• No results found

Euron och export:

N/A
N/A
Protected

Academic year: 2021

Share "Euron och export:"

Copied!
33
0
0

Loading.... (view fulltext now)

Full text

(1)

 

 

 

 

Euron och export: 

En empirisk studie av eurons genomsnittliga effekt på exporten. 

 

                 

Författare: Bojan Biscevic & Mathilda Norström  Handledare: Michael Lundholm 

EC6902 Kandidatuppsats i nationalekonomi  VT2018 

   

(2)

Innehållsförteckning 

1.Inledning ……… ………. 3 

2.Teoretisk bakgrund ……… ………. 6 

3.Tidigare forskning ……… ……….. 7 

4.Data och empirisk metod   ... …………....……… ………….... 9 

4.1.Data ……….……… ………. 9 

4.2 Empirisk metod ………....……… .…. 1 1  4.3 Utförande ……….……….… ...…. 1 5  5.Resultat ……….... .……….... 1 7  5.1 First Difference ……….……….………. 1 7  5.2Fixed Effects …….………...……... . . 1 9  5.3 Parallella Trender ………...…...…….… .. 20 

6.Analys  ……….……….…….... ....…… 2 4  7. Slutsats ……….………….... ....………… 2 6  8.Referenser ……….…...….... .……… 29 

 

   

(3)

Abstract 

Since its introduction in 1999, the question whether the Euro has contributed to an        increase in trade is controversial. In this paper, the impact of the adoption of the euro        on export is studied. For this purpose, a staggered Difference­In­Difference design        was used to estimate the average treatment effect on the treated countries in the        presence of non­random treatment assignment. The panel data set used includes        export information for 30 European nations between the years 1993 to 2016, during        which 18 nations formally entered the Economic and Monetary Union. Although no        significant estimates were found when controlling for country­specific linear trends        and time fixed effects, there are some indications that propose a decrease in total        export for the treated euro countries. 

Key words:  Economic integration, Dynamic panel data, European Union, Export,                    Difference­in­Difference, Currency unions, Exchange rate, International Economics 

   

   

(4)

1. Inledning 

Forskning kring valutaunioners påverkan på internationell handel har under de        senaste åren diskuterats flitigt (t.ex. Rose, 1999; De Nardis & Vicarelli, 2003;       

Micco, Stein & Ordoñez, 2003).           De Nardis och Vicarelli (2003) argumenterar för att        ett medlemskap i en valutaunion kan medföra både för­ och nackdelar då länder ger        upp sin autonoma penningpolitik; detta kan i sin tur även bero på karaktären i        medlemsländernas struktur. Huvudsakligen handlar det om den potentiella        ekonomiska effektiviteten som uppstår då handelsbarriärer upphör, till exempel        transaktionskostnader vid valutaomvandling och genom att de riskerna kopplade till        volatila fluktueringar i växelkurser minimeras. Däremot försvinner möjligheten att        med penningpolitiska åtgärder justera för eventuella chocker i ekonomin. Den        allmänna uppfattningen är dock att volymerna inom internhandeln har ökat för        medlemsländerna i valutaunioner (De Nardis & Vicarelli, 2003 s. 626). Men trots        resonemangen om fördelar med en gemensam valuta existerar det fortfarande en viss        oenighet. Länder som inom en grupp beslutar att ingå i ett valutasamarbete kommer        att minska sina transaktionskostnader och öka handel, men det råder ingen        konsensus om hur mycket. Dessutom har volatiliteten i växelkurser även innan        samarbeten inom valutaunioner genom tiderna varit relativt låg, där tidigare studier        tyder på att ovissheten kring den nominella samt reala växelkursen har en väldigt        liten effekt på handel eftersom att man med olika derivat har kunnat minimera        kvarvarande risk (t.ex. McKenzie 1999, se Flam & Nordström 2007; Rose, 2000).       

Vidare har man samtidigt kunnat påpeka, att även om möjligheten att delvis skydda        sig mot eventuella framtida risker existerar, gör man det ofta till ett högt pris. Bland        annat eftersom att det på längre tidshorisonter är väldigt svårt för många producenter        att räkna ut vilka priser som sätts, t.ex. på framtida försäljning då man har        växelkurser under ständig förändring; men utöver det har de inte heller någon        vetskap om huruvida likartade volymer efterfrågas i framtiden. Därmed påverkar det        beslutsfattandet på handel och utländska direktinvesteringar (Micco, et al, 2003;       

Flam & Nordström, 2007). 

 

(5)

Den monetära unionen (EMU) som trädde i kraft 1999 har sitt ursprung i den        tidigare   Europeiska ekonomiska gemenskapen (EEG)       , vars syfte var att upprätthålla        stabilitet och ekonomisk integration bland medlemsländerna.        I juni 1988 bekräftade        det Europeiska rådet sina planer att realisera EMU och tillsatte därefter en kommitté        med uppgift att ta fram en strategi för hur EMU skulle implementeras, vilket        resulterade i  Maastrichtfördraget 1993. Fördraget skrevs på av representanter från        tolv länder, och officiellt bildades därmed den Europeiska Unionen        (European  Central Bank, 2018).  

 

I Maastrichtfördraget fastslogs grundläggande principer som exempelvis; europeiskt        medborgarskap där fri rörlighet skall råda mellan medlemsstaterna, vilket också        inkluderar bosättning; en gemensam utrikes­ och säkerhetspolitik; ett mer integrerat        samarbete vad gäller polis och rättsväsende. Men vad som Maastrichtfördraget        framför  allt  fastställde  förutom  tidsbestämmelser,  var  de  så  kallade  konvergenskriterierna. De bestämde på vilket sätt man i praktiken skulle införa den        gemensamma valutan, huvudsakligen hur man på basis av kriterierna bedömer        huruvida ett land är lämpligt att gå med i valutasamarbetet (European Central Bank,        2018). 

 

För att ett land ska kunna beviljas att gå med i valutasamarbetet måste det uppfylla        kriteriet om en hållbar prisstabilitet, vilket innebär att man skall kunna uppvisa en        (HIKP) , som inte överskrider en och en halv procent högre än genomsnittet av de1        medlemsländerna med den högsta graden av prisstabilitet. Landet får inte fortgå med        ett budgetunderskott som överskrider tre procent av BNP med vissa undantag samt        inneha en statsskuld på mer än 60% av BNP såvida den inte minskar i en stabil takt        och närmar sig referensskulden. Landet måste ha deltagit i        Europeiska  växelkursmekanisme n (ERM II)      i minst två år, för att sedan hålla en stabil växelkurs        mot euron, utan att devalvera landets valuta. Den långa nominella räntan får heller        inte överskrida mer än två procent jämfört med dem tre mest stabila länderna,        baserat på långsiktiga statsobligationer (European Central Bank, 2018).  

1   I euroområdet mäts konsumentprisinflationen med det harmoniserade konsumentprisindexet                (HIKP). Det mäter prisförändringen i konsumtionsvaror och tjänster som införskaffas, används eller                        betalas av hushållen i euroområdet över tid  European Central Bank  2018). 

