EXAMENSARBETE
Innovationers påverkan på BNP
En ekonometrisk undersökning av EU:s medlemsländer
Christian Dahlkar Jordanov 2015
Ekonomie kandidatexamen Nationalekonomi
Luleå tekniska universitet
Institutionen för ekonomi, teknik och samhälle
EXAMENSARBETE
Innovationers påverkan på BNP
En ekonometrisk undersökning av EU:s medlemsländer.
Christian Dahlkar Jordanov 2015
Ekonomie kandidatuppsats Nationalekonomi Luleå Tekniska Universitet
Institutionen för ekonomi teknik och samhälle
SAMMANFATTNING
Resultaten från EU kommissionens innovation index visar att innovationsgapet mellan EU:s medlemsländer har ökat under senare år. EU kommissionen menar att detta kan bero på i vilken grad länder investerar i FoU och antal patent. Syftet med uppsatsen är att undersöka hur innovationsförmåga kan påverka den ekonomiska utvecklingen för EU:s medlemsländer och hur väl olika variabler fungerar som indikatorer för innovation. Studien använder en Pooled OLS modell och en så kallad fixed effects samt paneldata för 17 EU medlemsländer över en tidsperiod på 17 år, 1996-2012. Resultaten visade att FoU-utgifter och FoU personal har haft en positiv påverkan på ländernas BNP, dock visade sig patent ha ett negativt samband med BNP.
Nyckelord: Innovation, FoU, Patent, Ekonomisk tillväxt, EU.
ABSTRACT
The result from the EU commission’s innovation performance index suggests that the innovation gap has increased during latter years. The EU commission suggests that countries that have high innovation performance also invest a lot in R&D and patents.
The purpose of the paper is to investigate how R&D inputs and patents can affect the countries GDP and how well these variables works as indicators for innovation. The study uses a fixed effect model for the regression using a panel data over 17 EU member states over the time period, 1996-2012. The results show that R&D expenditure and R&D personnel had a positive relationship with GDP, though patents shows a negative relationship with GDP.
Keywords: Innovation, R&D, Patent, Economic Growth, EU.
FÖRORD
Kandidatuppsatsen omfattar 15 högskolepoäng och har bedrivits under vårterminen 2015. Författaren till studien är tacksam till sin handledare Patrik Söderholm som bidragit med värdefulla kommentarer till arbetet och expertis inom området.
Författaren vill även tacka opponenter på seminarierna som hjälpt till att förbättra och föra arbetet framåt.
Christian Dahlkar Jordanov
INNEHÅLLSFÖRTECKNING
KAPITEL 1 INLEDNING ... 1
1.1 Problembakgrund ... 1
1.2 Syfte ... 2
1.3 Frågeställningar ... 2
1.4 Metod ... 2
1.5 Avgränsningar ... 3
1.6 Tidigare forskning ... 3
1.7 Disposition ... 5
KAPITEL 2 BAKGRUND ... 6
2.1 Varför mäter man innovation? ... 6
2.2 Innovation ... 6
2.2.1 Definition av innovation ... 6
2.2.2 Radikal- och inkrementell innovation ... 8
2.2.3 Typer av innovation ... 8
2.3 Invention, innovation and diffusion ... 8
2.4 Innovationsarbetet inom den Europeiska Unionen ... 10
KAPITEL 3 TEORETISK REFERENSRAM ... 12
3.1 Tillväxtteorier ... 12
3.1.1 Neoklassisk tillväxtteori ... 12
3.1.2 Endogen tillväxtteori ... 14
3.2 Innovationsmått ... 15
3.2.1 FoU-utgifter som en innovationsindikator ... 16
3.2.2 FoU personal som en innovationsindikator ... 16
3.2.3 Patent som mått på innovationsaktivitet ... 17
3.3 Sammanfattning ... 18
KAPITEL 4 MODELL OCH DATA ... 19
4.1 Val av metod ... 19
4.2 Modellspecifikation ... 20
4.3 Data ... 21
4.4 Ekonometriska frågeställningar ... 25
KAPITEL 5 EMPIRISKA RESULTAT OCH ANALYS ... 27
5.1 Empiriska resultat ... 27
5.2 Analys och diskussion ... 30
KAPITEL 6 SLUTSATSER ... 32
KÄLLFÖRTECKNING ... 34
APPENDIX ... 36
Tabell med tidsdummyvariabler ... 36
Tabell Robustvärden ... 37
Tabell Fixed effects ... 38
FIGURLISTA
Figur 1. Tillväxt-spiralen ... 9
Figur 2. Innovationsdiagram ... 10
Figur 3. Teknisk utveckling ... 13
Figur 4. BNP/capita ... 21
Figur 5. FoU-utgifter/capita ... 22
Figur 6. Patenansökningar/miljon invånare ... 23
Figur 7. FoU personal/miljon invånare ... 24
TABELLISTA Tabell 1. Tabell för T-test ... 26
Tabell 2. Tabell för F-test ... 26
Tabell 3. Ekonometriskt resultat ... 27
Tabell 4. Korrelationsmatris ... 29
1 KAPITEL 1 INLEDNING
1.1 Problembakgrund
Det finns tre grundläggande faktorer som förklarar graden av ekonomisk tillväxt.
Dessa är kapitalackumulation, befolkningstillväxt och teknisk utveckling (Todaro &
Smith, 2003). Det finns flera teorier som argumenterar för betydelsen av teknisk utveckling för ekonomisk tillväxt. Den främsta av dessa teoretiker var Robert Solow.
Han menade att teknisk utveckling var motorn för all tillväxt. Han höll däremot teknisk utveckling som exogen i sin modell för ekonomisk tillväxt. Men Solow kunde inte förklara hur den tekniska utvecklingen kom till stånd. Modellen kunde inte förklara vad som karaktäriserar länder som fått igång tillväxtmotorn. (Fregert &
Jonung, 2010).
Under 1990-talet uppstod däremot nya teorier som förklarade hur den tekniska utvecklingen kommer till stånd. En av dessa teoretiker var Paul Romer, som var pionjär för den endogena tillväxtteorin. Han höll i stället teknisk utveckling som endogen i sin modell (Jones, 2001). Den endogena tillväxtteorin bröt mot den neoklassiska och menade att den inte förklarade företeelser för den långsiktiga tillväxten (Persson & Skult, 2011). Han menade att faktorer såsom humankapital och forskning och utveckling (FoU) har en stor påverkan för hur ett land fördelar sina resurser på ett effektivt sätt. Att utveckla nya idéer vilar nästintill alltid på vikten från tidigare kunskap. Därför är spridning av kunskap en viktig del för teknisk utveckling eller innovation. Spridning av kunskap sker i stor del via utbildning, och därför har hög en utbildad arbetskraft stor påverkan på innovation och därigenom ekonomisk tillväxt (Fregert & Jonung, 2010). Båda teorierna står dock bakom tanken om att teknisk utveckling är en viktig faktor för ekonomisk tillväxt.
2
En av frågorna som står högt på dagordningen för EU för tillfället är forskning och innovation. Varje år släpper EU kommission en rapport för EU medlemsländernas innovationsresultat. Under senare år påvisar resultat ökad innovation för Euroområdet, men ökade klyftor i innovationsresultat mellan EU:s högst presterande länder och de sämst presterade länderna. EU startade därför 2014 ett projekt, Horisont 2020, där huvudsyftet är att öka satsningen på innovation inom EU. Målet är att hela EU området ska satsa minst 3 % av sin BNP på FoU tills 2020. Med en total budget om 80 miljarder euro ska de hjälpa universitet, forskningsorganisationer och företag med deras FoU-satsningar på nya innovativa produkter och tjänster. (EU kommissionen, 2014). Ett problem som dock ständigt uppkommer här är svårigheten att mäta innovation.
1.2 Syfte
Syftet med uppsatsen är att undersöka innovations påverkan på BNP utvecklingen för EU:s medlemsländer. Uppsatsen ska även frambringa förståelse om hur innovation mäts och hur det sedan tillämpas i forskning.
1.3 Frågeställningar
Frågeställningarna som uppsatsen har syfte att svara är:
• Hur mäter man innovation?
• Hur kan innovation förklara BNP utveckling?
