NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet
Uppsats Fortsättningskurs D Författare: Göran Toivonen Handledare: Christian Nilsson Termin och År: VT 2006
Konvergerar BNP per capita-utvecklingen
Sammanfattning:
Detta är en empirisk studie om konvergerande BNP per capita-utveckling i Östeuropa. Både absolut och betingad konvergens har undersökts. Absolut konvergens innebär att fattigare ekonomier har högre tillväxt än rikare ekonomier. Betingad konvergens innebär att ekonomierna konvergerar mot sin egen jämviktsbana. Resultaten i denna uppsats tyder på att absolut konvergens inte förekommer i Östeuropa under tidsperioden 1990 till 2003. Förklaringen utifrån Solow-modellen är att länderna har olika jämviktsbanor. Resultaten tyder dock på betingad konvergens och att hastigheten som produktionsgapet minskar med är 28 procent per år.
INNEHÅLLSFÖRTECKNING
1. Inledning 4
2. Teori 5
2.1 Förklaringar till brist på absolut konvergens 10
2.2 Modell med regionsspecifika dummyvariabler 12
Inledning
Denna uppsats skall undersöka huruvida BNP per capita-konvergens skett inom Östeuropa efter 1990. Absolut konvergens innebär att fattigare länder har högre BNP per capita-tillväxt än de rikare länderna. Om det förekommer konvergens är förklaringen enligt Solow-modellen, som bygger på antagandet att ekonomin är sluten, att marginalprodukten är avtagande. Detta innebär att tillväxten är högre ju längre en ekonomi befinner sig ifrån sin jämviktsbana. Detta gäller under antagande att alla länder har samma produktionsfunktion samt att sparandekvot, befolkningstillväxt och avskrivningstakt är desamma i alla länder. Barro och Sala-i-Martin (1999: 26) har visat att för ett stickprov på 118 länder så verkar det inte finnas någon grund för absolut konvergens. Däremot fann de ett tydligt negativt samband mellan initiell BNP per capita och tillväxten för OECD-länder. Då OECD-länderna kan beskrivas som en mer
homogen grupp länder så ter det sig inte så överraskande. Även Baumol (1986) ger stöd för tesen om absolut konvergens inom en homogen grupp länder.
Länderna i Östeuropa har efter avskaffandet av det socialistiska systemet i början av 1990-talet haft olika utveckling. En grupp länder har sökt sig närmare Västeuropa och anpassat sin ekonomi för en anslutning till den Europeiska Unionen. Några länder, till exempel
Vitryssland och Ukraina, ligger närmare Ryssland i sina relationer och politik än EU. Då länderna har haft så olika utveckling anser jag det rimligt att anta att de heller inte har samma jämviktsbana. Därmed borde länderna inte konvergera mot en gemensam jämviktsbana, vilket innebär att absolut konvergens inte förekommer.
Teorin om konvergens härstammar från Solow-modellen (1956) och innebär att länderna närmar sig jämviktsbanan i ekonomin. Teorin om konvergens går också att tillämpa inom en grupp ekonomier som har olika jämviktsbanor. För att se om konvergens förekommer för dessa länder bör man därför specificera en modell som tar skillnaderna mellan ländernas jämviktsbanor i beaktande. Genom att tillämpa paneldataestimation med tids- och
regionsspecifika dummies kan dessa skillnader i jämviktsbanor fångas. Detta kommer jag att kalla för betingad konvergens.
2. Teori
I detta avsnitt beskrivs teorin för absolut och betingad konvergens enligt den modell som Sala-i-Martin och Barro (1999) utarbetat. Stycket om paneldataestimation utgår från Tondl (1999). Teorin för konvergens bygger på Solows (1956) neoklassiska tillväxtteori.
Teorin bakom konvergens startar i den neoklassiska produktionsfunktionsanalysen där produktionen Y vid tidpunkten t är en funktion av fysiskt kapital, K, och arbetskraft, L, samt teknisk utveckling A. ) , ( t t t t F K AL Y = (1)
Funktionen har konstant skalavkastning. Utöver de nämnda faktorerna i ekvation (1) antas graden av sparande,
Y S
s= , vara exogent given. Faktorerna K och L antas ha avtagande
marginalproduktivitet vilket innebär att kapitalets marginalproduktivitet går mot oändligheten när kapitalet går mot 0 samt att marginalproduktiviteten går mot 0 när kapitalet går mot oändligheten. Det samma gäller för arbetskraften.