(6)

 

Den Europeiska Centralbanken (ECB) bildades den första juni 1998 och strax efteråt        den första januari 1999 låstes växelkursen permanent till 11 medlemsländer som        uppfyllde kriterierna, varav Grekland gick med 2001. Den första januari 2002        introducerades den fysiska valutan och sattes i omlopp. (European Commission,        2018; European Central Bank, 2018).  

 

Uppsatsens övergripande syfte är att undersöka eurons genomsnittliga effekt på        exporten, mer specifikt huruvida exporten har ökat respektive minskat sedan        medlemsländerna införde euron. Tidigare studier tyder på att exportvolymer har ökat        som resultat av ett medlemskap i en valutaunion, men det råder ingen konsensus        kring hur mycket. Därför är det av intresse att göra en jämförelse av hur exporten        har förändrats för medlemsländerna efter EMU kontra ett antal europeiska länder        som förvisso ingår i samma eller liknande handelsavtal, men som inte har        implementerat euron. Frågan är intressant för länder som ännu inte ingått i        valutaunionen. Om ett medlemskap innebär ökad volym i export kan det vara goda        skäl att ansluta sig till gemenskapen. Majoriteten av de tidigare studierna använder        sig av en så kallad gravitationsmodell för bilateral handel med syfte att undersöka        handelsvolymer, medan andra metoder inte har använts i samma utsträckning.        I  denna rapport kommer en så kallad Difference­In­Difference metod (DID) att        användas för att söka estimera den kausala effekten av euron på export. Denna        metod används vanligtvis vid policyanalys då man vill undersöka effekter av olika        policybeslut genom att studera skillnader innan och efter en behandling. I detta fall        är det lämpligt att använda sig av en “staggered treatment” (gradvis behandling), av        DID eftersom att medlemsländerna gått med i EMU vid olika år. Därefter kommer        den genomsnittliga skillnaden i testgruppen med länder som gått med i EMU        jämföras med en kontrollgrupp vars länder inte gått med. Modellen kommer även att        differentieras (FD) och estimaten jämföras med en modell i nivå som hädanefter        benämns (FE) i vilken “fixed effects” inkluderas, exklusive regression ett i  Tabell 3. 

   

(7)

Resultatet av denna uppsats ger inte några tydliga svar på hur exporten har påverkats        för de länderna som valt att gå med i EMU. Det finns en antydan om en minskad        effekt men resultaten bör beaktas med försiktighet. Den resterande delen av        uppsatsen kommer att disponeras som följer: Avsnitt två presenterar en teoretisk        beskrivning av Mundells valutaunion­teori. Avsnitt tre tar upp tidigare forskning på        valutaunioner följt av avsnitt fyra som presenterar det metodologiska        tillvägagångssätt och data som används. Avsnitt fem redovisar de empiriska        resultaten som sedan analyseras i avsnitt sex. Slutligen kommer avsnitt sju med        slutsats och avsnitt åtta med referenser. 

2. Teoretisk bakgrund 

Mundell (1961) är en av de ekonomer som lagt grunden till teorier om        valutaunioner. I hans arbete undersöker han under vilka ekonomiska förutsättningar        som en region bestående av olika stater skulle acceptera en gemensam valuta och        därmed ge upp sin autonoma penningpolitik. I termer av regioner snarare än        specifika länder diskuterar han det optimala området som en valutaunion skulle        bestå av. Mundell skapar ett scenario med två regioner, region A och B som        specialiserar sig inom två olika typer av industrier. Exemplet följer att det blir ett        skifte i konsumentpreferenser från produkter i region B till produkter i region A. I        region B blir det ett överskott i utbud på produkter och i region A blir det ett        överskott i efterfrågan på produkter vilket även i sin tur leder till arbetslöshet i        region B och ökad inflation i region A  ( Mundell, 1961 s. 658).  

 

Förutsatt att båda regionerna har autonom penningpolitik med olika valutor, kan        centralbanken i region A öka den inhemska räntan för att bekämpa inflationen        medan centralbanken i region B kan sänka den inhemska räntan för att bekämpa        arbetslösheten  ( Mundell, 1961 s. 658). Dock menar  Mundell att om centralbanken        deprecierar sin valuta i syfte att bekämpa en ökad arbetslöshet blir priset på varor        dyrare i allmänhet, där framförallt importvaror blir relativt dyrare mot inhemska        varor. Om den nominella lönen inte ökar i samband med detta kommer en        prisuppgång göra att reallönen sjunker, vilket innebär att det enda sättet för att        undvika arbetslöshet vid en depreciering av växelkursen är att gå ner i reallön       

(8)

( Mundell, 1961 s. 663) . Det andra alternativet innebär att regionerna delar en        gemensam valuta. I detta fall måste centralbanken göra ett val mellan att lindra        arbetslösheten i region B och öka den nationella penningmängden eller förhindra        inflationen i region A genom att minska den nationella penningmängden.       

Centralbanken kan inte både bekämpa inflation och arbetslöshet utan måste göra ett        val. Mundell menar dock att om kapital och arbetskraft kan förflyttas från den        drabbade industrin som har ett överskott i kapital och arbetskraft till den industrin        som har ett underskott kan dilemmat med inflation och arbetslöshet lösas ( Mundell,        1961 s. 658) . Mundell diskuterar  vilka regioner som bör ha en flexibel växelkurs        kontra regioner som bör använda gemensam. Enligt Mundell bör en region uppfylla        vissa kriterier för att det ska vara fördelaktigt att dela en gemensam valuta. Regionen        bör ha hög faktorrörlighet och svara relativt lika på makroekonomiska chocker. Om        en region uppfyller dessa kriterier är det till och med onödigt för länder att ha        autonom penningpolitik då kostnader uppstår i form av handelsbarriärer som        transaktionskostnader vid valutaomvandling och risker kopplade till volatila        fluktueringar i växelkurserna  ( Mundell, 1961 s. 664) . 

3. Tidigare forskning 

Rose (1999) undersöker hur valutaunioner påverkar internationell handel och        inkluderar bilaterala observationer för 186 länder med ett intervall på fem år mellan        åren 1970 till 1990 genom ett paneldata set. Genom att använda sig av en        gravitationsmodell drar han slutsatsen att två länder som delar samma valuta utbyter        varor upp till tre gånger mer än två länder med olika valutor efter att ha kontrollerat        för andra faktorer som till exempel gemensam landgräns, distans, real BNP och        gemensamt språk. Rose menar att valutaunioner som EMU kan leda till en ökad        internationell handel. Dessutom visar Rose resultat en mindre negativ effekt av        växelkursvolatilitet  (Rose, 1999 s. 1) . 

 

I “ Currency Unions and Trade: The Special Case of EMU ” undersöker De Nardis                          och Vicarelli (2003) effekten av euron i EMU handeln genom ett paneldataset på 43        länder från år 1980 till år 2000. Mer specifikt består data av 11 exportländer inom        EMU och 32 importländer varav 11 är EMU länder. Till att börja med beräknar de       

(9)

variationen av EMU handeln och tar hänsyn till handeln med länder som inte har        euro samt till den inre EMU handeln innan euron introducerades, där resultaten visar        på att EMU­handeln ökar med 8,9 procent. Vidare undersöker de samma fråga men        kontrollerar för potentiellt “bias” skapat av  endogenitetsproblem mellan homogena        länder och får fram små men signifikanta värden som kan påverka estimaten.       

