Tillväxt i utvecklade ekonomier och betydelsen av storlek

Kandidatuppsats i nationalekonomi, 15 hp Nationalekonomi C100:2

HT 2020

TILLVÄXT I UTVECKLADE EKONOMIER OCH

BETYDELSEN AV STORLEK

Jonas Enevång, William Kjerstensson

Abstract

This study analyzes how factors that are related to population size of countries affect economic growth. The main factors in this thesis are corruption and trade openness, which are believed to differ between small and large countries. A regression analysis compares the effects between small and large countries. The regression results are inconclusive.

However, it was shown that small countries seem to benefit from trade openness, a result that is consistent with our hypothesis.

I NNEHÅLLSFÖRTECKNING

1 Introduktion ... 1

2 Litteraturöversikt ... 3

2.1 Metodik inom ämnet ... 3

2.2 Konsekvenser av “home market effect” & globalisering ... 4

2.3 Skillnader i statsapparaten och offentlig förvaltning ... 6

3 Teori ... 7

3.1 Steady state ... 9

3.2 Konvergens enligt Solow-Swan modellen ... 11

3.3 Skillnader mellan små och stora länder inom Solow-Swan modellen ... 12

3.4 Tillämpning av den utökade Solow-Swan modellen ... 12

3.5 BNP per capita eller BNP per capita tillväxt? ... 13

4 Empirisk modell ... 14

4.1 Modellkontroll ... 15

4.2 Variabler ... 15

5 Data ... 16

5.1 Definitioner ... 16

5.2 Länder i studien ... 18

6 Resultat ... 19

7 Slutsats ... 21

Referenslista ... 23

1

1 Introduktion

Ekonomisk tillväxt har gett upphov till omfattande teoretisk och empirisk forskning.

Den tillämpade forskningen har bidragit till att förstå vilka faktorer som påverkar länders och regioners ekonomiska utveckling över tid. Den empiriska forskningen visar på en stor bredd i tillämpningar, exempelvis faktorer som förklarar konvergens (Barro & Sala-i- Martin, 2004), betydelsen av offentlig sektor och skatter, utvecklingen av internationell handel och dess betydelse för tillväxt (Amin & Soh, 2019; Alesina et al., 2005; Huang &

Huang, 2011). Det teoretiska ramverket på området är mångfacetterat, Harrods & Domars arbete på 1940-talet anses vara ett av de tidiga bidragen till den moderna tillväxtteorin.

Med utgångspunkt i Harrod & Domars arbete formulerades den neoklassiska Solow-Swan modellen (Solow, 1994). Solow-Swan modellen som baseras på en exogen

teknologiutveckling introducerade bland annat teorin om ekonomisk konvergens (Solow, 1994).

Inom forskningsområdet är slutsatserna tvetydiga när det gäller ländernas relativa storlek och vilken effekt det har på ekonomisk tillväxt (Solow, 1994). Historiskt har det ansetts att ju större ett land är, desto bättre. Det militära försvaret har historiskt varit viktigt för ett lands säkerhet, och framgång har ofta förknippats med storlek. De mest framgångsrika länderna drog nytta av storskaliga industrier, exempelvis imperier som Frankrike och Storbritannien (Hobsbawm, 1969). Genom historien har handel ofta hanterats ur ett protektionistiskt synsätt, kanske bäst exemplifierat av merkantilismen. Under andra hälften av 1900-talet har dock mycket förändras då handeln har liberaliserats och globaliseringen har förändrat världens ekonomiska system. Under senare tid har

forskningen diskuterat huruvida dessa förändringar kan påverka förhållandet mellan stora

och små länder (Alesina et al., 2005; Stefano, O’Sullivan, 2014).

2 Delar av litteraturen har också fokuserat på faktorer som demokrati, äganderätter och korruption och i vilken utsträckning de påverkar tillväxt. Amin & Soh (2019) presenterar bland annat vissa belägg för ett samband mellan ett lands storlek och graden av

korruption. Enligt Amin & Soh tenderar länder med en större population att uppvisa en högre grad av korruption. Korruption kan leda till lägre effektivitet i såväl statlig som privat sektor, vilket försämrar den ekonomiska utvecklingen. Få studier har analyserat samband mellan korruption och storlek ena sidan och ekonomisk tillväxt å andra sidan vilket är ett motiv till denna studie.

Ett lands ekonomiska utveckling påverkas av dess utrikeshandel (Alesina et al., 2005).

Eftersom små länder har en liten inhemsk marknad utsätts företag på den marknaden för mer press att rikta sig till utländska marknader för att nyttja fördelar av storskalig produktion. Samtidigt måste mindre länder också importera mer då de inte på egen hand kan tillfredsställa den inhemska efterfrågan. Tidigare litteratur har undersökt och fastställt att mindre länder har en högre grad av utländsk handel som andel av BNP jämfört med större länder (Alesina et al., 2005; Stefano, O’Sullivan, 2014). Detta kan vara ett tecken på att de mindre länderna är mer globaliserade då de har ett relativt större utbyte med

omvärlden. För att bygga vidare på litteraturen ovan kommer även betydelsen av handelsöppenheten för tillväxt att studeras i denna uppsats.

Syftet med denna uppsats är att analysera hur länders storlek påverkar ekonomisk tillväxt med en särskilt fokus på hur storlek interagerar med faktorer som handelsöppenhet och korruption. Uppsatsen avgränsas till avancerade ekonomier inom Europa, på så sätt studeras ett mer homogent urval.

Den empiriska analysen baseras på 15 europeiska länder under perioden 1990–2013.

Länderna som ingår i studien definieras samtliga som avancerade ekonomier av den

Internationella Valutafonden (IMF, 2019). Urvalet av länder innebär att de delvis delar en

3 gemensam geografisk marknad. Länderna är också att betrakta som utvecklade

demokratier. De länder som ingår i studien är Schweiz, Danmark, Finland, Norge, Sverige, Belgien, Grekland, Österrike, Portugal, Tyskland, Frankrike, Italien, Spanien, Storbritannien och Nederländerna.