1.4 Metod
Tillvägagångssättet för uppsatsen kommer vara en empirisk undersökning som består av två delar. Den första delen kommer stå för en deskriptiv del där det diskuteras hur man mäter innovation, vilka variabler man räknar med och vilka styrkor och svagheter det finns med måtten. Den andra delen kommer att vara en ekonometrisk undersökning om hur innovation kan förklara BNP-utveckling för ett antal länder.
Studien använder en pooled OLS modell för regressionen för att besvara frågeställningen. Utifrån den teoretiska referensramen studien används BNP per capita som beroende variabel.
3
Modellen använder patent, FoU-utgifter och antal anställda i FoU avdelningar som innovationsvariabler, de kommer vara oberoende variabler i modellen.
Kontrollvariabler tillkommer även som förklarar ekonomisk tillväxt. Den ekonometriska undersökningen inkluderar 17 EU medlemsländer över tidsperioden 1996-2012.
1.5 Avgränsningar
Avgränsningen kommer vara att studien endast analyserar hur innovationsvariabler påverkar BNP inom de 17 EU länderna. Till följd av bristande datamaterial på några av variablerna har de 11 resterande medlemsländerna uteslutits ur studien. Studien kommer inte undersöka specifika branscher för innovation, utan innovation kommer att undersökas utifrån ländernas helhet för att göra en jämförelse mellan länder.
Till följd av de indikatorer som används för innovation är studien begränsad i avseendet att indikatorerna inte täcker hela innovationsverksamheten. De indikatorer som används täcker mer ingående teknisk innovation som endast är en del av innovationsverksamheten.
1.6 Tidigare forskning
Kubak m.fl. (2013) är en studie som analyserar variabler som kan vara till grund för en framgångsrik kunskaps ekonomi. Studiens fokus ligger på USA, Kanada och Sverige som i rapporten argumenteras för att vara högt presterande innovatörer. I studien görs en OLS regression på beroende variabeln BNP och olika oberoende variabler som proxies för innovation mellan länder. Länderna förklarades av olika variabler beroende på vilka proxies som korrelerade bäst med deras BNP. USA förklarades bäst av statliga budgetanslag eller utgifter för FoU och antal godkända patent. Kanada förklarades bäst av statliga budgetanslag eller utgifter för FoU, patent godkända för universitet och antal forskare inom ekonomin. För Kanada menade Kubak m.fl. att desto mer staten investerade i FoU, desto mindre blev BNP. Sverige förklarades bäst av statliga utgifter för FoU och exporterade högteknologiska produkter. I studien kom Kubak m.fl. fram till slutsatsen att det fanns ett positivt förhållande mellan BNP och innovationsvariablerna, därigenom innovation.
4
Hunady och Orviska (2014) är en studie som har till syfte att bevisa det empiriska förhållandet mellan FoU, innovation och ekonomisk tillväxt. Tillvägagångsättet i studien är en regression på paneldata över europeiska länder över tiden mellan 1999 till 2011. Resultaten visade att de länder som hade högre innovation resultat de senaste åren hade högre ekonomisk tillväxt 2012. De länder som hade högre FoU- utgifter hade högre antal forskare och registrerade patent. Studien visade att det fanns ett negativt förhållande mellan FoU-utgifter och ekonomisk tillväxt. Däremot fanns studien ett positivt förhållande mellan laggade FoU-utgifter och ekonomisk tillväxt.
De fann också att utländska direkt investeringar hade en positiv inverkan i modellen, som de motiverar kan vara en teknologisk spridning mellan länderna.
Bilbao-Osorio och Rodriquez-Pose (2004) är en studie som har i syfte med att se om FoU investeringar från olika sektor, privat, offentligt eller högre utbildnings institutioner har olika inverkan på innovation och ekonomisk tillväxt. De kom fram att det fanns ett positivt förhållande mellan FoU aktiviteter och uppkomsten av innovation. De olika sektorerna däremot visade sig inte vara lika produktiva när det kommer till innovation. Den privata sektorn visade sig ha högre avkastning än forskning genomförd av någon annan sektor.
Bayarcelik & Tasel (2012) är en studie som tittar på sambandet mellan innovation och BNP i Turkiet genom den endogena tillväxtteorin, som menar att innovation är nyckeln till ekonomisk tillväxt på globala marknader. Genom att använda sig av den teoretiska referensramen har de genomfört en 2SLS regression, där de använder FoU- utgifter, FoU personal och patent som innovationsindikatorer, och Turkiets BNP som ekonomisk tillväxt. De använder sig av paneldata över kemiska företag noterade på Istanbuls aktiemarknad över tidsperioden 1998-2010. De fann ett positivt och signifikant förhållande mellan FoU-utgifter och FoU personal mot Turkiets BNP, dock var antal patent negativ i regressionen.
Ulku (2004) är en studie som använder patent- och FoU data på 20 OECD länder och 10 icke OECD länder för att visa ett samband mellan innovation och BNP per capita.
Syftet med studien var att undersöka om det fanns ett signifikant samband mellan ländernas FoU insatser och deras innovation och mellan innovation och inkomst per capita.
5
Ulkus resultat visade på ett positivt förhållande mellan BNP per capita och innovation i både OECD och icke-OECD länder. Effekten från FoU lagret på innovation var endast signifikant i OECD länder med stora marknader. Hon fann att innovation inte förklarar hållbara ökningar i ekonomisk tillväxt. Det kan också vara missvisande eftersom varken FoU data eller patent fångar hela innovations- och FoU-aktiviteter.
Mueller (1966) är en studie som behandlade frågan om patent som mått på innovativ aktivitet. Han tog fram korrelationen mellan FoU-utgifter, antal anställda i FoU avdelningar och patent mellan olika branscher. Han delade upp forskningen i tre delar, grundforskning, tillämpad forskning och utveckling. Korrelationen mellan FoU och antal patent visade sig vara mycket stark och den var som starkast mellan patent och utveckling. Detta kan förklaras för att möjligheten att patentera en uppfinning sker i det sista steget av forskningen. Mueller kommer fram till slutsatsen att FoU data och patent om de appliceras med försiktighet, kan ge forskaren tillfredsställande resultat som indikatorer för innovativa aktiviteter.
Sammanfattningsvis utifrån studierna kan vi dra slutsatsen att det finns ett positivt samband mellan innovation och tillväxt. Studierna använder också FoU-utgifter och patent som frekventa mått på innovationsaktiviteten. Studien skiljer sig från tidigare forskning då studien använder de innovationsindikatorer som Mueller (1966) diskuterar om och applicerar det till de till EU länderna i ljuset av ett ökat gap för innovationsresultat inom EU.
1.7 Disposition
I följande kapitel diskuteras en bakgrund om innovation och varför det mäts, samt en mer detaljerad beskrivning om EU:s innovationsresultat. I kapitel 3 diskuteras den teoretiska referensramen som ligger till grund för arbetet, samt fördelar och nackdelar med olika innovationsmått. I kapitel 4 kommer en vidare beskrivning om metodvalet för studien samt en diskussion om regressionsmodellen, det datamaterial som används och eventuella problem med estimering av modellen. I kapitel 5 tolkas resultaten från regression och djupare analys av vad studien kommer fram till givet dess syfte. I kapitel 6 ges en avslutande diskussion angående slutsatser och förslag till fortsatt forskning.
6 KAPITEL 2 BAKGRUND
2.1 Varför mäter man innovation?
Oslo-manualen (2005) menar på att innovation har en central roll inom kunskapsekonomin. Dock har innovationsprocessen inte varit tillräckligt förstådd förrän nyligen. Rapporten menar att på makronivå finns det betydande bevis att innovation är den drivande faktorn bakom ekonomisk tillväxt. En rapport av Ben Westmore (2013) menar att förhållandet mellan innovation och ekonomisk utveckling är allmänt känt. Innovation är nyckeln till tillväxt och av produktion och produktivitet och har en avgörande betydelse för att minska fattigdom hävdar Westmore. Därför är det av avgörande betydelse att förstå innovation bättre och dess samband till ekonomisk utveckling. För att få en bättre förståelse för innovation krävs innovationsdata. FoU spelar en stor roll för innovationsprocessen och är en faktor som ständigt kommer upp i frågan om mätning av innovation. Rapporten från Westmore (2013) hävdar att innovationsverksamheten inte bara är FoU baserade utan innovation förlitar sig också på en högutbildad arbetskraft och en organisationsstruktur som främjar inlärning. Det krävs då en innovations politik som fångar upp dessa faktorer.
