Mendelova univerzita v Brně Provozně ekonomická fakulta
Alternativy měření výkonu ekonomiky Bakalářská práce
Vedoucí práce Mgr. David Hampel, Ph.D.
Marek Lorenz
Brno 2013
Poděkování Na tomto místě bych rád vyjádřil poděkování svému vedoucímu bakalářské práce Mgr. Davidu Hampelovi, Ph.D. za bezproblémové vedení při jejím zpracování. Zároveň děkuji svým rodičům, kteří mě po celou dobu studia podporovali.
Čestné prohlášení Prohlašuji, že jsem svoji bakalářskou práci na téma „Alternativy měření výkonu ekonomiky“ vypracoval samostatně s použitím zdrojů uvedených v seznamu citované literatury.
V Brně dne 4. ledna 2013
________________________________
Abstrakt LORENZ, Marek. Alternativy měření výkonu ekonomiky. Bakalářská práce. Brno, 2013. Bakalářská práce zkoumá a analyzuje alternativy měření výkonu ekonomiky. Popisuje nejpoužívanější nástroj pro měření ekonomiky, hrubý domácí produkt, včetně jeho nedostatků při použití jako ukazatele životní úrovně. Poté práce charakterizuje alternativy k HDP a vybrané ukazatele jsou pak popsány blíže. Druhá část práce se věnuje zkoumání a modelování vztahů celkem tří vybraných ukazatelů k HDP. Na závěr jsou zhodnoceny typ a míra případných závislostí, a také užitečnost vybraných ukazatelů Klíčová slova hrubý domácí produkt, alternativy k HDP, alternativní ukazatele, regresní analýza, korelační analýza
Abstract LORENZ, Marek. Alternative measures of economic performance. Bakalářská práce. Brno, 2013. The Bachelor thesis analyses alternatives measures of economic performance. It describes the most used tool for measuring the economy, gross domestic product, including its shortcomings when used as a measure of standards of living. Then the thesis deals with alternatves to GDP and few selected indicators are described more deeply. The second part of the thesis exemines and create models for relations between three selected alternative indicators and the GDP. In conclusion, the type and degree of relations are evaluated and so is the usefulness of the selected indicators. Keywords gross domestic product, alternativs to GDP, alternative indicators, regression analysis, correlation analysis
Obsah
5
Obsah 1
Úvod.................................................................................................................................... 9
2
Cíl práce ......................................................................................................................... 10
3
Teoretická část ............................................................................................................ 11 3.1 3.1.1
Definice HDP ............................................................................................................. 11
3.1.2
Historie HDP a jeho použití ................................................................................. 12
3.1.3
Výpočet HDP ............................................................................................................. 13
3.1.4
Nedostatky HDP....................................................................................................... 14
3.2
4
Hrubý domácí produkt .............................................................................................. 11
Alternativy k ukazateli HDP .................................................................................... 16
3.2.1
Historie alternativ ukazatelů .............................................................................. 17
3.2.2
Dělení alternativních ukazatelů ........................................................................ 18
3.3
Index lidského rozvoje .............................................................................................. 20
3.4
Upravené čisté úspory ............................................................................................... 25
3.6
Index lepšího života .................................................................................................... 28
3.7
Index udržitelného ekonomického blahobytu a indikátor ryzího pokroku ..................................................................................... 31
Vlastní práce................................................................................................................. 35 4.1
Metodika ......................................................................................................................... 35
4.1.1
Regresní analýza ..................................................................................................... 35
4.1.2
Korelační analýza .................................................................................................... 37
4.1.3
Vstupní data a jejich popis................................................................................... 38
4.2
Vztah HDI a HDP .......................................................................................................... 39
4.3
Vztah BLI a HDP ........................................................................................................... 45
4.4
Vztah ANS a HDP.......................................................................................................... 50
5
Diskuze ........................................................................................................................... 54
6
Závěr ............................................................................................................................... 56
7
Použité zdroje .............................................................................................................. 58
A
7.1
Literatura ........................................................................................................................ 58
7.2
Webové zdroje .............................................................................................................. 59
Doplňující grafy ........................................................................................................... 61
Seznam obrázků
6
Seznam obrázků Obr. 1 HDP na obyvatele dle parity kupní síly ve světě, rok 2008 ................................. 12 Obr. 2 Rozdělení ukazatelů do skupin dle iniciativy „Beyond GDP“ .............................. 19 Obr. 3 Index lidského rozvoje ve světě v roce 2011 ............................................................ 20 Obr. 4 Grafické znázornění výpočtu HDI.................................................................................. 22 Obr. 5 Index lepšího života pro Českou republiku ............................................................... 29 Obr. 6 Vývoj HDP a GPI na obyvatele v USA v letech 1950–2004 .................................. 32 Obr. 7 Bodový XY diagram HDI a HDP ...................................................................................... 40 Obr. 8 Proložení empirických hodnot logaritmickou křivkou ......................................... 42 Obr. 9 Histogram reziduí ................................................................................................................ 43 Obr. 10 Q-Q graf reziduí .................................................................................................................. 43 Obr. 11 Bodový XY diagram BLI a HDP ..................................................................................... 46 Obr. 12 Proložení logaritmické a inverzní křivky empirickými body .......................... 48 Obr. 13 Bodový XY diagram ANS a HDP s proložením regresní přímky ...................... 51 Obr. 14 Proložení dalších funkčních forem empirickými body ....................................... 61 Obr. 15 Graf reziduí (logar. model) ............................................................................................ 61 Obr. 16 Proložení dalších funkčních forem empirickými body ....................................... 62 Obr. 17 Graf reziduí (logar. model) ............................................................................................ 62 Obr. 18 Histogram reziduí (logar. model) ............................................................................... 62 Obr. 19 Q-Q graf reziduí (logar. model) .................................................................................... 62 Obr. 20 Graf reziduí (lin. model) ................................................................................................. 62 Obr. 21 Histogram reziduí (lin. model)..................................................................................... 62 Obr. 22 Q-Q graf reziduí (lin. model) ......................................................................................... 62
Seznam tabulek
7
Seznam tabulek Tab. 1 Dílčí indikátory zahrnuté do indexu lepšího života ............................................... 30 Tab. 2 Způsob výpočtu GPI dle upravené metodologie z roku 2006 ............................ 33 Tab. 3 Popisné statistiky HDI a HDP .......................................................................................... 39 Tab. 4 Srovnání různých funkčních forem .............................................................................. 41 Tab. 5 Testování předpokladů klasické lineárního regresního modelu ...................... 42 Tab. 6 Popisné statistiky BLI a HDP ........................................................................................... 45 Tab. 7 Srovnání různých funkčních forem .............................................................................. 47 Tab. 8 Testování předpokladů klasické lineárního regresního modelu ...................... 48 Tab. 9 Popisné statistiky ANS a HDP ......................................................................................... 50 Tab. 10 Testování předpokladů klasické lineárního regresního modelu .................... 52
Seznam použitých zkratek
Seznam použitých zkratek ANS
Upravené čisté úspory,
BLI
Index lepšího života,
GNI
Hrubý národní příjem (národní důchod),
GPI
Indikátor ryzího pokroku,
HDI
Index lidského rozvoje,
HDP/GDP
Hrubý domácí produkt,
ISEW
Index udržitelného ekonomického blahobytu,
MMF/IMF
Mezinárodní měnový fond,
OECD
Organizace pro hospodářskou spolupráci a rozvoj,
OLS
Metoda nejmenších čtverců,
OSN
Organizace spojených národů,
UNDP
Rozvojový program OSN.
8
Úvod
9
1 Úvod Je přirozené, že se jednotlivé státy a lidé v jejich čele zajímají, jak je na tom ekonomika země a jak se vyvíjí. Největší rozmach v měření ekonomického výkonu nastal s příchodem ukazatele hrubého domácího produktu ve třicátých letech minulého století. Díky jeho jasné metodice, snadné interpretaci a objektivnosti se jeho používání velmi rychle rozšířilo prakticky do celého světa. Údaje o HDP se staly velmi důležitými, a to nejen pro ekonomy, ale i pro politiky (někteří jsou jím až téměř posedlí). HDP je ukazatelem, který i po více než sedmdesáti letech své existence zůstává základním a nejsledovanějším ukazatelem výkonnosti ekonomiky. I jeho velmi mále výkyvy jsou bedlivě sledovány politiky, odborníky i novináři a dalšími médii. Postupem času se při srovnávání zemí podle jejich HDP na obyvatele, začal tento ukazatel interpretovat jako měřítko kvality života, blahobytu nebo obecného rozvoje v zemi. Tedy, že v zemi s vyšším HDP, je život lepší a kvalitnější. I když to může v mnoha případech platit, rozhodně to nelze považovat za pravidlo. HDP totiž pouze sčítá veškerou produkci země do jedné konečné hodnoty. Při použití jakožto ukazatele životní úrovně, má velkou řadu nedostatků. Z těchto, ale i z jiných, důvodů se přibližně od sedmdesátých let dvacátého století začaly objevovat návrhy na nové alternativní ukazatele rozvoje a blahobytu. Touto problematikou se zabývali a nadále zabývají jak jednotliví ekonomové a další odborníci tak i různé odborné instituce a organizace. Mezi takové patří i velké a významné mezinárodní organizace jako Organizace spojených národů, Organizace pro hospodářskou spolupráci a rozvoj (OECD), Světová banka nebo Evropská unie. Dnes existuje takových alternativních ukazatelů několik desítek. Ty mohou vycházet z HDP a napravovat jeho nedostatky nebo se zaměřují na jiné vybrané oblasti rozvoje a blahobytu. Každý se věnuje jiné oblasti a zahrnuje tak v sobě jinou kombinaci dílčích aspektů. Například se více zaměřuje na sociální nebo ekologické hlediska rozvoje. Tato práce se věnuje právě takovýmto alternativním ukazatelům ekonomického výkonu.
Cíl práce
10
2 Cíl práce Cílem práce je analýza a modelování vztahu vybraných alternativních ukazatelů rozvoje a blahobytu k hrubému domácímu produktu na základě dostupných dat. Především je zkoumán druh a míra případných závislosti alternativního ukazatele na HDP. K této analýze je využito statistických a ekonometrických nástrojů regresní a korelační analýzy. Výsledky analýzy jsou poté interpretovány a jsou zhodnoceny vybrané ukazatele včetně jejich přínosu a užitečnosti. Před samotnou analýzou těchto vztahů je teoreticky rozebrána problematika HDP a alternativních ukazatelů, které zahrnují širší pohled na ekonomiku. Několik vybraných ukazatelů je pak popsáno podrobněji.
Teoretická část
11
3 Teoretická část V této části práce je podrobně popsán nejpoužívanější ukazatel měření výkonu ekonomiky, hrubý domácí produkt (HDP), včetně jeho nedostatků. Následně zde jsou rozebrány alternativy k HDP – nejprve jejich obecná charakteristika, a poté bližší popis několika vybraných ukazatelů.
3.1 Hrubý domácí produkt Hrubý domácí produkt patří mezi nejznámější, nejčastěji používané a nejvíce sledované ekonomické ukazatele. Patří mezi tzv. ekonomické agregáty, tedy souhrnné národohospodářské veličiny, pomocí nichž se měří rozsah ekonomické činnosti v zemi. Používá se pro srovnání ekonomické výkonnosti mezi jednotlivými zeměmi a pro měření ekonomického vývoje v čase. Jeho výhodou je jeho snadná interpretace, která je srozumitelná i pro širokou veřejnost.
3.1.1 Definice HDP Hrubý domácí produkt se definuje jako celková peněžní hodnota finálních výrobků a služeb vyprodukovaných během daného období (obvykle jeden rok) v dané zemi bez ohledu na vlastnictví výrobních faktorů. Jeho varianta hrubý národní produkt se liší v tom, že se jedná o produkt vytvořený výrobními faktory vlastněnými obyvateli dané země bez ohledu na geografické umístění. Jedná se tedy v podstatě o tržní hodnotu celkové produkce dané ekonomiky. Započítávány nejsou meziprodukty, ale jen finální statky tak, aby nedocházelo k několikanásobnému započtení. HDP je toková veličina – udává se v penězích za určité časové období. V mezinárodních srovnáních se nejčastěji používá HDP na obyvatele. HDP může být vyjádřen jako nominální nebo reálný. Nominální je vypočten v běžných cenách, které na trhu převládají v období, pro které je stanovován. Reálný HDP je naproti tomu očištěn o inflaci. Měří se ve stálých cenách toho období, které je stanoveno jako výchozí. Druhou možností je vydělení nominálního HDP cenovým indexem (neboli jeho deflace). Reálný HDP má větší vypovídací schopnost, protože měří skutečnou produkci ekonomiky (příp. ekonomický růst), bez ohledu na změny cen. Proto je také reálný HDP častěji používán. Při srovnávání států bývá často HDP na obyvatele vyjádřeno dle parity kupní síly. Je to z toho důvodu, že měnové kurzy přesně neodpovídají rozdílu cenových hladin. Parita kupní síly stanovuje jaké množství peněz je potřeba k nákupu
Teoretická část
12
stejného zboží a služeb ve dvou různých zemích. Na základě toho je pak stanoven kurz, podle kterého se převede HDP v národní měně do měny výchozí (obvykle americký dolar). Parita kupní síly se získá metodou porovnání cen spotřebního koše srovnatelného mezi zeměmi. Ovšem zde se mohou vyskytovat problémy jako je např. výběr výrobků a služeb do spotřebního koše, různá kvalita produktů a lišící se skladba spotřeby v různých zemích. I přesto ale HDP po této úpravě lépe odráží skutečnou kupní sílu a reálné bohatství. (Goossens et al., 2010) Obr. 1 HDP na obyvatele dle parity kupní síly ve světě, rok 2008
Zdroj: IMF (2012)
3.1.2 Historie HDP a jeho použití Koncept HDP byl vytvořen ve 30. letech 20. století a jeho vznik souvisí se zrodem národního účetnictví. Systém HDP navrhnul rusko-americký ekonom Simon Kuznets v roce 1934 ve své zprávě pro americký kongres. Jako hlavní nástroj měření národních ekonomik se HDP stal po konferenci v Bretton Woods v USA v roce 1944, která mj. stojí za vznikem Světové banky a Mezinárodního měnového fondu. Sešlo se zde 44 představitelů spojeneckých národů, aby se dohodli na postupu k podpoře ekonomického pokroku, politické stability a míru ve světě. Růst ekonomiky byl vnímán jako cesta k ekonomickému blahobytu. (Costanza et al., 2009) Zavedení HDP umožnilo měřit produkční a spotřební potenciál jednotlivých národních ekonomik. Jeho velikost je měřena takřka ve všech zemích světa. Informace o českém HDP a jeho vývoji jsou zveřejňovány čtvrtletně Českým statistickým úřadem a podobně je tomu ve většině vyspělých zemí. Spolu s ukazateli o nezaměstnanosti, inflaci a úrokové míře hraje HDP zásadní roli v makroekonomické teorii. Údaje o HDP jsou také důležité pro centrální banky
Teoretická část
13
a vlády pro formování monetární a fiskální politiky. Pomocí HDP vlády také analyzují důsledky svých rozhodnutí a reforem. V neposlední řadě má svůj význam i pro podnikatele, manažery a burzovní makléře při jejich investičním rozhodování. HDP má tedy svůj nezpochybnitelný přínos, a to především díky své jednoduchosti, objektivnosti a universálnosti použití (Goosens et al., 2010).