Slutsatsen är att euron har haft en positiv effekt på den inre EMU handeln, dock inte        i samma utsträckning som tidigare forskning inom ämnet har kommit fram till  (De        Nardis & Vicarelli, 2003 s. 646) . 

       

Flam och Nordström (2007) undersöker via en gravitationsmodell i vilken        utsträckning som den europeiska valutaunionen har påverkat handeln endast mellan        EMU länderna samt eurons påverkan på den sammanlagda handeln mellan och        utanför EMU länder. De använder sig av två perioder, en övergångsperiod från        nationell valuta till euro som sträcker sig från år 1999–2001 och jämför med        perioden 2001–2006. Flam och Norström hittar en positiv ökning på 28 procent för        handel mellan EMU länderna respektive en ökning på 12–14 procent för EMU och        resterande handel mellan de olika tidsperioderna. Dessutom undersöker de om euron        har haft en påverkan på utländska direktinvesteringar, där de inte hittar någon effekt        men däremot har den inre marknaden haft en stor inverkan (Flam & Nordström,        2007 s. 1). 

 

I “ The Currency Union Effect on Trade: Early Evidence from EMU” undersöker                        Micco, Stein och Ordoñez (2003) genom paneldata EMU:s effekt på bilateral handel        för 22 länder mellan åren 1992 och 2002. De tar hänsyn till andra faktorer som kan        tänkas påverka handeln och kontrollerar för bland annat EU­medlemskap, storlek        och distans och finner slutligen att handel mellan medlemsländer är fyra till tio        procent högre jämfört med övriga länder. Dessutom finner de att övrig bilateral        handel   ligger mellan åtta och 16 procent högre för länder utanför EMU.       

Sammanfattningsvis kommer de fram till att den europeiska valutaunionen har en        positiv påverkan på handel för EMU länder emellan men även för resten av världen        (Micco, Stein & Ordoñez, 2003 s. 3)  

(10)

4. Data och empirisk metod  

4.1 Data 

Inledningsvis användes data från AMECO:s databas men i och med att variablerna        endast finns i nominella värden eller i inhemsk valuta, används istället data från        Världsbanken . Databasen anses trovärdig då Världsbanken samarbetar med länder        över hela världen och kontinuerligt samlar data från olika länder (World Bank,        2018). Data består av       real BNP ,  real export av varor och tjänster  samt  real BNP per                        capita , uttryckta i konstant US dollar ,  referensår 2010. Samtliga data för de olika                    variablerna är årsdata som sträcker sig från år 1993 till och med år 2016 för 30        länder, samtliga specificerade i  Tabell 1 .        Val av årsspann motiveras med att det i en        Difference­in­Difference modell, bör finnas ett antal år före och efter en behandling.       

Året för det land som implementerade euron sist i denna uppsättning är 2014, därför        väljs 2016 som slutår för att få max antal observationer efter implementationen.      2        Eftersom att Slovakien blev ett självständigt land först år 1993 börjar tidsspannet        från detta år (Utrikespolitiska institutet, 2017). Basspecifikationen av modellen som        används för att undersöka eurons effekt är följande: 

 

(Euro ) X      

Yct = β0+ β1Euroc+ β2Ef ter+ β3 c× Eftert + β4 ct+ γt+ αc+ βc× t + εct    

Där  Yct   är den beroende variabeln  real export av varor och tjänster  i land  c för                          tidpunkt  t .    β0är ett intercept ,        Euroc     är en binär dummyvariabel som antar värdet          ett när ett land  c går med i EMU och        Eftert     är en binär dummyvariabel som antar        värdet ett vid tidpunkt  t        ≥ Behandlingsår  .  Euro( c× Eftert)     är en interaktionsterm    varav  β3   är Difference­in­Difference estimatorn i land  c  vid tidpunkt  t  och                  Xct    är en vektor för kontrollvariablerna  real BNP  och  real BNP per capita  i land  c  vid                              tidpunkt  t.    γt representerar “time fixed effects” som varierar över  t och      αcär “fixed    effects” som varierar över  c.        βc× t     är  linjära landstrender  i land  c  gånger ett              tidsindex  t och      εct   är feltermen i land  c  vid tidpunkt  t.  Det kommer även att                      inkluderas en modell i första differensen vilket innebär att parametrarna        Yct och 

2  Data för år 2017 är inte tillgänglig på Världsbanken. 

(11)

differentieras, parametern försvinner, tas bort (se  utförande ), samt att

Xct      αc   βc× t           

feltermen εctinnehåller andra residualer.  

 

Beroende variabel: 

Real Export  (     Exports of goods and services, constant 2010 US$)                 ­ Variabeln export      är summan av alla varor och tjänster som ett land         säljer till övriga delen av världen.       

Export inkluderar värdet av varor, frakt, försäkring, transport, resor, rikedomar,        licensavgifter och andra tjänster, såsom kommunikation, byggande, ekonomi,        information, företag, personliga och offentliga tjänster. Variabeln är uttryckt i        konstanta priser för år 2010 US dollar (World Bank).  

 

Kontrollvariabler:  

I detta avsnitt beskrivs de kontrollvariabler som kommer att användas i modellen        samt motivering om samtligas relevans. Kontrollvariabler inkluderas för att hålla        konstant faktorer som annars kan orsaka så kallad “omitted variable bias, som        diskuteras längre fram. 

 

Real BNP (     GDP, constant 2010 US$)       ­Denna variabel står för bruttonationalprodukt          och är summan av b         ruttovärdet på all inhemsk produktion i ekonomin inklusive        eventuella produktskatter och exklusive eventuella subventioner som inte ingår i        värdet av produkterna. Variabeln är uttryckt i konstant 2010 US dollar (World Bank).       

I denna analys används BNP som kontrollvariabel därför att den kan fungera som en        indikator på hur pass stor resurskapacitet ett land har. Om landet har en hög BNP        ökar landets produktionsförmåga. Ett land med fler resurser har ett större inflytande        och kan exportera mer. Denna variabel läggs även till eftersom att den fungerar som        en kontrollvariabel för finanskrisen som skedde 2008. Man skulle kunna resonera att        BNP för europas länder dalade efter denna period, mer för vissa än för andra och        därför stabiliseras en del av denna effekt genom att kontrollera för BNP.  

 

   

(12)

 

Real BNP/capita  ( GDP per capita,           constant 2010 US$     ) ­ Variabeln definieras som          bruttonationalprodukt dividerat med populationen i ett land       uttryckt i konstant 2010        US dollar (World Bank)       . BNP/capita fungerar som en indikator på en persons        genomsnittliga välstånd och produktivitet. Om ett land har en hög BNP/capita        indikerar det att den enskilda individen i en stat har möjlighet att producera fler        varor som sedan kan exporteras.          Hädanefter redovisas variabler i reala termer som        Export, BNP, BNP/CAP . 

 

Dataöversikt  Obs  Medelvärde  Min  Max 

Export  711  179  1780 

BNP  711  558  4.95  3780 

BNP/CAP  711  28414  1148  119225 

EURO  711  0.326 

Export och BNP (Konstant 2010$) uttryckt i miljarder. BNP/CAP (konstant 2010$) uttryckt i tusental. 