I avsnitt 2 presenteras en litteraturöversikt som diskuterar ett urval av studier som är relevanta för föreliggande uppsats, och framför allt hur tidigare litteratur utvidgar analysen med variabler utöver den standardiserade Solow-Swan modellen. Den teoretiska

referensramen diskuteras i avsnitt 3 där tillväxtmodellen som används i denna uppsats illustreras. I avsnitt 4 presenteras den empiriska modellen och inkluderade variabler.

Deskriptiv statistik redovisas i avsnitt 5. Avsnitt 6 presenterar resultatet från den empiriska analysen och avsnitt 7 avslutar med en diskussion.

2 Litteraturöversikt

2.1 Metodik inom ämnet

Den här uppsatsen kan beskrivas som en komparativ studie mellan två grupper av länder.

En studie som är utgångspunkt i denna uppsats är “Modeling Economic Output and Economic Growth with respect to Economic Freedom” (Johansson & Tretow, 2015).

Johansson & Tretow utgår från en utvidgad version av Solow-Swan modellen i deras analys av sambandet mellan ekonomisk utveckling och ekonomisk frihet. I analysen jämförs två grupper av länder, avancerade ekonomier och utvecklingsekonomier.

Solow-Swan modellens ursprungliga tes var att ekonomisk konvergens skedde mellan utvecklade ekonomier och mindre utvecklade ekonomier (Barro & Sala-i-Martin, 2004).

Ekonomisk konvergens innebär att fattiga ekonomier tenderar att uppvisa en högre

ekonomisk tillväxt än rikare ekonomier. När de fattiga ekonomierna börjar industrialiseras

ökar mängden realkapital från låga nivåer och givet antagandet om avtagande

4 marginalavkastning är resultatet en snabbare tillväxt jämfört med länder med en större initial kapitalstock (Johansson & Tretow, 2015).

Solow-Swan modellen kan även användas för att studera om ytterligare oberoende variabler kan påverka tillväxt. (Se exempelvis Johansson & Tretow, 2015). I denna uppsats kommer Solow-Swan modellen att utökas med bl.a. variabler som ska kontrollera för effekten av korruption och handelsöppenhet på tillväxt. Effekten av korruption och handelsöppenhet kommer också att relateras till ländernas storlek.

2.2 Konsekvenser av “home market effect” & globalisering

Begreppet “Home Market Effect” (HME) innebär att industrier belägna i stora marknader tenderar att kunna exportera mer och vara mer framgångsrika än industrier i mindre marknader. Förklaringen är att de kan förlita sig på den inhemska marknaden för att realisera skalfördelar och på så sätt få stora vinster och därmed bygga ut produktionen och få större skalfördelar än den mindre producenten. Den mindre producenten kan vanligtvis inte uppnå samma skalfördelar och transportkostnader kan ytterligare försämra

konkurrenssituationen. Under senare tid har det spekulerats att HME är mindre tongivande som en konsekvens av fallande transportkostnader, vilket kan ha förstärkt små länders position gentemot de stora länderna.

Denna diskussion har dock fått mothugg från forskare inom Världshandelsorganisationen.

De menar tvärtemot att fallande transportkostnader har förstärkt HME eftersom

transportkostnaderna är det enda som hindrar de största producenterna att ta över hela

marknaden, något som kallas “magnification effect” (Bacchetta et al., 2008). Detta kan

verka gå emot hypotesen att små länder är mer ekonomiskt framgångsrika och har vissa

relativa fördelar inom handel. Det finns viss forskning inom ämnet som försöker förklara

denna möjliga paradox. Tidigare litteratur har presenterat ekonomiska modeller som visar

att genom ekonomisk integration så försvagas den fördel stora länder har i form av en stor

5 inhemsk marknad, vilket har förstärkt de små ländernas position (Alesina et al., 2005).

Litteraturen pekar också på att detta kan observeras i små länders beteende då de kännetecknas av att ha en mer positiv attityd mot ekonomisk integration och handel

(Alesina et al., 2005; Rose, 2006; Stefano, O’Sullivan, 2014). De argumenterar att när små länder ingår i en ekonomisk integration, till exempel en gemensam handelsunion som EU, kan de kompensera nackdelarna som är ett resultat av deras begränsade storlek (Alesina et al., 2005). Då ekonomisk integration innebär en upplösning av handelsbarriärer i form av tullar och fallande transportkostnader så är HME mindre relevant att tillämpa på enskilda länders marknader.

Forskning har också visat att små länder kan kompensera för HME genom ett teknologiskt övertag över en handelspartner (Huang & Huang, 2011). Det finns också empiriska

resultat som stödjer detta, vilket är tydligast inom högteknologiska och nischade branscher (Huang & Huang, 2011). Här kan man möjligtvis dra kopplingar till industrier som

telekommunikationen (Ericsson och Nokia) i Sverige och Finland och klockindustrin i Schweiz, där dessa länder har en betydande marknadsandel. Andra studier har i sin tur undersökt hur små länder faktiskt har specialiserat sina industrier för att öka deras

konkurrenskraft. En förstärkt HME har visats leda till en högre grad av specialisering hos små länder medan större länder har kunnat förlita sig på HME och därmed bygga ut sin storskaliga tillverkningsindustri (Fujita et al. 1999 citerad i Palan & Schmiedeberg, 2016.

S.4). Inom vissa servicebaserade industrier har HME i princip utraderats som resultat av utveckling inom telekommunikation, då deras fysiska närhet till kunden inte längre behövs. Detta har gett små och stora länder en i princip jämn spelplan (Gersbach &

Schmutzler, 2000 citerad i Palan & Schmiedeberg, 2016. S.6).

”Home market effect” har som resultat av att transportkostnader fallit, intensifieras. Små

länder har i respons till detta ökat sin ekonomiska integration och därmed har stora länder

förlorat en del av fördelarna de hade som resultat av en stor inhemsk marknad. Små länder

6 har förändrat sina industrier för att hantera effekten av HME (Palan & Schmiedeberg, 2016).