3.1.3 Výpočet HDP Hrubý domácí produkt lze vypočítat třemi způsoby – výdajovou, příjmovou a produkční metodou. Hodnoty HDP získané jednotlivými metodami se v praxi mírně liší, protože jsou pro výpočet používány jiné zdroje dat – jedná se o statistické chyby měření (Goossens et al., 2010). a) Výdajová metoda Tato metoda měří hrubý domácí produkt nepřímo tak, že sčítá výdaje vynaložené k jeho nakoupení (agregátní výdaje). Mezi tyto výdaje patří výdaje domácností, podniků, vlády a zahraničních subjektů na nákup výrobků a služeb vyprodukovaných v dané zemi v daném roce. Vzorec pro výpočet HDP pak má podobu =
+ +
+
,
kde: C = spotřeba domácností (consumption), I = hrubé soukromé investice (investment), G = výdaje vlády na nákup výrobků a služeb (government), NX = čistý export (net export), tedy rozdíl mezi exportem (X) a importem (I). Do výdajů vlády jsou zahrnuty i platy státních zaměstnanců. Pod hrubými investicemi se rozumí celkové investice firem (fixní investice a investice v podobě zásob). Část z nich tvoří tzv. obnovovací (restituční) investice, pomocí nichž se nahrazuje starý a opotřebovaný kapitál – výrobní zařízení a budovy. Tyto výdaje tedy netvoří žádné nové kapitálové statky. Pokud by tyto investice nebyly do výpočtu zahrnuty, bude výsledkem čistý domácí produkt. Hrubý a čistý domácí produkt se od sebe tedy liší pouze velikostí amortizace. Hrubý domácí produkt se používá častěji než čistý kvůli praktickým problémům s vyčíslením obnovovacích investic. b) Příjmová (důchodová) metoda Tato metoda vychází z příjmů (důchodů), které plynou ekonomickým subjektům za poskytnutí služeb výrobních faktorů, které jsou použity na tvorbu HDP. Součtem těchto důchodů se získá národní důchod.
Teoretická část
14
Jedním z možných vyjádření národního důchodu je rozdělení na tyto složky: • • • •
mzdy – celkové mzdové náklady firem, úroky – čisté úroky, které získají domácnosti a vláda, zisky – hrubý zisk před zdaněním, zahrnuty jsou i zisky ze samozaměstnání, renty – důchody z vlastnictví půdy a nemovitostí.
K výpočtu hodnoty HDP je ještě k národnímu důchodu potřeba přičíst nepřímě daně a amortizaci. c) Produkční metoda (metoda přidaných hodnot) Tato metoda sčítá přidané hodnoty, které jsou postupně přidávány k hodnotě meziproduktů (vstupů) v jednotlivých etapách výrobního procesu (a v jednotlivých odvětvích). HDP se získá součtem všech hodnot přidaných všemi firmami (podnikateli) v daném roce a v dané zemi.
3.1.4 Nedostatky HDP Na skutečnost, že růst HDP se nerovná růstu ekonomického nebo sociálního blahobytu, upozorňoval jeho tvůrce Simon Kuznets už při jeho vzniku. V průběhu 20. století byl HDP dále kritizován mnoha předními světovými ekonomy. Mezi ně patří i několik významných držitelů Nobelovy ceny za ekonomii jako je Robert Solow a Joseph Stiglitz (Goossens et al., 2010). Při interpretaci HDP nebo i jakéhokoli jiného ukazatele, je dobré si uvědomit, co ve skutečnosti měří a jaké jsou jeho nedostatky. Ukazatel HDP totiž bývá často nesprávně interpretován, a to jak novináři, tak politiky, jako ukazatel životní úrovně, rozvoje nebo blahobytu v zemi. De facto se stal ukazatelem „životního standardu“ (Goosens et al., 2010). HDP na obyvatele pak bývá často používán pro srovnávání kvality života v jednotlivých zemích. Ve skutečnosti však HDP není ukazatelem blahobytu a ani k tomuto účelu nebyl vytvořen. Jedná se o specializovaný nástroj k měření ekonomické aktivity a hospodářského vývoje. Neměl by tedy být používán jako hlavní nástroj pro vedení politiky nebo k měření obecného pokroku v zemi. V takovém použití se jedná se o zavádějící a nepřesný ukazatel. (Costanza et al., 2009) HDP je ukazatel ekonomické kvantity, nikoliv kvality nebo blahobytu, a už vůbec ne ukazatel sociální nebo ekologické prosperity (Costanza et al., 2009). HDP nebere v potaz společenskou hodnotu či environmentální dopady vyrobených produktů. Nerozlišuje tedy, zda přispívají k blahobytu nebo ho snižují. Do HDP jsou tak započítávány i produkty jako alkohol, cigarety, zbraně nebo léky na depresi. Stejně tak jsou započítávány i výdaje spojené s nápravou škod způsobených
Teoretická část
15
přírodními pohromami nebo dopravními nehodami, výdaje na zdravotnictví nebo výdaje na boj s kriminalitou. Externality v podobě ekologických škod také nemají vliv na HDP, ale spíše ho naopak zvyšují v podobě výdajů na odstranění jejich následků. Taktéž nadměrné čerpání přírodních zdrojů jako je těžba dřeva nebo uhlí, které mají negativní ekologické následky, mají pouze pozitivní vliv na HDP. HDP tedy přeměňuje náklady snižující blahobyt na zdánlivý užitek (Goosens et al., 2010). Přírodní zdroje nemají pro HDP žádnou hodnotu, dokud nejsou spotřebovány. Navíc tím, že HDP klade důraz na kvantitu, v podstatě nepřímo vybízí k čerpávání přírodních a lidských zdrojů a k dalším rozhodnutím, které snižují kvalitu života pro budoucí generace (Costanza et al., 2009). Ve výpočtu HDP je vynechán princip uplatňující se v účetnictví – dělení na aktiva a pasiva (závazky). Americký ekonom Joseph Stiglitz o tomto problému řekl: „Nikdo by se nedíval jen na tržby firmy, aby posoudil, jak si vede. Mnohem důležitější je její rozvaha, která ukazuje aktiva a pasiva. Stejně to platí pro stát.“ (Goossens et al., 2010) Dalším problémem HDP je, že nic neříká o vnitřní struktuře ekonomiky, o stupni vědeckotechnického pokroku, zastoupení kvalifikovaných pracovních sil, moderních výrobních postupů apod. Země s vysokým HDP tak mohou v některých důležitých oblastech zaostávat. Může se to týkat například zemí s velkým geologickým bohatstvím. Mezi další opomíjené faktory při výpočtu HDP patří: • netržní transakce – patří sem např. domácí práce, dobrovolnictví a neplacené služby (např. svobodný software), • stínová ekonomika, • hodnota volného času, • náklady kriminality, • nepeněžní a barterová ekonomika – např. vzájemná výpomoc sousedů, • kvalita zboží a služeb, • hodnota přírodních zdrojů a ekologické škody, • rozdělení příjmů ve společnosti, • udržitelnost růstu. Z výše uvedeného vyplývá, že mohou nastat situace, kdy je vysoký hrubý domácí produkt či jeho růst způsoben nadměrným čerpáním přírodních zdrojů nebo velmi dlouhou pracovní dobou. Velikost HDP také neříká nic o rozdělení příjmů ve společnosti a určitá země tak i přes vysoké HDP může mít poměrně velkou část obyvatelstva žijící v chudobě.
Teoretická část
16
Ačkoliv často HDP roste spolu se zaměstnaností a příjmy, nemusí jeho růst nutně znamenat zvyšující se kvalitu života v zemi. Bohatství a blahobyt totiž nezávisí jen na hodnotě vyprodukovaného zboží a služeb, ale zahrnují v sobě i ekologické a sociální faktory, které HDP adekvátně nezapočítává. Některá pozorovaní také ukazují, že ekonomický růst přispívá ke kvalitě života jen do určitého bodu – prahového bodu, za kterým se při dalším ekonomickém růstu může kvalita života zhoršovat. (Goosens et al., 2010)
3.2 Alternativy k ukazateli HDP Po více než půl století je jakožto ukazatel pokroku nejvíce přijímán ukazatel HDP a jeho vývoj. Ovšem s tím jak se mezi odborníky zvyšuje uvědomění si toho, že HDP je ukazatel ekonomického výkonu, nikoliv blahobytu nebo udržitelného rozvoje, bylo navrženo množství alternativních způsobů, jak měřit národní pokrok. (Costanza et al., 2009) Tyto alternativní ukazatele se vesměs snaží měřit rozvoj, blahobyt a bohatství. Nahlíží na tuto problematiku v širším měřítku než HDP tím, že neměří jen finanční hodnotu domácího produktu, ale zahrnují i mnoho dalších faktorů, které přispívají k blahobytu a udržitelnému rozvoji. Udržitelný rozvoj může být definován jako „rozvoj, který uspokojuje potřeby současné generace, aniž by ohrožoval možnosti budoucích generací uspokojit své vlastní potřeby“ (Goosens et al., 2010). K jeho měření jsou potřeba indikátory, které definují vazby mezi ekonomikou, společností a životním prostředím. Alternativních indikátorů dnes existuje velké množství. Některé pouze upravují HDP, zatímco jiné se snaží měřit změnu přírodního a lidského kapitálu, která má vliv na životní úroveň a blahobyt. Ovšem měřit blahobyt je relativně obtížné. Problémem zde je, co do takového multidimenzionálního ukazatele zařadit, protože blahobyt může pro každého znamenat něco jiného. Výběr proměnných zahrnutých do ukazatele tedy může být do určité míry subjektivní. Mezi takové faktory, které nepochybně k blahobytu a udržitelnému rozvoji přispívají, mohou patřit (Goossens et al, 2010): • • • • • •
příjem, dostupnost zboží a zdrojů, vzdělání, vědomosti a lidský kapitál, kvalitní výživa a zdraví, vysoká délka života, bezpečné živobytí a přístřeší, bezpečnost vůči kriminalitě a násilí, rovnost pohlaví, spravedlivé rozdělení příjmů,
Teoretická část
• • • •
17
uspokojivý volný čas, čisté životní prostředí, biodiversita ekosystémů, politická a kulturní svoboda, dodržování lidských práv, spokojenost a kvalita života.
Měřit některé tyto aspekty pak může být poměrně obtížné. Mezi odborníky není shoda ve způsobu ohodnocení takových položek, které nejsou obvykle vyjadřovány v penězích (čerpání přírodních zdrojů, domácí práce apod.) Problém může být také s dostupností a kvalitou dat. Podle některých názorů (Goosens et al., 2010) také platí, že čím více aspektů udržitelného rozvoje a blahobytu ukazatel zahrnuje, tím více ztrácí na objektivnosti a uchopitelnosti a hůře se interpretuje. Mezi odborníky pokračuje debata o tom, zda by se měl způsob výpočtu HDP zlepšit, nebo by mělo být HDP úplně nahrazeno či doplněno jiným ukazatelem (Costanza et al., 2007).
3.2.1 Historie alternativ ukazatelů Mezi vůbec první alternativy k ukazateli HDP patří ukazatel ekonomického blahobytu (MEW, Measure of Economic Welfare), který vytvořili američtí ekonomové Nordhaus a Tobin v roce 1972 a opravoval nedostatky HDP. Od té doby bylo navrženo velké množství dalších alternativních indikátorů a dnes je jich již několik desítek. Hodně z těchto ukazatelů se však příliš nepoužívá nebo jsou měřeny jen jednotlivými státy nebo regiony. Diskuzi o alternativních měřeních blahobytu podpořila „Konference OSN o životním prostředí a rozvoji“ v roce 1992 a dále také „Summit tisíciletí“ v New Yorku v roce 2000, taktéž pořádaný OSN. Zástupci států se shodli na tom, že ačkoli světové hospodářství roste, pokrok v sociální oblasti a stav ekosystémů se naopak zhoršují. Do problematiky alternativních ukazatelů jsou dnes zapojeny významné mezinárodní vládní i nevládní organizace. Organizace spojených národů, Organizací pro hospodářskou spolupráci a rozvoj (OECD) a Světová banka již vyvinuly své vlastní indexy. (Hák et al., 2010) Další velkou snahu v této oblasti v současné době vyvíjí iniciativa Evropské komise „Beyond GDP“, která má za cíl vyvíjet ukazatele, které by byly stejně jasné a použitelné jako HDP, ale zahrnovaly by v sobě sociální a ekologické hlediska pokroku. Tato iniciativa započala stejnojmennou konferencí v listopadu 2007, kterou zorganizovala Evropská komise spolu s Evropským parlamentem, Římským klubem, Světovým fondem na ochranu přírody a Organizací pro hospodářskou spolupráci a rozvoj. Politici, odborníci v oblasti hospodářství, sociálních věcí a životního prostředí a zástupci občanské společnosti se zde vyslovili pro vypracování ukazatelů, které slouží k doplnění HDP, a jejichž cílem je poskytnutí úplnějších informací na podporu politických rozhodnutí. (Evropská komise, 2007)
Teoretická část
18
3.2.2 Dělení alternativních ukazatelů Alternativní ukazatele se mohou dělit do několika skupin. Níže je uvedeno dělení dle iniciativy „Beyond GDP“ (Evropská komise, 2007). a) Indikátory rozšiřující HDP Tyto ukazatele berou HDP (nebo podobné hodnoty z národních účtů) jako základ a upravují ho o jeho nedostatky. Berou v úvahu ekologické škody a čerpání přírodních zdrojů, na které pohlíží jako na náklady. Dále v jejich výpočtu mohou být zahrnuty některé sociální faktory, jako je nerovnoměrné rozdělení příjmů nebo hodnota domácí práce. Ty jsou podle jejich povahy a společenského přínosu buďto přičítány nebo odečítány. Tyto ukazatele pak dávají komplexnější a přesnější údaj o bohatství a blahobytu v dané zemi. Do této kategorie patří například: • Upravené čisté úspory (ANS, Adjusted Net Savings), • Indikátor ryzího pokroku (GPI, Genuine Progress Indicator), • Index udržitelného ekonomického blahobytu (ISEW, Index of Sustainable Economic Welfare), • Udržitelný národní příjem (SNI, Sustainable National Income). b) Sociální indikátory Sociální indikátory se zaměřují na široké spektrum sociálních otázek a problémů jako jsou délka života, chudoba, vzdělání, nezaměstnanost, disponibilní důchod apod. Snaží se měřit sociální pokrok, který je určován mnoha oblastmi. Mnoho těchto indikátorů tak zahrnuje řadu sociálních faktorů ovlivňujících sociální vývoj v dané zemi. Mezi tyto indikátory například patří: • • • •
ANS, GPI, ISEW, Index lidského rozvoje (HDI, Human Development Index), Index šťastné planety (HPI, Happy Planet Index), Index udržitelné společnosti (SSI, Sustainable Society Index).
c) Environmentální indikátory Do této kategorie spadají ukazatele, které se zaměřují na stav a vývoj životního prostředí a problémy s ním související (lidské zdraví). Mohou dávat informace o specifických problémech, jako je znečištění ovzduší nebo vody, a produkce pevných odpadů. Také mohou měřit mnohem širší problémy na globální úrovni, mezi které patří klimatické změny a lidská ekologická stopa.