4.2 Empirisk metod 

I rapporten används metoden Difference­in­Difference som generellt bygger på att        man jämför utfallet av en kontrollgrupp respektive en testgrupp före och efter en        behandling. Testgruppen får en behandling medan kontrollgruppen inte får någon        behandling. Idén är att kontrollgruppen visar vad som skulle ha hänt om testgruppen        inte hade behandlats (Wooldridge, 2010 s. 148). Den generella ekvationen för        Difference­in­Difference som ut som följande: 

 

       ︿β1DID = (YT est, Ef ter  ) Y )  

− YT est, F öre 

− ( Kontroll, Ef ter

− Y Kontroll, F öre

    

Där Y T est, Ef ter  representerar den genomsnittliga skillnaden i utfall efter

− YT est, F öre

       

och före behandlingen för testgruppen och      Y Kontroll, Ef ter  

− Y Kontroll, F öre

  representerar den genomsnittliga skillnaden i utfall före och efter behandlingen för        kontrollgruppen. Den intressanta estimatorn är      β︿1DID(difference­in­difference  estimatorn), som visar den genomsnittliga förändringen i          Y för testgruppen minus     

(13)

den genomsnittliga förändringen i        Y för kontrollgruppen (Stock & Watson 2015, s.       

542). En förutsättning för att modellen ska fungera är att antagandet om parallella        trender mellan grupperna bör vara uppfyllt. Om testgruppen inte hade fått någon        behandling, skulle den ha följt samma trend som kontrollgruppen (Angrist &       

Pischke 2014, s. 184). I detta fall är behandlingen medlemskapet i EMU och        avsikten är att se skillnaden i kontroll och testgrupp för ett antal länder.   

 

I denna rapport appliceras metoden på följande sätt, kontrollgruppen utgörs av tolv        länder varav nio är medlemmar i den Europeiska Unionen . Resterande tre är      3        medlemmar av den  europeiska frihandelssammanslutningen (EFTA). Enligt en        rapport från Europaparlamentet där man belyser skillnaderna i handelsavtal mellan        EU och EFTA har EFTA:s handelsavtal främst fokus på handel och att efterlikna        EU:s samarbeten samt intressen med utvecklingsländer (European parliament, 2016        s. 9). Därför anses det lämpligt att inkludera EFTA:s medlemsländer i        kontrollgruppen då unionerna följer liknande regelverk med undantag för        Liechtenstein eftersom att data för export inte hittades. Skillnaderna i handelsavtalen        mellan de två olika unionerna är att EU fokuserar mer på geopolitik,        geo­ekonomiska och utrikespolitiska intressen. Dessutom är marknadstillgänglighet        inom jordbruk mer begränsat samt att både jordbruksfrågor och investeringsfrågor        förhandlas fram separat av varje medlem i EFTA (European parliament, 2016 s. 6).       

Dessa olikheter bör tas i åtanke då en DID­modell inte tar hänsyn till skillnaderna i        avtalen. Vissa av länderna har i kontrollgruppen även knutit sina valutor mot euron        eller ingår i ERM II. Dock kvarstår kostnaderna vid valutaomvandling (European        4        Commission, 2016). Samtliga länder i kontrollgruppen har sina egna valutor och har        inte övergått till euro.   

 

Testgruppen består av 18 medlemsländer från den Europeiska unionen, det är        samtliga länder som idag har euro med ett undantag. Litauen började använda euro        år 2015 ( European Union, 2018) vilket gör att det bara finns en observation för       

3 Storbritannien är inräknad i kontrollgruppen men kommer att lämna EU år 2019 (The government                            of United Kingdom, 2017) 

4 Danmark är medlem i ERM II (European Commission, 2018). Ungern knöt sin valuta mot euro                              mellan år 2001­2008 med upp emot avvikande värden på  ±15% för att sedan gå över till flytande                                  växelkurs. Bulgarien har peggat sin valuta mot euron  (European Commission, 2016) . 

(14)

effekten av euron på handeln efter implementationen. En observation anses inte vara        tillräckligt för att få en rättvis bild av eurons effekt på Litauens handel och        exkluderas därför ur datasetet. I denna rapport görs antagandet att i frånvaro av        implementationen av euron i testgruppen, hade dessa länder följt samma trend som        kontrollgruppen. Detta argument styrks av att länderna geografiskt ligger i samma        område, de har liknande historia och kultur samt majoriteten av de ingår i den        Europeiska unionen  ( European Union, 2018). Det finns flera regelverk som en stat        måste uppfylla för att bli en medlem i EU. Medlemsländerna i EU måste uppfylla        Köpenhamnskriterierna  vilket kortfattat innebär fri marknadsekonomi,  en stabil        demokrati, rättsstatsprincipen samt accepterandet av all EU­lagstiftning (European        Commission, 2018). En annan överenskommelse som skapats för medlemsstaterna        som gör de mer sammanbundna och enhetliga är  Maastrichtfördraget (se inledning).       

Tre av EFTA:s medlemmar ingår i europeiska ekonomiska samarbetsområdet (EES)        där EUs medlemsstater och Norge, Liechtenstein samt Island samarbetar i frågor        gällande institutionella, ekonomiska och lagstiftande aspekter (EFTA, 2018).       

Schweiz ingår i egna avtal med EU som sträcker sig över bland annat områdena        handel, offentliga upphandlingar, jordbruk och transport (European Commision,        2017). Då länderna i både kontrollgrupp och testgrupp i många aspekter följer        samma regelverk samt samarbetar finns det motiv att tro att liknande trender finns.  

 

Den positiva aspekten med att använda sig av en DID metod är dess enkelhet och att        den är rättfram. Den negativa aspekten är att det är svårt att försäkra sig om att de        två grupperna följer samma trend, någonting som annars kan påverka utfallet och ge        missvisande estimat (Angrist & Pischke, 2014 s. 185). I det ideala fallet hade man        jämfört kontrollgruppens resultat med resultatet av en icke­behandlad testgrupp för        att se om det fanns någon skillnad. Då detta inte är möjligt finns det alltid en risk att        göra en felaktig slutsats. För att undvika detta misstag kan man kontrollera för        parallella trender innan behandlingen och därför kommer ett antal år innan euron        infördes att inkluderas i datasetet.  

   

(15)

Det bör poängteras att vissa av EU:s medlemsländer blev medlemmar på 00­talet        ( European Union   ,   2018). Det kommer alltså att inkluderas år då vissa av länderna i        datasetet ännu inte var medlemmar i EU vilket innebär att dessa länder inte behövde        följa EU:s regelverk. Motargumentet är att det är en omfattande process att bli en        medlemsstat i EU och tar flera år innan kriterierna är uppfyllda. Därför kan ett        argument vara att även om länderna inte var medlemsstater för vissa av de        inkluderade åren i datasetet, strävade samtliga efter att implementera EU standarder.       

Dock bör man vara medveten om potentiella skillnader mellan länderna av denna        orsak. Tabell 1      specificerar de länder som tillhör kontrollgruppen och de länder för        testgruppen, samt det år som euron implementeras i respektive land. 

 

Tabell 1, Källa: Europeiska unionen 2018 

Kontrollgrupp. 