Produktionsfunktionen kan skrivas om enligt följande:
( )
k fy= (2)
Här är y produktion per effektiv arbetare och k är kapital per effektiv arbetare. Kapitalstocken per effektiv arbetare påverkas av sparandekvoten, s, arbetskraftstillväxten, n, och
kapitalförslitning, δ. Jämviktskapitalstocken per arbetare, k*, uppnås då investeringarna, sf(k), är lika med den effektiva kapitalförslitningen för kapital per arbetare (n + δ)k.
sf(k*) = (n + δ)k* (3)
kapitalförslitningen för kapital per arbetare. Detta leder till att kapitalstocken ökar och närmar sig jämviktskapitalstocken. Denna anpassningsprocess kan illustreras grafiskt:
Figur 1: Solow-modellen k (n+δ)k f(k) sf(k) k* k(0) I y y* y(0) y c
Vid k(0) i figur 1 är investeringstakten högre än kapitalförslitningen. Därmed ökar
kapitalstocken per effektiv arbetare. Detta pågår tills jämviktskapitalstocken, k*, uppnås. Då investeringarna, sf(k), är avtagande i k innebär det att ju längre en ekonomi ligger från sin jämviktsbana desto snabbare minskar gapet mellan faktisk produktionsnivå, y(0), och produktionen i jämviktsbanan, y*. (Barro och Sala-i-Martin, 1999:18)
Enligt Solow-modellen förekommer absolut konvergens i en grupp ekonomier med samma jämviktsinkomst per capita, och som skiljs åt endast av olika initiell kapitalstock per capita. Detta innebär att graden av sparande, befolkningstillväxt och kapitalförslitning är densamma i denna grupp av ekonomier. Under dessa förutsättningar skulle fattigare ekonomier alltså ha högre tillväxt än rikare. Detta kan testas empiriskt med följande modell:
( )
i it i iT a b y u y y + − = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ 0 0 log log (4)där yiT är BNP per capita för landet i vid tidpunkten T, yi0 är initiellt BNP per capita, uit en
vara normalfördelad med noll som medelvärde, och ha samma varians för alla ekonomier samt vara oberoende över länder och tid. Vänsterledet, ⎟⎟
⎠ ⎞ ⎜⎜ ⎝ ⎛ 0 log i iT y y
, är den relativa BNP per capita tillväxten.
Ekvation (4) har visats hålla för en homogen grupp ekonomier, vilka också kan antas ha samma jämviktsinkomstnivå per capita.
Barro och Sala-i-Martin (1999:27) fann ett negativt samband mellan intitialt BNP per capita och BNP per capita-tillväxt inom OECD-länder för perioden 1960 till 1985. De har även funnit ett negativt samband inom delstater i USA för perioden 1880 till 1990. Dessa resultat stämmer överens med Baumols (1986). Baumol testade för absolut konvergens för en grupp av 16 industrialiserade länder för tidsperioden 1870 till 1979. Barro och Sala-i-Martin (1999) undersökte även förekomsten av absolut konvergens för en grupp med 118 länder för samma tidsperiod, men fann inget negativt samband för denna grupp.
Barro och Sala-i-Martin (1999) visade att absolut konvergens inte håller för en icke homogen grupp ekonomier, till exempel alla länder, beroende på att länder som har olika andel utbildad arbetskraft, skillnader i sparkvot och befolkningstillväxt eller skilda ekonomiska preferenser kommer att ha olika jämviktsbanor.