Oslo-manualen (2005) menar att genom fler studier om innovation, har ökad medvetenhet om ämnet gjort innovation till en stor punkt i den politiska dagordningen i de mer utvecklade länderna.
2.2 Innovation
2.2.1 Definition av innovation
Innovation är skapandet av något kvalitativt nytt, genom en process av lärande och kunskapsbyggande (Grant, 2002). De kan vara materiella eller immateriella. Det som yttrar innovation är att det är nytt för alla, således nytt för världen. Innovationer kan också alstras av tidigare kunskap i allmänhet. De behöver inte vara tekniska i sin natur, de kan vara en ny upptäckt eller uppfinning.
7
En innovation kan vara nya idéer, nya tekniker eller nya processer som på något sätt som är lovande eller fungerar, och som är ny. Exempel på innovationer kan vara en produkt, lösning, affärsidé, tjänst, kemisk formel, matematisk metodik eller teknologi (SOU, 2006:80). Med detta breda begrepp blir innovation en grundförutsättning för all utveckling. Vad som särskiljer en innovation från en idé är att en innovation har prövats på en marknad. De som utvecklar och lanserar en innovation på en marknad kallas för entreprenörer eller innovatörer.
Lööf (2012) i sin rapport för SCB skiljer innovation med en modern och en klassisk definition. En känd klassisk definition av Schmookler (1966) har haft ett stort inflytande på forskare i åratal. Han definierade innovation som:
”När ett företag producerar en vara eller en tjänst eller använder en metod eller input som är ny, gör de en teknisk förändring. Företaget som är först med att göra den tekniska förändringen är en innovatör och dess handling är innovation.” (Schmookler. 1966. s. 2)
Decennierna efter Schmookler har det uppstått en kraftig ökning i innovationsstudier.
En modernare definition som är mer tillämpad för modernare tid kommer från en av dessa studier, OECDs (2005) så kallade Oslo-manualen. Studien har fått stor attraktion för sin definition av innovation:
”Innovation är genomförandet av en ny eller väsentligt förbättrad vara, tjänst eller process, nya marknadsföringsmetoder eller nya sätt att organisera affärsverksamhet, arbetsorganisation eller yttre relationer.” (Oslo-Manualen.
2005. s. 9)
Skillnaden mellan Oslo-manualen och Schmooklers definition om innovation är avgränsningen. Schmooklers definition talar endast om tekniska förbättringar av en vara eller tjänst. Oslo-manualens definition har en bredare synvinkel där den även menar att nya sätt att organisera kan ses som innovation även nya marknadsföringsmetoder.
8 2.2.2 Radikal- och inkrementell innovation
Innovationsforskningen brukar dela in innovation i två delar eller klasser utifrån vilket nyhetsvärde den innehåller. Är nyhetsvärdet stort klassas den som en radikal innovation och är nyhetsvärdet lågt klassas den som en inkrementell innovation.
En radikal innovation innebär en omfattande eller revolutionär förändring i teknik. En inkrementell innovation innebär ändringar i detaljnivå, det är små förbättringar eller mindre justeringar i nuvarande teknologi (SOU, 2006:80). Schumpeter menade att radikal innovation formar stora förändringar i världen, medan inkrementella innovationer kontinuerligt fyller i förändringsprocesser.
2.2.3 Typer av innovation
Enligt Oslo-manualen (2005) finns det primärt fyra typer av innovationer:
• Produktinnovation
• Process innovation
• Organisatorisk innovation
• Marknadsföringsinnovation
En produktinnovation är en vara eller en ny tjänst. En process innovation är en ny process för att producera en vara eller tjänst. En organisatorisk innovation är en ny form för industriell organisering. En organisatorisk utveckling räknas endast som en innovation om det finns en mätbar ändring i produktionen. Produkt- och process innovation faller under kategorin teknisk innovation. Det är dessa typer av innovationer som kommer ligga i fokus i denna uppsats. Organisatorisk innovation kommer inte undersökas i studien eftersom det finns relativt liten praktisk erfarenhet om ämnet. (Oslo-manualen, 2005)
2.3 Invention, innovation and diffusion
Den tekniska utvecklingsprocessen sker främst i tre steg inom ekonomin, de är invention, innovation och diffusion. Det första steget är att en produkt eller process skapas genom utveckling av ny kunskap från gammal kunskap, detta sker genom FoU. Detta steg kan vara kostsamt eftersom kostnaderna för FoU kan vara höga.
9
Det andra steget är innovation, då introduceras och marknadsförs den nya produkten på marknaden eller genom att en ny process börjas användas. Det andra steget är att teknologin förbättras eller justeras av någon anledning. Det tredje steget är diffusion, det är steget när innovationen blir tillgänglig för användning, genom att olika företag eller individer använder innovationen. Det kallas också för spridningsprocessen då det sprids bland flera användare. En process eller produkt sprids på efterfrågesidan genom att konsumenter konsumerar varan eller tjänsten och på utbudssidan genom att konkurrenter imiterar (Grant, 2002).
Med imitation menas att andra drar nytta av en innovation (Oslo-manualen, 2005).
Diffusion är definierat som vägen vilket innovation sprids, det kan vara genom marknadskanaler eller genom icke marknadskanaler. Utan diffusion eller spridning så har innovation inte någon ekonomisk inverkan eftersom ingen drar nytta av den (Oslo-manualen, 2005). Efter det sista steget kan också användandet av innovation genom Learning-by-doing eller Learning-by-using generera ytterligare innovationer.
Det kan vara tekniska förbättringar och förbättringar i prestationer (inkrementell innovation) och kanske till och med nya upptäckter (radikal innovation).
Figur 1 Tillväxt-spiralen Källa: SOU 2006:80
Figur 1 visar tillväxt-spiralen i olika steg. Det första steget, Invention sker i någon form av FoU, för att utveckla idéer. Det andra steget, Innovation sker genom en exploatering och kommersialisering, uppfinningen introduceras på en marknad.
10
Det är i det tredje steget, Diffusion som innovationer påverkar tillväxten och välfärden, när den sprids bland användare och utnyttjas av dessa. Tillväxten och vinster från innovationen bidrar sedan till ytterligare finansiering i FoU som i sin tur bidrar med fortsatta innovationer och det bidra med fortsatt tillväxt. (SOU, 2006:80)
2.4 Innovationsarbetet inom den Europeiska Unionen
EU kommissionen släpper varje år innovationsresultat från EU medlemsländer, där de undersökt vad EU länderna fått ut av sin innovation. De mäter innovationsresultaten från länderna genom att undersöka olika sektorer. De har delat upp länderna i fyra kategorier beroende på hur de presterat inom innovation. Kategorin som placeras högst är innovationsledare vilket omfattar länderna; Sverige, Danmark, Tyskland och Finland. Den följande kategorin är innovationsföljare som omfattar länderna;
Luxembourg, Nederländerna, Belgien, Storbritannien, Österrike, Frankrike, Cypern, Irland, Slovenien och Estland. Nästa kategori är måttliga innovatörer vilket omfattar länderna; Italien, Tjeckien, Spanien, Portugal, Grekland, Ungern, Slovakien, Malta, Kroatien och Litauen. Den lägst rankade kategorin är blygsamma innovatörer vilket omfattar länderna; Rumänien, Polen, Lettland och Bulgarien.
Figur 2 Innovationsdiagram Källa: European Commission, 2013
11
Resultaten från rapporten visar på att EU området har ökat sina innovationsresultat de senaste åren. Den horisontella axeln i figur 2 visar ett innovationsindex mellan 0-1, som visar i vilken grad landet får ut av sin innovation. Resultattavlan bygger på 24 indikatorer som delats upp i tre kategorier för sin politiska relevans. Den första kategorin ”Möjliggörare” visar de viktiga delar som krävs för innovation, såsom personal i forskning, investeringar och stöd i forskning och attraktiva forskningssystem. Den andra kategorin ”Företagsinnovation mäter företagens forskning på innovation. Den tredje kategorin ”Resultat” visar hur väl de två andra kategorierna omvandlas till ekonomiska fördelar. (Europa.eu, 2013)
Med länder inom EU som faller allt längre bak i innovationsutveckling blir frågan om vad de stora klyftorna i innovation beror på. EU kommissionen försöker besvara den frågan i sin resultattavla där de i huvudsak kan informera beslutsfattare i länderna vart deras svagheter och styrkor ligger när det kommer till innovation. Enligt ett pressmeddelande från EU kommissionen (2013), är ett land innovationsledare till följd av att de satsar mycket på FoU och patentansökningar. De menar också att länderna har gemensamt i avseendet att de gör stora innovationssatsningar i företag och investeringar i högre utbildning.