Teoretická část
19
Do této skupiny patří například: • ANS, GPI, ISEW, HPI, • Ekologická stopa (EF, Ecological Footprint), • Ekologicky udržitelný národní příjem (ESNI, Environmentally Sustainable National Income), • Systém environmentálně-ekonomického účetnictví (System of Environmental-Economic Accounting). d) Indikátory blahobytu Tyto indikátory se snaží posoudit kvalitu života a obecnou spokojenost lidí. Mohou se zabývat různými hledisky, jako je spokojenost s prací, rodinný život, zdravotní stav a životní úroveň. Indexy mohou být jak subjektivní, tak objektivní povahy. Subjektivní metody jsou založeny na dotazování se přímo obyvatel jakožto respondentů, což umožňuje určitým způsobem měřit poměrně komplexní charakteristiky jako je spokojenost lidí se životem. Objektivní metody na druhé straně zachycují blahobyt pomocí dílčích indikátorů měřících např. volný čas, disponibilní příjem, rodinný stav apod. Do této kategorie se například řadí: • GPI, HDI, HPI • Index lepšího života (Better Life Index) • Index individuálních životních podmínek (Index of Individual Living Conditions), • Hrubé národní štěstí (GNH, Gross National Happiness). Jak lze vidět, mnoho ukazatelů spadá do více kategorií. Toto rozdělení indikátorů do skupin je znázorněno na obrázku 2. Jiný způsob dělení alternativních ukazatelů může být na ukazatele upravující HDP, ukazatele přímo měřící aspekty blahobytu a složené ukazatele kombinující přístupy (Costanza et al., 2007). Obr. 2 Rozdělení ukazatelů do skupin dle iniciativy „Beyond GDP“
Zdroj: Evropská komise (2007)
Teoretická část
20
V další části textu je blíže rozebráno několik alternativních ukazatelů. Vzhledem k velkému počtu je vybráno jen několik nejznámějších a nejpoužívanějších indikátorů. Vybrány byly především takové, které v sobě zahrnují všechny hlediska rozvoje a bohatství (ekonomické, sociální i ekologické). U těchto ukazatelů je podrobně popsána jejich charakteristika, vývoj, způsob výpočtu a případné nedostatky.
3.3 Index lidského rozvoje Index lidského rozvoje (HDI, Human Development Index) patří mezi nejznámější alternativní ekonomické ukazatele. Řadí se mezi sociální indikátory a mezi indikátory blahobytu. Jedná se o kompozitní ukazatel, který měří vyspělost země ve třech základních oblastech lidského rozvoje, které jsou zásadní pro kvalitu života – délka života, vzdělání a slušná životní úroveň. Snaží se měřit, jak ekonomický vývoj přispívá ke zdravému a dlouhému životu, vzdělanosti a životní úrovni obyvatel. HDI byl vytvořen, aby se zdůraznilo, že základním kritériem pro měření rozvoje a bohatství země by měli být lidé a jejich schopnosti, a ne jen ekonomický růst. Lidský rozvoj může být definován jako proces rozšiřování a posilování lidských možností, schopností a svobod (UNDP, 2011). Index může sloužit například pro srovnávání zemí s podobným HDP, ale odlišným HDI (a naopak), pro stimulování debaty o zdravotnictví a vzdělávání na úrovni vládní politiky apod. (Goossens et al., 2010) Obr. 3 Index lidského rozvoje ve světě v roce 2011
Zdroj: UNDP (2011)
Index HDI je vyjádřen na škále od nuly do jedné, čím vyšší hodnota, tím vyšší je stupeň lidského rozvoje. Jak vyplívá z mapy na obrázku 3, mezi země s nejvyššími hodnotami HDI patří USA, Kanada, země západní a střední Evropy, Austrálie, Nový Zéland a Japonsko. Nejnižších hodnot naopak dosahují především africké země.
Teoretická část
21
3.3.1 Historie HDI a použití Za vznikem ukazatele HDI stojí pakistánský ekonom Mahbub ul Haq, který jej navrhl v roce 1990 v rámci své práce pro Rozvojový program OSN (UNDP, United Nations Development Programme). Věřil, že běžně používaný HDP adekvátně neměří blahobyt. Zároveň se Haq zásadně podílel na vzniku konceptu Zpráv o lidském rozvoji (Human Development Report), které UNDP každoročně vydává a v nich zhodnocuje kvalitu života a lidský rozvoj v jednotlivých zemích. První Zpráva o lidském rozvoji z roku 1990 začínala jeho větou: „Lidé jsou pravým bohatstvím národa.“ V těchto zprávách jsou mj. obsaženy veškeré informace o indexu HDI, včetně podrobných tabulek s výsledky jednotlivých zemí. V roce 2011 byly zveřejněny hodnoty HDI pro 187 zemí světa. Tyto zprávy se každý rok blíže věnují nějakému konkrétnímu tématu či problému souvisejícím s lidským rozvojem (v roce 2011 to byla udržitelnost a rovnost). V roce 2010 došlo ke značné změně metodiky používané k výpočtu hodnoty HDI, která se začala používat v roce 2011. Údaje o hodnotách HDI využívají mnohé vlády států jakožto oficiální údaj k zahájení politické debaty směřující ke zlepšení života obyvatel. Dále lze pomocí pořadí zemí podle HDI a podle HDP provádět různá srovnávání. Země, které jsou na lepší pozici dle HDP než podle HDI, jsou méně lidsky rozvinuté než by odpovídalo jejich bohatství a naopak. Mezi takové země patří především malé ropné státy (Katar, Kuvajt, SAE, Brunej), které vděčí vysokému HDP bohatým ložiskům ropy, ale také například Lucembursko. Nový Zéland a Irsko jsou naopak země s lepší pozicí dle HDI než podle HDP. Index HDI může být také měřen zvlášť pro jednotlivé regiony a sociální skupiny pro zkoumání rozdílů v rámci dané země. Kromě původního HDI existuje ještě HDI upravený o nerovnosti v každé z jeho tří dimenzí. Byl zaveden v roce 2010 a jeho hodnota je vždy nižší (nebo rovna) než HDI. Čím větší jsou v dané zemi nerovnosti mezi skupinami obyvatel, tím více je hodnota HDI snížena. V tomto smyslu tedy lépe vyjadřuje skutečnou úroveň lidského rozvoje. Stejně jako HDI jsou jeho hodnoty uváděny ve Zprávě o lidském rozvoji. Ovšem z důvodu nedostatku dat se tento index měří pro méně zemí než HDI. (UNDP, 2011)
Teoretická část
22
3.3.2 Výpočet HDI1 K výpočtu hodnoty HDI jsou použity dílčí indexy, které měří vyspělost země v jednotlivých oblastech. Těmito indexy jsou index střední délky života, index vzdělání a index příjmu. Grafické znázornění postupu výpočtu indexu lidského rozvoje je znázorněno na obrázku 4. Obr. 4 Grafické znázornění výpočtu HDI
Zdroj: UNDP (2011)
Každý z dílčích indexů je „normalizován“ neboli vyjádřen relativní hodnotou mezi 0 a 1 dle vzorce dílčí index =
skutečná hodnota − !( ) , $ ( ) − !( )
kde min(x) a max(x) jsou stanovené nejnižší a nejvyšší hodnoty, kterých může skutečná hodnota indexu x nabývat. Zatímco maximální hodnoty jsou (až na jednu) stanoveny podle nejvyšších pozorovaných hodnot od roku 1980 a mohou se měnit, minimální hodnoty jsou vhodně nastaveny ručně. a) Index střední délky života Pro výpočet je zapotřebí hodnota střední délky života neboli naděje dožití (LE, life expectancy) při narození, tj. očekávaný počet roků, kterých se dožije novorozenec při neměnnosti hodnot úmrtnosti. Index střední délky života (LEI, Life expectancy index) se pak vypočítá jako: %& =
%& − 20 . 83,4 − 20
Maximální hodnota střední délky života je stanovena na 83,4 let (Japonsko, 2011), minimální hodnota je nastavena na 20 let.
1
Kapitola čerpá ze Zprávy o lidském rozvoji 2011 (UNDP, 2011).
Teoretická část
23
b) Index vzdělání Pro výpočet indexu vzdělání jsou použity dvě hodnoty: • střední délka edukace (MYS, mean years of schooling) – průměrný počet let, které člověk starší 25 let strávil vzděláváním; • očekávaná délka edukace (EYS, expected years of schooling) – očekávaný počet let, které vzděláváním stráví pětileté dítě v celém svém životě. Obě tyto hodnoty jsou opět vyjádřeny indexem na škále 0–1. Pro index střední délky edukace (MYSI, Mean years of schooling index) je použit vzorec -./ =
-./ − 0 , 13,1 − 0
a pro index očekávané délky edukace (EYSI, expected years of schooling index) vzorec &./ =
&./ − 0 . 18 − 0
Maximální hodnota pro střední délku edukace je 13,1 let (Česká republika, 2005), pro index očekávané délky edukace je stanovena stropní hodnota 18 let. Obě minimální hodnoty jsou stanoveny na nule. Souhrnný index vzdělání (EI, education index) se pak spočítá jako geometrický průměr dvou dílčích indexů vzdělání, na který se opět aplikuje normalizační vzorec, tedy: & =
√-./ ∙ &./ − 0 . 0,971 − 0
V tomto případě je maximální hodnota rovna 0,971 – je to dosavadní nejvyšší dosažený geometrický průměr hodnot MYSI a EYSI (Nový Zéland, 2010). Minimální hodnota je opět nulová. c) Index příjmu Vzorec pro výpočet indexu příjmu je mírně odlišný. Příjem je ve výpočtu HDI obsažen, protože je to nutný předpoklad k zajištění slušné životní úrovně. Ovšem k tomu stačí jen určitá úroveň příjmu. Nadále se zvyšující příjmy v zemi, kde už jsou příjmy poměrně vysoké, zvyšují blahobyt už méně. Mimoto je mezi nejvyšší a nejnižší hodnotou příjmu v zemích světa velmi značný rozdíl. Proto je pro index příjmu použit vzorec doplněný o přirozené logaritmy jednotlivých hodnot. Tím se dosáhne toho, že se zvyšujícím se příjmem se index příjmu zvyšuje čím dál pomaleji.
Teoretická část
24
Pro výpočet indexu příjmu je zapotřebí hodnota hrubého národního příjmu (GNI, gross national income) na obyvatele dle parity kupní síly. Zdrojem těchto dat je Světová banka a MMF. Do roku 2010 byl takto používán HDP. Vzorec pro výpočet indexu příjmů (II, Income index) je tedy: =
ln( ) − ln(100) . ln(107 721) − ln(100)
Maximální hodnota GNI na obyvatele dle parity kupní síly je 107 721 USD (Katar, 2011), minimální hodnota je pak stanovena na 100 USD. d) Index lidského rozvoje Výsledná hodnota HDI na škále 0–1 se stanoví jako geometrický průměr2 tří dílčích indexů, tedy: = √%& ∙ & ∙ 5
Pomocí kvartilů jsou země rozděleny do čtyř skupin na země s velmi vysokou, vysokou, střední a nízkou úrovní HDI3. Toto rozdělení je tedy relativní a není dáno výší indexu. V roce 2011 patřili do kategorie velmi vysoké HDI země s hodnotou vyšší než 0,79, do kategorie nízké HDI pak země s hodnoty 0,51 a nižší. Na první pozici se v roce 2011 umístilo Norsko (celkově už podeváté) s hodnotou HDI 0,943. Další země na vrcholu žebříčku jsou (dle pořadí): Austrálie, Nizozemí, USA, Nový Zéland a Kanada. Česká republika se umístila na 27. místě s hodnotou 0,865.
3.3.3 Nedostatky HDI Mezi hlavní nedostatky indexu lidského rozvoje patří (Klugman et al., 2011): • nebere v úvahu environmentální aspekty rozvoje a udržitelnosti, • nezahrnuje další důležitá hlediska lidského rozvoje jako dodržování lidských práv, politické a občanské svobody, udržitelnost apod. • délka vzdělání neříká nic o jeho kvalitě, • je obtížně použitelný pro porovnávání vývoje dané země v čase – velikost jejího HDI závisí na dílčích statistikách (jako je hrubý národní příjem a očekávaná délka života) v ostatních zemích v daném roce (změna maximálních hodnot)
Do roku 2010 se používal prostý aritmetický průměr. Geometrický průměr bere více v úvahu rozdíly mezi dílčími indexy. 3 V roce 2011 bylo 187 zemí rozděleno do tří skupin po 47, a jedné skupiny se 46 zeměmi (nízké HDI). 2
Teoretická část
25
3.4 Upravené čisté úspory Upravené čisté úspory (ANS, Adjusted Net Savings), nebo také ryzí úspory (GS, Genuine Savings), jsou alternativním ukazatelem ekonomické udržitelnosti. Tento ukazatel spadá do ukazatelů rozšiřující HDP (a také do sociálních a ekologických) a chápe bohatství šířeji než národní účetnictví. Zavádí ohledy na životní prostředí a lidský a sociální kapitál (Nováček, 2010). Snaží se měřit udržitelné využití zdrojů. Zkoumá, jak země investuje do budoucí spotřeby, neboli čisté investice do vyrobeného, přírodního a lidského kapitálu (Goosens et al., 2010). Index ANS je definován jako skutečná úroveň úspor země po započtení amortizace vyrobeného kapitálu, investic do lidského kapitálu, čerpání přírodních zdrojů a znečištění životního prostředí. To zahrnuje i hodnotu globálních škod z uhlíkových emisí včetně ztrát způsobených nemocností lidí a jejich zhoršeným zdravím. Investice do lidského kapitálu jsou měřeny výdaji na vzdělání, na které je pohlíženo jako na úspory spíše než jako na spotřebu, protože zvyšují lidský kapitál. (Everett, Wilks, 1999) Způsob výpočtu ukazatele ANS má výhodu oproti jiným metodikám národního environmentálního účetnictví v tom, že poskytuje jednoduchý a jasný signál – kladný nebo záporný číselný údaj jakožto procento hrubého národního příjmu (Nováček, 2010). Tímto je možné zjistit, zda bylo celkové bohatství země posíleno nebo spotřebováváno. Pokud země opakovaně dosahuje záporných hodnot, znamená to, že její způsob rozvoje je dlouhodobě neudržitelný a bude mít negativní vliv na kvalitu života a rozvoj v dlouhodobém horizontu. (Everett, Wilks, 1999) Další výhodou je, že index ANS předkládá problémy životního prostředí a čerpání zdrojů jednoduchým způsobem, kterému mohou snadno porozumět i politici. Používání ANS tak ukazuje na klíčové politické otázky týkající se udržitelného rozvoje. Ačkoliv tedy míry úspor nepopisují národní příjem, jsou důležitými údaji pro rozvoj celkového národního kapitálu určujícího dlouhodobý růstový potenciál (Goosens et al., 2010).