För att förklara hur ekonomier konvergerar mot jämviktskapitalstocken skall jag illustrera med två exempel. Det första exemplet är två ekonomier med samma jämviktskapitalstock per effektiv arbetare men olika initiell kapitalstock. Det andra exemplet är två ekonomier som skiljer sig både vad gäller initiell kapitalstock och jämviktskapitalstock per effektiv arbetare. Jag utgår från ekvation (3) sf(k*) = (n + δ)k*. Denna ekvation kan skrivas om som sf(k*)/k* = n + δ genom att dividera båda leden med k*. Med denna modell kan man grafiskt illustrera hur två ekonomier med samma jämviktsbana har olika tillväxttakt beroende på initiell kapitalstock per effektiv arbetare.
Figur 2 visar att det fattigare landet med mindre kapitalstock per effektiv arbetare än det rikare landet väntas ha snabbare tillväxttakt än det rikare landet, på grund av att
än i det rikare. Om k > k* är tillväxttakten negativ och k faller mot k*. (Barro och Sala-i-Martin (1999:23))
Figur 2: Absolut konvergens
k Tillväxttakt > 0 Tillväxttakt < 0 n + δ k* k(0)rik k(0)fattig sf(k)/k y y
Om man istället antar två ekonomier med olika jämviktsbanor måste modellen anpassas till en situation där ekonomierna konvergerar mot sina respektive jämviktsbanor. I en sådan situation är tillväxten högre i den ekonomi som ligger längre ifrån sin jämviktsbana. Detta kallas för betingad konvergens.
Figur 3: Betingad konvergens
Figur 3 visar betingad konvergens. Här har den rika ekonomin högre sparandekvot och befinner sig längre från sin jämviktsbana än den fattiga. Därmed antas den rika ekonomin, enligt modellen, ha högre tillväxt än den fattiga. Detta innebär att det inte sker någon absolut konvergens i detta fall. (Barro och Sala-i-Martin (1999:29))
För att mäta hur snabbt ekonomierna konvergerar mot sina respektive jämviktsbanor kan följande modell användas:
( ) (
)
[
(
)
]
i i T T i iT y x e T y y u y T log / 0 1 / log( / 0) 0 / 1 = + − −β ∗ + (5)där ui0T är en felterm,
( ) (
1/T log yiT /yi0)
är genomsnittlig årlig BNP per capita tillväxt ochtillväxttakten i jämvikt är x. Termen uttrycker produktionsgapet per capita för landet itill produktionen per capita i jämvikt, y*. Koefficienten
) / log(y yi0
∗
(
1−e−βT)
/T uttrycker tillväxtstakten för i förhållande till dess jämviktsbana. yiFigur 4: Tillväxttakt (1/T)log(yiT/yi0)
x T
Figur 4 visar att den genomsnittliga årliga tillväxttakten, (1/T)log(yiT/yi0), avtar med T.
Detta innebär att om T går mot oändlighet går den genomsnittliga årliga tillväxttakten mot x.
I praktiken går det inte att bestämma något exakt värde för per capita
interceptet är a≡ x+
[
(
1−e−βT)
/T]
log( )
y* . Därmed blir ekvation (5) enklare att estimera. (Tondl 1999)( ) (
)
[
(
)
]
i i T T i iT y a e T y u y T log / 0 1 / log( 0) 0 / 1 = − − −β + (6)Interceptet skall tolkas som stickprovets jämviktsproduktion och β visar hur stor andel av produktionsgapet, , som försvinner per år. Barro och Sala-i-Martin (1990) undersökte β-konvergens för amerikanska delstater under olika tioårsperioder och fann att värdet för β varierade mellan 0,02 och 0,03. Tondl (1999) fann att hastigheten för konvergens bland regioner i Europa låg mellan två och tre procent. Den ekonomiska tolkningen av ett β-värde på 0,02 kan tolkas som att det tar 35 år för en ekonomi att halvera sitt produktionsgap. (Tondl 1999)
) / * log(y yi0
I ekvation (6) går det inte att skilja de olika ekonomiernas jämviktslägen åt. Vid undersökning av betingad konvergens måste man därför inkludera variabler som kan belysa skillnader mellan ekonomiernas per capita jämviktsproduktionsnivå, y*.