2.3 Skillnader i statsapparaten och offentlig förvaltning

Det finns också litteratur som beaktar den offentliga sektorns effektivitet. Det har bland annat konstaterats att små länder har större utgifter inom offentlig förvaltning/större statsapparat för deras storlek (Alesnia & Wacziarg, 1998 citerad i Alesina et al., 2005 s.

1503). Detta har förklarats med att det finns skalfördelar inom kollektiva varor (public goods) eftersom de kännetecknas av icke-rivalitet, vilket leder till att större länder kan få lägre genomsnittskostnader i den offentliga sektorn (Alesina et al., 2005). Forskningen har dock inte visat att offentlig sektor skulle vara mer effektiv i stora ekonomier (Alesina et al., 2005). När ett land når en viss storlek riskerar dessa fördelar att avta, den offentliga sektorn blir då så pass stor att dess administrativa kostnader stiger och tappar i effektivitet.

Det har dock inte bevisats empiriskt (Alesina & Spolaore, 2003, citerad i Rose, 2006 s.484).

Amin & Soh (2020) visar på samband mellan stora länders offentlig sektor och korruption.

En stor population anses också ha ett positivt samband med korruption. Deras institutioner som bekämpar korruption, har en svårare situation jämfört med deras motparter i mindre länder eftersom de måste granska en mycket större ekonomi. Dessa faktorer leder till att korruption lättare kan ske i större länder (Amin & Soh, 2020).

Mindre länder tenderar också att ha en mer homogen population både sett till

etnolingvistiska grupper och politiska viljor. Tidigare litteratur har visat att heterogena

populationer kan leda till spänningar och konflikter vilket kan leda till politisk instabilitet

och kan försämra de ekonomiska utsikterna (Laitin, 2011). Skillnader i populationen har

också visats att ha en negativ utveckling på den ekonomiska tillväxten (Alesina et al.,

2005). En homogen population anses leda till högre social tillit och sammanhållning.

7 Denna höga sociala tillit har diskuterats mycket i en nordisk kontext, social tillit beskrivs som individens tillit till varandra, offentliga styret och förvaltningen. De skandinaviska länderna (Sverige, Danmark och Norge) har länge stått ut som några av de få länder med ett socialt tillits-index på över 60% med Finland och Island inte långt bakom (Delhey &

Newton, 2005). Forskning har visat på att länder med högre social tillit också har haft högre ekonomisk tillväxt än länder med lägre social tillit, det har dock inte fastställts att detta är ett kausalt samband (Whitley, 2000; Zak & Knack 2001; Beugelsdijk et al., 2004 se Bjørnskov, 2019. s. 1346). Detta anses också leda till bättre offentlig styrning då politiker känner större ansvarsskyldighet gentemot sin valkrets (Dollar & Krey, 2003;

Rodrik et al., 2004 se Bjørnskov, 2019. s.1347). Det har dock inte kunnat bevisats att små länder kontinuerligt har högre social tillit än stora länder.

3 Teori

För att förklara ekonomisk tillväxt är en av de mest välkända modellerna Solow-Swan modellen. Modellen baseras på en produktionsfunktion där insatsfaktorer av kapital och arbetskraft transformeras till produktion. Solow-Swan är också mer utförlig än detta då den införlivar befolkningstillväxt och total faktorproduktivitet/teknologisk utveckling i modellen (Carlin och Soskice 2006). Ett av modellens centrala antaganden är att den teknologiska utvecklingen är exogen (Carlin och Soskice, 2006).

Kapital definieras som andelen av realkapital som finns tillgänglig för produktion.

Realkapital används här generellt och kan innefatta allt ifrån IT-teknik till robotar (Carlin

och Soskice, 2006). Befolkningstillväxt reflekterar hur arbetskraften förändras över tid

och teknologisk utveckling innebär att kapital kan bli mer effektivt (Carlin och Soskice,

2006). Humankapital införlivas också vilket definieras som arbetskraftens kunskaper,

förmågor och erfarenheter. Det är detta som bestämmer hur effektiv arbetskraften är.

8 Produktionsfunktionen formuleras i ekvation (1)

𝑌(𝑡) = 𝐾(𝑡)

(𝐴(𝑡)𝐿(𝑡))

(1)

där

•

Y(t) = Totala produktionen

•

K(t) = Kapitalstocken

•

L(t) = Arbetskraften

•

A(t) = Humankapital

•

0< α <1 är elasticiteten av produktion med avseende till kapital

•

t= kontinuerlig tid

(Carlin och Soskice, 2006).

Produktion per arbetare kan då skrivas:

𝑌(𝑡)

𝐴(𝑡)𝐿(𝑡) = ( 𝐾(𝑡) 𝐴(𝑡)𝐿(𝑡) )

𝛼

= 𝑘(𝑡)

(2)

(

𝐴(𝑡)𝐿(𝑡)

) beskriver då produktion per effektiv arbetare. Det kan också uttryckas i hur mycket kapital varje arbetare har tillgång till. Detta representeras av (

𝐴(𝑡)𝐿(𝑡)

)

.

Eftersom produktionen i Solow-Swan modellen anses vara en beroende variabel kommer förändringar i den orsakas av förändringar i kapital och/eller summan effektiv arbetskraft (Carlin och Soskice, 2006). Eftersom 0 <α <1 kommer både kapitalstocken och summan av effektiv arbetskraft ha avtagande skalavkastning eftersom α är elasticiteten av

produktion med avseende till kapital (Carlin och Soskice, 2006).

Realkapital har inte en oändlig livslängd utan antas deprecieras över tid, genom

nyinvesteringar i realkapital kan dock kapitalstocken hållas konstant eller växa (Carlin och

Soskice, 2006). Deprecieringen i varje period ges av 𝛿𝐾(𝑡), där 𝛿 är deprecieringstakten.

