Reala växelkursers bestämningsfaktorer

NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet

Magisteruppsats, 10 poäng Författare: Jonas Rydén Handledare: Annika Alexius VT 2007

Reala växelkursers bestämningsfaktorer

En analys av oljepris och BNP-utvecklings långsiktiga

effekter på reala växelkurser

Sammanfattning

I denna uppsats studeras en utvidgad Balassa-Samuelsson-modell för att analysera den långsiktiga effekten av inhemsk och utländsk BNP-tillväxt samt oljeprisets utveckling på den reala effektiva växelkursen för 16 OECD-länder. Uppsatsen har genomförts med Johansens kointegrationsanalys samt dynamisk OLS för länder som uppvisar kointegration. För de länder där kointegration inte föreligger används impulsresponsfunktioner för att analysera variablernas långsiktiga effekt. Studien ger visst stöd för hypotesen att de nämnda variablerna påverkar den långsiktiga dynamiken för respektive växelkurs.

Nyckelord: Balassa-Samuelsson, oljepris, kointegration, DOLS, impulsresponsfunktioner

Innehållsförteckning

1. Inledning... 4

2. Teori ... 6

2.1 Balassa-Samuelsson-modellen ... 6

3. Ekonometrisk metod ... 10

3.1 Stationäritet ... 10

3.2 Kointegration... 10

3.2.1 Johansens kointegrationsanalys... 12

3.3 Dynamisk OLS ... 14

3.4 Ackumulerade responsfunktioner ... 14

4. Data ... 15

5. Empiriska resultat och analys... 15

5.1 Stationäritet ... 16

5.1 Kointegration... 17

5.2 Parameterestimat ... 19

6. Slutsats ... 24

Referenser... 25

Appendix ... 27

1. Inledning

Den globala ekonomin öppnas upp i en allt större omfattning. Varor och tjänster handlas på daglig basis på en internationell marknad. Den reala växelkursen definieras som den inhemska industrins konkurrenskraft i förhållande till utlandets och har således en enorm betydelse för den ekonomiska dynamiken på ett globalt och nationellt plan. Analys av växelkurser och dess långsiktiga förhållande till andra makrovariabler är därför av central betydelse för både politiska och ekonomiska intressen. Den här uppsatsen syftar till att undersöka hur det internationella oljepriset samt inhemsk och utländsk BNP-utveckling långsiktigt påverkar den reala effektiva växelkursen för ett antal OECD-länder. Analyser av växelkurser och dess dynamik utgår i regel från köpkraftsparitet samt lagen om ett pris. Absolut köpkraftsparitet implicerar att priset på en korg varor som konsumeras i olika länder är lika när man tagit hänsyn till växelkursen. Lagen om ett pris innebär att priset på en specifik vara är lika i olika länder när hänsyn tagits till växelkursen. Aggregerat över alla varor ger emellertid lagen om ett pris absolut köpkraftsparitet. Den empiriska litteraturen har i en mycket stor omfattning förkastat hypotesen om absolut köpkraftsparitet (se exempelvis Froot och Rogoff (1994) för en genomgång och analys). Förkastandet av absolut köpkraftsparitet leder till en diskussion om vilka makroekonomiska variabler som driver rörelserna i jämviktskursen över tiden. Den klassiska Balassa-Samuelsson-effekten påvisar att produktivitetsskillnader i handlade relativt inte handlade varor styr den reala växelkursen genom löneutjämningseffekter.¹ En utvidgad modell av De Gregorio och Wolf (1994) utvecklar modellen till att även innehålla bytesförhållande inom handeln, det vill säga relativpriserna mellan ett lands export och import. Oljepriset har fått en allt större roll i den makroekonomiska utvecklingen. Instabilt ekonomiskt klimat och kraftiga produktionssvängningar till följd av oljeprischocker gör att priset på olja kan tänkas ha en relevant påverkan på växelkursen. Då handlade varor inkluderar en större del producerade varor jämfört med icke handlade varor så kommer positiva oljeprisförändringar ha en större negativ effekt på de icke handlade varorna. Således kan den modifierade B-S modellen av De Gregorio och Wolf inkorporera oljepris som en förklarande variabel.

Växelkurser, bruttonationalprodukt samt oljepris är kända ickestationära variabler varför kointegrationsanalys kommer att användas i undersökningen. I ett första steg undersöks huruvida variablerna uppvisar ett långsiktigt jämviktssamband, så kallad kointegration, med

1 Balassa (1964), Samuelsson (1964)

Johansens kointegrationsprocedur. På grund av svårigheter att specificera modellen kommer även residualbaserad metodik att appliceras för att verifiera Johansenanalysens resultat. I de fall där jag hittar ett långsiktigt jämviktsläge kommer Johansenproceduren att tillämpas för att skatta den långsiktiga effekten på växelkursen för samtliga testade variabler. Då Johansenproceduren har tendenser att producera punktestimat med mycket stor spridning vid även liten felspecificering, kommer dessutom en dynamisk OLS (DOLS) att estimeras för de länder som uppvisar kointegration. I de fall analysen inte kan verifiera ett långsiktigt jämviktssamband kommer jag att använda serier på differensform i en vektorautoregressiv- (VAR)- modell för att undersöka den långsiktiga effekten genom analys av ackumulerade responsfunktioner på strukturella simulerade chocker. Detta innebär att man räknar ut hur den reala effektiva växelkursen utvecklar sig över tiden efter att till exempel ha utsatts för en oljeprischock.

Kointegrationsmetodik är en mycket vanlig företeelse för att analysera vilka variabler som påverkar växelkursen. I ett stort antal studier, exempelvis Alexius och Nilsson (2001), De Gregorio och Wolf (1994) samt DeLoach (2001), påvisas att det förekommer kointegration mellan växelkurser och BNP i en majoritet av de undersökta länderna. DeLoach konstaterar dessutom att oljepriset bör inkluderas för att ta hänsyn till permanenta chocker i ekonomin.

Ett antal studier, bland annat Chaudhuri och Daniel (1998) samt Amano och Van Norden (1998), har påvisat att real växelkurs och oljepris för ett antal länder är kointegrerade. Det finns således stöd för hypotesen om att oljepris kan förklara reala växelkursers rörelser på lång sikt.

Uppsatsen tar sin utgång i kvartalsdata från första kvartalet 1960 till första kvartalet 2006.

BNP-data kommer att användas som proxy för inhemsk och utländsk produktivitet där den utländska produktiviteten är en sammanvägning av varje lands handelspartners. Studien omfattar 16 länder, samtliga medlemmar i det ekonomiska samarbetsorganet OECD.

Kommande avsnitt presenterar det teoretiska ramverket genom Balassa-Samuelsson-modellen och en modifiering av denna. Efter detta diskuteras den ekonometriska metoden, bland annat kointegrationstest och Johansenproceduren, som kommer att användas i den empiriska analysen. Uppsatsen avslutas med en analys och diskussion kring de framkomna resultaten.