Då syftet med studien är att försöka förklara hur innovation kan påverka innovationsutveckling, angriper studien hur olika innovationsindikatorer påverkar länders BNP. Det blir därför viktigt att undersöka hur viktig innovation är för ett lands fortsatta utveckling.
12 KAPITEL 3
TEORETISK REFERENSRAM
3.1 Tillväxtteorier
Med ekonomisk tillväxt menas att värdet av den totala produktionen av varor och tjänster uttryckt i BNP ökar. I detta avsnitt beskrivs olika teorier för att förstå den ekonomiska tillväxten och dess drivkrafter, inklusive betydelsen av innovation.
3.1.1 Neoklassisk tillväxtteori
Den neoklassiska tillväxtteorin använder tre bestämningsfaktorer för ekonomisk tillväxt, kapitalackumulation, befolkningstillväxt och teknisk utveckling. Den beskriver kapitalackumulation och befolkningstillväxt inom modellen och håller teknisk utveckling som exogen. Den tar teknisk utveckling för givet och argumenterar att om teknisk utveckling upphör, så upphör även tillväxten. Detta förklaras i den neoklassiska modellen även kallad Solowmodellen, efter den amerikanske nationalekonomen Robert Solow. Solow (1957) menar att teknisk utveckling är en nödvändighet för tillväxt. Däremot håller den teknisk utveckling som exogen i modellen då den inte förklarar hur teknisk utveckling kommer till stånd. Modellen använder sig utav tre funktioner:
• Produktionsfunktion för BNP per capita 𝑦 = 𝐴𝑓(𝑘)
• Funktion för nödvändiga investeringar 𝐼/𝐿 = 𝑛 + 𝛿 𝑘
• Funktion för faktiska investeringar 𝐼/𝐿 = 𝑠𝑦
Produktionsfunktionen för BNP per capita är en funktion av teknisk utveckling multiplicerat med en funktion av kapitalintensitet, som säger att BNP per capita ökar av antingen ökad kapitalintensitet eller en teknisk utveckling. Funktionen för nödvändiga investeringar har precis som den första funktionen dividerats med landets arbetskraft för att få uttrycket i per capita form. Nödvändiga investeringar ökar av en ökad befolkningstillväxt (n) som eller deprecieringstakten (δ).
13
En ökning i nödvändiga investeringar minskar BNP per capita. Funktionen för faktiska investeringar bestäms till skillnad från nödvändiga investeringar bestäms av en andel av BNP per capita (s). Faktiska investeringar är en konstant andel av produktionen. Därför ser vi i figur 3 att faktiska investeringar är en kurva proportionell mot BNP per capita (Fregert & Jonung, 2010).
Figur 3 Teknisk utveckling Källa: Fregert & Jonung, 2010.
Figur 3 beskriver Solowmodellen med en engångsförändring i teknisk utveckling eller total faktorproduktivitet. En förändring i teknisk utveckling skiftar produktionsfunktion för BNP per capita upp där A är exogen i funktionen. Den skiftar också funktionen för faktiska investeringar uppåt då BNP per capita (y) ökar. En engångsökning i teknisk utveckling medger en direkt engångsökning i BNP per capita i punkt B. På långsikt startas en kapitalackumulation som ökar kapitalstocken till ett nytt steady state i punkt A där de nödvändiga investeringarna är lika med de faktiska.
En ökning i teknisk utveckling sker främst av innovation. Solow (1957) menar med sin modell att det krävs konstant teknisk utveckling för konstant ekonomisk tillväxt och kontinuerlig förändring av steady state. Det krävs konstant teknisk utveckling eftersom det inte är önskvärt i längden att öka kapitalstocken eller minska befolkningstillväxten.
14
Därför krävs det fortsatta innovationer för att främja den tekniska utvecklingen.
Problemet med den neoklassiska tillväxtmodellen är att den inte säger något om långsiktig ekonomisk tillväxt (Fregert & Jonung, 2010).
3.1.2 Endogen tillväxtteori
Den endogena tillväxtteorin är en teori för hur idéer skapas och sprids. Paul Romer (1990) var pionjär för denna relativt unga teori. Teorin behandlar frågan om vad som orsakar teknisk utveckling, vilket krävs för en permanent tillväxt i BNP per capita.
Till skillnad från den neoklassiska tillväxtteorin, så motiverar den endogena tillväxtteorin om hur teknisk utveckling eller det samlade kunskapskapitalet (A) kommer till stånd. En ökning i teknologin (A) kan delas upp i två delar. Det första är uppkomst av nytt vetande genom FoU och genom ”Learning by doing”. Det andra är spridning av nytt och gammalt vetande bland individer genom utbildning (Fregert &
Jonung, 2010).
Uppkomsten av nytt vetande är ett svåranalyserat område för nationalekonomer. Idéer skiljer sig från en vanlig vara, att någon använder sig utav en annans ide minskar inte värdet för användningen av samma ide. Men uppkomsten av idéer eller innovationer genom forskning är en kostsam process som kräver investering. Forskaren kan inte ta ut en försäkring på idén eftersom det inte finns någon säkerhet på idén. Det finns även en risk att idéer kan kopieras av konkurrenter efter uppfinnandet. Därför kan uppfinnaren ta patent på idén. Detta ger uppfinnaren monopol så att denna kan sätta ett högre pris än marginalkostnaden för att kunna täcka sina utvecklingskostnader (FoU-utgifter). Detta kanske inte är samhällsoptimalt att begränsa konkurrensen för en produkt eller marknad, men utan patentens försäkran, skulle idén förmodligen inte utvecklats till en innovation i samma takt eller inte alls eftersom FoU är en kostsamt och riskabel process. Patent fungerar som en försäkran för investeringen om framtida avkastning (Fregert & Jonung, 2010).
Skapandet av nya idéer kan också ske genom produktivitetsförbättringar genom processen learning-by-doing. Learning-by-doing sker genom att företag och individer blir skickligare på att använda produktionsfaktorerna. Här kan process innovationer ske då produktionsmetoder förbättras (Fregert & Jonung, 2010).
15
Spridning av kunskap sker genom utbildning, det ses som en investering i kunskapskapitalet eller humankapitalet. En välutbildad arbetskraft kan genom en formell utbildning specialisera sig inom ett område och behärska nya och gamla produktionsmetoder. FoU är i hög grad beroende av en välutbildad arbetskraft eftersom nya idéer vilar nästan alltid på tidigare kunskap, så kallad ”standing on shoulders effect” (Fregert & Jonung, 2010).
3.2 Innovationsmått
Tidigare forskning och studier betonar svårigheten att mäta innovation, de använder i stället konkret data för att förklara ekonomiska samband med innovation. Själva problemet med att mäta innovation är själva objektet som mäts. Även när det kommer till själva definitionen ger det svårigheter för att mäta innovation. Det hade varit klart enklare att mäta innovation om det fanns en allmänt accepterad definition (Lööf, 2012). Innovation är per definition en nyhet, alltså skapandet av något nytt (SOU, 2006:80). Det man då i stället mäter är indikatorer för innovation, processen fram till en innovation. Det tidigare forskningen har gjort för att mäta innovation är att använda proxy variabler för att se effekter av innovation. FoU-utgifter och sysselsättning i FoU avdelningar används för att mäta input på innovation, patent används för att mäta output på innovation (Mueller, 1966). Frågan om vad man kan mäta är inte bara ett problem för innovation utan även för all ekonomisk statistik.
Forskning och utveckling (FoU) har tillsammans med patent varit den term som använts för att fånga den verksamhet som bedrivs av forskare, tekniker och entreprenörer för att utveckla ny kunskap eller utveckla sätt att göra saker (Lööf, 2012).