9 På lång sikt kan det antas att i en öppen ekonomi är det aggregerade sparandet detsamma som investeringar.

Tillväxten i effektiv arbetskraft antas vara exogent given, dvs. oberoende av den ekonomiska tillväxten. Om arbetskraften växer med en takt n och effektiviteten av arbetskraften med en takt g, detta kan då skrivas:

𝐿(𝑡) = 𝐿(0)𝑒

(3)

𝐴(𝑡) = 𝐴(0)𝑒

(4)

𝐴(𝑡)𝐿(𝑡) = 𝐴(0)𝐿(0)𝑒

(5)

Då befolkningen antas öka med takten n medan effektiviteten av arbetskraften växer med g, innebär detta att summan effektiv arbetskraft växer med (n+g) (Carlin och Soskice, 2006).

Ekvation (6) visar sparandet, dvs. investeringarna i varje period.

𝑠𝑌(𝑡) = (1 − 𝑐)𝑌(𝑡) 𝑑ä𝑟 0 < 𝑐 < 1 (6)

Investeringar, eller förändringen i kapitalstocken, i varje period ges då av

𝑑𝑘(𝑡)

𝑑𝑡

= sY(t) − 𝛿𝐾(𝑡) (7)

(Carlin och Soskice, 2006).

3.1 Steady state

Modellens steady state innebär att ekonomin når ett läge där kapitalintensiteten är

konstant. Det innebär att en ekonomi kommer konvergera till en jämvikt där produktion

per arbetade inte kommer öka såvida det inte sker en teknologisk utveckling. Genom att

10 derivera k(t) med användning av ekvation 1 & 2 erhålls rörelseekvationen för

kapitalstocken per enhet effektiv arbetare.

𝑑𝑘(𝑡)

𝑑𝑡 = 𝑠𝑘(𝑡)

− (𝑛 + 𝑔 + 𝛿)𝑘(𝑡) (8)

där sk(t)

är investeringar per enhet av effektiv arbetare

När ekvationen (8) är lika med noll, innebär det att kapitalintensiteten är konstant eller i

“steady state” (Carlin och Soskice, 2006). Detta kan skrivas:

𝑠𝑘̂(𝑡)

= (𝑛 + 𝑔 + 𝛿)𝑘̂(𝑡) (9)

𝑘̂ (𝑡)

𝐴(𝑡)𝐿(𝑡)

= (

𝑛+𝑔+𝛿

)

1

1−𝑎

(10)

𝑦̂(𝑡)

𝐴(𝑡)𝐿(𝑡)

= (

𝑛+𝑔+𝛿

)

𝑎

1−𝑎

(11)

𝑘̂(𝑡)

𝑦̂(𝑡) = 𝑠 𝑛 + 𝑔 + 𝛿

(12)

Slutsatsen är att ekonomier 𝑌(𝑡) kommer konvergera till att växa med (n+g) eftersom

summan effektiv arbetskraft 𝐴(𝑡)𝐿(𝑡) växer med (n+g). När en ekonomi har nått “steady

11 state” är det enda som kan förändra tillväxten teknologisk utveckling (Carlin och Soskice, 2006).

Som ovan nämnt kommer den teknologiska utvecklingen att avgöra den fortsatta

tillväxten, vilket innebär att de länder som har högre teknologisk utveckling kommer ha högre tillväxt, vilket kan vara något som skiljer sig mellan stora och små länder. I litteraturöversikten diskuterades det att “home market effect” skapar ett tryck på mindre ekonomier att specialisera sin produktion. De mindre ekonomierna gör detta genom att utveckla högteknologiska sektorer (Huang & Huang, 2011). Det innebär att små länder kan ha ett teknologiskt övertag mot större länder vilket kan leda till högre tillväxt enligt Solow-Swan modellen.

3.2 Konvergens enligt Solow-Swan modellen

Ett viktigt bidrag från Solow-Swan modellen är insikten om konvergens mellan länder, dvs. att länder över tid kan närma sig varandra. Det finns två olika hypoteser om

konvergens, absolut konvergens och betingad konvergens. Absolut konvergens innebär att fattiga länder tenderar att växa ikapp rikare länder. Absolut konvergens utgår från att den enda skillnaden mellan fattiga och rika länder är att de startar med olika nivå av

kapitalintensitet. Därmed kommer fattiga länder att uppvisa en högre tillväxt i anpassningen mot steady state (Barro & Sala-i-Martin, 2004).

Betingad konvergens innebär att konvergens kan ske men bara under vissa villkor.

Betingad konvergens antyder att grupper av länder som skiljer sig signifikant i faktorer som sparkvot, totalfaktorproduktivitet, humankapital med mera inte kommer konvergera (Barro & Sala-i-Martin, 2004). Om en grupp länder har liknande egenskaper kommer dessa länder endast konvergera till att ha samma tillväxttakt och inte samma ”steady state”

som absolut konvergens dikterar (Barro & Sala-i-Martin, 2004).

12

Enligt tidigare litteratur som nämnts är ett resultat av “home market effect” att små länders produktion blivit mer nischad och högteknologisk (Huang & Huang, 2011). För Solow- Swan modellen innebär detta att små och stora länder skiljer sig i totalfaktorproduktivitet.

Litteraturen konstaterar även att små länder allokerar mer resurser till offentlig sektor jämfört med större länder (Alesnia & Wacziarg, 1998 citerad i Alesina et al., 2005

s.1503). En möjlig förklaring är att länder med stor population har vissa skalfördelar vilket leder till att de kan lägga mindre resurser per capita på sin offentliga förvaltning (Alesina et al., 2005). Det finns också stöd för att stora länder har större problem med korruption jämfört med mindre länder (Amin & Soh, 2019). Tidigare studier har också argumenterat att länder med stor statsapparat samt stor population kan börja lida av tröghet i

statsapparatens aktivitet (Alesina & Spolaore, 2003, citerad i Rose, 2006 s.484).

Generellt indikerar forskningen att små länder kan sköta sin offentliga förvaltning bättre.

Eftersom små länder spenderar mer resurser per capita på sin offentliga förvaltning kan det vara möjligt att dess ansvarsområden blir bättre finansierade. En effektivare offentlig förvaltning kan ha positiva effekter för utbildning, som i denna uppsats är ett mått för humankapitalet.