Länder med egen valuta 

Testgrupp.      * År för behandling  Länder med euro      (Införande av EUR)  Danmark 

Norge ( EFTA)  Schweiz ( EFTA)  Storbritannien   Sverige  Tjeckien  Bulgarien  Island (EFTA)  Kroatien  Polen  Rumänien  Ungern 

Belgien      2002 

Finland      2002 

Frankrike       2002 

Irland       2002 

Italien      2002 

Luxemburg      2002 

Nederländerna       2002 

Österrike      2002 

Portugal       2002 

Spanien      2002 

Tyskland      2002 

Grekland      2002 

Estland       2004 

Slovenien       2007 

Cypern       2008 

Malta      2008 

Slovakien       2009 

Lettland      2014 

*Behandlingsår 2002 med anledning av fysiska valutan i cirkulation. 

 

Som Tabell 1 visar är implemtationsåren av euron olika för varje land, därför        kommer metoden för denna rapport bli en så kallad “staggered treatment” som är en        variant av DID metoden då en behandling sker vid olika tidpunkter istället för vid ett        och samma tillfälle (Angrist & Pischke, 2015 s. 193). Denna rapport baseras på        paneldata, generellt innebär det att datasetet består av flera entiteter som studeras vid        ett flertal upprepade tillfällen över tid (Wooldridge, 2010 s. 6). Paneldata består av        30 länder eller enheter som för varje land har en observation för varje år mellan        1993–2016. Mer specifikt används en “obalanserad panel” vilket innebär att det       

(16)

fattas observationer för vissa tidsperioder i enheterna (Stock & Watson, 2015 s.       

397). I och med att paneldata används bör man klustra standardfelen vilket gör att        heteroskedasticitet och slumpmässig autokorrelation tillåts i enheterna men        standardfel förblir okorrelerade (Stock & Watson, 2015 s. 413). Den negativa        konsekvensen av att klustra standardfel är att de kan bli stora vilket betyder att        enheterna i observationerna kan vara korrelerade på ett sätt som inte går att        observera (Angrist & Pischke, 2015 s. 208). I denna rapport kontrolleras det för        tidstrender som även kallas “time fixed effects”, detta är förändringar som inte        varierar över enheterna men som utvecklas över tid (Stock & Watson, 2015 s. 407).       

Det skulle till exempel kunna vara den ökade globaliseringen som gör att handel blir        mer vanligt samt teknologisk utveckling som förenklar handeln. En annan aspekt        som tidstrender skulle kunna täcka är bland annat finanskrisen som drabbade        länderna i Europa.      Det bör även kontrolleras för fixerade egenskaper som varje        enhet konstant bibehåller över tid men som varierar mellan enheterna, även kallat       

“fixed effects” (Stock & Watson, 2015 s. 403). När man kontrollerar för “fixed        effects” kan skillnader länderna emellan som påverkar handeln, men dock inte är        intressanta i denna rapport kontrolleras för. Det kan till exempel vara om två länder        delar samma landgräns eller talar samma språk. I FE modellen kommer även linjära        landstrender att inkluderas; till följd av att “fixed effects” endast tar hänsyn till        skillnader mellan länder initialt, men de tar inte hänsyn till den enskilda enhetens        effekt av exempelvis ett extra år av erfarenhet, som därav inte kan särskiljas från de        aggregerade tidstrender (Wooldridge, 2012, s. 487). 

4.3 Utförande 

Det finns en skillnad i asymptotisk teori mellan paneldata och tidsserieanalys. I en        paneldataanalys är det asymptotiska att tvärsnittsdimensionen  N går mot oändlighet,        medan tidsseriedimensionen  T  är fast och vice versa i tidsserieanalys. När man              använder sig av mer än två tidsperioder, måste man anta att          uitär okorrelerade över      tid för att standardfel och teststatistika ska vara tillförlitliga. I de fallen när        uitföljer  en “random walk” har man hög korrelation i feltermen, därav är det bättre att        använda sig av      Δuiti samtliga fall, eftersom att de idiosynkratiska innovationerna        är okorrelerade och har en konstant varians (Wooldridge,  

{eit ≡ Δu , tit    = 2 . T, .., }       

(17)

2010 s. 316). Om        orr(u ,C t ut−1)> 0  och feltermen lider av autokorrelation, kan        modellen inkorporera persistenta chocker när          t > 0  , och därmed riskera att ge          upphov till spuriösa samband. Med anledning av detta gjordes ett  Augmented        Dickey­Fuller test  på samtliga variabler; slutsatsen är att alla variabler är integrerade            av ordning I(1) utan deterministisk trend (Wooldridge, 2012 s. 641). Som ett resultat        av detta kommer linjära­landstrender inte att inkluderas i FD modellen.        Enligt  diskussionen i Wooldridge (2010, kap.10) så föredras FE modellen när kontemporär        exogenitet håller, även när       {yit}och vissa element av      {xit}innehar enhetsrot. Dock      förutsätter det att      Tväljs så att      uit   är integrerade av ordning I(0), vilket kan vara        tämligen problematiskt. Men i en klassisk DID design är det mest centrala att        jämföra punktestimat och framför allt gemensamma trender (Angrist & Pischke,        2015 s. 184). Det kan i många avseenden vara komplicerat att välja mellan FE och        FD när man använder sig av paneldata över en längre tidsperiod. Får man estimat        som i hög grad skiljer sig mellan FE och FD, kan det vara lämpligt att redovisa        resultaten från båda modellerna (Wooldridge, 2012 s. 491). 

 

Till följd av tidigare diskussion kommer totalt elva regressioner att genomföras; fyra        regressioner i första differensen och sju regressioner i nivåer. Samtliga kommer        bestå av regressioner med och utan kontrollvariabler samt att det i FE modellen        kontrolleras för linjära landstrender. Med tanke på att estimaten för både FE och FD        modellen redovisas, kommer regressionerna utföras i samma ordning; inledningsvis        utan kontrollvariabler för att se den förklarade variationen av euron på export och att        sedan sätta in kontrollvariabler då eurons effekt med stor sannolikhet är överskattad.       

Kontrollvariablerna inkluderas för att konstanthålla för all annan variation i export        som inte förklaras av implementeringen av euron. Trots dessa antaganden finns det        alltid faktorer som av olika skäl inte tas med i modellen, korrelerar med de        oberoende variablerna och därmed bryter mot        (u|x ,E 1 x…, )xk = 0(Wooldridge,  2012 s. 86). Vid inferens utgår man istället alltid utifrån att man ska hamna nära det        verkliga estimatet {    E(β )︿j ≈ βj}  i populationen. Ett problem som kan uppstå när        modeller underspecificeras eller att relevanta kontrollvariabler exkluderas från        modellen är en så kallad “omitted variable bias” (Wooldridge, 2012 s. 90). I båda        modeller inkluderas “time fixed effects” och i FE modellen kontrolleras det även för       

(18)

linjära landspecifika trender. Den beroende variabeln export kommer att        logaritmeras vilket gör modellerna log­linjära. Detta innebär att man kan får den        approximativa procentuella förändringen av den binära dummyn euro på export        , vilket underlättar tolkningen av estimaten Δexport 100 )ΔEuro  

% ≈ ( * β1      

(Wooldridge, 2012 s.41). Observera att estimaten dock underskattas när den        oberoende variabeln är en dummyvariabel, där      100* [exp(β )︿1 − 1  ]  används för att få        de exakta estimaten. Men för enkelhetens skull används den förstnämnda        (Wooldridge, 2012 s. 235).   