2. Teori

Avsnittet ger en formell översikt av Balassa–Samuelsson- (B-S)- effekten samt en implicit ekonomisk tolkning av modellens resultat som kommer att ligga till grund för den fortsatta empiriska undersökningen.

2.1 Balassa-Samuelsson-modellen

B-S-modellen kan som ovan nämnts förklara avvikelserna från absolut köpkraftsparitet och långsiktiga reala växelkursrörelser. Ponera att produktivitetsökningar inom ekonomin uteslutande sker i handlade varor samtidigt som utvecklingen för icke handlade varor antas vara konstant. De antagna produktivitetsökningarna leder till högre priser i sektorn för handlade varor och trycker således upp lönekraven. Då företagen i de båda sektorerna konkurrerar om samma arbetskraft kommer lönekraven i sektorn med ickehandlade varor också att öka, med ökade totala kostnader som följd. De ökade kostnaderna är emellertid inte motiverade som i fallet med produktivitetsökningen i sektorn för handlade varor. Detta gör att priserna för icke handlade varorna stiger i snabbare takt än för handlade varor. Till följd av detta kommer valutan att apprecieras vid inhemsk produktivitetsökning och deprecieras vid utländsk produktivitetsökning.²

För att härleda effekten i en mer formell form startat jag liksom De Gregorio och Wolf (1994) i en ekonomi med tre varor, varav två varor är handlade varor och en ickehandlad vara. De handlade varorna består dels av en importerad vara producerad i utlandet och konsumerad inrikes, dels av en exporterad vara producerad men inte konsumerad inrikes. Såldes kommer nyttan för den enskilda individen vara en funktion av den importerade varan samt den icke handlade varan. Produktionsfunktionerna i ekonomin kommer därför att ges av ekvationerna.

(1)

α

α α ⁻

= _{T T T}¹

T L K

Y

N N

N L

Y =α , (2)

2 Balassa (1964), Samuelsson (1964)

där T och N betecknar handlad exporterad vara respektive icke handlade varor och α samt _T αN är produktivitetsvariabler för respektive funktion. samt är som vanligt insats av arbete samt kapital och

Li K_i 1

0<α < . Då vi antar att nyttan för den enskilda individen bestäms av den handlade importerade varan samt den icke handlade varan kan vi skriva individens preferens som en nyttofunktion i CES-format givet ett konstant världsmarknadspris på den importerade varan enligt följande.

1 1 1

) 1 (

− −

−

⎪⎭

⎪⎬

⎫

⎪⎩

⎪⎨

⎧ + −

= ^γ

γ γ γ γ

γ

φ φc_N c_M

U , (3)

där γ ν

= − 1

1 och ν är substitutionselasticiteten mellan varorna. Vidare är konsumtionen

av icke handlade samt importerad konsumtion till priset av .

ci

pi φ är andelen av respektive vara och ligger inom intervallet 0<φ <1. Följaktligen så kommer individen att maximera nyttan (3) givet följande budgetrestriktion

, (4)

I c p c

p_{N N} + _{T t} =

där I representerar inkomsten efter skatt och är respektive variabels pris. Lagrange- metoden genererar följande efterfrågefunktioner för respektive vara.

pi

γ

φγ

−

⎟⎟⎠

⎜⎜ ⎞

⎝

= ⎛

p p p

c_N I ^N (5)

γ

φ γ

−

⎟⎟⎠

⎜⎜ ⎞

⎝

− ⎛

= p

p p

c_T (1 ) I ^T (6)

Variabeln p i (5) och (6) är ett nyttobaserat prisindex³ som ges av

3 En sammanvägning av priser för olika varor där vikten för varje vara bestäms utifrån hur mycket konsumenterna konsumerar varorna i fråga, givet att valen sker optimalt.

. (7)

γ γ γ

γ

γ φ ⁻ φ ⁻

− = ¹ + − ¹

1 p_N (1 ) p_T

p

Då vi antar att ekonomin inte beskattar produktion kommer allt som produceras att gå till konsumtion, det vill säga . Detta gör att vi kan skriva jämviktsrelationen för icke handlade varor som

N

N c

y =

N N

N L

c =α . (8)

Använder vi oss av tidigare antaganden och det faktum att L=L_T +L_N så kan vi skriva om jämviktsrelationen (8) mellan arbetskraft och icke handlade varor som

[

y p

p

N T

T N

T φ α

φ α

φ ^α ~)

1 ( )

1

~ (

1

−

⎟⎟ =

⎠

⎜⎜ ⎞

⎝

− ⎛

+

]

Om vi sedan antar att vi har perfekta kapitalmarknader kan vi skriva priserna som

α α

α

ψ ₋

= w r¹ p

T

T (10)

och

N N

p w

=α , (11)

där ψ =α^−α(1−α)^−(1−α), wär lönen och r är räntan. Ur ekvation (10) och (11) kan vi se att priset på respektive vara är lika med dess produktionskostnad. Lättast är detta att se i (11) där priset på ickehandlade varor endast är en funktion av lönen samt produktiviteten. Kombinerar vi (10) och (11) får vi

α α α ψ α

α ¹

1

1 ⎥

⎦

⎢ ⎤

⎣

=⎡ ₋

r p

p

N T T

N (12)

Ur (12) kan vi dra slutsatsen att relativpriset för den icke handlade varan beror på produktivitetsskillnader mellan sektorer, precis som B-S-effekten förutspår.

Utifrån den klassiska B-S effekten utvecklar De Gregorio och Wolf ett teoretiskt ramverk för att testa om länders bytesförhållande är en signifikant drivkraft i växelkursers utveckling. Olja har visat sig stå för en stor del av variationen i variabeln terms of trade.⁴ Amano och Van Norden (1995) använder det reala oljepriset som en proxy för förändringar i bytesförhållande då oljeprischocker till största delen är exogena utbudschocker orsakade av politiska händelser.

Givet att produktionen för ickehandlande samt handlade varor konkurrerar om samma produktionsfaktorer, så kommer en oljeprisökning att medföra ökade kostnader för båda sektorer. Produktionen av handlade varor kommer emellertid att lida mer av kostnaderna då olja är en större produktionsfaktor för denna sektor. De ökade produktionskostnaderna för sektorn förväntas spilla över på konsumentledet genom relativt ökade priser. Till följd av detta kommer den reala växelkursen av deprecieras givet att landet är en mindre oljeimporterande ekonomi som inte kan påverka oljepriset. Om landet är exporterande, som i Norges och möjligtvis Kanadas fall, förväntas växelkursen apprecieras. För större länder som kan påverka marknadspriset är effekten av en oljeprisökning dock oklar.⁵ Om inhemsk samt utländsk BNP denoteras med BNP respektive BNP*, där + och - signalerar en depreciering respektive appreciering, kan vi skriva de förväntande effekterna för respektive ekonomi som

Liten oljeimporterande ekonomi ( , *, )

+ +

= f BNP− BNP olja n

växelkurse , (13)

Liten oljeexporterande ekonomi ( , *, )

+ −

= f BNP− BNP olja n

växelkurse , (14)

Stor marknadspåverkande ekonomi ( , *, )

?

olja BNP BNP f n växelkurse

+

= − . (15)

4 Backus, Crucini (1999)

5 Amano, Van Norden (1995)

3. Ekonometrisk metod

Den ekonometriska metoden utgår från enhetsrotstest för att undersöka variablernas underliggande processer. Ett residualbaserat test samt Johansens kointegrationsanalys presenteras för analys av ländernas kointegrationsrang och eventuella kointegrationsvektorers parametrar. Detta efterföljs av en presentation av dynamisk OLS (DOLS) samt ackumulerade impulsresponsfunktioner.