3.4 Tillämpning av den utökade Solow-Swan modellen

Något som måste tas i åtanke är att detta är en teoretisk representation av Solow-Swan modellen och dess beståndsdelar kan vara något svåra att kvantifiera (Johansson &

Tretow, 2015). I realiteten kan det vara svårt att finna kvantifiera variabler som ingår i

Solow-Swan modellen och därav krävs en tolkningsfrihet för Solow-Swan modellens

beståndsdelar.

13 Därmed sker följande antaganden:

•

Investeringarna över tid bestämmer kapitalstocken.

•

Humankapital kan mätas med utbildningsnivån hos befolkningen.

•

Andelen effektiv arbetskraft kan påverkas av dess utbildningsnivå, talang och befolkningstillväxt.

(Johansson & Tretow, 2015 s.17).

En variabel i Solow-Swan modellen som kan vara svår att mäta är kapitalstocken.

Antagandet som gjordes om kapital möjliggör att investeringar kan användas som en proxyvariabel som kan representera kapitalstocken. När appliceringen av modellen ska ske kan investeringar komma från både inhemska och utländska aktörer.

På ett liknande sätt kan utbildningsnivå användas som en variabel för att mäta

humankapitalet. Till exempel kan andelen av populationen med avancerad utbildning indikera nivån på humankapitalet. Populationstillväxten är dock en variabel som är lättillgänglig och som kan användas direkt. Med utbildningsnivå som representerar humankapitalet samt populationstillväxt kan andelen effektiv arbetskraft definieras för de länder som används i studien.

För att besvara syftet i studien kommer variablerna korruption och handelsöppenhet att tas med i modellen och bygga vidare på Solow-Swans tillväxtmodell och studera hur de variablerna påverkar tillväxt. Med dessa modifikationer är tillväxtmodellen anpassad för att besvara uppsatsens syfte.

3.5 BNP per capita eller BNP per capita tillväxt?

Det finns en diskussion om man ska studera BNP per capita eller BNP per capita tillväxt.

Man kan argumentera för att BNP i nivå ger en bättre bild av den ekonomiska

långsiktigheten som är direkt relevant för en nation (Hall & Jones, 1996 citerad i Johanson

& Tretow, 2015 s. 18). Trots detta har en stor del av forskningen inom detta ämne

14 genomförts med att använda BNP per capita tillväxt (Johanson & Tretow, 2015 ) . I denna uppsats följer vi det traditionella tillvägagångssättet och studerar tillväxt i BNP per capita.

4 Empirisk modell

Uppsatsens syfte är att undersöka om faktorer som relaterar till länders storlek påverkar tillväxt. Uppsatsen kommer studera årliga förändringar för avancerade ekonomier inom Europa under perioden 1990–2013.

Följande modell estimeras

y

β

+ β

n

+ β

S

+ β

I

+ β

Y

+ β

E

+ β

T

+ β

C

β

b

+ β

p

+ β

T

p + β

T

B+ β

C

p + β

C

B + U

yi,t= BNP per capita tillväxt ni,t= Befolkningstillväxt

Si,t= Inhemsk bruttosparande procent av BNP Ii,t= Utländska direktinvesteringar procent av BNP Yi,t= BNP per capita i nivå

Ei,t= Utbildningsnivå

Ti,t= Handelsöppenhet Ci,t= Korruption

bi,t = Dummyvariabel för stora länder pi,t = Dummyvariabel för små länder

Ti,tp= Handelsöppenheten multiplicerad med dummyvariabel för små länder Ti,tB= Handelsöppenheten multiplicerad med dummyvariabel för stora länder Ci,tp⁼ Korruptionen multiplicerad med dummyvariabel för små länder Ci,tB⁼ Korruptionen multiplicerad med dummyvariabel för stora länder Ui,t = Felterm

15

Ett VIF (Variance Inflation Factor) test presenteras för att kvantifiera graden av

multikollinearitet. En tumregel som kan användas för VIF test är att om värdena överstiger 10 är det ett tecken på perfekt multikollinearitet (Johansson & Tretow, 2015).

Ett Breusch-Pagan testar modellen för heteroskedacitet. Heteroskedacitet är då variansen inte är lika för observationerna vilket kan medföra ett felaktigt resultat (Stock & Watson, 2015). Skulle det visa sig att det existerar heteroskedasticitet i regression kan detta åtgärdas med robusta standard fel (Johansson & Tretow, 2015).

4.2 Variabler

Den första variabeln av intresse är befolkningstillväxten (n

). En ökning i

befolkningstillväxten (n

) borde påverka BNP per capita tillväxten (y

) negativt. Detta är för att en växande befolkning leder till lägre kapitalintensitet, såvida inte investeringar växer i samma takt. Inhemsk bruttosparande (S

) och utländska direktinvesteringar (I

) representerar kapitalstocken i modellen och en ökning i kapitalstocken påverkar tillväxten positivt enligt Solow-Swan modellen. BNP per capita i nivå (Y

) är med i modellen för att fånga upp den initiala kapitalintensiteten hos länderna. Humankapitalet i Solow-Swan modellen är arbetskraftens färdigheter och i denna modell används utbildningsnivån (E

) som en proxy för humankapitalet. Enligt Solow-Swan modellen är en ökning i

humankapitalet positivt för tillväxten.

Syftet med denna uppsats är att analysera hur länders storlek påverkar ekonomisk tillväxt

med en särskilt fokus på hur storlek interagerar med faktorer som handelsöppenhet (T

)

och korruption (C

). Handelsöppenhet och korruption är relevanta eftersom tidigare

forskning har bland annat funnit att som resultat av ”home market effect” så har effekten

av handelsöppenhet påverkat små och stora länder olika. Som resultat av skillnader i

statsapparaten kan korruption påverka ett lands ekonomi olika på grund av skillnader i

populationer. Det förväntade resultatet gällande handelsöppenheten för de små länderna

16 (T

p) är att deras handelsöppenhet påverkar tillväxten positivt medan handelsöppenheten för de stora länderna (T

B) påverkar tillväxten negativt. Det förväntade resultatet för korruption gällande små länder (C

p) är att korruption för de små länderna borde ha en mindre påverkan på tillväxten jämfört med de stora länderna (C

B). Variablerna stora länder (b

) och små länder (p

) är med i modellen för att kunna se om tillväxttakten skiljer sig åt mellan små och stora länder.