( ) (
)
[
(
)
]
i i i T T i iT y a e T y X u y T log / 0 1 / log( 0) 0 0 / 1 = − − −β +ψ + (7)Här är en vektor av variabler som bestämmer skillnaderna mellan de olika ekonomiernas per capita jämviktsproduktionbana. De variabler som i empiriska undersökningar visat sig bäst att förklara skillnaderna mellan ekonomiers per capita jämviktsproduktionsbanor är tillgången på humankapital (Barro 1991), investeringarnas andel av BNP och utrikeshandelns andel av BNP (Levine och Renelt 1992).
0 i
X
2.1 Förklaringar till brist på absolut konvergens
Hitintills har jag endast visat på hur konvergens kan uppstå i Solow-modellen. Enligt Solow-modellen uppstår konvergens då ekonomierna närmar sig per capita
Barro (1991) och Levine och Renelt (1992) undersökt vilka variabler som visat sig vara bäst på att förklara skillnader mellan ekonomiers per capita jämviktsbanor. Jag kommer inte att vidare studera genom vilka kanaler konvergens uppstår, men det kan ändå vara av intresse att ge exempel på olika förklaringar till konvergens.
Ben-David (1998) argumenterar för att frihandel har en positiv effekt på tillväxt och bidrar till konvergens. Hans motivering till detta är att ju öppnare en ekonomi är desto högre är
konkurrenstrycket utifrån. Detta innebär att ekonomin snabbare måste ta till sig utländsk kunskap för att klara av den hårdare konkurrensen. Ben-David (1998) menar att även om frihandel bidrar till konvergenseffekter så är det inte på bekostnad av de rikare ekonomierna. Som ett tecken på detta är att ekonomier som tillhörde de rikare före andra världskriget låg på en högre jämviktsbana även efter det andra världskriget. Med samma resonemang som
ovanstående förklarar Ben-David (1998) också varför fattiga länder inte har samma
konvergenseffekter som rikare länder. Detta beror på att fattigare länder har fler handelshinder som därmed sänker konkurrenstrycket på de inhemska företagen och därför överförs inte kunskap till dessa i samma takt som till företag i rikare länder.
Baumol (1994:78) har fört fram att det finns ”konvergensklubbar” där absolut konvergens förekommer inom ”klubben” men att det inte förekommer bland de länder som inte är medlemmar. Medlemmarna i klubben har sedan industrialiseringens början ökat. Det kan förklaras med att de länder som ligger utanför klubben ligger efter i teknisk utveckling och därmed kan dra nytta av att överföra teknik från de tidigare utvecklade länderna.
Överföringen av teknik sker allt snabbare ju närmare ett land är i teknisk utveckling. Denna process beror på att länderna utanför klubben har mer att lära av de rikare länderna än vad de rikare länderna har att lära av dem. Dock verkar det som att de minst utvecklade länderna inte kan ta del av denna process då de saknar ingenjörer och forskare för att kunna få till stånd överföringen av teknik.
2.2 Modell med regionsspecifika dummyvariabler
Tondl (1999) tillämpade därför landsspecifika dummyvariabler för att beskriva skillnaderna mellan länder.
( ) (
)
[
(
)
]
i n(
i)
i T T i iT y a e T y land u y T log / 0 1 / log( 0) 1 0 / 1 = + − β +γ − + (8)Variabeln land är n-1 stycken dummyvariabler som används för att fånga varje lands per capita jämviktsproduktionsbana och γn−1 är koefficienten för landdummyvariabeln. För att
estimera ovanstående används non-linear least squares.
”Cross-Section” modellen som presenterats ovan har fått kritik på grund av problem med icke observerade variabler som antas påverka ekonomins per capita jämviktsproduktionsbana. Om man tillämpar paneldataestimation kan man inkludera regions- och tidsspecifika dummies som kan vara svåra att fånga i en ”cross-section” regression. (Islam 1995)
För att tillämpa paneldata antar vi först att T = 1 i ekvation (6). Modellen kan då skrivas:
(
)
it it t i t i y a e y y, −log ,−1 = − 1− −β log ,−1+ε log (9)Feltermen εit antas här bestå av ai, en observerad individuell effekt som är konstant över
tiden, λt som är en tidseffekt som är lika över alla ekonomier och uit som är det slumpmässiga
felet. Detta gör att modellen nu kan skrivas på en form att det går att med paneldataestimation testa förekomsten av konvergens.