5. Resultat 

Följande avsnitt redogör för de resultat som uppkommit efter att elva regressioner        har utförts, vidare analys av resultaten sker i avsnitt        sex. Enligt diskussionen i        avsnitt 4.3 kommer regressioner för både en FD modell och en FE modell att        genomföras. Regressionerna för FD modellen redovisas i Tabell 2 och        regressionerna för FE modellen redovisas i Tabell 3. 

 5.1   First Difference

 

Tabell 2 redovisar resultaten av fyra regressioner när första differensen har tagits av        de oberoende variablerna BNP, BNP per capita samt den beroende variabeln export        för att uppnå stationära serier. Variabeln export har dessutom logaritmerats men inte        de oberoende variablerna. “DID Estimatorn” är den genomsnittliga skillnaden i        exportvolym för länder med euro kontra länder med egen valuta efter        implementationen. Följande är en kort beskrivning av regression (1), (2), (3) och (4),        samtliga specificerade i Tabell 2.  

             

   

(19)

  Tabell 2 

FD.Export  (1)  (2)  (3)  (4) 

DID Estimatorn  ­0.0274*** 

 (0.0086) 

­ 0.0251*** 

 (0.0093) 

­0.0315*** 

(0.0083) 

­0.0148  (0.0091) 

Kontroll BNP  NEJ  JA  JA  JA 

Kontroll BNP/Cap  NEJ  NEJ  JA  JA 

Time fixed effects  NEJ  NEJ  NEJ  JA 

681  681  681   681  

       Klustrade standardfel i parentes på enheten land. 

       * p< 0.1, ** p<0.05, *** p<0,01.  

 

Regression (1) exkluderar samtliga kontrollvariabler samt “Time fixed effects”. DID        estimatorn visar ­0.0274, enligt tidigare diskussion under  utförande  representerar ett            estimat av en dummyvariabel en procentuell förändring i den beroende variabeln om        den multipliceras med 100. Därför representerar eurons genomsnittliga effekt på        export för testgruppen i regression (1) en procentuell minskning på ­0.0274*100 =       

­2.74 %. Estimatet är signifikant då nollhypotesen kan förkastas på en procents nivå.       

I regression (2) inkluderas kontrollvariabeln BNP, DID estimatorn visar ­0.0251        vilket innebär att eurons genomsnittliga effekt på export i testgruppen ger en        approximativ minskning på 2.51 procent. Nollhypotesen kan förkastas på en        procents nivå och är därför signifikant. I regression (3) inkluderas även        kontrollvariabeln BNP per capita. DID estimatorn är signifikant och nollhypotesen        förkastas på en procents nivå. Estimatet visar att eurons genomsnittliga effekt på        export i testgruppen ger en ungefärlig minskning på 3.15 procent. Slutligen i        regression (4) inkluderas samtliga kontrollvariabler och “time fixed effects” vilket        resulterar i en DID estimator på ­0.0148. Det representerar en procentuell minskning        på 1.48 procent. Dock är resultatet inte signifikant på någon av nivåerna.     

   

 

 

 

(20)

5.2 Fixed Effects 

Tabell 3 visar resultaten för sju stycken regressioner där “fixed effects” använts i        samtliga fall förutom i regression (1) där man kan se relationen mellan export och        euro utan att “fixed effects” har inkluderats.        Variabeln export har logaritmerats men          inte de oberoende variablerna BNP och BNP per capita. Även här gäller samma        intuition för “DID Estimatet” som tidigare specificerades. Följande är en kort        beskrivning av regression (1), (2), (3) ,(4) ,(5), (6) och (7), samtliga specificerade i        Tabell 3.  

Tabell 3 

 Export  (1)  (2)  (3)  (4)  (5)  (6)  (7) 

DD Estimat   0.9219*** 

(0.05575 

0.9204*** 

(0.0568) 

0.7292*** 

(0.0911) 

0.3443*** 

(0.1070) 

0.0129  (0.0501) 

­0.1163  (0.0815) 

­0.0184  (0.0348) 

Kontroll BNP  NEJ  NEJ  JA  JA  JA  JA  JA 

Kontroll  BNP/Cap 

NEJ  NEJ  NEJ  JA  JA  JA  JA 

Linjära  Landstrender 

NEJ  NEJ  NEJ  NEJ  JA  NEJ  JA 

Time fixed  effects 

NEJ  NEJ  NEJ  NEJ  NEJ  JA  JA 

Fixed Effects  NEJ  JA  JA  JA  JA  JA  JA 

711  711  711  711  711  711  711 

Klustrade standardfel i parentes på enheten land. * p< 0,1, ** p<0,05, *** p<0,01.  

 

I regressionen (1) exkluderas “fixed effects”, samtliga kontrollvariabler och trender.       

Estimatet visar 0.9219 vilket enligt tidigare diskussion innebär att eurons        genomsnittliga effekt på export för testgruppen har ökat med 0.9219*100= 92.19%.       

Resultatet är signifikant och nollhypotesen kan förkastas på en procents nivå.       

Regression (2) exkluderar samtliga kontrollvariabler och trender men “fixed effects        har inkluderats. Estimatet visar 0.9204 vilket innebär att eurons genomsnittliga        effekt på export för testgruppen har ökat med 0.9204*100= 92.04%. Resultatet är        signifikant och nollhypotesen kan förkastas på en en procents nivå I regression (3)        inkluderas kontrollvariabeln BNP, DID­estimatorn visar att eurons genomsnittliga        effekt på handel i testgruppen är en ökning på ungefär 72.92 procent. Återigen är       

(21)

resultatet signifikant och nollhypotesen kan förkastas på en procents nivå. I        regression (4) läggs kontrollvariabeln BNP per capita till och DID­estimatorn visar        0.3443 vilket innebär att den genomsnittliga effekten av euro på export i testgruppen        är en ökning på ungefär 34.43 procent. Nollhypotesen kan förkastas på en procents        nivå vilket innebär att estimatet är signifikant. Vidare i regression (5) görs en        regression med samtliga kontrollvariabler samt linjära landstrender. DID­estimatorn        visar att eurons genomsnittliga effekt på exporten är en ökning runt 1.29 procent,        dock är resultatet inte signifikant. I regression (6) byts linjära landstrender ut mot       

“time fixed effects” och DID­ estimatorn visar ett värde på ­0.1163. Det innebär att        eurons genomsnittliga effekt på export i testgruppen ger en minskning med ungefär        11.63 procent. Dock är resultatet inte signifikant. I den sista regressionen (7)        inkluderas samtliga kontrollvariabler samt linjära landstrender och “time fixed        effects”. DID­Estimatorn visar ett värde på ­0.0184, dock är resultatet inte        signifikant. 