För att avgöra vad som räknas som stora och små länder i modellen beräknas

uppdelningen av befolkningsstorlek. Samtliga länder i IMF definition av avancerade ekonomier är med i beräkningen där befolkningen delas upp i tre delar baserat på befolkningsmängd, små, medel och stor.

5 Data

I Tabell 5.1 presenteras deskriptiv statistik för de variabler som ingår i modellen. Data är hämtad från Världsbanken förutom variabeln korruption som är hämtad från

”Transparency International”.

Tabell 5.1 Deskriptiv Statistik för samtliga länder

Variabler Obs Medelvärde Std. Err. Min Max

BNP per capita tillväxt (yi,t) 360 1,263 2,338 -8,998 6,018

Befolkningstillväxt (ni,t) 360 ,484 ,366 -1,854 1,851

Inhemsk bruttosparande (Si,t) 360 24,381 6,06 8,331 43,105

Utländska investeringar (Ii,t) 360 4,42 8,321 -5,682 86,589

BNP per capita i nivå (Yi,t) 360 33804,402 16317,977 7884,618 102913,45

Utbildningsnivå (Ei,t) 360 22,094 8,313 5 44

Handelsöppenhet (Ti,t) 360 73,986 27,834 33,879 161,494

Korruption (Ci,t) 360 78,581 13,2 49 100

5.1 Definitioner

BNP per capita tillväxt (y

) är årlig procentuell tillväxttakt av BNP per capita. Värdena är

i fastpris med basår 2010 och anges i US dollar.

17 Befolkningstillväxten (n

) är årlig procentuell tillväxt i befolkning. Befolkningen baseras på definitionen som räknar alla invånare oavsett juridisk status eller medborgarskap.

Inhemsk bruttosparande procent av BNP (S

) är beräknad genom bruttonationalinkomst minus total konsumtion plus nettoöverföringar.

Utländska direktinvesteringar procent av BNP (I

) är investeringar för att förvärva ett förvaltningsintresse i ett företag som arbetar i en annan ekonomi än investerarens. Det är summan av eget kapital, återinvesteringar av vinster, annat långsiktigt kapital samt kortfristigt kapital som visas i betalningsbalansen. Serien visar nettoinflöden i den rapporterade ekonomin från utländska investerare och divideras med BNP.

BNP per capita i nivå (Y

) BNP per capita är bruttonationalprodukten dividerat med halvårsbefolkningen. Värden anges i valutan US dollar i 2020 värde.

Utbildningsnivå (E

) är avancerad utbildning hos befolkningen. Utbildningsnivån är andel av befolkningen som är över 25 år med avslutad eftergymnasial utbildning.

Handelsöppenhet procent av BNP (T

) är summan av export och import som andel av BNP.

Korruption (C

) är ett index som rankar länderna baserat på hur korrupt ett lands

offentliga sektor upplevs vara av experter och företagsledare. Det är ett sammansatt index

som baseras på 13 undersökningar om korruption som är besvarade av en rad ansedda

institutioner. KPI är den mest använda indikatorn för korruption i världen och har man ett

högre värde på indexet indikerar det lägre korruption.

18

Tabell 5.2 Länder i studien

Land Population 1990

BNP per capita 1990

BNP per capita

tillväxt 2013 Storleksgrupp

Schweiz 6 673 850 38428 122% Litet

Danmark 5 140 939 26892 128% Litet

Finland 4 974 383 28365 76% Litet

Norge 4 233 116 28243 264% Litet

Sverige 8 527 039 30594 100% Medel

Belgien 9 947 782 20600 127% Medel

Grekland 10 120 892 9600 128% Medel

Österrike 7 644 818 21681 134% Medel

Portugal 9 995 995 7885 169% Medel

Tyskland 79 112 831 22304 108% Stort

Frankrike 58 313 439 21794 95% Stort

Italien 56 694 360 20826 71% Stort

Spanien 38 853 227 13805 111% Stort

Storbritannien 57 156 972 19096 128% Stort

Nederländerna 14 892 574 21291 145% Stort

USD 2020 (World Bank, 2020g)

De länder som ingår i studien framgår av Tabell 5.2. Länderna utgörs av de avancerade ekonomierna i Europa enligt IMF där det finns tillgängliga data för perioden 1990–2013.

Länderna i Tabell 5.2 är indelade i tre kategorier, små, medel och stora utifrån deras populationsstorlek. Länder som definieras som små är Schweiz, Norge, Finland, Danmark.

Medelstora länder används som referensgrupp i analysen. Länder som definieras som stora är Storbritannien, Spanien, Nederländerna, Frankrike, Tyskland och Italien. Polen,

Rumänien och Ukraina har inte inkluderats eftersom de ej räknas som avancerade

ekonomier enligt IMF (IMF, 2019). Estland, Tjeckien, Slovakien, Slovenien och Lettland

inkluderas inte då en del statistik från 1990-talet saknas. Detta kan leda till att små länders

ekonomiska situation ser bättre ut då de exkluderade länderna är några av de mer fattiga

länderna i gruppen.

19

6 Resultat

I tabell 6.1 presenteras resultaten från OLS regressionen.

