökad korruption i Afrika och borde därmed ha en negativ påverkan på tillväxten. I den andra OLS-regressionen inkluderas landspecifik tidstrend och landspecifik effekt. I denna modell är ingen av variablerna statistiskt signifikanta. Ur modellen kan man dessutom urskilja att både politisk stabilitet och naturresurser har en negativ påverkan på korruptionen i Afrika vilket skiljer sig från föregående modell.