3.4.1
Historie ANS a použití
Ukazatel ANS byl vypracován Světovou bankou s cílem komplexně analyzovat vazby mezi sociálními a environmentálními změnami a ekonomickým výkonem. První myšlenky, že úspory jsou důležité k udržitelnému rozvoji, se objevovali na začátku devadesátých let minulého století. Světová banka každoročně vydává publikaci World Development Indicators, kde je shrnuto velké množství údajů
Teoretická část
26
o většině zemí světa, týkajících se různých sociálních, ekologických a ekonomických hledisek. Také jsou zde zveřejněny hodnoty indexu ANS a to vždy na období před dvěma lety kvůli zpoždění ve sběru a zpracování dat. (Everett, Wilks, 1999)
3.4.2 Výpočet ANS4 Jak již bylo řečeno, ukazatel ANS měří čistou změnu v hodnotě celkového kapitálu, který je důležitý pro rozvoj země. Základem pro ANS jsou hrubé národní úspory (GNS, Gross National Savings), které se spočítají jako hrubý národní příjem (GNI) po odečtení soukromých5 a veřejných vládních výdajů na spotřebu a přičtení čistých zahraničních transferů (např. dotace). Hrubé národní úspory se pak upravují o čtyři faktory: • odečítá se odhad amortizace vyrobeného kapitálu, tím se získají čisté národní úspory (Net National Savings); • přičítají se veřejné výdaje na vzdělání (nejsou brány jako spotřeba); • odečítají se odhady hodnot vyčerpání různých přírodních zdrojů, skládají se ze tří částí – těžba energetických surovin (ropa, zemní plyn, uhlí), těžba minerálů (např. železo, olovo, zlato, měď) a čistá těžba dřeva (přírůstky lesů tuto hodnotu snižují); • odečítají se škody ze znečištění ovzduší (CO2 a prachové částice), celkové škody z emisí CO2 jsou odhadnuty na dvacet dolarů na tunu uhlíku; k odhadu škod prachových (pevných) částic je využito odhadu „ochoty platit“ (willingness to pay) za vyhnutí se zdravotním problémům s nimi spojených. Obecně se dá výpočet ANS napsat pomocí vzorce 6 /=
/ − amortizace vyrobeného kapitálu + výdaje na vzdělání − čerpání přírodních zdrojů − škody ze znečištění ovzduší,
kde GNS jsou hrubé národní úspory, které se spočítají vzorcem: /=
− celkové spotřební výdaje + čisté zahraniční transfery
Hodnota indikátoru je pak dělena hrubým národním příjmem (GNI), čímž se získá relativní vyjádření. Zdrojem pro jednotlivé údaje (nebo pro jejich výpočet) jsou kromě Světové banky také OSN, OECD a zdroje na národní úrovni.
4 5
Kapitola čerpá z: The World Bank’s Genuine Savings Indicator (Everett, Wilks, 1999). Neodečítají se soukromé výdaje na nákupy bytů.
Teoretická část
27
3.4.3 Nedostatky ANS Mezi hlavní nedostatky ukazatele upravených čistých úspor patří (Everett, Wilks, 1999): • výdaje na vzdělání mají velkou variabilitu v efektivnosti, určité množství výdajů na vzdělání neznamená přínos lidského kapitálu ve stejné hodnotě; • nezahrnuje soukromé výdaje na vzdělání; • nezahrnuje některé další druhy přírodních zdrojů, např. zásoby ryb, diamantů a jiných minerálů; • nezahrnuje některé další důležité znečišťující látky (např. oxidy síry) kvůli nedostatku mezinárodně srovnatelných dat; stejně tak není započteno zhoršování kvality půdy ani znečištění vody; • nezahrnuje užitky spojené s lesy (externality), zahrnuta je pouze tržní hodnota dřeva; • je problematické vyčíslit ekologické škody a čerpání zdrojů; Světové banka používá vlastní metody, ve kterých je však zahrnuto množství odhadů a zjednodušení; • země se silnou ekonomikou a vysokými výdaji do vzdělání mohou mít kladné ANS i přes vysoké čerpání přírodních zdrojů a znečištění prostředí, tím se u nich odvádí pozornost od ekologických problémů (ekonomické zisky kompenzují ekologické škody).
Teoretická část
28
3.6 Index lepšího života6 Index lepšího života (BLI, Better Life Index) patří mezi relativně nové alternativní ukazatele. Může být zařazen mezi ukazatele blahobytu (a také mezi sociální indikátory). Tento index byl vytvořen Organizací pro hospodářskou spolupráci a rozvoj (OECD) a komplexně měří kvalitu života, blahobyt a rozvoj společnosti v zemích OECD. Je reakcí na rozšířené používání HDP jako ukazatele životní úrovně. Konkrétně index BLI hodnotí vyspělost zemí v jedenácti dílčích oblastech, které přispívají k blahobytu. Ty jsou charakteru ekonomického, sociálního i ekologického. Těmito kategoriemi jsou: bydlení, příjem, zaměstnání, mezilidské vztahy, vzdělání, životní prostředí, fungování veřejné správy, zdraví, subjektivní spokojenost se životem, osobní bezpečnost a rovnováha mezi prací a soukromým životem. Zajímavostí indexu BLI je, že OECD neudává jednu konečnou hodnotu ke každé zemi, ale hodnotí ji ve všech jedenácti oblastech zvlášť na škále od nuly do desíti. To z toho důvodu, že OECD záměrně nechce stanovovat žádné váhy, které závisejí na subjektivních hodnotách, a říkat tak, která kritéria jsou důležitá více a která méně. OECD pojala index jako interaktivní nástroj. Stanovení vah dle vlastních preferencí (od 0 do 5) je ponecháno na každém, kdo navštíví webovou stránku k tomuto indikátoru (OECD, 2011). Je samozřejmě také možné nechat váhy vyrovnané nebo srovnávat státy jen podle jednotlivých kritérií. Tímto způsobem si tedy každý může sestavit svůj vlastní index lepšího života a podle něj srovnávat jednotlivé země. Mimoto je možné srovnávat hodnoty mezi muži a ženami. Cílem této iniciativy je zapojení samotných občanů do debaty o tom, co je důležité pro měření blahobytu a rozvoje. Na již zmíněném webu je každá země reprezentována květinou složenou z jedenácti okvětních lístků zastupujících jednotlivé složky indexu. Délka každého lístku je určena hodnotou daného kritéria. Na obrázku 5 je pomocí této květiny ukázáno, jak si podle indexu BLI vede Česká republika.
Celá kapitola o BLI čerpá z webu OECD Better Life Index (OECD, 2011) a ze zprávy Index lepšího života (Stálá mise České republiky při OECD v Paříži, 2011). 6
Teoretická část
29
Obr. 5 Index lepšího života pro Českou republiku
Zdroj: OECD (2011)
3.6.1 Historie BLI a použití Organizací pro hospodářskou spolupráci a rozvoj (OECD) představila index lepšího života na svém „Fóru 2011“ v květnu 2011 při příležitosti jejího padesátého výročí. Index BLI je klíčovým nástrojem iniciativy OECD „Better life Iniciative“, která je výsledkem téměř desetileté práce OECD na zkoumání, jak co nejlépe měřit pokrok společností. V rámci této iniciativy bylo definováno jedenáct oblastí, které jsou podstatné pro blahobyt, a které jsou použity v indexu BLI. OECD tento index vytvořila, aby podpořila tvorbu takové politiky, která povede ke zlepšení kvality života. Index lepšího života umožňuje srovnání mezi zeměmi OECD. Celkem jsou k dispozici data k 36 zemím. Zahrnuto je všech 34 členských států OECD, a k tomu navíc Rusko a Brazílie jakožto klíčoví partneři OECD. Rusko je kandidátskou zemí a Brazílie je s OECD v režimu rozšířené spolupráce. V budoucnu je plánováno zapojení dalších partnerských zemí (Čína, Indie, Indonésie a Jihoafrická republika). Stejně tak OECD bude dále pracovat na obohacování jednotlivých kritérií a zlepšování kvality dílčích indikátorů. Protože tento index existuje teprve krátkou dobu, nejsou prozatím dostupná žádná data, která by ukazovala změny v čase. Jsou k dispozici pouze hodnoty týkající se současného stavu (rok 2012). Při stanovení stejných vah pro všechna kritéria, by se Česká republika umístila na 23. místě s hodnotou 6,04.
3.6.2 Výpočet BLI K ohodnocení každé z jedenácti oblastí jsou použity různé další dílčí indikátory. Podrobný popis použitých údajů k výpočtu je uveden v tabulce 1. Při výpočtu
Teoretická část
30
hodnoty jednoho kritéria mají dílčí indikátory stejnou váhu. Kvůli rozdílným jednotkám je každý dílčí indikátor „normalizován“ neboli převeden na relativní hodnotu od 0 do 1, pomocí stejného vzorce, jaký je použit při výpočtu HDI. Data použitá k ohodnocení jednotlivých složek pocházejí kromě OECD také ze statistik OSN a národních statistických úřadů. Tab. 1 Dílčí indikátory zahrnuté do indexu lepšího života
Oblast BPI Bydlení
Příjem
Zaměstnání
Mezilidské vztahy Vzdělání Životní prostředí Fungování veřejné zprávy Zdraví Subjektivní spokojenost se životem Osobní bezpečnost Rovnováha mezi prací a soukromým životem
Dílčí indikátory Počet pokojů na osobu Náklady na bydlení Obydlí se základním vybavením (procento obyvatel se splachovací toaletou v domácnosti) Disponibilní příjem domácností Finanční majetek domácností Míra zaměstnanosti Dlouhodobá míra nezaměstnanosti Příjmy ze zaměstnání Jistota zaměstnání (procento zaměstnanců s úvazkem kratším šesti měsíců) Kvalita vzájemné podpory (procento obyvatel, kteří se mají na koho obrátit v případě nouze) Dosažené vzdělání Délka vzdělávání Dovednosti studentů Znečištění ovzduší Kvalita vody Volební účast Transparentnost vlády při navrhování zákonů Střední délka života Subjektivní zdravotní stav Spokojenost se životem (průměr na škále od 0 do 10) Počet vražd Počet napadení Zaměstnanci s velmi dlouhou pracovní dobou (více než 50 hodin týdně) Volný čas
Zdroj: OECD (2011), vlastní úpravy
Teoretická část
31
3.6.3 Nedostatky BLI Index lepšího života je poměrně mladým alternativním ukazatelem a stále se ještě vyvíjí. Na jeho kritiku tak může být ještě brzy. I přesto však může být vyjmenováno několik nedostatků současného indexu BLI. Jsou to například: • zahrnuje jen málo zemí, celkem pouze 36; • chybí hodnoty k minulým obdobím pro analyzování vývoje v čase; • z důvodu nedostatku aktuálních dat se hodnoty k dílčím indikátorům vztahují k různým obdobím, což snižuje kvalitu BLI – např. příjem domácností k roku 2009, míra zaměstnanosti k roku 2010, znečištění ovzduší k roku 2008 apod.; • u některých zemí chybí data k dílčím indikátorům a je použito odhadů, to snižuje spolehlivost indexu.
3.7 Index udržitelného ekonomického blahobytu a indikátor ryzího pokroku Index udržitelného ekonomického blahobytu (ISEW, Index of Sustainable Economic Welfare) a indikátor ryzího (čistého) blahobytu (GPI, Genuine Progress Indicator) patří do kategorie ukazatelů rozšiřující HDP (a do dalších kategorií). Tyto a další ukazatele na podobném principu bývají také označovány jako „zelené“ HDP. Ukazatele berou v potaz vazby mezi ekonomikou, společností a životním prostředím. Využívají HDP jako základu a odečítají nebo přičítají od něj různé faktory, podle toho zda zvyšují nebo snižují obecný blahobyt. Tyto faktory jsou ohodnoceny v peněžním vyjádření. Výsledná hodnota ISEW i GPI je tedy v penězích, stejně jako HDP. Oba indikátory jsou si velmi podobné. GPI je novější a je založen na ISEW, který mírně poupravuje. Z toho důvodu se tahle kapitola více zabývá ukazatelem GPI. Index GPI měří udržitelný ekonomický blahobyt tím, že v sobě zahrnuje i aspekty nepeněžní (netržní) ekonomiky a tím, že rozlišuje mezi ekonomickou aktivitou, která snižuje přírodní a sociální kapitál, a aktivitou, která takový kapitál posiluje. Také rozlišuje mezi udržitelnou a neudržitelnou formou spotřeby. GPI tedy využívá data o osobní spotřebě, tak jako HDP, ke které přičítá „pozitivní“ faktory jako je domácí práce, dobrovolnictví, vyšší vzdělání a odečítá „negativní“ faktory jako znečišťování a ničení životního prostředí, ztráta volného času, nerovnoměrné rozdělení příjmů, dopravní nehody a vyčerpávání přírodních zdrojů. (Talberth et al., 2007) Rozdíl mezi HDP a GPI je podobný jako mezi hrubým a čistým ziskem společnosti. GPI se snaží měřit, zda zvýšená produkce zboží a služeb opravdu vede ke zvyšování
Teoretická část
32
blahobytu. GPI by tedy mělo věrohodněji měřit ekonomický pokrok. (Nováček, 2010) Na obrázku 6 je znázorněn vývoj GPI a HDP ve Spojených státech v letech 1950– 2004. Zatímco HDP na obyvatele vzrostlo během tohoto období více než trojnásobně, index GPI vzrostl jen málo a v osmdesátých letech dokonce mírně klesal. Podle Nováčka (2010) se dá říci, že rostoucí příjmy obyvatel jsou ve zvyšující se míře pohlcovány krytím environmentálních a sociálních nákladů. Obr. 6 Vývoj HDP a GPI na obyvatele v USA v letech 1950–2004 (v USD roku 2000)
Zdroj: Talberth et al., 2007
3.7.1 Historie ISEW/GPI a použití Index ISEW navrhnuli bývalý ekonom Světové banky Herman Daly a teolog John Cobb, kteří jej poprvé publikovali v roce 1989 v knize For the Common Good (Nováček, 2010). Vycházeli z práce řeckého ekonoma Zolotase na indexu ekonomických aspektů blahobytu (EAW, Economic Aspects of Welfare) z roku 1981 a z práce ekonomů Nordhause a Tobinse na ukazateli ekonomického blahobytu (MEW, Measure of Economic Welfare) z roku 1972. Autoři chtěli vytvořit index, který by bral v potaz ekologické problémy a dlouhodobé udržitelné využití přírodních zdrojů. (Costanza et al., 2009) V roce 1995 byl ISEW přepracován nevládní organizací „Redefining Progress“ a pojmenován na indikátor ryzího pokroku. GPI oproti ISEW zohledňuje některé další faktory jako je kriminalita, nezaměstnanost a změny volného času. (Costanza et al., 2009). Na rozdíl od předchozích popisovaných ukazatelů nemá ISEW ani GPI záštitu žádné velké mezinárodní organizace, která by tyto indexy pravidelně zveřejňovala. Hodnoty ISEW a GPI jsou tak měřeny jen v některých zemích a regionech, například v Rakousku, Kanadě, USA, Finsku a Spojeném království.