Lööf (2012) i sin rapport för SCB har gjort en innovationsstudie för Sverige, där han diskuterar om innovationsmått. Lööf indelar indikatorer för innovation i två kategorier. Ena kategorin används proxy, där det statiska underlaget är dåligt. I den andra kategorin så används kategorivariabler med diskreta värden.
16 3.2.1 FoU-utgifter som en innovationsindikator
Enligt en rapport från OECD nämnd Frascati manualen (2002) är FoU endast en del av innovationsprocessen och FoU-utgifter är därför det ekonomiska bidraget. FoU genom sin roll att generera ny forskning har varit kärnan i den moderna innovationsforskningen. FoU-utgifter består av kostnader för arbete, personal och material. När man tänker på input i delar ekonomer upp de i olika former av produktion, dvs. kapital och arbetskraft (Sanders, 1962). Då blir FoU-utgifter kapital delen i produktionsfunktionen.
Fördelen med att använda FoU som en indikator på är att det finns långa tidsserier för FoU uppgifter. Det kan användas som proxy för faktiska investeringar i innovation (Frascati manualen, 2002). En annan fördel med att använda FoU-utgifter som innovationsindikator är att det har lagts stora ansträngningar på att göra statistiken jämförbara över länder.
Klara nackdelar med FoU-utgifter är att den endast täcker input på innovationer.
(Frascati-manual. 2002) En annan nackdel är den inte mäter innovation som uppstår utan FoU såsom Learning by doing. Men enligt Oslo-manualen (2005) så har erfarenhet och tidigare forskning visat att FoU-utgifter kan visa acceptabla estimat även för icke-FoU delen.
3.2.2 FoU personal som en innovationsindikator
FoU personal är en av de viktigaste indikatorerna för innovation. Enligt Frascati- manualen (2002) definieras FoU personal som alla individer som är direkt anställda i FoU avdelningar. Även alla individer som tillhandahåller direkta tjänster såsom FoU- chefer, administratörer och tjänstemän. De delar upp FoU personalen i tre primära yrken, forskare, tekniker och övrig stödpersonal. Manualen menar också att FoU personaldata mäter resurser som direkt går till FoU verksamheter. Som det diskuterades vid FoU-utgifter så täcker FoU personal arbetskraften i produktionsfunktionen för FoU.
17
Fördelar med att använda FoU personal som innovationsindikator är att det mäter forskare och tekniker som utvecklar produkter och tjänster. Eftersom FoU personal precis som FoU-utgifter mäter input till innovation är nackdelen densamma, således resurser som går till FoU verksamheter.
3.2.3 Patent som mått på innovationsaktivitet
Patent är ett offentligt kontrakt mellan en uppfinnare och staten vilket ger ägaren av ett patent monopol för användningen av uppfinningen. I allmänhet så samlar patent system in detaljerad information om nya teknologier i en utdragen offentlig handling av uppfinningsverksamheter som mer eller mindre är kontinuerlig, detta ger patent en klar fördel som en innovationsindikator. Eftersom patent mäter utfallet i den teknologiska utvecklingsprocessen, forskare har därför litat patentansökningar som en av de viktigaste indikatorerna för innovation. (Griliches, 1998)
Det finns många fördelar med patent som innovationsindikator. En är att patent är beviljad för innovativ teknik med ett kommersiellt löfte (dvs. innovation).
Patentsystemet registrerar dessutom viktig information om dessa uppfinningar.
Eftersom patentsystemet är en gammal institution finns det även långa tidsserier över patentsstatistik. Detta gör patent som en möjlig indikator när man undersöker innovation över väldigt långa tidsserier. Statistiken över patent är även fritt tillgänglig. Tidigare forskning har även visat att patent är högt korrelerad med FoU- utgifter (Griliches, 1987).
Precis som för FoU-utgifter har patent en nackdel som innovationsindikator att det inte täcker hela innovationsaktiviteten. Användningen av patent statistik som innovationsindikator har den klara nackdelen att den inte täcker icke patenterade uppfinningar och innovationer (Griliches, 1987). Patent är snarare en indikator för uppfinningar än innovation, de täcker snarare en ny teknisk princip än en kommersiell innovation. Många patent hänvisar även uppfinningar som har en liten teknisk och ekonomisk signifikans. Värdet på olika patent skiljer sig även drastiskt med varandra vilket kan ge missvisande mått eftersom vissa patent har högre innovativt värde än andra.
18
Skillnader i patentsystem mellan länder gör det svårt att jämföra patent mellan länder.
Exempelvis kan det i vissa länder krävas flera patent att täcka en innovation vilket skulle kunna täckas av ett enda patent i ett annat land (Johnstone. M.fl. 2009).
3.3 Sammanfattning
Utifrån den neoklassiska tillväxtteorin kan vi konstatera att innovation har en positiv inverkan på den ekonomiska tillväxten genom teknisk utveckling. Men eftersom teorin är ifrågasatt för sin oförmåga att påvisa hur teknisk utveckling eller innovation kommer till stånd har den endogena tillväxtteorin kommit fram. Den visar hur teknisk utveckling kommer till stånd genom uppkomst och spridning av kunskap.
Det var Mueller (1966) i sin studie som använde FoU-utgifter, FoU personal och patent statistik som innovationsindikatorer. Han menade att FoU-utgifter och personal användes för att mäta input i innovationssatsningen, där patent användes för att mäta output. Slutsatsen var att indikatorerna var bristfälliga då de inte täckte hela innovationsverksamheten, då innovation kan utvecklas utan FoU i någon form av Learning by doing och alla uppfinningar inte patenteras.
19 KAPITEL 4 MODELL OCH DATA
4.1 Val av metod
Syftet med uppsatsen är att se om innovation kan förklara BNP-utvecklingen. Som det diskuterats i tidigare kapitel finns det ingen specifik variabel för innovation utan i stället används olika proxies för innovation. Modellen använder en balanserad paneldata, även kallad longitudinell data med variationer från såväl tid och mellan länder. Fördelen med att använda paneldata med tvärsnittsdata och tidsseriedata är att den erbjuder en större datamängd. En annan fördel är att det är möjligt att kontrollera för tidsinvarianta egenskaper som annars inte går att observera (Wooldridge, 2002).
Tre modeller används, då det används olika indikatorer för innovation i modellerna med BNP per capita som beroende variabel. För att kunna besvara frågeställningen kommer studien genomföra regressionen med Pooled OLS på 17 EU medlemsländer över perioden 1996-2012.
Tre regressionsmodeller kommer att användas utifrån en grundmodell, där tre proxy variabler används i stället för innovation. En proxy variabel är en variabel som ersätter en omättbar variabel (Dougherty, 2011). De tre regressionsmodellerna kommer sedan prövas med en fixed effects modell med dummy variabler för varje tidsperiod förutom den sista tidsperioden 2012. Detta används för att kontrollera vilka variabler som plockar upp variationer från andra variabler som inte är med i modellen.
Genom att införa dummy variabler för varje tidsperiod i de tre modeller tar man hänsyn till ändringar över tiden som kan påverka variablerna, som annars inte skulle synas med en vanlig Pooled OLS modell. Därefter jämförs modellerna mellan Pooled OLS och fixed effects för att se hur variablerna påverkas av tiden. De variabler som används i studien varierar mer mellan länderna än inom länderna.
20
De oberoende variablerna som används i studien kan variera stort mellan länderna med tanke på skillnader mellan ländernas utveckling.
4.2 Modellspecifikation
Grundmodellen för studien som använder Pooled OLS är:
𝐵𝑁𝑃!,! = ∝ +𝛽!𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,! + 𝛽!𝐼𝑁𝑉!,!+ 𝛽!𝐸𝑋𝑃!,!+ 𝛽!𝑃𝑂𝑃!,!+ 𝑒!,!
Variabeln 𝐵𝑁𝑃!,! är BNP per capita uttryckt i Euro per invånare. Variabeln 𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,! är en omätbar variabel som kommer substitueras ut mot proxy variabler. Variabeln 𝐸𝑋𝑃!,! är export per capita, uttryckt i Euro per invånare.