it t t i i t i t i y a b y u y, −log ,−1 = − log ,−1+λ + log (10)
I ekvation (10) representerar b det förväntade negativa sambandet mellan
tillväxten,
(
logyi,t −logyi,t−1)
, och initiellt BNP per capita, . Vilket innebär attI ekvation (10) är en regionsspecifik fix effekt för hela perioden. Modellen har därmed ett rörligt intercept tillskillnad mot ”cross-section” modellen. I ekvation (10) är det som definierar respektive ekonomis jämviktsbana. Därmed blir det de förklarande variablerna och dummyvariablerna som i ekvation (7) och (8) representerade skillnaderna i jämviktsbanan, nu fångade av det variabla interceptet. Per capita-jämviktsproduktionsbanan i ekonomi i
definieras: i a i a b a yi* = i/ (12)
där λtär en tidsspecifik effekt som påverkar alla ekonomier lika vid tidpunkt t. Denna term
kan fånga till exempel generella teknikskiften och efterfrågefluktuationer.
de la Fuente (2000) har empiriskt undersökt betingad konvergens inom EU under tidsperioden 1980 till 1994 och fann attb var 0,26, vilket innebär att gapet mellan produktionen och per capita jämviktsproduktionsnivå avtar med 29 procent per år. Tondl (1999) har undersökt betingad konvergens inom olika regioner i Europa under tidsperioden 1975 till 1994 och fann att värdet för var 0,19. Det ger att den årliga graden av konvergens var ungefär 21 procent. b
Vid estimering av ekvation (10) tillämpas OLS, vilket på paneldata och med hänsyn tagen till eventuell förekomst av fixa effekter kallas för (LSDV) modell, least-square dummy variable. (Gujarati 2003)
3 Empiri
Detta avsnitt kommer först att behandla data. Sedan undersöks om det förekommer absolut konvergens i Östeuropa. Om det inte finns indikationer för absolut konvergens i Östeuropa kan det bero på två saker. Den första är att det inte förekommer konvergens. Den andra anledningen är att det förekommer konvergens men länderna har olika per capita
3.1 Data
Data är från World Development Indicators 2005. Respektive lands bruttonationalprodukt har dividerats med landets population i mitten av det aktuella året. Serien är uttryckt i U.S. dollar och konstanta priser med år 2000 som basår. Serien går från år 1990 till 2003 men undantag för Serbien och Montenegro där serien sträcker sig från 1993 till 2003 samt Bosnien och Hercegovina där serien sträcker sig från 1995 till 2003. Jag valde att inleda serien med år 1990 på grund av att flera av de länder som ingår i undersökningen bildades då och data därmed inte finns tillgänglig för dessa länder tidigare. Jag har även undersökt konvergens för Västeuropa och då studerat de länder som ingick i den Europeiska Unionen år 1995. Som motivering till detta val av länder är att jag sökte en grupp länder som skulle kunna antas ha samma jämviktsbana, y*.
3.2 Absolut konvergens
Absolut konvergens innebär att fattigare länder har högre tillväxt än rikare länder och därmed närmar sig de fattigare ländernas BNP per capita de rikare ländernas. Detta har visat sig hålla för en grupp ekonomier som kan antas ha samma jämviktsbana, till exempel OECD-länderna. Östeuropa kan däremot antas vara en icke-homogen grupp ekonomier som inte kan antas ha samma per capita jämviktsproduktionsbana. Den ekonomiska utvecklingen har varit mycket olika bland de länder som studeras i denna uppsats. Vissa länder har gått med, eller ansökt om medlemskap, i den europeiska unionen1 och därmed anpassat sin ekonomi för de kriterier som gäller för medlemskap. Vitryssland och Ukraina däremot har inte i samma utsträckning
lyckats genomföra marknadsekonomiska reformer som de övriga länderna (Bulletin EU 12-1996). Länderna på Balkan har under tidsperioden som studerats genomlidit flera krig.