Teoretická část
33
3.7.2 Výpočet GPI Výpočet indikátoru GPI začíná u hodnoty osobních výdajů na spotřebu, které jsou váženy indexem nerovnosti rozdělení příjmů7 tak, aby odráželi sociální náklady této nerovnosti a snižující se užitek příjmu bohatých. Poté se přičítají hodnoty netržních užitků (domácí práce, dobrovolnictví a další) a odečítají se hodnoty výdajů, které jsou ze své podstaty obranné (zámky, alarmy, filtry) či napravující škody (náklady znečištění, kriminality, úbytek přírodního kapitálu) apod. Celkem je takovýchto položek více než dvacet. Podrobný výpis se nachází v tabulce 2. Tab. 2 Způsob výpočtu GPI dle upravené metodologie z roku 2006
Osobní spotřební výdaje vážené nerovností rozdělení příjmů + hodnota domácí práce a rodičovství + hodnota vyššího vzdělání + hodnota dobrovolné práce + užitky zboží dlouhodobé spotřeby + užitky ze silnic a ulic − náklady kriminality (zámky, alarmy apod.) − ztráta volného času − náklady nezaměstnanosti a podzaměstnanosti − náklady na zboží dlouhodobé spotřeby − náklady dojíždění − náklady domácností na zařízení snižující znečišťování (filtry) − náklady dopravních nehod − náklady vodního znečištění − náklady znečištění vzduchu − náklady znečištění hlukem − úbytek mokřadů − úbytek zemědělské půdy − úbytek pralesů − vyčerpání neobnovitelných přírodních zdrojů − škody z emisí CO2 − náklady z poškození ozónové vrstvy +/− čisté kapitálové (fixní) investice +/− čisté zahraniční investice = GPI Zdroj: Talberth et al., 2007, vlastní úpravy
7
Používá se Giniho koeficient.
Teoretická část
34
3.7.3 Nedostatky ISEW a GPI Mezi hlavní nedostatky indikátoru ryzího pokroku patří (Talberth et al., 2007): • přílišná komplexnost, • problém s výběrem kritérií, je zde určitá míra subjektivity, • je problematické ohodnotit ty složky, které nebývají měřeny v penězích, je použito velké množství odhadů, • dosud zaveden jen v několika zemích a regionech, které navíc používají mírně odlišné metodiky.
Vlastní práce
35
4 Vlastní práce V následující části práce je provedena analýza vybraných alternativních ukazatelů blahobytu a rozvoje. Tyto indexy jsou zkoumány ve vztahu k nejčastěji používanému ukazateli ekonomického výkonu – k hrubému domácímu produktu. V jistém smyslu je tedy ověřováno, zda blaho společnosti a úroveň života jsou závislé na výkonu ekonomiky. Těmito analyzovanými ukazateli jsou index lidského rozvoje (HDI), index lepšího života (BLI) a upravené čisté úspory (ANS). Indikátor ryzího pokroku (GPI) je vynechán z důvodu nedostatku dat.
4.1 Metodika8 V práci jsou modelovány a analyzovány vztahy mezi alternativními ukazateli a ukazatelem HDP na základě dostupných dat. Použitá data se vztahují k co největšího počtu zemí za určitý vybraný rok. K sestavení modelu, analýze vztahů a popisu případných závislostí je použito statistických a ekonometrických nástrojů regresní a korelační analýzy, které zkoumají závislosti mezi kvantitativními statistickými znaky.
4.1.1 Regresní analýza Regresní analýza patří mezi hlavní nástroje ekonometrické analýzy. Je to statistická metoda, která popisuje výkyvy jedné veličiny jako funkci výkyvů jedné nebo několika nezávisle proměnných. Zkoumá tedy jednostrannou závislost. Snaží se zjistit, zda a jaký vztah existuje mezi veličinami – lineární, kvadratický, inverzní, logaritmický apod. Tato závislosti je vyjádřena pomocí regresní rovnice, která má (v případě dvou proměnných) obecnou podobu
kde jsou:
. = G( ) + H,
X a Y jsou zkoumané veličiny X (nezávislá proměnná) a Y (závislá prom.); ε je chybový člen (reziduum) – rozdíl mezi skutečnou a teoretickou hodnotou. V případě nejčastěji používané lineární funkční formy má pak regresní model podobu . = IJ + IK + H,
8
Kapitola čerpá z: Statistika pro ekonomy (Hindls et al., 2007).
Vlastní práce
36
kde IJ a IK jsou koeficienty (parametry) regresního modelu. K jejich odhadu je nejčastěji využívána metoda nejmenších čtverců (OLS), kdy je minimalizována suma čtverců rozdílů mezi empirickými (naměřenými) a teoretickými hodnotami. V této práci je zkoumáno, zda daný alternativní ukazatel může být vysvětlen pomocí HDP. Alternativní indikátor tedy vždy stojí na pozici vysvětlované (závislé) proměnné, HDP pak je proměnnou vysvětlující (nezávislou). Figurují zde tedy pouze dvě proměnné. K posouzení kvality zvoleného regresní modelu je využito testovacích nástrojů a kritérií statistické a ekonometrické verifikace. V rámci nich je také zkoumáno, zda model (lineární v parametrech) splňuje předpoklady klasického lineárního regresního modelu jako je homoskedasticita nebo normalita rozdělení chybového členu. Mezi kritéria a testy statistické a ekonometrické verifikace patří:
• koeficient determinace (adjustovaný, LM N ) – je důležitou hodnotou pro zkoumání kvality regrese, stanovuje míru shody odhadnutého regresního modelu s empirickými daty neboli kolik procent (po vynásobení stem) rozptylu vysvětlované proměnné okolo průměru je vysvětleno regresí, vyjadřuje se v rozmezí od 0 do 1; • t-testy - testují statistickou významnost parametrů, nulová hypotéza t-testu předpokládá nulovou hodnotu daného parametru; • F-test9 - testuje statistickou významnost modelu, nulová hypotéza předpokládá, že se hodnoty všech parametrů (kromě absolutního členu) rovnají nule. • informační kritéria – slouží k porovnání alternativních specifikací modelu, nižší hodnota značí lepší odhad; • LM testy10 a RESET test – testují správnou specifikaci modelu, nulová hypotéza předpokládá správnou specifikaci modelu; • Whiteův test a Breush-Paganův test – zkoumají heteroskedasticitu chybového členu neboli proměnlivost jeho rozptylu, nulová hypotéza předpokládá homoskedasticitu reziduí (konstantní rozptyl), což je žádoucí jev; • chí-kvadrát test normality – testuje, zda má chybový člen normální rozdělení, nulová hypotéza předpokládá toto rozdělení.
Dále je z předpokladů klasického lineárního regresního modelu zkoumáno, zda má chybový člen nulovou střední hodnotu (při použití metody OLS vždy splněno), a zda vysvětlující proměnné jsou nekorelované s chybovým členem. Protože se V případě výskytu pouze jedné nezávislé proměnné je p-hodnota F-testu rovna p-hodnotě t-testu pro parametr u vysvětlující proměnné. 10 Testy založené na tzv. Lagrangeových multiplikátorech. 9
Vlastní práce
37
vždy jedná o dvourozměrný model s průřezovými daty, není potřeba zkoumat kolinearitu vysvětlujících proměnných ani autokorelaci chybového členu. O zamítnutí nebo nezamítnutí nulové hypotézy daného testu je vždy rozhodnuto na základě jeho p-hodnoty. Hypotéza je zamítnuta při p-hodnotě nižší než hladina významnosti α, která je stanovena na 5 % (0,05). Při hodnotě vyšší se naopak nulová hypotéza nezamítá. Kromě uvedeného chí-kvadrát testu lze ještě normální rozdělení reziduí přibližně ověřit i pomocí diagnostických grafů, jako je histogram nebo Q-Q graf reziduí (v případě normálního rozdělení leží body na přímce).
4.1.2 Korelační analýza Korelační analýza patří mezi základní statistické nástroje. Využívá se k posouzení intenzity závislosti mezi dvěma veličinami. K měření těsnosti nelineární závislosti, která je podmíněna kvalitou regresní funkce, se využívá indexu korelace OP . Spočítá se jako odmocnina indexu determinace (neadjustovaného), tedy: OP
= Q1 −
kde je: ESS ........... reziduální suma čtverců, TSS ............ celková suma čtverců.
&// , R//
Tento index měří jednostrannou závislost mezi vysvětlovanou (y) a vysvětlující proměnnou (x). Stejně jako u koeficientu determinace se jeho výsledné hodnoty nachází na škále od 0 do 1. Čím více se blíží jedné, tím je daná závislost silnější a tedy dobře vystižena regresní funkcí.
Další důležitou hodnotou korelační analýzy je (párový) korelační koeficient SPO , který vyjadřuje těsnost oboustranné lineární závislosti mezi dvěma proměnnými. Je vlastně zvláštním případem indexu korelace a měří těsnost závislosti popsané lineární regresní funkcí (přímkou). Vzorec pro jeho výpočet je SPO = SOP
kde jsou:
U , ZU ............ i-té
X
WPO 1 M U − ̅ ZU − Z = T ∙ = , ! WP WO WP WO UYK
prvky veličiny X a Y, ̅ , ZM .............. průměry veličin X a Y, WP , WO .......... směrodatné odchylky veličin X a Y, WPO ............... kovariance mezi veličinou X a Y, ! ................... rozsah souboru.
Vlastní práce
38
Výsledná hodnota koeficientu korelace se nachází v intervalu <-1;1>. Čím bližší je hodnota k 1, tím větší je mezi zkoumanými veličinami přímá lineární závislost. Čím bližší je -1, tím je zde větší nepřímá lineární závislost. Hodnota nula pak značí lineární nezávislost (nekorelovanost). Ovšem hodnota blízká nule ještě neznamená obecně slabou závislost, protože proměnné mohou být silně závislé nelineárně.
4.1.3 Vstupní data a jejich popis Jako vstupní data jsou použity údaje z veřejně dostupných zdrojů a databází. Pokud je to možné, pochází hodnoty daného alternativního ukazatele i hrubého domácího produktu ze stejného zdroje. K HDP jsou záměrně vybrána data upravená dle parity kupní síly. Díky tomu se pak HDP lépe hodí pro srovnávání životní úrovně mezi zeměmi. O této úpravě je více pojednáno v kapitole o HDP. Použitá vstupní data mají tedy povahu průřezových dat týkajících se pozorování dvou jevů v jednom vybraném časovém období (roce). Přesněji se jedná o prostorová průřezová data, protože shrnují informace k různým zemím. K popisu dat je využito významných hodnot popisné statistiky, mezi které patří: • průměr (aritmetický) – součet všech hodnot vydělený jejich počtem; • medián – rozděluje soubor na dvě poloviny, oproti průměru je méně náchylný na extrémní hodnoty; • variační rozpětí – udává rozdíl mezi maximální a minimální hodnotou v souboru; • směrodatná odchylka – je odmocninou rozptylu, většina hodnot ze souboru se neliší od průměru o více než tuto odchylku; • variační koeficient – udává relativní míru variability, využívá se pro srovnání variability různých souborů dat (s odlišnými jednotkami), získá se poměrem směrodatné odchylky k průměru.
Vlastní práce
39
4.2 Vztah HDI a HDP V této části práce je analyzován vztah mezi indexem lidského rozvoje a hrubým domácím produktem.
4.2.1 Vstupní data a jejich popis K analýze jsou použita data o HDI a HDP za rok 2011, které jsou nejaktuálnější. Tento rok je vybrán i proto, že se v něm měnila metodika výpočtu HDI. Zdrojem dat k HDI je Zpráva o lidském rozvoji 2011 (UNDP, 2011), ve které jsou uvedeny hodnoty k 187 zemím světa. Tento index je vyjádřen na škále od 0 do 1. Zdrojem dat k HDP je statistická databáze Světové banky (World Bank, 2012). K dispozici jsou údaje o HDP na obyvatele dle parity kupní síly k 178 zemím. Toto HDP je vyjádřeno v mezinárodních dolarech (běžné ceny). Celkem je tedy zkoumáno 178 zemí, ke kterým jsou za rok 2011 k dispozici údaje jak o HDI, tak o HDP. V tabulce 3 jsou uvedeny popisné statistiky zpracovávaných údajů. Tab. 3 Popisné statistiky HDI a HDP
Průměr Medián Variační rozpětí Minimum Maximum Směrodatná odchylka Variační koeficient
HDI 0,662 0,699 0,657 0,286 0,943 0,172 0,26
HDP 14 834 $ 8 938 $ 89 617 $ 375 $ 89 992 $ 16 429 $ 1,11
Z tabulky lze vyčíst, že průměrná hodnota HDI je 0,662, průměrná hodnota HDP na obyvatele je pak 14 834 dolarů. Jedná se o prosté průměry ze zkoumaného souboru zemí (není váženo počtem obyvatel). Medián vychází u HDI na 0,699, tedy o něco vyšší než průměr. U HDP je naopak nižší na úrovni 8 938 dolarů na obyvatele. Z toho vyplívá, že většina zemí ze zkoumaného výběru má nižší než průměrné HDP na obyvatele než je průměr, a naopak HDI vyšší než průměrné. Variační rozpětí je 0,657 pro HDI a 89 617 dolarů pro HDP. Je zde tedy obrovský rozdíl mezi státy s největším a nejmenším HDP na obyvatele. Nejnižší hodnota HDI je na úrovni 0,286, u HDP je to pak pouhých 375 dolarů na obyvatele. Oba tyto údaje se týkají Demokratické republiky Kongo. Naopak nejvyšší hodnota HDI vychází 0,943 pro Norsko, u HDP je to pak 89 992 dolarů na obyvatele v Lucembursku.