Variabeln 𝐼𝑁𝑉!,! är investeringar per capita, både utländska och inhemska investeringar, uttryckt i Euro per invånare. Variabeln 𝑃𝑂𝑃!,! är populationstillväxt uttryckt i årlig procentuell skillnad. Där i=1…17 är ett land givet tidsperioden t=1996…2012.
Den första regressionsmodellen (1) använder variabeln 𝐹𝑜𝑈!,! som proxy för 𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,! för att se dess effekt på BNP per capita.. Variabeln 𝐹𝑜𝑈!,! är FoU- utgifter per capita uttryckt i Euro per invånare.
𝐵𝑁𝑃!,! = ∝ +𝛽!𝐹𝑜𝑈!,!+ 𝛽!𝐼𝑁𝑉!,! + 𝛽!𝐸𝑋𝑃!,!+ 𝛽!𝑃𝑂𝑃!,!+ 𝑒!,! (1)
Den andra regressionsmodellen (2) använder 𝑃𝐴𝑇𝐸𝑁𝑇!,! som proxy för 𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,!. Variabeln 𝑃𝐴𝑇𝐸𝑁𝑇!,! antalet ansökta patent per miljon invånare, av både bosatta och icke bosatta i det givna landet.
𝐵𝑁𝑃!,! = ∝ +𝛽!𝑃𝐴𝑇𝐸𝑁𝑇!,!+ 𝛽!𝐼𝑁𝑉!,!+ 𝛽!𝐸𝑋𝑃!,!+ 𝛽!𝑃𝑂𝑃!,!+ 𝑒!,! (2)
Den tredje regressionsmodellen (3) använder 𝑃𝐸𝑅𝑆𝑂𝑁𝐴𝐿!,! som proxy för 𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,!. Variabeln 𝑃𝐸𝑅𝑆𝑂𝑁𝐴𝐿!,! är antalet anställda inom FoU per miljon invånare (Tekniker, Forskare och övrig stödpersonal).
𝐵𝑁𝑃!,! = ∝ +𝛽!𝑃𝐸𝑅𝑆𝑂𝑁𝐴𝐿!,!+ 𝛽!𝐼𝑁𝑉!,!+ 𝛽!𝐸𝑋𝑃!,!+ 𝛽!𝑃𝑂𝑃!,! + 𝑒!,! (3)
21
Modellerna jämförs sedan med samma modell nedan fast med tidsdummyvariabler 𝛿! i en fixed effects modell. Detta gör man för att ta hänsyn till faktorer som kan påverka BNP över tiden.
𝐵𝑁𝑃!,! = ∝ +𝛽!𝐼𝑁𝑁𝑂𝑉𝐴𝑇𝐼𝑂𝑁!,!+ 𝛽!𝐼𝑁𝑉!,! + 𝛽!𝐸𝑋𝑃!,!+ 𝛽!𝑃𝑂𝑃!,!+ 𝛿!+ 𝑒!,!
4.3 Data
Länderna som används för regressionerna är 17 EU medlemsländer; Sverige, Tyskland, Frankrike, Danmark, Belgien, Holland, Storbritannien, Italien, Spanien, Österrike, Finland, Tjeckien, Portugal, Slovenien, Bulgarien, Irland och Polen. De resterande 11 medlemsländerna har uteslutits från studien på grund av bristande data för vissa variabler som används. Tidsperioden som används för regressionerna är 1996-2012 för alla länder, det ger regressionerna 189 observationer. Datamaterialet som används är sekundärdata som hämtats från olika statistiska källor.
Figur 4. BNP/capita i Euro
Källa: Eurostat
BNP per capita (BNP) används som beroende variabel i regressionen. Datamaterialet är inflationsjusterade i real BNP per capita, de är mätta i Euro per invånare.
Datamaterialet för BNP per capita är hämtat från Eurostat.
22
BNP per capita bedöms som en bra indikator för landets välfärd och tillämplig för jämförelser mellan länder (Fregert & Jonung, 2010). Figur 4 visar BNP per capita utvecklingen för de mätta länderna, från 1996 till 2012. Den vertikala axeln i figuren visar BNP/capita i Euro.
Figur 5. FoU-utgifter/capita Euro per invånare
Källa: The World Bank
Som tidigare nämnt i kapitel 3 så används FoU-utgifter (FoU) som indikator för innovation. Eftersom beroende variabeln i modellen är BNP per capita så används FoU-utgifter i det här fallet i per capita term. Datamaterialet är hämtat från The Worldbank. Datamaterialet hämtades som FoU-utgifter i procent av BNP men den multiplicerades med BNP per capita för att få fram det i kostnadstermer Euro per capita. Bayarcelik & Tasel (2012) i sin studie använder FoU-utgifter som oberoende variabel på BNP i Turkiet. FoU-utgifter används som en proxy variabel för innovation och innovation genom teknisk utveckling ses som den drivande kraften bakom all tillväxt enligt den endogena tillväxtteorin. Med det sagt förväntas FoU-utgifter ha en positiv påverkan på BNP per capita i regressionen. Den endogena tillväxtteorin argumenterar även för att uppkomsten av nytt vetande och ökning i kunskapskapitalet (A) uppstår bland annat från FoU (Fregert & Jonung, 2010). Figur 4 visar FoU- utgifter per capita utveckling för de mätta länderna, från 1996 till 2012. Den vertikala axeln visar FoU-utgifter/capita i Euro
23 Figur 6. Patentansökningar/miljon invånare
Källa: The World Bank
Datamaterialet för patentansökningar är hämtade från The Worldbank.
Datamaterialet hämtades och adderades ihop från två källor, patentansökningar från icke-bosatta i landet och patentansökningar från bosatta i landet. För att få en bättre jämförelse mellan länderna i regressionen så dividerades detta med befolkningen till patentansökningar per miljon invånare, givet varje land och tidsperiod. Bayarcelik &
Tasel (2012) i sin studie använder patent som oberoende variabel på BNP i Turkiet.
Då patentansökningar används som proxy variabel för innovation så förväntas den ha en positiv påverkan på BNP per capita i regressionen. Antalet patentansökningar kan ses som ett mått på antal utvecklade idéer (Fregert & Jonung, 2010). Figur 6 visar patentansökningars utveckling för länderna. Figur 6 visar Patentansökningars utveckling för de mätta länderna, från 1996 till 2012. Den vertikala axeln visar antalet patentansökningar vid varje miljon invånare.
24 Figur 7. FoU personal/miljon invånare
Källa: UNESCO
Datamaterialet för antal anställda i FoU avdelningar per miljon invånare hämtades från UNESCO. Siffrorna täcker alla anställda inom FoU, de är tekniker, forskare och övrig stödpersonal som diskuterades i kapitel 3. Bayarcelik & Tasel (2012) i sin studie använder antal anställda i FoU som oberoende variabel på BNP i Turkiet. Då FoU personal används som proxy variabel i en av regressionerna förväntas även denna proxy variabel ha en positiv påverkan BNP per capita i regressionen. Figur 7 visar antal anställda i FoU per miljon invånare för de mätta länderna, från 1996 till 2012. Den vertikala axeln visar antalet personal i FoU avdelningar per miljon invånare.
Kontrollvariablerna för regressionerna är Export per capita, investering per capita och befolkningstillväxt. Export finns med här eftersom det är en ekonomisk indikator som påverkar landets BNP. Datamaterialet hämtades från The Worldbank som export som procent av BNP, men den har justerats till export per capita, i Euro per invånare, genom att den multiplicerades med BNP per capita. Datamaterialet inkluderar alla produkter och tjänster som exporteras till resten av världen ifrån landet. Export per capita används i modellen för att hjälpa och förklara den beroende variabeln.
Variabeln bedöms som en bra kontrollvariabel eftersom det är en indikator för landets utbyte med andra länder och en indikator för landets inriktning mot utlandet.
Variabeln förväntas ha en positiv effekt på BNP, då det är en inkomst för landet.
25
Datamaterialet för investeringar är hämtade från ”Economy watch”. Datamaterialet är hämtat som procent av BNP men har multiplicerats med BNP per capita för att få fram variabeln Investeringar per capita, mätt som Euro per invånare. Datamaterialet för Investeringar täcker alla investeringar i landet givet ett visst år, både inhemska och utländska investeringar. Variabeln används i regressionerna för den stämmer i enlighet med den neoklassiska tillväxtteorin som hävdas påverka tillväxt genom kapitalackumulation. Variabeln förväntas ha en positiv effekt på BNP per capita i regressionerna.