Tabell 6.1 Regressionsanalys. Beroende variabel är tillväxt i BNP per capita (yi,t)

Koeff. Rob.Err p-värde [95% Konf Intervall]

Befolkningstillväxt (ni,t) -0,896 0,399 0,009 -1,564 -0,229 Inhemsk bruttosparande (Si,t) 0,226 0,037 0,000 0,154 0,299 Utländska investeringar (Ii,t) 0,044 0,01 0,000 0,023 0,064 BNP per capita nivå (Yi,t) -4,9×10^-5 1,34×10^-5 0,000 -0,0000754 -0,0000227 Utbildningsnivå (Ei,t) -0,04 0,031 0,195 -0,101 0,021 Handelsöppenhet (Ti,t) -0,007 0,006 0,281 -0,02 0,006

Korruption (Ci,t) -0,011 0,018 0,531 -0,046 0,024

Stora Länder (bi,t) -4,87 1,68 0,004 -8,178 -1,573

Små Länder (pi,t) -6,712 3,82 0,080 -14,231 0,805

Handelsöppenhet Små (Ti,tp) 0,046 0,018 0,013 0,01 0,083 Handelsöppenhet Stora (Ti,tB) -0,08 0,008 0,290 -0,025 0,007 Korruption Små (Ci,tp) 0,03 0,036 0,364 -0,038 0,103 Korruption Stora (Ci,tB) 0,07 0,020 0,004 0,021 0,115

Konstant 0,06 1,17 0,962 -2,244 2,357

Förklaringsgrad (Adj) 0,25

Notera att koefficienter som är statistiskt signifikanta på 95% nivå har ett p-värde <0,05

Den första variabeln av intresse i Tabell 6.1 är befolkningstillväxten (n

).

Befolkningstillväxten har en negativ påverkan på tillväxten i BNP per capita.

Befolkningstillväxten är uttryckt i procent vilket innebär att om befolkningstillväxten ökar med en procentenhet kommer tillväxten i BNP per capita gå ner med 0,896

procentenheter. Resultatet är rimligt eftersom en ökad befolkning ger lägre

kapitalintensitet och lägre produktion per arbetare. Koefficienten för befolkningstillväxten är statistiskt signifikant bestämd.

Koefficienterna för inhemsk bruttosparande (S

), utländska direktinvesteringar (I

), och

BNP per capita i nivå (Y

) är statistisk signifikanta bestämda. Utbildningsnivån är dock

icke signifikant. Resultatet visar att om inhemskt bruttosparande ökar medför detta en

positiv effekt på tillväxten i BNP per capita. Utländska investeringar har också en positiv

effekt på tillväxten i BNP per capita. Inhemskt bruttosparande och utländska investeringar

kan relateras till kapitalstockens utveckling. En större kapitalstock leder till att

20 kapitalintensiteten ökar vilket tillåter att produktionen per arbetare ökar, vilket påverkar tillväxten positivt.

Utbildningsnivån (E

) definieras av hur stor andel av populationen som har en eftergymnasial utbildning. Med de antaganden som gjordes i avsnitt 3.4 kan

utbildningsnivån representera humankapital inom Solow-Swan modellen. En ökning av humankapitalet leder till att andelen effektiv arbetskraft ökar, vilket ökar produktionens effektivitet och därmed BNP per capita tillväxt. Utifrån den presenterade teorin ska en ökning i humankapitalet påverka tillväxten positivt. Koefficienten för utbildningsnivån (Ei,t) är dock inte signifikant och på grund av det kan inga slutsatser dras om

utbildningsnivåns effekter på tillväxten.

Koefficienten för BNP per capita i nivå (Y

) visar att de länder som startar med en relativt låg BNP per capita kommer ha en snabbare tillväxttakt. Resultatet är en indikation på konvergens mellan de studerade länderna och stämmer överens med den teori som presenterades om konvergens i avsnitt 3.2.

Koefficienten för handelsöppenheten samtliga länder (Ti,t) är negativ men eftersom koefficienten inte är statistiskt signifikant kan vi inte uttala oss om handelsöppenhet, i egenskap av summa export och import som andel av BNP, har någon effekt på tillväxt.

Koefficienten för korruption samtliga länder (C

) är även den inte signifikant bestämd och därmed kan vi inte uttala oss om dess effekt på tillväxt. Data för korruptionen (C

) visar dock på relativt liten variation mellan åren 1990–2013 vilket kan bidra till att det är svårt att identifiera någon effekt.

Dummyvariablerna visar att stora länder tenderar att ha en lägre tillväxttakt jämfört med

referensgruppen mellanstora länder. Även dummyvariabeln för små länder indikerar en

negativ effekt men inte är inte statistiskt signifikant på 5% nivå.

21 Ett syfte med denna uppsats är att studera om effekten av handelsöppenheten på tillväxt skiljer sig mellan stora och små länder. Resultatet från regressionsanalysen visar att en ökning av handelsöppenheten för små länder (T

p) påverkar BNP per capita tillväxt positivt jämfört med referensgruppen mellanstora länder, koefficienten är också signifikant. För stora länder (T

B) har handelsöppenheten en negativ påverkan på

tillväxten. Koefficienten är dock inte signifikant bestämd och därmed kan vi inte uttala oss något om betydelsen av handelsöppenhets påverkan på tillväxt för de stora länderna. Detta stämmer överens till viss del med den litteratur som diskuterades i tidigare avsnitt

(Alesina et al., 2005).

Interaktionsvariablerna för korruption visar att för både små och stora länderna har ökad korruption en negativ effekt på tillväxt. Koefficienten för de små ländernas korruption (C

p) är dock inte signifikant. Koefficienten för de stora ländernas korruption (C

B) är signifikant bestämd och den visar att en minskning i korruption har ett positivt samband med tillväxten.

7 Slutsats

Syftet med uppsatsen är att studera om faktorer som relaterar till länders storlek påverkar tillväxt. Frågan är om faktorerna korruption och handelsöppenhet påverkar tillväxten olika för små och stora länder. Resultatet för handelsöppenhet visar att små länder påverkas positivt av ökad handel. Detta är något som stämmer överens med tidigare litteratur som fann belägg för att små länder tenderar att dra fördel av ökad ekonomisk integration (Alesina et al., 2005). Resultatet visar dock att det inte finns någon specifik effekt av handelsöppenhet för stora länder.

För korruptionen blev resultatet att en minskning av korruption påverkar stora länder

positivt. För små länder visade analysen inte på någon effekt. Tidigare studier har funnit

belägg för att små länder har mindre korruption jämfört med stora länder.