3.1 Stationäritet

En central fråga vid analys av tidsserier är huruvida serierna uppvisar stationära egenskaper.

En serie är stationär om dess fördelning är oberoende av tiden och har konstant medelvärde och varians. Om detta inte är fallet utan serien uppvisar ickestationära egenskaper brukar man säga att serien är integrerad av ordning d eller , där bestäms av antalet gånger serien måste differentieras för att bli stationär. Om man utför regressioner med ickestationära serier riskerar man nonsenssamband mellan variablerna, så kallade spuriösa regressioner. Två ickestationära serier kan emellertid uppvisa ett långsiktigt linjärt samband, så kallad kointegration. Om detta är fallet är det möjligt att använda sig av kointegrationsanalys för att skatta ett långsiktigt samband mellan variablerna. För att undersöka huruvida en variabel är stationär testar man för så kallade enhetsrötter i den underliggande processen. Ett klassiskt test som används frekvent i den empiriska litteraturen är Augumented Dickey Fuller- (ADF)- testet. Testet utförs genom att testa huruvida

) (d

I d

=1

ρ i ekvationen

. Då det är möjligt att lägga till lagar tar testet hänsyn till processens dynamik på ett adekvat sätt.

t p

j

j t t

t t y y

y α β ρ

∑

= −

− + Δ +

+ +

= Δ

1 1

6

3.2 Kointegration

Som jag nämnde ovan är en linjär kombination av två -variabler, exempelvis och , i regel integrerad av ordning . Det finns emellertid fall då den linjära kombinationen,

) (d

I x_t y_t

d

t t

t x y

z = −α , är integrerade av en lägre ordning, det vill säga I(d − där b) . Om detta är fallet säger man att är integrerad av ordning

>0 b

zt (d− där b) b>0, och kointegrerad av

6 Wooldridge (2006)

ordning det vill säga . Samma sak gäller om vi i stället skulle ha vektorer där samtliga element är integrerade av ordning , exempelvis

) ,

(d b z_t ~CI(d,b)

) (d

I a_t =(a₁,a₂,a₃,...,a_n) och )

,..., , ,

( _{1 2 3 n}

t λ λ λ λ

λ = . Om det i den linjära ekvationen ε_t =λ_ta_t existerar en vektor där

≠0

λ så är ε_t =λ_ta_t ~CI(d−b) där b>0, λ brukar då kallas för den kointegrerade vektorn.⁷

En förenklad och relativt lättförstående bild ges av att det linjära sambandet mellan variablerna i fråga kan beskrivas som stationärt. Den reala växelkursen kan till exempel vara stationär trots att både nominell växelkurs, inhemsk prisnivå samt utländsk prisnivå är ickestationära då real växelkurs är en linjärkombination av de nämnda variablerna. I fallet med endast två variabler är det således möjligt att testa huruvida feltermen ε i regressionen

ε β +

= _t

t x

y innehåller en enhetsrot. Om det inte finns någon enhetsrot i residualen är variablerna och kointegrerade. Den vänstra figuren i figur (1) är logaritmerad real effektiv växelkurs för Norge deflaterat med Norges KPI, samt logaritmerat världsmarknadspris på olja deflaterat med USA: s KPI, båda i 1960 års priser. En OLS regression med växelkursen som beroende variabel genererar feltermen till höger i figur (1).

För att undersöka om oljepriset och Norges växelkurs är kointegrerade testas om residualserien är stationär med ADF-testet. ADF-testet genererar en t-statistika på 6,3665 vilket gör att vi kan förkasta nollhypotesen

yt x_t

8 att residualen innehåller en enhetsrot. Oljepriset och Norges reala växelkurs är således kointegrerade och har ett långsiktigt jämviktsläge.

Figur 1

T.v. logaritmerad real effektiv växelkurs för Norge samt oljepris deflaterade i 1960 års priser.

T.h. residualen för en OLS med variablerna t.v.

2.5 .15

-0.5 0.0 0.5 1.0 1.5 2.0

60 65 70 75 80 85 90 95 00 05

Växelkurs Norge Olja

-.15 -.10 -.05 .00 .05 .10

60 65 70 75 80 85 90 95 00 05

Residual

ADF-test på residualen genererar t-statistika på 6,3665

7 Engle, Granger (1987)

8 Enligt MacKinnon (1996) signifikansnivåer

Signifikansnivå enligt MacKinnon (1996)

Ur ett ekonomiskt perspektiv implicerar kointegration att det existerar ett långsiktigt samband mellan variablerna i fråga. Då variansen och medelvärdet på lång sikt är konstant kommer den kointegrerade vektorn att återgå till ett ursprungligt jämviktsläge efter en störning eller chock.

Om kointegration inte skulle föreligga skulle variablerna å andra sidan driva ifrån varandra över tid. Den här uppsatsen syftar till att undersöka huruvida inhemsk och utländsk BNP förändring samt oljeprisförändring driver växelkursen på lång sikt. På grund av makroseriers ickestationära egenskaper ter det sig därför naturligt att använda sig av kointegrationsmetodik för att undersöka variablers långsiktiga påverkan på växelkursen.

3.2.1 Johansens kointegrationsanalys

Residualbaserade test enligt ovan nämnda metod kan inte skatta antalet kointegrerade relationer. Vid test med flera variabler använder man sig därför ofta av vektorautoregressiv (VAR) kointegrationsanalys. Johansens maximum likelihood procedur möjliggör att bestämma antalet kointegrerade relationer en specifik modell.⁹ Johansen proceduren möjliggör dessutom för att testa restriktioner på de kointegrerade vektorerna, vilket inte är möjligt i de enklare residualbaserade testen.¹⁰

Ponera att jag, liksom Harris (1995), utgår från en generell VAR-modell med lagar enligt följande.

k

t k t k t

t Az A z u

z = _{1 −1} +...+ ₋ + u_t ~ IN(0,Σ) (16)

A är en i (n∗n) matris av parametrar och z_i är en (1∗ vektor av variabler som är n) - eller .