1 Estland, Ungern, Polen, Tjeckien, Slovenien, Lettland, Litauen, och Slovakien blev medlemmar 2004.
Tabell 1. BNP per capita för Östeuropa
Land 1990 2003 Genomsnittligårlig tillväxt Bosnien och Hercegovina 391,46* 1225,18 15,33% Serbien och Montenegro 752,07* 1199,59 4,78%
Polen 3052,51 4634,42 3,26% Albanien 983,53 1392,04 2,71% Slovenien 8012,73 10411,45 2,03% Estland 3787,10 4841,44 1,91% Ungern 4168,65 5103,34 1,57% Slovakien 3703,09 4235,36 1,04% Tjeckien 5249,89 5865,94 0,86% Vitryssland 1409,78 1513,16 0,55% Bulgarien 1723,60 1835,08 0,48% Kroatien 4498,58 4750,60 0,42% Lettland 3904,41 4115,75 0,41% Rumänien 1923,79 1963,21 0,16% Litauen 4323,42 4077,52 -0,45% Makedonien 2067,09 1740,02 -1,32% Ryssland 2602,25 2138,33 -1,50% Ukraina 1386,94 812,49 -4,03% Moldavien 835,35 369,66 -6,08%
* Data tillgänglig från 1995 för Bosnien och Hercegovina och från 1993 för Serbien och Montenegro
Figur 5. Årlig tillväxt och initiellt BNP per capita2. -.08 -.04 .00 .04 .08 .12 .16 -.08 -.04 .00 .04 .08 .12 .16 0 1000 3000 5000 7000 9000
Å
r
l
i
g
t
i
l
l
v
ä
x
t
Initiell BNP per capita
Inte heller då tillväxt och initiellt BNP per capita är plottat i en figur går det att se något samband som tyder på absolut konvergens inom Östeuropa. I figur 5 verkar snarare det omvända föreligga, nämligen ett svagt positivt samband mellan tillväxt och initiell BNP per capita. Volatiliteten i tillväxttakt verkar vara högre ju lägre initiellt BNP per capita är. Detta kan vara en indikation på att länderna inte har samma per capita jämviktsproduktionsnivå, där skillnaden i tillväxttakt, enligt Solow-modellen, kan förklaras av skillnader i
produktionsgapets storlek.
I tabell 2 har jag undersökt huruvida absolut konvergens förekommer i Östeuropa. Ekvation (4) har använts för att studera sambandet mellan tillväxt och initiellt BNP per capita. Negativt tecken för b innebär att fattigare länder har snabbare tillväxt än rikare och att absolut
konvergens förekommer. Regressionen är genomförd med OLS och feltermerna är
korrigerade med Whites heteroskedasticitetskonsistenta feltermer. Bosnien och Hercegovina och Serbien och Montenegro är inte med i regressionen då data saknas för 1990 för dessa länder.
2
Tabell 2. Absolut konvergens
Östeuropa Västeuropa
Variabel Koefficient Koefficient
a 1,736 (0,001) 1,147 (0,000) b 0,033 (0,165) -0,0098 (0,003) n 17 15 R2 0,038 0,51
Siffrorna inom parentes är p-värden
I tabell 2 framgår det att b inte är statistiskt signifikant på fem procents nivå. Resultatet kan därmed tolkas som att absolut konvergens inte förekommer i Östeuropa. Detta innebär att jag inte finner stöd för att fattiga länder skulle ha högre tillväxttakt än rikare länder i Östeuropa. Resultatet är enligt min uppfattning det förväntade då det enligt Solow-modellen endast förekommer absolut konvergens inom en homogen grupp ekonomier. Då den ekonomiska och politiska utvecklingen har varierat mellan länderna sedan 1990 ter det sig inte troligt att länderna skulle ha samma jämviktsbana.