5.3 Parallella Trender 

Som diskuterades under avsnitt 4.2 är parallella trender en förutsättning för att        Difference­in­Difference metoden ska fungera. Följande avsnitt är till för att se om        detta kriterium har uppfyllts. Det presenteras genom Figur (1), (2), (3), (4) som visar        den genomsnittliga skillnaden i exportvolym för länder med euro kontra länder med        egen valuta. På X­axeln visas ett tidsspann på minus fyra till och med tre där noll        representerar året då euron infördes och minus ett är referensår. I och med att det är        en “staggered treatment” där implementationsåren sker vid olika tillfällen för        testgruppen innebär det att “år noll” skiljer sig åt för länderna. Minus fyra        representerar fyra år innan euron implementerades, minus tre representerar tre år        innan euron implementerades och så vidare fram till tre år efter implementationen av        euron. Notera att beroende på när de olika länderna skaffade euro i testgruppen        representerar tidsspannet olika år men den orangea linjen representerar den        genomsnittliga  effekten.  De  streckade  linjerna  representerar  ett  95% 

konfidensintervall. Y­axeln visar den genomsnittliga sammanlagda effekten som        euron har haft på export för både kontroll och testgrupp. För att parallella trender ska        hålla vill en se en jämn utveckling nära noll innan implementationen i graferna. Om       

(22)

implementationen har en inverkan på behandlingsgruppen bör en se en skillnad i hur        grafen rör sig efter år noll. 

 

    Figur (1)   Figur (2) 

   

Figur (1) visar utfallet för modellen med FD där kontrollvariabler har inkluderats        men inte ”time fixed effects”. Utvecklingen mellan grupperna ligger nära noll både        innan och efter implementationen. Det innebär att grupperna inte skiljer sig åt i        någon extrem mening varken efter eller innan implementationen. Men man kan se en        uppgång efter år noll vilket tyder på att euron ger en viss effekt i export för        testgruppen och grupperna skiljer sig åt. Man kan även se att det finns en negativ        trend fyra år innan implementationen till och med tre år innan implementationen när        utvecklingen fasas ut och börjar ligga nära noll. 

 

Figur (2) är motsvarande modell likt Figur (1) men “time fixed effects” har lagts till.       

Utvecklingen ligger även här nära noll både innan och efter implementationen vilket        tyder på att parallella trender innan implementationen finns. Den tidigare uppgången        efter implementationen som kunde ses innan är mindre och blir sedan negativ. 

                 

(23)

Figur (3)   Figur (4)  

   

Figur (3) visar resultatet när FE har inkluderats med kontrollvariabler. Utvecklingen        i grafen ligger på negativa värden fram till implementationen när effekten av euron        på export för testgruppen gör att grafen ökar positivt. Det finns en brant lutning från        fyra år innan implementationen till och med tre år innan implementationen innan        utvecklingen planas ut något. Den branta lutningen tyder på att grupperna skiljer sig        åt innan implementationen och kriteriet om parallella trender tycks inte hålla i denna        modell.  

 

Figur (4) är motsvarande modell likt Figur (3) men “time fixed effects” och linjära        landstrender har lagts till. När det kontrolleras för trender försvinner skillnaden        mellan de två grupperna och utveckling följer jämt nära nollvärdet. Vid tidpunkt noll        för implementationen av euro sker en svag uppgång ett år framåt och        konfidensintervallet blir bredare. Effekten av euro på export för testgruppen ger        därefter en negativ effekt. För att resultaten av parallella trender ska bli ännu        tydligare specificeras de olika estimaten för graferna i Tabell 4. Ett år innan EMU        specificeras inte i tabellen då det är referensår.   

         

   

(24)

Tabell 4 

Parallella Trender  (1)  (2)  (3)  (4) 

Fyra år innan EMU  0.0403*** 

(0.0136) 

0.0122  (0.0109) 

­0.4418*** 

(0.0662) 

0.0102  (0.0355) 

Tre år innan EMU  0.0106 

(0.0153) 

0.0163  (0.0158) 

­0.0801*** 

(0.0223) 

0.0033  (0.0190) 

Två år innan EMU  0.0088 

(0.0179) 

0.0073  (0.0144) 

­0.0215  (0.0138) 

0.0045  (0.0089) 

EMU Införs  0.0081 

(0.0219) 

0.0108  (0.0126) 

0.0043  (0.0515) 

0.0139  (0.0219) 

Ett år efter EMU  0.0293 

(0.0236) 

0.0184  (0.0180) 

0.0361  (0.0633) 

0.0266  (0.0354) 

Två år efter EMU  0.0348 

(0.0255) 

­0.0258** 

(0.0130) 

0.0801  (0.0743) 

­0.0039  (0.0392) 

Tre år efter EMU  ­0.0048 

(0.0117) 

­0.0052  (0.0091) 

0.1481  (0.1121) 

­0.0661  (0.0520) 

First Difference  JA  JA  NEJ  NEJ 

Fixed Effects   NEJ  NEJ  JA  JA 

Time Fixed Effects  NEJ  JA  NEJ  JA 

Linjära Landstrender  NEJ  NEJ  NEJ  JA 

Kontrollvariabler  JA  JA  JA  JA 

Klustrade standardfel i parentes på enheten land. * p< .05, ** p<.01, *** p<0,001.  

 

Vid en snabb överblick kan man se att endast fyra estimat är signifikanta och        nollhypotesen kan förkastas på en procents nivå i tre fall och på en fem procents        nivå i ett fall. De signifikanta värdena är för Figur (1) fyra år innan euron        implementerades, Figur (2) för två år efter implementationen samt i Figur (3) för        dels fyra och sedan tre år innan implementationen. I en DID metod behöver        grupperna följa samma trend innan behandlingen och om värdena är signifikanta        innan innebär det att andra effekter påverkar som gör de två grupperna olika. När        trender inkluderas för både FE modellen och FD modellen syns inga signifikanta        värden innan behandlingen vilket tyder på parallella trender. Signifikanta värden        efter behandlingen innebär att behandlingen har haft en effekt på testgruppen. I detta        fall tycks bara FD modellen med trender visa att euron har gett en effekt två år efter        implementationen. 

 

(25)

6. Analys  

 

I Tabell 2 specificeras resultaten av fyra regressioner när första differensen har tagits        av samtliga kontinuerliga variabler. Regressionerna visar att eurons effekt på export        resulterar i negativa värden från 1.48 procent till och med 3.15 procent. Det är        motsatt effekt från tidigare resultat (se Tidigare forskning), där valutaunioner har        visats öka volymen av export. Regression (4) visar att euron har en minskning på        1.48 procent men estimatet är dock inte signifikant.        Skillnaden mot de andra        regressionerna är att “time fixed effects” inkluderas i regression (4), denna aspekt        bör inkluderas eftersom att man kan argumentera för att det finns förändringar som        påverkar export över tid för alla länder som exempelvis en mer globaliserad värld        och teknologisk utveckling. Det är förändringar som påverkar hela världen och        öppnar upp för handel, men i denna analys vill man ha bort dessa effekter. I        regressionen (1) och (2) när kontrollvariabeln BNP inkluderas får man en marginell        skillnad i estimaten 0.23 procent. Det innebär att kontrollvariabeln BNP inte        förklarar en stor del av variansen utan bara en del i denna modell. I regression (3)        minskar förändringen i export ytterligare när BNP per capita inkluderas. Trots det        skiljer sig effekten inte markant, då den visar att eurons effekt på export för        testgruppen är en minskning runt 3.15 procent. Kontrollvariabler inkluderas        eftersom det finns orsak att tro att BNP och BNP per capita påverkar exporten        utöver euron och när dessa inte hålls konstanta kan “omitted variable bias” uppstå.       