) 0 I( )

1 (

I ¹¹ Då ekvation (16) antar att vektorn med feltermerna är normalfördelad och vitt brus är det av central betydelse att laglängden blir korrekt för att undvika icke väntevärdesriktiga resultat. För att avhjälpa detta vägs ett antal informationskriterier samman för att finna korrekt laglängd. Vidare så testar man om modellen vid given laglängd uppvisar autokorrelation, och om detta är fallet specificeras modellen om. Denna process återupprepas

9 Maddala, Kim (1998)

10 Enders (2004)

11 Harris (1995)

tills VAR-modellen inte uppvisar autokorrelation. Modellen kan även behöva utökas med dymmyvariabler för att ta hänsyn till strukturella brott eller samband i serierna.¹²

Ekvation (16) kan skrivas om till en vektorfelkorrigeringsmodell (VECM) enligt följande

t k t k

t k t

t z z z u

z =ΓΔ + Γ Δ +Π +

Δ _{1 −1} ... _{−1 − +1 −} , (17)

där Γ_i =−(I−A₁ −...−A₁) och Π=−(I −A₁−...−A_k). När man specificerar om systemet som en VECM innehåller systemet information om den lång- och kortsiktiga dynamiken av förändringar i . Vilken kointegrationsrang modellen uppvisar bestäms av hur många oberoende linjära kombinationer (rangen) som matrisen

zt

Π innehåller. För att fastställa rangen används trace- samt maximum eigenvalue-test där nollhypotesen anger att r antal vektorer är kointegrerade. Om matrisen Π har full rang det vill säga att samtliga kolumner är linjärt oberoende, (n= , så är variabeln r) . Skulle rangen vara noll finns det inget långsiktigt linjärt samband, vilket gör dessa två fall tämligen ointressanta. För att variablerna skall vara kointegrerade krävs det således att

) 0 (

~ I z_t

(

)

< n

r vilket också ger antalet kointegrerade vektorer. Johansens kointegrationsmetodik faktoriserar den kointegrerade matrisen till

αβ'

=

Π där α är felkorrigeringstermerna som styr anpassningen tillbaka mot långsiktig jämvikt och matrisen 'β den långsiktiga relationens parameterestimat. Om de testade variablerna uppvisar kointegration är det således möjligt att testa för huruvida enskilda variabler ingår i den långsiktiga relationen och dessutom att skatta dess effekt.¹³

12 Enders (2004)

13 Harris (1995)

3.3 Dynamisk OLS

Som ovan nämnt möjliggör Johansens procedur koefficientskattningar av de kointegrerade vektorerna. Det har emellertid visat sig att Johansen är känslig för felspecificeringar vilket tidvis medför orealistiska skattningar. Stock och Watson (1993) introducerade dynamisk OLS (DOLS) som tar hänsyn till autokorrelationen genom att lägga till leads och lags i en OLS- regression med kointegrerade variabler.

. (18)

t j

j t k

t

t F F

S =β +β +

∑

−∞

= −

+ 1 0

∑

−∞

= Δ −

j

j

Ft beskriver antalet leads och lags som används i OLS-modellen för att få bort eventuell autokorrelation. DOLS-modellen genererar korrekta parameterestimat samt standardfel givet att variablerna är I(1) och kointegrerade.¹⁴

3.4 Ackumulerade responsfunktioner

Variabler som är -processer men som inte uppvisar kointegration har inget långsiktigt jämviktsläge. Det är således inte möjligt att undersöka variablernas långsiktiga effekt med kointegrationsmetodik. Det är emellertid möjligt att undersöka den långsiktiga effekten av en chock på en variabel genom att analysera de strukturella chockernas effekt på de ingående differentierade variablerna i en VAR-modell. Denna metod möjliggör att undersöka även icke kointegrerade variablers långsiktiga effekt. Notera emellertid att variablerna inte uppvisar ett långsiktigt jämviktsläge som i fallen med kointegrerade länder.

) 1 ( I

15

14 Stock och Watson (1993)

15 För en utförlig beskrivning av impulsresponsfunktioner hänvisas till Enders (2004)

4. Data

Datamaterialet är kvartalsdata från 1960 fram till första kvartalet 2006 för 16 länder, samtliga medlemmar i det ekonomiska samarbetsorganet OECD. Valet av länder baserar sig främst på möjligheten att få fram adekvat data för länder av relativt stabil ekonomisk karaktär.

B-S modellen samt den utökade modellen av De Gregorio och Wolf baseras på skillnader i produktiviteten mellan handlade och icke handlade varor. Inom tidsramen för denna uppsats har jag emellertid liksom exempelvis Alexius och Nilsson (2001) valt att använda mig av real BNP data som proxy för produktivitet på grund av svårigheter att hitta dataserier för given period. BNP-materialet är hämtat från OECD:s Main Economic Indicators (MEI) och redovisas i konstanta priser och PPP. Utlandets BNP-data för samtliga länder är konstruerat genom TCW-vikter¹⁶ från IMF. Växelkurserna är i real effektiv form från OECD:s MEI.

Oljepriset är världsmarknadspriset på olja uttryckt som ett genomsnitt av oljepriserna i USA, Storbritannien samt Förenade Arabemiraten, deflaterat med USA:s KPI.¹⁷ Samtliga serier är logaritmerade samt indexerade till basår 1960.

5. Empiriska resultat och analys

Nedan presenteras stationäritetstest samt kointegrationstest för samtliga variabler. Modellen som ligger till grund för den empiriska analysen gör gällande att produktivitetsskillnader mellan länder samt utvecklingen av oljepriset är relevanta bestämningsfaktorer för den reala växelkursens långsiktiga utveckling. Givet att de undersökta ländernas variabler uppvisar integration av ordning ett samt kointegration, kan vi undersöka hur dessa påverkar växelkursen genom att applicera kointegrationsanalys samt dynamisk OLS. För variabler utan kointegrationsegenskaper undersöks hur växelkursen reagerar på chocker över tiden med hjälp av impulsrespnsfunktioner. Som ovan nämnt är den reala effektiva växelkursen ett mått på länders konkurrenskraft när man tagit hänsyn till export och import. En ökning i den reala effektiva växelkursen indikerar således en depreciering med förbättrad konkurrenskraft som följd. Den teoretiska effekten av en positiv förändring av den inhemska produktiviteten (inhemsk BNP) är därför en appreciering av den inhemska valutan. På samma sätt är effekten

)]

1 ( [I

16 Total Competitiveness Weights.

17 Att deflatera med USA:s KPI är approximativt lika som att först deflatera med varje lands dollarkurs och sedan med respektive lands KPI då PPP i princip är konstant.

av en positiv förändring av den utländska produktiviteten (utländsk BNP) en depreciering på den inhemska valutan. Effekten av en positiv oljeprisförändring är som ovan nämnt oklar till följd av ländernas olika ekonomiska karaktär. Analysen av de skattade parametrarna kommer därför att göras gruppvis enligt nämnda uppdelning i teoriavsnittet (se ekvation 13-15).

5.1 Stationäritet

Det är allmänt känt att ett lands BNP växer över tiden och således inte kan vara stationära.

Växelkurser har emellertid påvisat tendenser till stationäritet varvid test av dessa variabler är kutym. Jag kommer således att använda ADF-testet för att testa huruvida växelkurserna samt oljepriset innehåller enhetsrötter.