Datamaterialet för befolkningstillväxt är hämtat från The Worldbank som förändring av befolkningen i procent. Variabeln används i regressionerna för den stämmer i enlighet med den neoklassiska tillväxtteorin som menar att den är av de tre faktorerna som påverkar tillväxten. Den neoklassiska tillväxtteorin menar att den befolkningstillväxten har en negativ påverkan på tillväxten, därför förväntas den ha en negativ effekt på BNP per capita i regressionerna.
4.4 Ekonometriska frågeställningar
Eftersom studien använder paneldata så uppstår det variationer från både tid och mellan länder. Problemet med detta är att den totala variationen i modellen är uppdelad efter variationer från länderna och variationer från tidsperioden. Variabler som inflation kan störa variablerna i regressionen och kan därmed ge ett missvisande resultat.
Detta gör det problematisk att estimera den verkliga effekten mellan länderna när man använder Pooled OLS, därför införs det tidsdummyvariabler i de tre modellerna.
(Wooldridge, 2002) För att se vilka variabler som påverkats av dessa störningar jämförs variablerna mellan Pooled OLS och fixed effects. Försummas signifikansgraden på variablerna påverkas den klart av störningar över tiden.
För att kontrollera den statistiska signifikansen för variablerna i modellen ska ett dubbelsidigt T-test genomföras. Eftersom regressionerna har 289 observationer ger det följande kritiska t-värde.
26 Tabell 1: Tabell för T-värden
Källa: Dougherty, 2011
För att testa variablernas signifikans ställs hypoteser upp. Noll hypotesen säger att värdet på variabeln inte är statistisk signifikant skiljt från noll, alternativ hypotesen säger att värdet på variabeln är statistisk signifikant skiljt från noll, således bryter noll hypotesen. (Dougherty, 2011)
F-test genomförs för att mäta hur bra modellen passar datamaterialet. För att se om modellen. Hypotes för F-testet ställs upp enligt, noll hypotesen som säger att alla koefficienter är lika med noll. Alternativ hypotesen säger att minst en av koefficienterna är statistiskt skiljt från noll. Modellerna använder sig av fyra parametrar och 284 frihetsgrader.
Tabell 2: Tabell för F-test
F-test Kritiskt värde Hypotes
𝑭(𝟒, 𝟐𝟖𝟒)𝒄𝒓𝒊𝒕𝟓%
𝑭(𝟒, 𝟐𝟖𝟒)𝒄𝒓𝒊𝒕𝟏%
2,46 3,51
H0: β=0
H1: Minst en β≠0 Källa: Dougherty, 2011
Ett viktigt antagande när man genomför en regression är att variansen i residualerna är homoskedastisk eller konstant, enligt vilket innebär att variansen i feltermen är konstant för samtliga observationer (Dougherty, 2011.) För att testa detta genomförs en regression med robust standard errors. Modellen kommer även testas för autokorrelation, för att se hur mycket variation feltermen 𝑒!,! fångar, genom ett Wooldridge autokorrelationstest.
Signifikansnivå Kritiskt värde Hypotes
𝑻𝒄𝒓𝒊𝒕𝟏% 2,626 H0: β=0
𝑻𝒄𝒓𝒊𝒕𝟓% 1,984 H1: β≠0
𝑻𝒄𝒓𝒊𝒕𝟏𝟎% 1,660
27 KAPITEL 5
EMPIRISKA RESULTAT OCH ANALYS
5.1 Empiriska resultat
Resultaten från regressionerna visade positivt samband mellan FoU-utgifter och FoU personal på BNP per capita, patentansökningar hade ett negativt samband med BNP per capita. Modellerna visade även hög förklaringsgrad R2. Modell (4), (5) och (6) är modell (1), (2) och (3) med införda tidsdummyvariabler. Fixed effects modellerna finns i appendix.
Tabell 3: Ekonometriskt resultat
(1) (2) (3)
Variabler BNP BNP BNP
Intercept 9468*** 11922*** 9116***
(31.93) (25.75) (23.23) POP 132.99*** 127.87*** 135.04***
(22.34) (4.38) (4.70) INV 2.676*** 1.093*** 1.149***
(18.91) (16.27) (17.22) EXP 0.443*** 0.605*** 0.543***
(15.93) (23.89) (17.89)
FoU 6.777***
(11.02)
PATENT -4.024***
(-4.99)
PERSONAL 0.423***
(5.50)
Observationer 289 289 289
R2 0.901 0.867 0.870
Antal länder 17 17 17
T-stat i parenteserna
Signifikansnivå: * =10 %,** =5 %, ***=1 %.
28
Den första modellen med FoU-utgifter som proxy variabel för innovation hade en hög förklaringsgrad på 0,901 och ett F-värde på 605,98 som var större än det kritiska F- värdet för 1 % signifikansnivå på 3,51. Alla variabler i modellen var statistisk signifikanta på 1 %. Genom ett Wooldridge test visade även modellen att på en 1 % signifikansnivå inte ha autokorrelation. Proxy variabeln FoU-utgifter per capita var signifikant på 1 %, variabeln hade en förväntad positiv koefficient. När dummyvariablerna infördes i modell (4) visade minskat t-värdet och riktningskoefficienten för FoU-utgifter per capita. Det kan förklaras av att FoU- utgifter plockar upp variationer från andra variabler som inte är med i modellen.
Variabeln var däremot fortfarande statistisk signifikant på 1 %.
Den andra modellen med patent per miljon invånare som proxy variabel för innovation hade en hög förklaringsgrad på 0,867 och ett högt F-värde på 439,00.
Genom ett Wooldridge test för autokorrelation visade sig modellen inte ha autokorrelation på 1 % signifikansnivå. När dummyvariablerna infördes, modell (5), visade det sig att riktningskoefficienten och t-värdet för patent minskade med införda dummyvariabler för tidsperioderna. Dock precis som för FoU-utgifter var variabeln statistisk signifikant på 1 %.
Den tredje modellen (3) med FoU personal som proxy variabel för innovation visade även den hög förklaringsgrad på 0,870 och ett F-värde 448,35. Genom ett Wooldridge test för autokorrelation visade att modellen inte hade autokorrelation på 5 % signifikansnivå. Med införda tidsdummyvariabler i Modell (6) sjönk riktningskoefficienten från 0,413 till 0,013 och den statistiska signifikansen för variabeln gick bort. Det kan förklaras av att variabeln plockade upp stora variationer från tidsperioderna.
Modellerna hade liknande resultat, då befolkningstillväxten hade en positiv påverkan på BNP per capita med statistisk signifikansnivå på 1 % i de tre modellerna, det förväntade tecknet för variabeln var negativ. Det positiva tecknet stämmer inte överens med den neoklassiska tillväxtteorin som menar att en ökad befolkningstillväxt har en negativ påverkan på BNP per capita.
29
Variabeln påverkades även stort av de införda tidsdummyvariablerna, då den statistiska signifikansen försvann i modell (5) och (6), dock var den statistisk signifikant på 5 % i modell (4) med FoU-utgifter som proxy variabel. Investeringar påverkade också BNP per capita positivt i de tre modellerna. Det stämmer ihop med den neoklassiska tillväxtteorin som menar att en ökning av investeringar även ökar BNP per capita i form av kapitalackumulation. Denna variabel var statistisk signifikant på 1 % i alla tre modeller. Den påverkades även inte markant av de införda tidsdummyvariablerna. Export påverkade BNP per capita positivt i alla modeller med en signifikansnivå på 1 %. Även denna variabel påverkades inte något slående av de införda tidsdummyvariablerna.