Vlastní práce
40
Směrodatná odchylka má hodnotu 0,172 u HDI a 16 429 dolarů u HDP. Variační koeficient vyjádřen v procentech pak vychází 26 % pro HDI a 111 % pro HDP. Data o HDP mají tedy mnohem vyšší variabilitu než HDI. Zajímavým ukazatel, který již není uveden v tabulce, je 95% kvantil pro HDP, který je na hodnotě 48 477 dolarů na obyvatele. Lze z něho říci, že pouze 5 % zemí má HDP na obyvatele vyšší než je tato hodnota. Je zde ovšem významný rozdíl mezi touto hodnotou a tou maximální. Na obrázku 7 je vidět bodový graf proměnných HDI a HDP. Každý bod reprezentuje jednu zemi. Pro orientaci jsou k některým bodům přidány zkratky zemí, včetně České republiky. Obr. 7 Bodový XY diagram HDI a HDP 1 NOR USA 0,9
LUX
CZE
QAT 0,8
HDI_2011
0,7
0,6 GNQ 0,5
0,4
0,3
0,2 0
10000
20000
30000
40000
50000
60000
70000
80000
90000
HDP_2011
4.2.2 Regresní analýza Regresní analýza začíná specifikací ekonometrického modelu. Vysvětlovanou proměnnou Y je HDI, vysvětlující proměnnou X je HDP. Již z grafu a také z předpokladu toho, že vzrůstající HDP má stále menší vliv na zvyšování HDI, lze odvodit, že vhodnou funkční formou by mohla být lineárně-logaritmická funkční forma. Mimoto může být logaritmický model vhodný i proto, že již ve výpočtu HDI je zakomponován logaritmus GNI, které je jen mírně odlišné od HDP. Tato forma má obecnou podobu: . = IJ + IK ln .
Vlastní práce
41
V rámci specifikace je také stanoven předpoklad, že koeficient IK bude kladný. Tedy, že s růstem HDP poroste i HDI. Použitím metody OLS pro odhad parametrů dojdeme k následující kvantifikaci regresního modelu: = −0,466 + 0,126 ln
p-hodnoty t-testů:
(0,0317)
(0,0035)
2,11E-32
5,65E-83
! = 178; LM N = 0,879; ]-hodnota (F-test) = 5,65E-83
Odhad parametru IK má kladnou hodnotu 0,126, je tedy v souladu s předpokladem. Dá se interpretovat tak, že vzroste-li HDP o 1 %, vzroste hodnota HDI o jednu setinu hodnoty β1, tedy o 0,00126. Pod parametry se v závorkách nachází hodnoty směrodatných chyb pro odhady parametrů. Ty jsou vzhledem k hodnotám parametrů poměrně nízké. Hodnota adjustovaného koeficientu determinace pro zvolenou funkční formu má hodnotu 0,879. To naznačuje velmi dobrou vhodnost modelu. U obou parametrů vyšly také velmi nízké p-hodnoty t-testů. Protože jsou nižší než hladina významnosti α (5%), hypotézy o nevýznamnosti obou parametrů se zamítají. Stejně je tomu u F-testu. Nulová hypotéza o nevýznamnosti modelu se proto také zamítá. Všechny dosavadní testy a kritéria tedy vyšly pozitivně ve prospěch regresního modelu. Pro srovnání jsou v tabulce 4 uvedeny hodnoty některých kritérií pro jiné funkční formy. Zvolený lineárně-logaritmický model je porovnán s lineární, kvadratickou a inverzní funkční formou. Tab. 4 Srovnání různých funkčních forem
Funkční forma LM N p-hodnota (F) AIC
lin.-log. 0,879 5,65E-83 -495
lineární 0,545 4,15E-32 -259
kvadratická 0,742 1,14E-52 -359
inverzní 0,641 3,09E-41 -301
Porovnány jsou hodnoty adjustovaného koeficientu determinace, p-hodnoty F-testu významnosti modelu a jedno z informačních kritérií – Akaikeho (AIC). Z tabulky lze vyčíst, že na základě těchto kritérií vychází lineárně-logaritmická forma v porovnání s ostatními jako nejvhodnější. Na obrázku 8 je znázorněno proložení skutečných hodnot křivkou zvolené logaritmické regresní funkce. Lze říci, že logaritmická křivka velmi dobře prochází skutečnými body.
Vlastní práce
42
Obr. 8 Proložení empirických hodnot logaritmickou křivkou
Logaritmický regresní model je dále testován, zda splňuje předpoklady klasického lineárního regresního modelu. V tabulce 5 jsou popsány výsledky některých testů. Tab. 5 Testování předpokladů klasické lineárního regresního modelu
Test RESET LM (čtverce) LM (logaritmy) Whiteův Breusch-Paganův chí-kvadrát
p-hodnota 0,00045 0,00137 0,00349 0,405 0,146 0
H0 se: zamítá zamítá zamítá nezamítá nezamítá zamítá
U všech tří testů správné specifikace modelu vychází p-hodnota nižší než je hladina významnosti α (5 %). Nulová hypotéza o správné specifikaci modelu se tedy zamítá. Naopak oba testy na zjišťování heteroskedasticity vyšly s hodnotou nižší než α a nulová hypotéza o homoskedasticitě reziduí se nezamítá. Posledním testem uvedeným v tabulce je chí-kvadrát test. Jeho p-hodnota je nulová a hypotéza o normálním rozdělení reziduí se zamítá. Mezi splněné předpoklady patří také nulová střední hodnota reziduí a nulová korelace vysvětlující proměnné s chybovým členem.
Vlastní práce
43
Špatné výsledky testů specifikace naznačují nekorektní funkční formu modelu. Ovšem ani další zkoumané funkční formy jako lineární, kvadratická nebo inverzní toto nenapravují a selhávají dokonce ve všech testech uvedených v tabulce. Neexistence normality reziduí naznačuje, že jsou některé testy (F-test, t-testy) neplatné. Normalita reziduí může být také ještě přibližně ověřena pomocí histogramu a Q-Q grafu reziduí, které jsou zobrazeny na obrázcích 9 a 10. Na nich můžeme vidět, že rozdělení reziduí není velmi vzdálené od normálního. Obr. 9 Histogram reziduí 12 uhat24 N(-9,7924e-017 0,059828)
Testovací statistika pro normalitu: Chí-kvadrát(2) = 32,980 [0,0000]
10
8
6
4
2
0 -0,3
Obr. 10 Q-Q graf reziduí
-0,2
-0,1
0
0,1
Vlastní práce
44
Tento model tedy není kvůli špatné specifikaci a nepřítomnosti normality reziduí příliš statisticky průkazný. Negativní výsledky testů specifikace modelu a normality reziduí ovšem mohou být způsobeny hodnotami vzdálenými od modelu (extrémní hodnoty). Mezi takovéto státy patří především Rovníková Guinea (GNQ), Kuvajt (KWT) a Katar (QAT). Při jejich odstranění z modelu už vychází test normality přívětivě. Tyto země se od většiny ostatních liší tím, že se jedná o malé státy, jejichž vysoké HDP je velkou měrou způsobené zisky z těžby ropy. Nejvíce se od modelu odchyluje právě Rovníková Guinea, ve které i přes vysoké HDP žije podstatná část populace v chudobě a většina bohatství zůstává v rukou úzké skupiny obyvatel. Ovšem odstranění těchto států nezlepšilo testy specifikace. Ty zlepšilo až odstranění dalšího státu, který se také velmi liší od ostatních. Tím je Lucembursko (LUX), které je velmi bohatým a zároveň velmi malým státem, kde mj. sídlí velké množství bank a dalších finančních institucí, které navyšují jeho HDP. Patří mezi nejbohatší státy ve světě a jeho HDP na obyvatele se dlouhodobě umisťuje na předních příčkách. Jeho odstranění z modelu však na druhé straně způsobilo problém heteroskedasticity reziduí. Ta způsobuje vychýlení v odhadech standardních chyb, což zapříčiňuje nevěrohodnost testů významnosti parametrů. I přesto, že tento regresní model velmi dobře vysvětluje empirická data, má své nedostatky, které snižují jeho kvalitu. Je možné, že odstranění některých dalších států by způsobilo splnění všech testů předpokladů klasického regresního modelu. To by už ale mohlo být považováno za velký zásah do vstupních dat.
4.2.3 Korelační analýza Kromě provedené regresní analýzy lze i přímo z grafu předpokládat, že mezi ukazatel HDI a HDP bude poměrně velká míra závislosti. Vypočtený index korelace, jehož hodnota je podmíněna zvoleným logaritmickým regresním modelem, má přibližnou hodnotu 0,94. Je zde tedy velmi vysoká (nelineární) závislost mezi HDI a HDP. Co se týče lineární závislosti, kterou měří koeficient korelace, je také poměrně vysoká. Koeficient korelace má hodnotu 0,74. To znamená, že mezi ukazateli HDI a HDP je i vysoká přímá lineární závislosti. Na základě těchto výsledků lze tedy říci, že korelace mezi HDI a HDP nepochybně existuje.
Vlastní práce
45
4.3 Vztah BLI a HDP V následující části práce je analyzován další vztah, a to mezi indexem lepšího života a hrubým domácím produktem.
4.3.1 Vstupní data a jejich popis K analýze jsou použita data BLI vztahující se (resp. jsou takto udávána) k současnému stavu, tedy k roku 2012. Jiné hodnoty nejsou k dispozici, protože tento index existuje teprve krátce. Zdrojem těchto dat je webová stránka o indexu lepšího života (OECD, 2011). Jak je blíže rozebráno v kapitole o BLI, dostupná jsou pouze data týkající se jednotlivých dílčích oblastí indexu. Ovšem, protože je potřeba pouze jedné hodnoty na pozici vysvětlované proměnné, je pro zjednodušení použit prostý průměr těchto jedenácti hodnot. Jedná se tedy o index BLI s použitím stejných vah u všech jeho složek. Stejně jako každá dílčí složka, tak i tento index BLI je vyjádřen na škále od 0 do 10. K dispozici jsou údaje o indexu BLI k 36 zemím – 34 zemí OECD, Brazílie a Rusko. Ke všem těmto státům jsou k dispozici i data o HDP. Zdrojem dat k HDP je také OECD, konkrétně její statistická databáze (OECD, 2012). Objevuje se zde však drobný problém s tím, který rok k HDP vybrat. To z toho důvodu, že data k dílčím indikátorům indexu BLI pochází z různých časových období. Ovšem zdaleka nejvíce se zde objevují hodnoty z roku 2010. Proto jsou k této analýze vybrány hodnoty HDP vztahující se k tomuto roku. Toto HDP na obyvatele dle parity kupní síly je opět vyjádřeno v mezinárodních dolarech (běžné ceny). V tabulce 6 jsou uvedeny popisné statistiky k těmto dvěma ukazatelům. Tab. 6 Popisné statistiky BLI a HDP
Průměr Medián Variační rozpětí Minimum Maximum Směrodatná odchylka Variační koeficient
BLI 6,36 6,64 5,09 2,86 7,96 1,39 0,22
HDP 32 967 $ 32 947 $ 73 433 $ 11 239 $ 84 672 $ 13 684 $ 0,42
Protože hodnoty HDP pochází z jiného zdroje a týkají se jiného počtu zemí než u předchozí analýzy, jsou jeho popisné statistiky odlišné. Průměrné hodnoty pro dané země jsou 6,36 pro BLI a 32 967 dolarů pro HDP na obyvatele. (Průměry vážené počtem obyvatel jsou pak přibližně 5,92 a 29 500 dolarů). Hodnoty mediánů jsou 6,64 a 32 947. Liší se tedy jen velmi málo od průměrů. Jak průměr,
Vlastní práce
46
tak medián HDP na obyvatele je u těchto zemí mnohem vyšší než v předchozí analýze, protože se data týkají ekonomicky vyspělých zemí OECD (plus Brazílie a Rusko). Variační rozpětí je přibližně 5,1 pro index BLI a 73 433 dolarů pro HDP. Opět je zde tedy výrazný rozdíl mezi zeměmi s nejvyšším a nejnižším HDP na hlavu. Nejnižší hodnota BLI je na úrovni 2,86 a týká se Turecka, nejmenší HDP na hlavu má ze zkoumaných zemí Brazílie s 11 239 dolary. Nejvyššího BLI naopak dosahuje Austrálie s hodnotou 7,95 a nejbohatším státem ze zkoumaných zemí je dle HDP na obyvatele opět Lucembursko s 84 672 dolary. Směrodatné odchylky se rovnají 1,39 a 13 684 dolarů. Variační koeficient je pak 22 % pro index BLI a 42 % pro HDP. Pro HDP zde tedy není tak vysoká variabilita jako u minulé analýzy. Na obrázku 11 je zobrazen bodový diagram proměnných BLI a HDP, kde každý bod reprezentuje jednu zemi. Pro znázornění jsou opět u některých zemí přidány popisky, včetně České republiky. Obr. 11 Bodový XY diagram BLI a HDP
4.3.2 Regresní analýza Na pozici vysvětlované proměnné se vyskytuje index BLI a na pozici proměnné vysvětlující HDP. Co se týče zvolení funkční formy, není zde podle grafu situace tak jednoznačná jako u analýzy indexu HDI. Z grafu lze říci, že by zde také mohla být
Vlastní práce
47
vhodná lineárně-logaritmická funkční forma, ale dobře by mohla vztah vysvětlovat i lineární nebo inverzní forma. Nejdříve tedy bude provedeno vzájemné srovnání několika funkčních forem na základě adjustovaného koeficientu determinace, F-testu a Akaikeho kritéria. Tyto hodnoty jsou zobrazeny v tabulce 7. Tab. 7 Srovnání různých funkčních forem
Funkční forma LM N p-hodnota (F) AIC
lineární 0,583 3,63E-08 96,4
kvadratická 0,864 1,88E-15 57,0
lin.-log. 0,772 1,16E-12 75,7
inverzní 0,757 3,38E-12 77,0
Z výsledných hodnot vyplívá, že se jako nejvhodnější jeví kvadratická funkční forma. Ovšem takovýto model není vhodný z toho důvodu, že při jeho použití by nastalo to, že po překročení určitého bodu HDP (v tomto případě cca 60 000 dolarů na obyvatele) začne hodnota BLI nenávratně klesat. I když v určitých případech může zvýšení HDP snížit blahobyt a rozvoj v zemi, rozhodně to nelze považovat za pravidlo. Mimoto se zde objevuje problém s multikolinearitou vysvětlujících proměnných. Hned další nejvhodnější funkční formou je lineárně-logaritmická, podobně jako u analýzy HDI. Podle tabulky se ovšem jeví jen o málo lepší než inverzní forma. Opět zde může být vysloven předpoklad kladného parametru IK u logaritmického členu, tedy že křivka bude rostoucí a s růstem HDP poroste i BLI. Použitím metody OLS pro odhad parametrů dojdeme k následujícím kvantifikaci regresního modelu: ^% = −24,789 + 3,017 ln
p-hodnoty t-testů:
(2,853)
(0,276)
3,76E-10
1,16E-12
! = 36; LM N = 0,772; ]-hodnota (F-test) = 1,16E-12
U t-testů obou parametrů i u F-testu regresního modelu vyšly opět velmi nízké hodnoty p-hodnot. Protože jsou nižší než hladina významnosti, hypotézy o nevýznamnosti obou parametrů a modelu se zamítají. Hodnota 0,772 adjustovaného koeficientu determinace opět naznačuje poměrně dobrou vhodnost modelu. Odhad parametru IK má kladnou hodnotu 3,017, je tedy v souladu s předpokladem. Tato hodnota znamená, že vzroste-li HDP o 1 %, hodnota BLI vzroste přibližně o 0,03. Směrodatné chyby jsou opět poměrně malé vzhledem k hodnotám odhadů parametrů. Všechny výše uvedené testy a kritéria vyšly tedy opět pozitivně ve prospěch vhodnosti regresního modelu. Na obrázku 12 je znázorněno proložení empirických hodnot logaritmickou křivkou. Pro srovnání je
Vlastní práce
48
zobrazena i inverzní funkční forma, která je na tom s výsledky t-testů a F-testu velmi podobně. Obě křivky poměrně dobře prochází skutečnými body. Obr. 12 Proložení logaritmické a inverzní křivky empirickými body 10 inverzní FF logaritmická FF
8
BLI
6
4
2
0 10000
20000
30000
40000
50000
60000
70000
80000
HDP_2010
Zvolené lineárně-logaritmická funkční forma je dále testována, zda splňuje předpoklady klasického lineárního regresního modelu. V tabulce 8 je vypsáno, jak tento model obstál u některých testů. Tab. 8 Testování předpokladů klasické lineárního regresního modelu
Test RESET LM (čtverce) LM (logaritmy) Whiteův Breusch-Paganův chí-kvadrát
p-hodnota 4,17E-06 0,0394 0,0576 0,00011 0,3915 0,0974
H0 se: zamítá zamítá nezamítá zamítá nezamítá nezamítá
U testů specifikace vyšly rozdílné výsledky. RESET test a jeden z LM testů (čtverce) mají p-hodnot nižší než hladinu významnosti. Hypotéza o správné specifikaci modelu se tedy zamítá. Naopak však vyšel druhý LM test (logaritmy) a podle něj by se hypotéza o správné specifikaci modelu nezamítala. Specifikace regresního modelu tedy trpí nedostatky. Podobně je tomu u testů heteroskedasticity reziduí, kde Whiteův test vyšel pozitivně a Breush-Paganův negativně. Hypotéza o homoskedasticitě chybového členu se tedy podle jednoho testu zamítá, podle
Vlastní práce
49
druhého nezamítá. Chí-kvadrát test vyšel už v pořádku a hypotéza o normalitě rozdělení reziduí se nezamítá. Mezi další předpoklady, které jsou splněny, patří nulová střední hodnota reziduí a nulová korelace vysvětlující proměnné s chybovým členem. Pozitivně tedy vyšel jen jeden test správné specifikace modelu, jeden test na nepřítomnost heteroskedasticity a test na normální rozdělení reziduí. Zvolený model má tedy opět své nedostatky. Ostatní regresní modely (lineární, kvadratický a inverzní) jsou na tom však ještě hůře. Lineární i inverzní funkční formy selhávají dokonce ve všech uvedených testech. Příčinou negativních výsledků některých testů mohou být opět hodnoty vzdálené od modelu (extrémní hodnoty). Mezi takové státy patří v případě logaritmického modelu Lucembursko, Turecko a Brazílie. Největší zlepšení se dostaví po odstranění Lucemburska a Brazílie z použitých dat. Všechny výše uvedené testy pak již přináší žádoucí výsledky. Pro doplnění je na tom podobně i inverzní model, kde ke splnění všech testů stačí odstranit pouze Brazílii. Proč tyto dva státy nesedí do modelu lze vysvětlit následovně. Brazílie má ze zkoumaných zemí nejmenší HDP na obyvatele (okolo 11 000 dolarů). Ovšem její index BLI vychází lépe než u některých zemí s vyšším HDP jako je Mexiko a Turecko. Index BLI je zde tedy vyšší než by odpovídalo HDP. Čím je specifické Lucembursko bylo řečeno v předchozí analýze HDI. Oba regresní modely – inverzní a logaritmický – tedy dobře vysvětlují empirická data. Přesto však opět mají svoje nedostatky, které snižují kvalitu modelů. Obecně se pro všechny skutečné hodnoty jeví jako vhodnější logaritmický model. Ovšem inverzní model má výhodu v tom, že mu ke splnění použitých testů stačí odebrat pouze jednu vzdálenou hodnotu. Lépe také vysvětluje hodnoty pro Lucembursko. Po odstranění Brazílie z modelu má inverzní model, oproti logaritmickému, i lepší hodnoty zkoumaných kritérií, jako je adjustovaný koeficient determinace.