I appendix tabell (A.1) presenteras resultat av ADF-test på samtliga växelkurser samt på variabeln olja. Samtliga variabler utom Storbritanniens växelkurs påvisar enhetsrötter i den underliggande processen vid test med konstant på en procents signifikansnivå och kan således antas vara ickestationära. Beträffande Storbritanniens växelkurs så är det möjligt att förkasta hypotesen om att en enhetsrot existerar i serien vid femprocentsnivån, men dock inte vid en procents signifikansnivå. Vid test av motsvarande variabler under antagande om konstant och trend kan vi behålla hypotesen om att enhetsrötter existerar i samtliga fall utom hos Frankrikes växelkurs vid enprocentsnivån. Då jag testar för enhetsrot vid differentierade serier uppvisar samtliga variabler stationära egenskaper när jag antar konstant samt i fallet med trend och konstant. Vid femprocentsnivån verifierar ADF-testen den allmänna bilden av växelkurser som ickestationära variabler. Storbritannien och Frankrike påvisar tendenser till stationäritet vid test med enbart konstant respektive med konstant och trend på enprocentsnivån. Det finns emellertid inte belägg för att kalla variablerna stationära varvid samtliga länder i undersökningen kommer att undersökas med kointegrationsmetodik alternativt differentierade serier i VAR-modeller.

5.1 Kointegration

Samtliga variabler kan ses som processer enligt ADF-testen vilket medför att jag undersöker huruvida variablerna uppvisar kointegration. I tabell (1) presenteras Johansens kointegrationstest samt ett residualbaserat ADF-test. De residualbaserade testen är specificerade med växelkurs som beroende variabel. Beträffande Johansenproceduren är antalet lagar bestämt för att få bort all autokorrelation i VAR-modellens residual. Vidare har jag i några fall lagt till dummyvariabler för att ta hänsyn till strukturella brytpunkter, orsakade av exempelvis oljeprischocker under 1970-talet. Dessa är markerade med d60 eller d73 i nämnda tabell. Då testerna i fåtalet fall visar skilda resultat görs en avvägning där hänsyn tas till bland annat signifikansnivåer. Det slutgiltiga antalet kointegrerade relationer för respektive land presenteras i sista kolumnen.

) 1 ( I

Testerna påvisar kointegration i tolv av sexton fall. Av dessa påvisar Johansens procedur en kointegrationsvektor för tio av tolv länder (tracestatistikan för USA går precis över tioprocentsnivån men kan med stöd av de andra statistikorna ses som kointegrerad). De två resterande fallen signalerar två kointegrationsvektorer. Samtliga kointegrerade länders resultat verifieras med det residualbaserade ADF-testet. I två av de fyra övriga fallen, Finland och Spanien, kan inget av testerna konstatera ett långsiktigt jämviktsläge. För Finlands del påvisar Johansenprocedurens tracestatistika en kointegrationsvektor. Maximum eigenvalue samt ADF-testet påvisar dock ingen kointegration. Jag finner således inte tillräckligt med bevis för att kalla variablerna kointegrerade. I fallet Spanien, påvisar ingen av Johansenprocedurens statistikor kointegration samtidigt som ADF-testet ger starkt stöd för ett långsiktigt jämviktsläge. Orsaken till de skilda resultaten kan sannolikt hänvisas till felaktig specificering. Jag har dock inte möjlighet att inom ramen för denna uppsats analysera den korrekta specificeringen. Den fortsatta analysen av Spanien kommer därför att göras under förutsättningen att kointegration inte existerar mellan variablerna. Resultaten för Spaniens variabler bör därför tolkas med försiktighet.

Eventuella dummievariabler under respektive land P-värden under statisikor

Lag r = 0 r = 1 r = 2 r = 3 r = 0 r = 1 r = 2 r = 3

Australien 37.67178 14.87944 6.988855 1.308999 22.79235 7.890583 5.679855 1.308999 -2.573162 d60 (0.3165) (0.7878) (0.5789) (0.2526) (0.1825) (0.9103) (0.6546) (0.2526) 0.1004 Danmark 47.54513** 24.32378 8.025300 1.929288 23.22135 16.29848 6.096012 1.929288 -3.133251"

(0.0535) (0.1871) (0.4627) (0.1648) (0.1642) (0.2079) (0.6009) (0.1648) (0.0019) Finland 48.10712* 25.26331 10.76618 0.627249 22.84381 14.49713 10.13893 0.627249 -1.936868 d60 (0.0473) (0.1522) (0.2263) (0.4284) 0.1802 0.3257 0.2030 0.4284 (0.0506) Frankrike 71.26960* 36.71603* 11.36359 0.816923 34.55356* 25.35245* 10.54666 0.816923 -4.664677"

( 0.0001) (0.0068) (0.1901) (0.3661) (0.0054) (0.0120) (0.1785) (0.3661) (0.0000) Italien 47.31185** 21.82647 11.93305 3.803483** 25.48538** 9.893418 8.129565 3.803483** -2.898120"

d73 (0.0562) (0.3082) (0.1602) (0.0511) (0.0906) (0.7546) (0.3657) (0.0511) (0.0039) Japan 46.06312** 17.61505 6.572681 0.019781 28.44807* 11.04237 6.552901 0.019781 -2.871546"

d73 (0.0730) (0.5946) (0.6278) (0.8880) (0.0387) (0.6431) (0.5433) (0.8880) (0.0042) Kanada 38.25162 19.20168 7.238155 0.723497 19.04994 11.96352 6.514658 0.723497 -1.890502

(0.2912) (0.4785) (0.5501) (0.3950) (0.4107) (0.5513) (0.5481) (0.3950) (0.0562) Nederländerna 49.56852* 22.18418 10.20204 1.817566 27.38433** 11.98214 8.384475 1.817566 -3.311238"

d73 (0.0342) (0.2884) (0.2655) (0.1776) (0.0530) (0.5494) (0.3410) (0.1776) 0.0010 Norge 61.67248* 26.61426 11.54609 3.808834** 35.05822* 15.06817 7.737257 3.808834** -3.379233"

(0.0015) (0.1114) (0.1800) (0.0510) (0.0046) (0.2842) (0.4060) (0.0510) 0.0008 Spanien 40.17491 18.98071 8.042783 1.802854 21.19420 10.93793 6.239929 1.802854 -2.961656"

d73 0.2163 0.4943 0.4609 0.1794 0.2646 0.6535 0.5826 0.1794 0.0032

Sverige 56.95488* 24.56381 9.437250 3.159530** 32.39107* 15.12656 6.277720 3.159530** -2.797290"

(0.0056) (0.1776) (0.3265) (0.0755) (0.0111) (0.2801) (0.5779) (0.0755) (0.0053) Schweiz 54.69441* 25.86850 11.25748 3.699568** 28.82592* 14.61101 7.557913 3.699568* -3.722186"