Det är möjligt att det finns andra faktorer som påverkar exporten som kunde ha        inkluderats i modellen utöver BNP och BNP per capita. Bland annat beror volymen        av export även på hur mycket omvärlden efterfrågar. Det i sin tur inkluderar en rad        faktorer som hur stabila importländerna är vad gäller den ekonomiska och sociala        situationen som råder i landet. Vilken inflationsnivå importländerna har och hur        deras växelkurs står gentemot euron samt andra faktorer till exempel krig eller andra        katastrofer som gör att importen minskar.  

 

I Tabell 3 specificeras resultaten av sju regressioner där “fixed effects” använts i        samtliga regressioner förutom i regression (1). I motsats till vad som visas i Tabell 2        är majoriteten av resultaten positiva när modellen inkluderar FE istället för FD. I       

(26)

denna FE modell förekommer estimat från en minskning på 11.63 procent till och        med en ökning på 92.19 procent. Det mest extrema värdet är regression (1) som        visar att euron i genomsnitt ökar exporten för testgruppen med approximativt 92.19        procent gentemot kontrollgruppen vilket även är ett signifikant värde. I regression        (2) sjunker det resultatet till 92.04 procent när “fixed effects” inkluderas. Båda        resultaten är med största sannolikhet överskattade, där relevanta kontrollvariabler        exkluderats och troligtvis lider modellerna av “omitted variable bias”, därför        inkluderas kontrollvariabeln BNP och BNP per capita vilket ger en ökning på 72.92        procent respektive 34.43 procent, se regression (3) och (4). När båda        kontrollvariabler inkluderas sjunker effekten som euron har på testgruppen avsevärt.       

I regression (5) inkluderas även linjära landstrender av orsak att det kan finnas        utmärkande trender för vissa av länderna som är unika för det landet och påverkar        landet över tid och även den övergripande effekten på exporten. Därmed bör man        kontrollera för linjära landstrender då denna inverkan inte är intressant.       

DID­estimatorn sjunker ytterligare men man bör notera att resultatet inte är        signifikant. För att se skillnaden av påverkan som linjära landstrender har respektive       

“time fixed effects” utförs även en regression (6) med kontrollvariabler och bara       

“time fixed effects”. Estimatet visar att den genomsnittliga effekten euro har på        exporten för testgruppen är en minskning på 11.63 procent. Det skulle kunna        argumenteras för att den tidigare positiva effekten som man kunde se är ett resultat        av tidstrender och när dessa tas i åtanke blir effekten till och med negativ. Dock bör        det noteras att estimatet inte är signifikant. I den sista regressionen (7) inkluderas        både linjära landstrender och “time fixed effects”. Resultaten är inte signifikant men        visar en negativ effekt på 1.84 procent. Observera att resultatet nästan är identiskt        med regression (4) i Tabell 2 som också visar en minskning runt en och en halv        procent där kontrollvariabler och “time fixed effects” också inkluderats.  

 

Enligt diskussion under avsnitt 4.1 kan resultaten som FE modellen visar vara utslag        av spuriösa samband. I princip ger FE modellen och FD modellen konstant olika        resultat med undantaget för regression (4) i Tabell 2 och regression (7) i Tabell 3.       

För båda modellerna bör man alltid överväga om det finns ett endogenitetsproblem        där de inkluderade variablerna är korrelerade med feltermen, om så är fallet blir       

(27)

modellen felspecificerad och ger inte korrekta utfall. Vad gäller FD modellen är det        intressant att den visar negativa värden då tidigare studier har kommit fram till att        valutaunioner har en positiv påverkan på export. Även FE modellen ger negativ        effekt i regression (6) och (7). En DID metod ger endast en genomsnittlig förändring        över samtliga länder i testgrupp respektive kontrollgrupp. Om ett estimat visar på en        minskning kan det innebära att de länder som visar på negativa värden för export är        överrepresenterade. Men i själva verket kan enskilda länder ha gynnats av euron.       

Det bör även tas i åtanke att det är relativt få länder som modellen baseras på samt        att paneldata i detta dataset är obalanserad vilket innebär att vissa observationer        fattas. Detta gör att det finns en risk att överestimera eller underestimera resultat. I        en analys som denna bör det finnas så många observationer som möjligt för att öka        chanserna att få väl specificerade och korrekta resultat. 

 

7. Slutsats  

Syftet med denna studie var att se huruvida eurons genomsnittliga effekt har ökat        respektive minskat exporten för medlemsländerna efter att de implementerade euron.       

Det som kan konkluderas är att det inte föreligger några signifikanta samband        mellan eurons implementering och dess påverkan på medlemsländernas export.       

Estimaten kan således vara under­ eller överskattade.        Vidare har man i termer av        stationäritet diskuterat tidsdimensionen och därav inkluderat modellen i första        differensen för att öka tillförlitligheten i studien, då hänsyn tagits till de        icke­stationära variablerna i basmodellen. Trots den låga signifikansnivån så kan det        alltså finnas vissa indikationer på att den genomsnittliga effekten på exporten i viss        mån har minskat, med tanke på att estimaten i både FD och FE modellen delvis        överensstämmer i sista regressionen. Utöver det indikerar även figur (1), (2) och (4)        att antagandet om parallella trender kan tänkas vara uppfyllt i både FD och FE        modellen. Vidare kan en inledningsvis positiv effekt uppvisas direkt efter        implementeringen av euron, följt av en nedgång i nästkommande period. Observera        att estimaten i figur (3) inte uppfyller kriteriet och att majoriteten av estimaten inte        är signifikanta i samtliga. Den relativa minskningen skulle kunna gå i linje med De        Nardis & Vicarellis resonemang om att eurons effekt är betydligt lägre än vad som        redovisats i tidigare studier, då det initiala arbetet som banade väg för valutaunionen       

References

Related documents

När det kommer till själva betongbjälklaget så visar intervjun med respondenten ifrån kalkyl att det inte är någon markant skillnad på kostnaden för de olika bjälklagen

I både interventionsgruppen och viktgrupp 1 syns en liten ökning av den energi som kommer från protein samtidigt som det totala energiintaget har minskat i båda grupperna. Det

Dessa familjer behöver bli förstådda för att kunna hjälpa de på ett bra sätt, vilket bör vara en självklarhet i relation till det sociala arbetet med barn och familjer..

Om en feriepraktikant fått en tillsägelse av handledare och händelsen upprepas ska handledaren kontakta ansvariga för feriepraktiken.. En muntlig och skriftlig varning kan

Dessa fångas upp genom särskilda variabler som mäter den ”oförklarade” skillnaden år för år för exporten inom, från respektive till euroländerna relativt exporten

Ett skäl är att det för länder på en låg inkomstnivå kan vara rimligt att lägga större vikt vid effektivitetsvinsterna av en övergång till euron i förhållande till de

Sammanfattningsvis är det svårt att frigöra sig från misstanken att Rose resultat till stor del speglar andra orsaks- samband än att en gemensam valuta i sig ger upphov

I november 2011 avbokade Kina i vredes- mod ett möte i den indisk-kinesiska gräns- kommissionen, där man då och då träffas för att diskutera gränsen mellan Indien och Kina