4.3.3 Korelační analýza Opět lze již z grafu a z provedené regresní analýzy předpokládat poměrně velkou korelaci mezi BLI a HDP. Spočtený index korelace pro logaritmický regresní model má hodnotu 0,88. Míra této nelineární závislosti je tedy opět vysoká. Je však nižší než u vztahu HDI a HDP. Párový koeficient korelace má hodnotu 0,77. To značí vysokou přímou lineární závislost mezi BLI a HDP. Tato je naopak vyšší než u předchozí analýzy. Opět lze konstatovat, že je zde velká míra korelace mezi BLI a HDP.
Vlastní práce
50
4.4 Vztah ANS a HDP Posledním vztahem analyzovaným v této práci, je vztah mezi upravenými čistými úspory a hrubým domácím produktem.
4.4.1 Vstupní data a jejich popis Zdrojem dat jak k ANS, tak k HDP, je statistická databáze Světové banky (World Bank, 2012). Protože nejaktuálnější dostupná data o ANS se vztahují k roku 2010, je tento rok vybrán k analýze. Index ANS je vyjádřen v procentech z hrubých národních úspor (GNI) a může nabývat kladných i záporných hodnot. HDP je opět vyjádřeno na obyvatele dle parity kupní síly (v mezinárodních dolarech, běžné ceny). Celkem jsou k dispozici údaje k 107 zemím světa. V tabulce 9 jsou uvedeny popisné statistiky ke zkoumaným datům obou ukazatelů. Tab. 9 Popisné statistiky ANS a HDP
ANS 8,26 % Průměr 8,63 % Medián 65,42 % Variační rozpětí −29,16 % Minimum 36,26 % Maximum 9,50 % Směrodatná odchylka 1,15 Variační koeficient
HDP 16 191 $ 11 202 $ 85 352 $ 823 $ 86 175 $ 15 659 $ 0,97
Hodnoty HDP pochází ze stejného zdroje jako u analýzy vztahu HDI a HDP, pouze je jich menší počet a je použit jiný rok. Přesto jsou ale popisné statistiky pro HDP podobné. Protože údaje o ANS nejsou dostupné především pro chudší státy, průměr a medián HDP se zvýšily na 16 191 a 11 202 dolarů na osobu. Variační rozpětí u HDP je opět velmi velké, a to 85 532 dolarů. Zemí s nejvyšším HDP je opět Lucembursko s 86 175 dolary na obyvatele11. Státem s nejnižším HDP na hlavu je pak v daném výběru Sierra Leona s 823 dolary. U ukazatele ANS je jeho průměr 8,26 % a medián 8,63 %, tedy se příliš neliší. Variační rozpětí je zde velmi vysoké, a to 65,42 %. Nejvyšší hodnoty dosahuje Čína s 36,26 %. Nejnižší ANS je pak −29,16 % pro Angolu. Směrodatné odchylky jsou 9,50 % pro ANS a 15 659 dolarů pro HDP. Variační koeficienty jsou u obou ukazatelů velmi vysoké, 115 % pro ANS a 97 % pro HDP. Oba ukazatele mají tedy velkou variabilitu. Ačkoli se jedná o stejný rok je tato hodnota nižší než u analýzy vztahu BLI a HDP. Jsou použity jiné zdroje, které se mohou lišit v metodice výpočtu HDP. 11
Vlastní práce
51
4.4.2 Regresní analýza Před samotným začátkem analýzy je zde opět na obrázku 10 uveden bodový diagram proměnných ANS a HDP. Pro znázornění jsou opět některé země zvýrazněny popisky, včetně České republiky. Obr. 13 Bodový XY diagram ANS a HDP s proložením regresní přímky 40
CHN
SGP
30
20
NOR
ANS_2010
CZE LUX
10
USA 0
-10
-20
AGO -30 0
10000
20000
30000
40000
50000
60000
70000
80000
hdp10
V tomto případě nelze moc dobře říci již z grafu, že by existovala závislost ANS na HDP. Hodnoty ANS velmi kolísají i při podobných hodnotách HDP. Nemá zde tedy příliš velký smysl hledat regresní model, který by měl velkou míru shody s empirickými daty. Tento graf by se dal rozdělit na dvě části. V levé časti grafu (HDP přibližně do 15 000 dolarů na hlavu) jsou umístěny chudší státy, jejichž hodnoty ANS se pohybují na velmi různých hodnotách, jak kladných tak záporných. Nelze zde pozorovat prakticky žádnou závislost mezi ANS a HDP. U bohatší zemí umístěných dále napravo už naopak ANS tolik nekolísají a určitá mírná (kladná) závislost by zde mohla být. Ovšem tato analýza se zaobírá všemi daty a pokusí se najít pro ně alespoň přibližně vhodný model. Na grafu je již znázorněna regresní přímka jakožto nejjednodušší funkční forma procházející empirickými body. Ta má, při použití metody OLS pro odhad parametrů, následující kvantifikaci:
Vlastní práce
52
6 / = 6,253 + 0,000125 p-hodnoty t-testů:
(1,316)
(5,83E-05)
6,52E-06
0,035
! = 106; LM N = 0,033; ]-hodnota (F-test) = 0,035
Koeficient determinace (adjustovaný) je pro tento model pouze 0,033. Jedná se o velmi nízkou hodnotu, která je téměř nulová. Míra shody regresního modelu s daty je tedy pouze 3,3 %. Ani ostatní zkoumané modely – kvadratický, inverzní, logaritmický a exponenciální – si však v ničem nevedou lépe a mají většinou nulové LM N .
Výsledné p-hodnoty t-testů parametrů a F-testu vhodnosti modelu vyšly menší než hladina významnosti α. Hypotézy o nevýznamnosti parametrů a o nevýznamnosti modelu tedy mohou být zamítnuty. Směrodatné chyba je u proměnné HDP vzhledem k velikosti odhadu parametru poměrně významná. I přesto, že je adjustovaný koeficient determinace velmi nízký a model má velmi špatnou (až prakticky žádnou) vypovídací schopnost, jsou pro úplnost v tabulce 10 uvedeny výsledky testů na předpoklady klasického lineárního regresního modelu.
Tab. 10 Testování předpokladů klasické lineárního regresního modelu
Test RESET LM (čtverce) LM (logaritmy) Whiteův Breusch-Paganův chí-kvadrát
p-hodnota 0,822 0,926 0,777 0,382 0,335 0,00005
H0 se: nezamítá nezamítá nezamítá nezamítá nezamítá zamítá
Všechny uvedené testy specifikace mají p-hodnotu vyšší než hladinu významnosti α. Nulová hypotéza o správné specifikace modelu se tedy nezamítá. Stejně jsou na tom testy heteroskedasticity reziduí. Nulová hypotéza o homoskedasticitě reziduí se také nezamítá. Poslední uvedený chí-kvadrát test na normalitu reziduí má p-hodnotu nižší než hladinu významnosti α a nulová hypotéza o normálním rozdělení reziduí se zamítá. Dále je splněn předpoklad nulové střední hodnoty reziduí a předpoklad nekorelovanosti vysvětlující proměnné s chybovým členem. Rozdělení reziduí však může být ještě graficky zkoumáno pomocí histogramu a Q-Q grafu reziduí (v přílohách obrázky 20 a 21). Z nich vyplívá, že rozdělení reziduí je blízké normálnímu. Lze také vidět, že jedna hodnota je výrazně vychýlená od modelu. Touto zemí je Angola, která má ze všech zkoumaných států nejmenší ANS, −29 % (způsobené pravděpodobně přílišným využíváním
Vlastní práce
53
přírodních zdrojů). Po jejím odstranění ze souboru dat, už test normality reziduí vychází přívětivě, aniž by to ovlivnilo výsledky ostatních testů. Jak bylo řečeno, zkoumaný regresní model má jen velmi malou shodu s empirickými daty a není tedy příliš vhodný. Změny indexu ANS lze jen velmi málo vysvětlit pomocí ukazatele HDP. Přesto však tento model netrpí na nesplnění předpokladů klasického lineárního regresního modelu kromě nenormality reziduí, která ale po odstranění jedné hodnoty byla napravena.
4.4.3 Korelační analýza Protože je pro regresní analýzu použita lineární funkční forma, je hodnota indexu korelace a koeficientu korelace totožná, a to 0,20. Tato hodnota značí velmi malou, prakticky nepoužitelnou, přímou lineární závislost. Jak se dalo očekávat, není zde tedy velká závislost mezi ANS a HDP.