(0.0100) (0.1327) (0.1961) (0.0544) ( 0.0345) ( 0.3171) (0.4254) ( 0.0544) (0.0002) Tyskland 47.10035** 22.10968 5.120542 0.588790 24.99067 16.98913 4.531752 0.588790 -3.028695"

d73 ( 0.0588) ( 0.2925) ( 0.7959) (0.4429) (0.1037) (0.1725) ( 0.7994) (0.4429) (0.0026) UK 45.49838** 14.77938 4.835308 0.345042 30.71900* 9.944071 4.490267 0.345042 -3.105386"

(0.0819) (0.7942) (0.8261) (0.5569) (0.0191) (0.7499) (0.8043) (0.5569) (0.0020) US 44.23062 14.93338 2.697365 0.067035 29.29724* 12.23602 2.630330 0.067035 -3.239906"

(0.1052) (0.7844) (0.9789) (0.7957) (0.0299) (0.5245) (0.9683) (0.7957) (0.0013) Österrike 58.80956* 29.79644** 8.924949 1.479910 29.01312* 20.87149** 7.445038 1.479910 -2.304638""

(0.0034) (0.0500) (0.3724) (0.2238) (0.0326) (0.0543) (0.4379) (0.2238) (0.0208)

¤ r represterar test för r antal kointegrerade vektorer

H0: r antal kointegrerade vektorer. *, ** signalerar signifikant på 5% respektive 10% nivån Laglängd är valt utifrån Akaikes informationskriterium samt under kriteriet "ingen auokorrelation".

Dummyvariabler är valda för att minimera autokorrelation P-värde enligt MacKinnon-Haug-Michelis (1999)

¤¤ ADF-test på residualen med varje lands växelkurs som beroende variabel.

Ho: Ej kointegration. ", "" signalerar signifikant skild från noll på 1% respektive 5% nivån P-värden enligt Mackinnon (1996)

¤¤¤ Uppskattat antal kointegrerade vektorer efter båda test.

¤¤¤

r

¤Johansens procedur

Trace Maximum Eigenvalue

1 0

1

1

0

1

¤¤ Residual- baserat test

0

1

1

1 2

1

1 1

2

6 2

6 2 2 4 3 2 5

2 Johansens kointegrationstest samt residualbaserat kointegrationstest.

7 Tabell 1

4

6

5

0 3

4

5.2 Parameterestimat

I tabell (2) presenteras parameterestimat gjorda med Johansenproceduren och DOLS.

Ytterligare estimat från DOLS panelskattning indelat i grupperna samtliga länder, oljeimporterande mindre länder (Norge) samt större oljeproducerande länder (USA och Storbritannien) presenteras längst ner i tabellen. Kointegrationsparametrarna enligt Johansenproceduren ger blandat stöd för de ursprungliga hypoteserna. Över hälften av samtliga parametrarna för inhemsk BNP är signifikanta. Av dessa stödjer hälften den ursprungliga hypotesen att en relativ BNP-ökning leder till en appreciering av valutan i fråga.

Om jag inte tar hänsyn till signifikansnivåerna är tre fjärdedelar av estimaten i linje med förväntan. Utlandets BNP ger liknande resultat på växelkursens utveckling. Fem av åtta signifikanta estimat styrker hypotesen att en positiv förändring av utlandets relativa BNP- utveckling leder till en depreciering av den inhemska valutan. Estimaten för oljepriset är i stort set signifikanta för samtliga länder. Den förväntade effekten av en positiv oljeprisförändring för oljeimporterande länder är en depreciering av växelkursen.

Johansensmetodens estimat ger emellertid svagt stöd för hypotesen, endast två av nio estimat genererar signifikanta positiva värden. Då Norges situation beträffande olja är exceptionell behandlas landet separat. Den förväntade effekten av en positiv oljeprisförändring är en appreciering av växelkursen på grund av den relativt stora exporten. Parameterestimatet för oljepriset med Johansenmetoden verifierar hypotesen då skattningen är negativ. För större oljeexporterande länder är effekten av en positiv oljeprischock oklar. Johansenprocedurens estimat kan till viss del verifiera detta. Storbritanniens växelkurs förväntas deprecieras samtidigt som USA:s växelkurs förväntas apprecieras till följd av en oljeprischock enligt estimaten. För ett antal parameterestimat är storleken orealistiskt stora och skall således tolka mycket försiktigt. Detta är ett vanligt resultat när punktestimat skattas med Johansenmetoden.¹⁸

DOLS-parameterarna för inhemsk BNP ger starkare stöd för teorin än Johansenproceduren. I tio av tolv fall är parametrarna signifikanta, hälften av dessa uppvisar resultat i linje med teorin. För utländsk BNP är elva av tolv parametrar signifikanta, sex av dessa påvisar att en positiv utländsk BNP-förändring leder till en depreciering av respektive växelkurs. Oljeprisets påverkan på växelkursen är även i DOLS-fallet signifikant för elva av tolv länder. Hälften av

18 Se exempelvis Alexius och Nilsson (2001)

de oljeimporterande länderna uppvisar positivt tecken vilket är i linje med teorin. Norge uppvisar liksom Johansenproceduren negativt tecken vilket den teoretiska modellen förutspår.

Parameterestimaten uppvisar som förväntat mer realistiska resultat vilket gör dem mer tolkningsbara. För inhemsk BNP ligger effekten av en enprocentig BNP-förändring inom intervallet -1,084 och -0,237 samt 0,168 och 0,916 för signifikanta länder som uppvisar negativa respektive positiva tecken. Estimaten för effekten av en förändring i utländsk BNP på respektive lands växelkurs för signifikanta variabler ligger inom intervallet 0,112 och 0,916 samt -1,196 och -0,341 för estimat med positiva respektive negativa tecken. Variabeln olja påvisar en effekt för negativa variabelskattningar inom intervallet -0,013 och -0,092 samt för positiva skattningar 0,009 och 0,115.

Panelestimaten för mindre oljeimporterande länder är i linje med teorin. Enligt estimaten apprecieras växelkursen till följd av inhemsk BNP-tillväxt. Utländsk BNP-tillväxt och positiv oljeprisförändring ger enligt estimaten upphov till en depreciering av valutan. Oljeprisets effekt kan emellertid inte anses signifikant då det krävs 30 procents signifikansnivå för att acceptera variabeln. För panelen av USA och Storbritannien som är större oljeexportörer signalerar estimaten, i likhet med de mindre oljeproducerande ländernas resultat, appreciering till följd av inhemsk BNP-tillväxt samt depreciering med anledning av utländsk BNP-tillväxt och positiv oljeprischock. Inhemsk BNP samt oljepris är dock inte signifikanta varvid inferens för denna panel är svår att göra. Samtliga tecken ligger inom ett intervall för de högsta respektive lägsta estimaten för de enskilda ländernas parametrar i DOLS-skattningarna.