Resultaten kan jämföras med länderna i Västeuropa för samma tidsperiod. De länder jag studerat är medlemsländerna i Europeiska Unionen år 1995. Anledningen att jag valde dessa länder är att samarbetet inom den Europeiska Unionen skulle kunna ge en antydan om att länderna är någorlunda homogena och har samma jämviktsbana. Resultatet indikerar absolut konvergens inom Västeuropa (högra kolumnen i tabell 2). Koefficienten för b visar ett svagt negativt samband mellan BNP per capita tillväxt och initiellt BNP per capita och är statistiskt signifikant på femprocentsnivån. Resultatet för Västeuropa skulle, utifrån Solow-modellen, kunna förklaras med att marginalproduktiviteten för kapital är högre för fattigare länder än för rikare länder.
capita nivå. Dock överförs inte kunskap till de länder som är utanför ”klubben” då de
utvecklingsmässigt ligger så pass mycket efter de länder som leder att de inte kan tillgodogöra sig ny kunskap och teknik då de saknar ingenjörer och forskare.
3.3 Betingad konvergens
I tabell 2 kunde absolut konvergens förkastas för Östeuropa. Detta kan antingen tyda på att konvergens inte förekommer i Östeuropa eller att länderna konvergerar mot jämviktsbanan men att länderna har olika jämviktsbanor. För att undersöka huruvida länderna konvergerar har jag med ekvation (10) undersökt om länderna konvergerar mot respektive jämviktsbana. Om betingad konvergens förekommer är koefficienten för b negativ. Den hastigheten, β, som gapet mellan produktionen i land i och jämviktsproduktionen, , försvinner med
fås ur följande formel: ) / log(y yi0 ∗ ) 1 ln( −b − =
β . Dummyvariabeln för länder beskriver skillnaderna mellan ländernas jämviktslägen och jämviktsläget fås ur följande formel: .
Tidsdummyn är en exogen effekt som påverkar alla länder lika vid tidpunkt t och kan beskriva till exempel generella effekter av teknikskifte eller efterfrågebortfall.
b a yi i/
Tabell 3. Betingad konvergens i Östeuropa 13 observationer
19 ”cross-sections”
Sammanlagt 239 observationer
Utan trend Med trend
Variabler Koefficient p-värde Koefficient p-värde
a 1,648 0,000 1,640 0,000
b -0,242 0,000 -0,242 0,000
Trend -0,001 0,812
Fix effekt (cross)
Albanien -0,034 0,199 -0,026 0,560 Bosnien och Hercegovina 0,037 0,226 0,046 0,334 Bulgarien 0,062 0,021 0,070 0,110 Estland 0,271 0,000 0,279 0,000 Kroatien 0,280 0,000 0,288 0,000 Lettland 0,216 0,000 0,224 0,000 Litauen 0,227 0,000 0,235 0,000 Makedonien 0,070 0,012 0,078 0,079 Moldavien -0,336 0,000 -0,328 0,000 Polen 0,294 0,000 0,302 0,000 Rumänien 0,085 0,002 0,094 0,036 Ryssland 0,087 0,003 0,095 0,036 Serbien och Montenegro -0,060 0,039 -0,052 0,262 Slovakien 0,261 0,000 0,269 0,000 Slovenien 0,487 0,000 0,495 0,000 Tjeckien 0,357 0,000 0,365 0,000 Ukraina -0,147 0,000 -0,139 0,002 Ungern 0,309 0,000 0,317 0,000
Fix effekt (tid)
1992 -0,035 0,122 -0,034 0,144 1993 0,020 0,390 0,022 0,376 1994 0,018 0,448 0,012 0,440 1995 0,060 0,013 0,065 0,035 1996 0,082 0,001 0,088 0,009 1997 0,085 0,000 0,091 0,014 1998 0,087 0,000 0,095 0,019 1999 0,075 0,001 0,084 0,056 2000 0,115 0,000 0,126 0,010 2001 0,122 0,000 0,134 0,011 2002 0,148 0,000 0,160 0,005 2003 0,153 0,000 0,167 0,006 Adj R2 0,54 0,54
2,6 år3. I estimeringen av konvergens representerar Vitrysslands intercept och
dummyvariablerna är avvikelsen från det. Sexton av de regionsspecifika dummyvariablerna är statistiskt signifikanta på femprocentsnivån. Detta är en indikation på att länderna har olika jämviktsbanor. Den fixa effekten över tiden är statistiskt signifikant från och med 1995 och blir starkare därefter. Det kan bero på att det är en trend över tiden. Detta har undersökts i den fjärde kolumnen i tabell 3
a
4. Koefficienten för trend är inte statistiskt signifikant vilket innebär
att jag inte kan finna någon trend i datasetet.