22 Denna studie har jämfört effekter av handelsöppenhet och korruption på tillväxt mellan grupper av länder. I studien finner vi inte att effekterna av faktorerna på tillväxt är så starka. Regressionsmodellen fick en del icke signifikanta resultat för vissa variablers koefficienter, vilket det kan finnas många förklaringar till. För att kunna säkerställa statistiska mönster i en variabel som BNP per capita krävs ofta långa tidsperioder, det är möjligt att 23 år inte är tillräckligt. Som tidigare nämnt har data för korruptionen små variationer i både årtal och mellan länderna. Detta kan leda till att det blir svårt att upptäcka mönster mellan korruptionen och tillväxten. En annan förklaring till icke

signifikanta resultat kan vara att det inte är tillräckligt med länder inkluderade i modellen.

Med fler länder i modellen generar det mer variation i data.

Något som kan vara av värde att nämna är skillnaderna i BNP per capita tillväxt som visades i tabell 5.2. Sett till BNP per capita tillväxt mellan 1990 till 2013 kan ingen drastisk skillnad mellan de olika grupperna observeras. Dock finns det en klar skillnad mellan BNP per capita år 1990, där de små länderna är rikare än de stora. I och med att små länderna redan var rikare än de stora länderna kan de vara svårt att testa uppsatsens hypotes på denna tidsperiod. Detta är eftersom fattiga ekonomier tenderar att växa

snabbare eller som Solow-Swan modellen dikterar, ekonomier längre ifrån sitt steady state kan växa snabbare. En bättre tidsperiod för den här studien skulle vara en tidsperiod som täckte när dessa skillnader i BNP per capita uppkom.

Med en acceptabel förklaringsgrad på 25% kan modellen förklara en del av variationerna i

BNP per capita tillväxt. En del av uppsatsens resultat stämmer överens med tidigare

litteratur. Uppsatsens resultat tillsammans med litteraturen som har diskuterats, pekar mot

att skillnader i befolkningsmängd leder till systematiska ekonomiska skillnader. Det är

dock inte säkert att dessa skillnader kontinuerligt leder till att små länders ekonomi blir

bättre anpassade, då detta forskningsämne fortfarande är relativt nytt.

23

Referenslista

Litteratur

Alesina, A., Spolaore, E., & Wacziarg, R. (2005). Chapter 23 Trade, Growth and the Size of Countries. Handbook of Economic Growth, 1(SUPPL. PART B), 1499–1542.

https://doi.org/10.1016/S1574-0684(05)01023-3

Amin, M., & Soh, Y. C. (2019). Corruption and Country Size Evidence Using Firm-Level Survey Data. Policy Research working paper;no. WPS 8864 Washington, D.C. : World Bank Group.

Amin, M., & Soh, Y. C. (2020) Does Being A Large Country Lead to Higher Corruption?

Hämtad 10/7-2020

Bacchetta, M., Bown, Chad, K., Finger, M., Jansen, M., Keck, A., Piermartini, R., Ruta, M., & Teh, R. (2008). Trade in a globalizing world. In World Trade Report 2008.

https://doi.org/10.30875/8b68d2ad-en

Barro, R. & Sala-l-Martin, X. (2004). Economic growth. Cambridge, Mass: MIT Press.

Bjørnskov, C. (2019). How Does Social Trust Affect Economic Growth? Published by: Southern Economic Association How Does Social Trust Affect Economic Growth? Southern Economic Journal, 78(4), 1346–1368

Carlin, W., & Soskice, D. W. (2006). Macroeconomics: Imperfections, institutions, and policies. Oxford: Oxford University Press.

Delhey, J., & Newton, K. (2005). Predicting cross-national levels of social trust: Global pattern or Nordic exceptionalism? European Sociological Review, 21(4), 311–327.

https://doi.org/10.1093/esr/jci022

Hobsbawm, E. J. (1969). Industry and empire: from 1750 to the present day. Pelican Economic History of Britain;

Huang, Y.-Y., & Huang, D.-S. (2011). Technology Advantage and Home-market Effect:

An Empirical Investigation. Journal of Economic Integration, 26(1), 81–109.

https://doi.org/10.11130/jei.2011.26.1.81

Johansson, E,. Tretow, E. (2015) Modeling Economic Output and Economic Growth with respect to Economic Freedom. B.A Thesis. Kungliga Tekniska Högskolan

Krugman, P. (1980). Scale economies, product differentiation, and the pattern of trade.

American Economic Review. https://doi.org/10.7551/mitpress/5933.003.0005

24

https://doi.org/10.1093/acprof:oso/9780199228232.001.0001

Palan, N., & Schmiedeberg, C. (2016). 5 Specialization Patterns of European Countries.

Structural Change and Convergence. https://doi.org/10.3726/978-3-653-02614-6/9

Rose, A. K. (2006). Size really doesn’t matter: In search of a national scale effect. Journal of the Japanese and International Economies, 20(4), 482–507.

https://doi.org/10.1016/j.jjie.2006.06.008

Solow, R. M. (1994). Perspectives on Growth Theory. Journal of Economic Perspectives.

https://doi.org/10.1257/jep.8.1.45

Stefano, N., & O’Sullivan, M. (2014). The Success of Small Countries. Credit Suisse, July.

Stock, J. & Watson, M. (2015). Introduction to econometrics. Boston: Pearson.

Datakällor

Internationella monetära fonden (2019) World Economic Outlook October 2019, List of Tables. Hämtad 11/5-2020

The World bank (2020a) Trade (% of GDP) Hämtad 17/5-2020

The World Bank (2020b). Foreign direct investment, net inflows (% of GDP) Hämtad 10/11-2020

The World bank (2020c) GDP per capita growth (annual %) Hämtad 10/11-2020

The World Bank (2020d) Gross Capital formation (% of GDP) Hämtad 10/11-2020

The World Bank (2020e) Population growth (annual %) Hämtad 10/11-2020

The World Bank (2020f). Educational attainment, at least completed post-secondary, population 25+, total (%) (cumulative) Hämtad 20/02- 2021

The World Bank (2020g) World development indicators Hämtad 13/5-2020 (BNP per capita)

Transparency (2018). Corruption Perceptions Index. Hämtad 28/11-2020