Diskuze
54
5 Diskuze Analýza vztahu mezi indexem lidského rozvoje a hrubým domácím produktem ukázala jasnou závislost mezi těmito veličinami. Hodnoty HDI lze velmi dobře vysvětlit pomocí HDP. Nejlépe se pro vysvětlení tohoto vztahu hodí logaritmický regresní model. Jeho adjustovaný koeficient determinace má hodnotu 0,879, což značí vysokou míru shody s empirickými daty. Ovšem tento model není bezchybný a nesplňuje některé předpoklady klasického regresního modelu, což snižuje jeho statistickou průkaznost. Konkrétně testy ukazují na špatnou specifikaci modelu a na nenormalitu reziduí. Model se částečně zlepšil po odstranění tří malých ropných států, které se od ostatních významně odlišují. Chí-kvadrát test pak indikuje normální rozdělení reziduí. Po odstranění další země, Lucemburska, pak model ukazuje na správnou specifikaci, ovšem na druhé straně se u něj vyskytuje heteroskedasticita reziduí. Korelace mezi HDI a HDP je velmi vysoká. Index korelace pro logaritmický regresní model má hodnotu 0,94. Zároveň se zde vyskytuje i poměrně vysoká přímá lineární závislost – koeficient korelace vychází 0,74. Mezi HDI a HDP je tedy velká míra závislosti. Tyto výsledky lze odůvodnit následovně. Index HDI hodnotí každou zemi ve třech kritériích – zdraví, vzdělání a příjem. Čím má země vyšší HDP a s tím i vyšší příjmy, může si dovolit vyšší výdaje do zdravotnictví a vzdělávání. Z toho důvodu tak mají země s vyšším HDP obvykle i vyšší HDI. Analýza vztahu indexu lepšího života a hrubého domácího produktu dává podobné výsledky. Zkoumaný logaritmický regresní model má opět velmi dobrou míru shody s empirickými daty. Jeho adjustovaný koeficient determinace vychází na hodnotě 0,772. Podobně je na tom inverzní model. (Ještě lépe vychází kvadratický model, ale jeho nevhodnost byla zdůvodněna.) Ani zde však není logaritmický regresní model bez nedostatků a nesplňuje některé testy správné specifikace modelu a homoskedasticity reziduí. Po odebrání dvou vzdálených hodnot z modelu (Brazílie a Lucembursko) však nastalo zlepšení výsledků těchto testů. Intenzita korelace mezi BLI a HDP je opět vysoká. Index korelace pro použitý logaritmický regresní model má hodnotu 0,88, což značí vysokou míru nelineární závislosti. Co se týče závislosti lineární, vyskytuje se zde vysoká míra přímé lineární závislosti – koeficient korelace vychází 0,77. Mezi BLI a HDP je korelace tedy také vysoká. Tyto výsledky lze opět do určité míry zdůvodnit. Součástí indexu BLI je jedenáct dílčích kritérií. Jako u HDI se zde vyskytují dimenze zdraví a vzdělání. Jejich pravděpodobná závislost na HDP byla již zdůvodněna. Kromě toho si vlády zároveň se zvyšujícím HDP mohou dovolit vyšší výdaje na ochranu životního prostředí či na zlepšení bezpečnosti v zemi (ta se však může zlepšovat už
Diskuze
55
jen tím, že lidé dosahují vyšších příjmů). V zemích s vyšším HDP jsou také zpravidla i vyšší příjmy obyvatel, kteří si pak mohou koupit lepší a větší bydlení, které je také jednou ze složek indexu BLI. Stejně tak zaměstnanost také často roste spolu s HDP. Naopak zbylé dimenze jako mezilidské vztahy nebo subjektivní spokojenost se životem už nemusí být tolik závislé na HDP, ovšem určitá korelace se zde vyskytovat také může. Vysoká korelace celkového indexu BLI a HDP tedy není příliš překvapivá. Obecně lze říci, že index lidského rozvoje a index lepšího života mají vysokou míru závislosti na HDP, která je nejlépe popsána logaritmickým regresním modelem. Ten naznačuje, že se zvyšujícím se HDP na hlavu, rostou tyto indexy čím dál pomaleji. V obou případech však mají zkoumané regresní modely své nedostatky, které snižují jejich statistickou průkaznost. Je možné, že zahrnutí některé další proměnné do modelu by jejich kvalitu zlepšilo. Cílem této práce však nebylo nalezení bezchybného regresního modelu, ale především zkoumání výskytu a velikosti závislostí mezi alternativními ukazateli a HDP. V obou modelech se vyskytují země, které se výrazněji odlišují od modelu. Těch je však naprosté minimum a po jejich odstranění z výběru se některá kritéria kvality regresního modelu zlepšila. Lze tedy říci, že tyto modely tak přinejmenším velmi dobře vysvětlují hodnoty daných indexů pro velkou většinu z vybraných zemí. Naopak ukazatel upravených čistých úspor nevykazuje téměř žádnou závislost na HDP. Jeho zkoumaný lineární regresní model má adjustovaný koeficient determinace pouze 0,03. Koeficient korelace je zde také velmi nízký a to 0,20. Tato neexistence závislosti by také mohla mít určité zdůvodnění. Především se ukazatel ANS od předchozích dvou velmi odlišuje. Jeho odlišností je především to, že vychází z hrubého národního příjmu a ve velké míře jsou v něm zahrnuty ekologické problémy jako znečištění ovzduší a čerpání přírodních zdrojů. Udává celkovou úroveň úspor s ohledem na vyrobený, lidský a přírodní kapitál. Je pochopitelné, že tyto úspory mohou mít velmi různou velikost bez ohledu na výši HDP.
Závěr
56
6 Závěr Tato práce se zabývala tématem alternativních ukazatelů ekonomického výkonu. Jejím cílem bylo zkoumání a analýza vztahů mezi alternativními ukazateli a hrubým domácím produktem, a následné popsání závislostí. V teoretické části byl popsán nejčastěji používaný ukazatel pro měření výkonu ekonomiky – hrubý domácí produkt. Ačkoliv má tento ukazatel svoje důležité zastoupení a přínos, z pohledu měření blahobytu a udržitelného rozvoje, jak bývá někdy interpretován, vykazuje velkou řadu nedostatků. Například nebere v potaz společenskou prospěšnost produktů ani ekologické škody. Spolu s HDP zde byly rozebrány alternativní ukazatele, které se zaměřují na měření složitějších hledisek, jako je kvalita života a rozvoj společnosti. Tyto ukazatele v sobě zahrnují různá sociální nebo ekologická hlediska blahobytu a udržitelného rozvoje. Vybrány byly čtyři konkrétní indikátory, které byly podrobně popsány. Ve druhé části práce pak byly analyzovány vztahy mezi třemi z těchto vybraných ukazatelů a hrubým domácím produktem. Dva ze zkoumaných indexů, index lidského rozvoje a index lepšího života, vykazují velkou míru korelace s HDP. To může do určité míry snižovat jejich významnost a užitečnost. Naopak upravené čisté úspory nejsou prakticky téměř vůbec korelované s HDP. Z tohoto pohledu má tedy měření ANS větší přínos a smysl. I přesto, že HDI a BLI mají velkou míru závislosti na HDP, nelze říci, že by jejich měření bylo naprosto zbytečné a nepřínosné. Index lidského rozvoje má výhodu ve své jednoduchosti a také v tom, že je měřen pravidelně pro většinu zemí světa. I když je velmi pravděpodobné, že země s vyšším HDP na hlavu bude mít i vyšší HDI, není to splněno vždy. Index HDI tak může pomoci k odhalení toho, kde daná země zaostává a co by bylo potřeba zlepšit. Tento index byl mj. vytvořen proto, aby se dal změřit i pro rozvojové země, pro které může nabízet lepší a více vypovídající údaje než HDP. Pro vyspělejší země, kde jsou zdraví a vzdělání obecně na vysoké úrovni, má pak HDI menší smysl. Nevýhodou může být také to, že v krátkém období lze jeho zvýšení dosáhnout nejlépe pomocí zvýšení příjmů, protože ke zvýšení délky života nebo vzdělání je potřeba mnoha let, třeba i několik desítek. Výhodou indexu lepšího života je, že každý má možnost stanovit si vlastní váhy pro jedenáct oblastí, ze kterých se tento index skládá. Ovšem existuje zde velká míra korelace mezi BLI (se stejnými vahami) a HDP. Přesto však při stanovení odlišných vah, může být korelace menší nebo téměř žádná. Takové srovnávání pak může být velmi užitečné a nabízí velký potenciál do budoucna. Více než jen v konkrétním konečném čísle může být tedy přínos tohoto indexu spatřován v jeho jednotlivých
Závěr
57
složkách, které opět mohou upozornit na problémové oblasti země. Stejně tak, až budou přibývat nová data, může mít index BLI velký význam pro zkoumání vývoje určité země v čase. Nevýhodou prozatím je, že je tento index měřen pouze pro 36 zemí. Největší významnost a užitečnost lze z vybraných ukazatelů přisoudit ukazateli upravených čistých úspor, které jsou téměř nekorelované s HDP. Jejich výhodou je to, že dávají jednoduchý a jasný kladný nebo záporný údaj jakožto procento celkových úspor z hrubého národního příjmu. Hodnota ANS tak může být velmi jednoduše interpretována – zda země spíše spotřebovává nebo tvoří „úspory“, a kam směřuje z hlediska udržitelného rozvoje. Tento ukazatel může například ukázat, že růstu HDP bylo dosáhnuto na úkor velkých ekologických škod. Podobně by na tom mohly být ukazatele ISEW a GPI, které také upravují HDP. Ovšem pro jejich větší analýzu je zde nedostatek dat. Tyto indexy se velmi málo používají, odrazovat od jejich použití může jejich velká komplexnost a potřeba většího množství dat. Nevýhodou ukazatelů ANS, GPI a jim podobných je také to, že zde neexistuje shoda na ohodnocení jednotlivých faktorů, jimiž HDP upravují. Přesto, že alternativní ukazatele mají své nedostatky, a často se u nich objevuje problém s nedostupností dat a nutnými odhady některých hodnot, určitě jsou více vhodné k měření blahobytu a rozvoje než HDP, u kterého nedostatky převažují. Alternativ dnes existuje velké množství, avšak jen část z nich je využívána více. K většímu zavedení alternativních ukazatelů je nutná určitá politická podpora. Problém také tkví v neexistenci společenské a politické debaty o tom, co a jakým způsobem měřit. Alternativní ukazatele tak zůstávají spíše v pozadí a nelze zatím příliš očekávat, že by se některý z nich stal tak široce používaným a sledovaným jako HDP, které si pravděpodobně svoji dominantnost i nadále zachová. Nejblíže k rozšířenosti HDP má index HDI díky záštitě OSN. Spíše než nahradit novým ukazatelem, by dle mého názoru bylo vhodné ukazatel HDP doplnit jedním či více alternativními indikátory, kterým by se dostalo stejné pozornosti jako HDP. A to jak od politiků, kteří by brali tyto ukazatele v úvahu při formování politických rozhodnutí, tak od novinářů a médií, kteří by je interpretovali veřejnosti a zlepšovali o nich povědomí. Takovéto indikátory by ale neměly být příliš komplexní. Vhodným kandidátem by zde mohl být ukazatel ANS. Téma alternativních ukazatelů je stále živé a lze zde očekávat pokračující vývoj. V posledních letech je v tomto směru možno vidět pokrok díky většímu zapojení Evropské komise s její iniciativou „Beyond GDP“, a OECD, která se otázkou měření pokroku společností intenzivně zabývá a mj. pořádá i světové konference na toto téma. Lze jen doufat, že snaha o nové a kvalitnější alternativní indikátory bude nadále pokračovat stejně jako osvěta mezi širokou veřejností.
Použité zdroje
58
7 Použité zdroje 7.1 Literatura COSTANZA, R., HART, M., POSNER, S., TALBERTH, J. 2009. Beyond GDP: The Need for New Measures of Progress. Boston: Boston University. The Pardee Papers, No. 4. Dostupné z: http://www.bu.edu/pardee/files/documents/PP-004GDP.pdf EVERETT, G., WILKS, A. 1999. The World Bank’s Genuine Savings Indicator: A Useful Measure of Sustainability? Bretton Woods Project. Working to reform the World Bank and IMF. Dostupné z: http://www.brettonwoodsproject.org/ topic/environment/gensavings.pdf GOOSSENS, Y., SCHEPELMANN, P., MAKIPAA, A. 2010. Towards Sustainable Development: Alternatives to GDP for measuring progress. Wuppertal: Wuppertal Institute for Climate, Environment and Energy. Wuppertal Spezial, no. 42. ISBN 978-3-929944-81-5. Dostupné z: http://www.wupperinst.org/ uploads/tx_wibeitrag/ws42.pdf HÁK, T., ČÁSLAVKA, J., TŘEBICKÝ, V., KUTÁČEK, S. 2010. Indikátory blahobytu: všechno, co jste kdy chtěli vědět o štěstí (ale báli jste se zeptat). Praha: Zelený kruh. APEL. ISBN 978-80-87417-02-7. Dostupné z: http://www.zelenykruh.cz /dokumenty/indikatory-blahobytu-2010.pdf HINDLS, R., HRONOVÁ, S., SEGER, J., FISCHER J. 2007 Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing. ISBN 978-80-86946-43-6. KLUGMAN, J., RODRÍGUEZ, F., CHOI, H. 2011. The HDI 2010: New Controversies, Old Critiques. United Nations Development Programme. Human Development Research Paper, 2011/01. Dostupné z: http://hdr.undp.org/en/reports/ global/hdr2011/papers/HDRP_2011_01.pdf NOVÁČEK, P. 2010. Udržitelný rozvoj. Olomouc: Univerzita Palackého v Olomouci. ISBN 978-80-244-2514-6. TALBERTH, J., COBB, C., SLATTERY, N. 2007. The Genuine Progress Indicator 2006: A Tool for Sustainable Development. Oakland, California: Redefining Progress. Dostupné z: http://rprogress.org/publications/2007/GPI%202006.pdf UNITED NATIONS DEVELOPMENT PROGRAMME. 2011. Human Development Report 2011: Sustainability and Equity: A Better Future for All. New York: Palgrave Macmillan. ISBN 978-0-230-36331-1. Dostupné z: http://hdr.undp.org/en/media/HDR_2011_EN_Complete.pdf
Použité zdroje
59
7.2 Webové zdroje EVROPSKÁ KOMISE. © 2007-2011. Beyond GDP [online]. [cit. 2012-11-23] Dostupné z: http://www.beyond-gdp.eu/ INTERNATIONAL MONETARY FUND. [2012]. International Monetary Fund [online]. [cit. 2012-11-17]. Dostupné z: http://www.imf.org/ ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT. [2011]. OECD Better Life Index [online]. [cit. 2012-12-22]. Dostupné z: http://www.oecdbetterlifeindex.org/ ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT. [2012]. Statistics. Organisation for Economic Co-operation and Development [online]. [cit. 2012-12-22]. Dostupné z: http://www.oecd.org/statistics/ STÁLÁ MISE ČESKÉ REPUBLIKY PŘI OECD V PAŘÍŽI. 14.07.2011. Index lepšího života. Stálá mise České republiky při OECD v Paříži [online]. [cit. 2012-12-22]. Dostupné z: http://www.mzv.cz/oecd.paris/cz/zpravy_udalosti_aktuality/ index_lepsiho_zivota.html WORLD BANK. © 2012. Data. The World Bank [online]. [cit. 2012-12-23]. Dostupné z: http://data.worldbank.org/
Přílohy
Přílohy
61
A Doplňující grafy Vztah HDI a HDP Obr. 14 Proložení dalších funkčních forem empirickými body 1 kvadratická lineární inverzní
0,8
HDI_2011
0,6
0,4
0,2
0 0
10000
20000
30000
40000
50000
60000
70000
80000
90000
HDP_2011
Obr. 15 Graf reziduí (logar. model) 0,15
0,1
0,05
0
reziduum
-0,05
-0,1
-0,15
-0,2
-0,25
-0,3
-0,35 6
7
8
9 l_HDP_2011
10
11
Přílohy
62
Vztah BLI a HDP Obr. 16 Proložení dalších funkčních forem empirickými body 10 kvadratická lineární
8
BLI
6
4
2
0 10000
20000
30000
40000
50000 HDP_2010
Obr. 17 Graf reziduí (logar. model)
60000
70000
80000
Přílohy
63
Obr. 18 Histogram reziduí (logar. model) 0,7 uhat38 N(-4,1325e-015 0,66532)
Testovací statistika pro normalitu: Chí-kvadrát(2) = 4,656 [0,0975] 0,6
0,5
Hustota
0,4
0,3
0,2
0,1
0 -2,5
-2
-1,5
-1
-0,5 uhat38
Obr. 19 Q-Q graf reziduí (logar. model)
0
0,5
1
1,5
2
Přílohy
64
Vztah ANS a HDP Obr. 20 Graf reziduí (lin. model)
Obr. 21 Histogram reziduí (lin. model) 0,06 uhat1 N(2,5317e-016 9,3457)
Testovací statistika pro normalitu: Chí-kvadrát(2) = 20,503 [0,0000]
0,05
Hustota
0,04
0,03
0,02
0,01
0 -40
-30
-20
-10 uhat1
0
10
20
30
Přílohy
Obr. 22 Q-Q graf reziduí (lin. model)
65