Tabell 4: Korrelationsmatris
BNP FoU Patent Personal INV EXP POP
BNP 1.000
FoU 0.8313 1.000
Patent 0.3859 0.5379 1.000
Personal 0.5824 0.7609 0.3794 1.000
INV 0.9243 0.7046 0.2623 0.5070 1.000
EXP 0.7779 0.5688 0.1014 0.3946 0.7773 1.000
POP -0.3663 -0.3041 -0.1680 -0.2614 -0.3627 -0.3002 1.000
Korrelationsmatrisen indikerar att FoU-utgifter är mest korrelerad med BNP per capita. Även FoU personal och patentansökningar är positivt korrelerade med BNP per capita. FoU-utgifter är positivt korrelerad med patentansökningar och FoU personal. Detta kan tyda på att finansiella bidrag till FoU har i stor utsträckning lett till ökat antal anställda inom FoU, vilket leder till ett större antal utgångar i form av patent. Något märkbart med korrelationsmatrisen är att befolkningstillväxten har ett negativt samband med BNP per capita till skillnad från vad regressionsmodellerna visade. Även patentansökningar hade motsatt tecken från vad regressionerna visade.
30 5.2 Analys och diskussion
Den endogena tillväxtteorin diskuterar om att summan av alla användbara idéer är teknologin A, som används som en ökning av teknisk utveckling i solowmodellen.
Användbara idéer som utvecklas till innovationer patenteras ofta på grund av höga kostnader inom FoU, därför är patent en viktig indikator för innovativ aktivitet. Som det diskuterades i teorikapitlet så finner man klara nackdelar med patent som innovationsindikator, då inte alla användbara idéer som leder till innovation patenteras. Däremot skiljer sig idéer ifrån vanliga varor, vilket gör att det blir ett svåranalyserat område att följa uppkomsten av nya idéer. Däremot kan man följa de idéer som patenteras genom att undersöka patentansökningar. Den endogena tillväxtteorin argumenterade även att en ökning i kunskapskapitalet A kan uppstå dels av FoU. Därför kan FoU-utgifter och FoU personal greppa i vilken grad man satsar på FoU, därför blir den en viktig och användbar indikator för innovation.
Det negativa sambandet mellan BNP och patent strider mot teorin. Det negativa sambandet kan bero att på kort sikt finns höga kostnader involverade med patent.
Dessa kostnader involverar agentavgifter, registreringsavgifter och i vissa fall översättningsavgifter (Crosby, 2000). På lång sikt menar Schmookler (1966) däremot att det ska visa sig ett positivt samband, men han menar även att på kort sikt kan det finnas ett negativt samband. En annan förklaring till det negativa sambandet kan vara att det tar relativ lång tid för en patentansökan att bli registrerad och därmed ge verkan på en marknad (Ulku, 2004). Även Bayarcelik och Tasel (2012) fick ett negativt samband mellan antal patent och BNP per capita i sin studie. De menade även att i enlighet med teorin ska ett positiv samband finnas mellan de båda. Det negativa sambandet strider däremot även mot Ulkus (2004) studie, som i sin studie fann att antal patentansökningar och BNP per capita har ett positivt förhållande.
Däremot laggade Ulku patentansökningar i sin regressionsmodell. Mueller (1966) menade att datamaterial för patent bör appliceras med försiktighet för att ge forskaren tillfredsställande resultat. Med längre tidsserier eller möjligtvis laggade variabler så bör patent ha ett positivt samband med BNP per capita, med tanke på vad som diskuterades i kapitel 3.
31
FoU-utgifter per capita visade goda resultat som proxy variabel, riktningskoefficienten menade på att en ökad investering i FoU ökar även BNP per capita och därigenom välfärden för ett land. Det stämmer även överens med den endogena tillväxtteorin att uppkomsten av nytt vetande genom FoU ökar A vilken i sin tur ökar BNP per capita. Resultaten stämmer även överens med Bayarcelik och Tasel (2012), Ulku (2004), Hunady och Orviska (2014) och Kubak m.fl. (2013) som alla fann positiva samband mellan FoU-utgifter och ekonomisk tillväxt. Däremot fann Hunady och Orviska (2014) ett negativt samband mellan de båda och fann endast ett positivt samband då FoU-utgifter var laggad med två år. Detta motiverades med att det tar tid för att en investering ska ge effekt och att den omedelbara effekten är negativ.
Antal FoU personal per miljon invånare visade även den goda resultat som proxy variabel för innovation. Riktningskoefficienten visade att med högre antal anställda inom FoU bidrog med högre BNP per capita. Det stämmer även överens med Bayarcelik och Tasel (2012) som även de fann ett positivt förhållande mellan BNP och FoU personal. Hunady m.fl. (2013) fann ett positivt förhållande mellan antal forskare i FoU och BNP i Kanada, vilket stämmer överens med denna studie då forskare ingår i mättningen av FoU personal. FoU personal fungerade mindre väl som indikator för innovation än FoU-utgifter, då den statistiska signifikansen försvann med införda tidsdummyvariabler, dessutom hade den en lägre påverkan än FoU- utgifter.
FoU-utgifter per capita och FoU personal per miljon invånare visade sig kunna förklara BNP tillväxt för länderna i studien. Patentansökningar per miljon invånare visade sig dock inte kunna göra det. Utifrån resultaten från OLS regressionerna var det FoU-utgifter som bäst kunde förklara BNP utvecklingen och de hade även starkast korrelation med BNP. Nackdelar däremot med att använda FoU-utgifter som indikator för innovation är den endast täcker input delen i innovation. Men fördelen med att använda FoU-utgifter och även FoU personal för den delen är att precis som endogena tillväxtteorin argumenterar för, att en ökning i total faktorproduktiviteten A sker främst genom satsning i FoU.
32 KAPITEL 6 SLUTSATSER
Syftet med studien var att se innovationers påverkan på BNP utvecklingen. Tidigare studier har även de undersökt effekter av innovation på ekonomisk tillväxt, där flera har använt antingen den neoklassiska- eller endogena tillväxtteorin som referensram.
Till mesta del har studierna funnit ett positivt samband mellan de båda, vilket denna studie även fann, med undantag för patentansökningar.
Resultaten från regressionerna visar att det finns ett signifikant positivt samband mellan innovation och ekonomisk tillväxt från två av innovations indikatorerna.
Slutsatsen utifrån regressionerna är att FoU-utgifter bäst kunde förklara BNP utvecklingen eftersom den även var starkast korrelerad med BNP per capita.
Anledningen till det kan vara att det finns ett tydligare ekonomiskt samband mellan de båda än vad det finns mellan FoU personal och patentansökningar. Patentansökningar fungerade inte bra som innovations indikator. Möjligtvis har datamaterialet för patent i denna studie inte applicerats korrekt, vilket kan vara en möjlig förklaring till det negativa sambandet. Det var möjligtvis lite nytt med denna studie att applicera patentansökningar direkt till ett land som helhet, där tidigare studier försökt förklara BNP på patentansökningar. FoU personal fungerade väl som innovations indikator som visade ett signifikant positivt samband på BNP per capita. Dock var korrelationen mellan de båda lägre än för FoU-utgifter och signifikansen för variabeln försummades med tidsdummyvariabler. Det som diskuterades i teorikapitlet stämmer ändå överens med vad regressionsmodellen visade för FoU personal. Resultaten stämmer överens med EU kommission som i sitt (2013) pressmeddelande menade att länder med högre innovationsresultat, i högre grad satsar på FoU.
33
Utifrån regressionsresultaten så bör EU öka investeringar i FoU, då FoU-utgifter visade hög korrelation med BNP per capita och som bäst kunde förklara BNP utveckling utav de tre indikatorerna. En ökning i FoU-utgifter kommer i sin tur öka antalet anställda inom FoU och antalet patentansökningar, då en stark korrelation mellan dessa observerades.
Studien är dock begränsad i avseendet att indikatorerna för innovation som används inte täcker hela innovationsaktiviteten, utan till mesta del teknisk innovation. Däremot är det de tre som används mest, i alla fall FoU-utgifter och patent. Därför bör resultaten tolkas med viss försiktighet eftersom teknisk innovation endast täcker en del av hela innovationsaktiviteten.
Förslag till fortsatt studie kan vara att mer ingående förklara skillnaderna mellan länderna eftersom denna studie endast antog aggregerade resultat mellan länder. Då kan man titta på vilka åtgärder som krävs i form av institutioner för innovation för att möjliggöra ekonomisk tillväxt. Något som denna studie inte har undersökt är olika institutioners inverkan på dessa länder, vilket skulle kunna vara en intressant tillsats till denna uppsats. Finns det något i statens regleringar som påverkar ländernas satsning på forskning kan vara ett bra komplement till denna uppsats.