En sammanvägning av resultaten pekar på att hypotesen håller i begränsad utsträckning. Om hänsyn inte tas till signifikansnivåerna då båda modellerna analyseras påvisar drygt hälften av estimaten tecken enligt den ursprungliga hypotesen. Om endast signifikanta resultat undersöks pekar omkring 40 procent av estimaten på tecken enligt den framställda hypotesen. Då Johansenproceduren används för parameterestimering avviker inhemsk och utländsk BNP mest från den ursprungliga hypotesen. Variabeln oljepris uppvisar i 22 av 24 fall signifikanta estimat. Bortses ekonomier med oljeexport där effekten är obestämd så är 45 procent i linje med teorin. Omfattningen av effekten är relativt lite, vi kan emellertid dra slutsatsen att oljepriset uppvisar en statistiskt säkerhetsställd effekt på respektive valuta. Det är emellertid svårt att dra några generella slutsatser om den långsiktiga effekten är i linje med det teoretiska resonemanget.

Tabell 2

Parameterestimat gjorda genom Johansenproceduren, DOLS samt Panel av samtliga länder Johansen och DOLS är specificerade enligt kointegrationstestet se tabell (1)

t-statistika inom [ ]

Land BNP Utländsk BNP Olja BNP Utländsk BNP Olja Ev. dummies

Danmark 38.42924* -31.61559* -1.052467* 0.543892* -0.586652* -0.012924**

[ 2.95430] [-3.11436] [-2.17540] [2.749433] [-3.767618] [-1.741488]

Frankrike -2.001845 1.367422 -0.255012** 0.704823* -0.526925* -0.017861*

[-0.77155] [0.54193] [ -1.77233] [4.961184] [-3.849499] [-2.272067]

Italien -4.299311* 3.209450* -0.444524* -0.813036* 0.756612* 0.048563* 0.191385*

[ -2.39270] [ 1.83276] [ -2.71710] [-3.559554] [3.450592] [2.290615] [3.998402]

Japan -0.211711 -0.114326 0.371589* -0.237086* -0.341473* 0.154696* -0.463958*

[-0.81869] [- 0.35187] [4.93043] [-3.300337] [-3.849441] [6.599953] [-8.228799]

Nederländerna -7.155409* 6.054197* -0.968804* -0.097013 0.137984 -0.054108* -0.110378*

[- 2.72065] [2.48987] [ -4.78723] [-0.589723] [0.762833] [-3.163332] [-3.439305]

Norge -1.365713* 1.052136* -0.115280* 0.922895* -1.190693* -0.092156*

[ -6.01651] [5.70261] [ -7.75368] [10.39633] [-10.71307] [-14.59108]

Sverige -0.064572 0.431647 0.078298* 0.037969 0.266533** -0.003921 [ -0.10789] [0.90359] [2.52023] [0.199294] [1.752512] [-0.382223]

Schweiz 4.472425* -3.933078* -0.207017* 0.168475* 0.112494* 0.009112*

[2.42124] [ -3.17710] [ -1.98346] [7.914842] [-11.00876] [-6.343289]

Tyskland -9.060348* 7.122837* -0.715341* -0.717447* 0.709076* 0.029298* -0.160623*

[-3.70652] [3.51596] [-4.11853] [-4.322590] [5.226177] [2.302893] [-6.342310]

UK -6.556755 10.08107* 1.307829* -1.084389* 0.915792* -0.045424*

[-0.97158] [1.78470] [1.89611] [-5.720768] [5.648924] [-2.341595]

US -0.170024 -0.128083 -0.147253* -0.711706* 0.820847* -0.043865*

[-0.29255] [-0.21382] [-1.84212] [-5.261845] [5.769139] [-2.297863]

Österrike 3.500822* -3.788541* -0.033771 0.939543* -1.195878* -0.033753*

[3.38573] [-3.42585] [-0.99637] [3.620155] [-4.314521] [-4.510044]

-0.503183* 0.445811* -0.004683 [-18.64441] [16.21463] [-1.045514]

-0.562250* 0.428235* 0.003206 [-18.69853] [13.99101] [0.622042]

Stora oljeexporterande länder -0.044684 0.177490* 0.011075

(USA, UK) [-0.549206] [2.338931] [1.023417]

Alla Länder

Signifikanta resultat i fet stil, *, ** signalerar 5 % och 10 % signifikansnivåer

-

-

BNP Utländsk

BNP Olja

Panel

Små oljeimporterande länder

-

-

-

- DOLS-parametrar

-

- Johansenmetodens kointegrationsparametrar

5.3 Ackumulerade responsfunktioner

De länder som inte uppvisar kointegration enligt tabell (1) analyseras genom variablernas ackumulerade responsfunktioner.¹⁹ Responsfunktionera räknar ut den långsiktiga effekten av en chock på en specifik variabel, exempelvis effekten av en oljeprischock på real effektiv växelkurs. I Australiens fall påvisas en positiv effekt av samtliga simulerade chocker.

Effekten av en oljeprischock påverkar växelkursen fram till period fyra och stabiliseras efter detta. Den positiva effekten implicerar en depreciering av växelkursen, vilket är i linje med teorin. Utländsk och inhemsk BNP stabiliseras efter två tidsperioder. Den teorietiska effekten av inhemsk BNP-tillväxt är emellertid appreciering vilket resultaten inte påvisar. Finlands variabler har en motsatt effekt. Förändringar av samtliga variabler orsakar en appreciering av den reala effektiva växelkursen. Till skillnad från Australien stabiliseras variablerna senare, i fjärde till femte perioden. I Kanadas fall stabiliserar sig variablerna efter fyra perioder.

Effekten av en oljeprischock är negativ vilket innebär att växelkursen apprecieras, detta är i linje med teorin då Kanada exporterar olja. Effekten av en chock på inhemsk BNP-tillväxt är liten men uppvisar tendenser till appreciering, vilket är fel enligt den teoretiska ansatsen. En chock från utländsk BNP-tillväxt uppvisar en deprecierande effekt på den reala växelkursen, vilket är i linje med teorin. Effekterna av samtliga variablers chocker på Spaniens valuta är mer oregelbundna än de ovan nämna länderna. Samtliga variabler stabiliserar sig emellertid efter omkring tio år på negativa värden och uppvisar således apprecierande effekter för samtliga variabler. Notera att kointegrationstesterna i tabell (1) var svårtolkade för Spanien och att således även de ackumulerade responsfunktionerna måste tolkas med försiktighet.

Enligt de ackumulerade responsfunktionerna ligger effekten av en oljeprischock på den reala växelkursen inom intervallet -0,07 och 0,016. För inhemsk samt utländsk BNP ligger effekten inom intervallen -0,08 och 0,004 samt -0,05 och 0,009. Den teoretiska följden för inhemsk respektive utländsk BNP-tillväxt är för samtliga länder appreciering respektive depreciering av växelkursen. Responsfunktionerna kan i likhet med kointegrationsanalysen inte påvisa resultat i linje med teorin. Impulsresponsfunktionerna för Australien och Kanada påvisar att växelkursen deprecieras till följd av en positiv förändring i inhemsk och utländsk BNP. Den Finländska reala effektiva växelkursen förväntas apprecieras i båda fallen. En positiv oljeprisförändring apprecierar växelkursen för samtliga länder utom Kanada där effekten är positiv och således indikerar en depreciering av den inhemska valutan.