4. Slutsatser
I denna uppsats kan jag inte finna empiriskt stöd för att absolut konvergens förekommer för länderna i Östeuropa. Absolut konvergens innebär att fattigare länder har högre tillväxttakt än rikare länder. Att absolut konvergens inte förekommer kan förklaras med Solow-modellen. Enligt Solow-modellen har länder som ligger längre ifrån jämviktskapitalstocken högre tillväxt än länder som ligger närmare jämviktskapitalstocken på grund av att
investeringsfunktionen är avtagande. Om länderna har olika jämviktsbanor kan länderna konvergera mot sina respektive jämviktsbanor istället för ett gemensamt. Detta har jag i uppsatsen kallat betingad konvergens.
Denna uppsats har även undersökt förekomsten av betingad konvergens inom Östeuropa. Jag har funnit att hastigheten som gapet mellan faktisk produktion och respektive lands
jämviktsproduktionsbana minskar med är ungefär 28 procent per år. Detta innebär att gapet mellan faktisk produktion och jämviktsproduktionen halveras på ungefär 2,6 år. Resultatet för Östeuropa skiljer sig från de resultat jag fann för Västeuropa. Resultatet tyder på att länderna i Västeuropa anpassar sig mot en gemensam per capita jämviktsproduktionsbana. En förklaring till detta kan vara att den ekonomiska situationen har varit mer stabil i Västeuropa under perioden och få förändringar har skett i sparandekvoten.
Denna uppsats har endast behandlat huruvida konvergens förekommer. Som förslag på vidare studier kan man undersöka om hastigheten för konvergens har förändrats över tiden genom att jämföra mellan olika tidsperioder. Svårigheter med en sådan studie är att nya länder har uppkommit varvid svårigheter med att finna korrekta dataserier kan uppkomma.
3 Halveringstiden beräknas med följande formel t=ln (2)/β
Referenser
Barro, R (1996), “Democracy and Growth” Journal of Economic Growth, vol 1(1) s 1-27. Barro, R och X Sala-i-Martin (1990), ”Economic growth and convergence across the United States”, National Bureau of Economic Research.
Barro, R och X Sala-i-Martin (1991), ”Convergence across states and regions”, Brooking Papers on Economic Activity, 107-187.
Barro, R och X Sala-i-Martin (1999), Economic Growth, MIT Press, Cambridge.
Baumol, W J (1986) “Productivity, Growth, Convergence and Welfare: What the Long-Run Data Show” American economic review, vol 76(5), s 1072-1085.
Baumol, WJ, Nelson, RR och EN Wolf (1994), Convergence of Productivity, Oxford University Press, New York.
Ben-David, D (1998), “Free Trade, Growth and Convergence”, Journal of Economic Growth vol 3, s 143-170.
de la Fuente, A (2000), “Convergence Across Countries and Regions: Theory and Empirics”, UFAE and IAE Working Papers, nr 555.02
Gujarati D N (2003), Basic econometrics, McGraw-Hill, New York.
Islam, N (1995), “Growth Empirics: A Panel Data Approach”, Quarterly Journal of Economics, vol 110, s 1127-1170.
Levine, R och D Renelt (1992), ”A Sensitivity Analysis of Cross-Country Growth Regressions”, American economic review, vol 82(4), s 942-963.
Solow, RM (1956), “A Contribution to the Theory of Economic Growth” Quaterly Journal of Economics, Vol 70 s 65-94
Tavares, J och R Wacziarg (2001), “How Democracy Effects Growth”, European Economic Review, vol 45, s. 1341-1378.
Temple, J (1999), ”The New Growth Evidence”, Journal of Economic Literature, vol 37, s 112-156.
Tondl, G (1999), “The changing pattern of regional convergence in Europe” Jahrbuch für Regionalwissenschaft, vol 19, s 1-33
World Development Indicators 2005