19 Notera att effekten av en växelkurschock på inhemsk växelkurs inte är relevant samt att samtliga länder undersöks med en tidshorisont om tio år.

I samtliga fall har vi problemet att standardavvikelser inte är redovisade då E-views inte kan generera dessa för impulsresponsfunktioner med strukturella chocker. Det är således inte möjligt att uttala något stöd för de dokumenterade effekterna. Funktionerna kan emellertid ge en uppfattning om hur långsiktiga effekter beter sig vid strukturella chocker.

Figur 2

Ackumulerade responsfunktioner för Australiens växelkurs

.000 .004 .008 .012 .016 .020 .024 .028 .032 .036

1 2 3 4 5 6 7 8 9 10

Olja

Utländsk BNP

Inhemsk BNP Inhemsk växelkurs

Figur 3

Ackumulerade responsfunktioner för Finlands växelkurs

-.01 .00 .01 .02 .03 .04

1 2 3 4 5 6 7 8 9 10

Olja

Utländsk BNP

Inhemsk BNP Inhemsk växelkurs

Figur 4

Ackumulerade responsfunktioner för Kanadas växelkurs

-.010 -.005 .000 .005 .010 .015 .020 .025

1 2 3 4 5 6 7 8 9 10

Olja

Utländsk BNP

Inhemsk BNP Inhemsk växelkurs

Figur 5

Ackumulerade responsfunktioner för Spaniens växelkurs

-.01 .00 .01 .02 .03

1 2 3 4 5 6 7 8 9 10

Olja

Utländsk BNP

Inhemsk BNP Inhemsk växelkurs

6. Slutsats

Enlig den genomförda analysen kan ett visst stöd för den utvidgade Balassa-Samuelsson- modellen konstateras. Johansens kointegrationsanalys samt enkel residualbaserad kointegrationsanalys påvisar ett långsiktigt jämviktsläge mellan real effektiv växelkurs, utländsk och inhemsk real BNP samt realt oljepris för tolv av sexton undersökta länder under tidsperioden 1960Q1 till 2006Q1. För att skatta de kointegrerade vektorerna har därefter Johansens kointegrationsanalys samt dynamisk OLS använts. De skattade vektorerna för inhemsk och utländsk real BNP är i flertalet fall signifikanta. Variabeln oljepris uppvisar relativt små men likväl signifikanta resultat för i princip samtliga skattade kointegrationsvektorer. För majoriteten av skattningarna kan därför hypotesen, att variablerna utländsk och inhemsk BNP-tillväxt samt oljepris driver reala effektiva växelkursers jämviktsrörelser över tiden, verifieras. De skattade kointegrationsvektorerna överensstämmer emellertid inte med teorin. Trots att panelskattningarna påvisar tecken enligt förväntan kan analysen för de enskilda länderna endast verifiera de teoretiska effekterna i cirka 45 procent av fallen. Detta bekräftas av de ackumulerade responsfunktionerna för variabler som inte uppvisar ett långsiktigt jämviktsläge, då de skattade effekterna av de olika chockerna endast överensstämmer med teorin i cirka hälften av fallen.

Orsaken till de skilda resultaten beträffande huruvida den reala växelkursen deprecieras eller apprecieras till följd av en positiv förändring i de undersökta variablerna, beror delvis på den ekonometriska specificeringen vid kointegrationsanalys. Den undersökta tidsperioden har präglats av nationella och internationella makroekonomiska omställningar. Då kointegrationsanalys är långsiktig jämviktsanalys är det viktigt att anpassa den ekonometriska metoden för dessa strukturella förändringar på ett adekvat sätt. Om detta inte görs riskerar analysen att peka på felaktiga samband och skattningar. Inom ramen för min uppsats har jag ej haft möjlighet att analysera och utvärdera den korrekta specificeringen, vilket kan påverka den skattade resultaten.

Den här uppsatsen har besvarat frågan om huruvida inhemsk och utländsk BNP-tillväxt samt oljepristillväxt påverkar den reala effektiva växelkursen. För att dra säkra slutsatser kring storlek och riktning på effekterna bör emellertid alla enskilda länders ekonometriska specificering undersökas närmare.

Referenser

Alexius, A. och Nilsson, J. (2001) “Real Exchange Rates and Fundamentals: Evidence from 15 OECD Countries", Open Economies Review 11(4), 383-397.

Amano, R. och Van Norden, S. (1998) ”Exchange Rates ond Oil Prices”, Review of International Economics, 6:4 sid. 683-694.

Backus, D. Crucini, M. (1999) “Oil prices and terms of trade”, Journal of International Economics, 50, sid. 185–213

Balassa, B. (1964) ”The Purchasing-Power Parity Doctrine: A Reappraisal” Journal of Political Economy, 76(6), s.584-596.

Chaudhuri, K. och Daniel, B. (1998) ”Long-run equilibrium real exchange rates and oil prices”, Economics Letters, 58, sid. 231-238.

De Gregorio, J. och Wolf, H. C. (1994) ”Terms of Trade, Productivity, and the Real Exchange Rate” NBER Arbetsrapport Nr.4807, Cambridge MA.

DeLoach S. (2001) “More evidence in Favor of the Balassa-Samuelsson Hypothesis” Reveiw of International Economics, 9:2, 336-342.

Enders, W. (2004) “Applied econometric time series”, 2^nd edition, Wiley

Engle, R och Granger, C W J, (1987), Cointegration and Error Correction: Representation, Estimation, and Testing, Econometrica (March 1987): 251-276

Froot, K. A. och Rogoff K. (1994) ”Perspectives on PPP and Long-Run Real Exchange Rates”, NBER Arbetsrapport 4807, Cambridge MA.

Harris, R. (1995) “Using Cointegration Analysis in Econometric Modelling”, Hemel Hempstead: Prentice Hall.

MacKinnon J, (1996). “Numerical Distribution Functions for Unit Root and Cointegration Tests,” Journal of Applied Econometrics, 11, 601-618.

MacKinnon J, Haug A och Michelis L, (1999), “Numerical Distribution Functions of Likelihood Ratio Tests For Cointegration,” Journal of Applied Econometrics, 14, 563-577.

Maddala, G. S. Och Kim, I-M. (1998) ”Unit Roots, Cointegrations, and Structural Change”

Cambridge University Press,

Samuelson, P.A. (1964) “Theoretical notes on trade problems”, Review of Economics and Statistics, 46, s. 145-154.

Stock, J. H. Och Watson, M.W. (1993) “A Simple estimator of cointegrating vectors in higher order integrated systems”, Econometrica, 61:4 sid. 783-820

Wooldridge, J M, (2006), Introductory econometrics 3rd edition, Thomson South-Western