UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014
Ongelijkheid in een welvaartsstaat: De impact van de MSCI World Index en de taxatie op dividenden en meerwaarden van aandelen toegepast op de ongelijkheid
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Handelswetenschappen
David Delbecque en Bo Van Hijfte
onder leiding van
Prof. Carine Smolders
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2013 – 2014
Ongelijkheid in een welvaartsstaat: De impact van de MSCI World Index en de taxatie op dividenden en meerwaarden van aandelen toegepast op de ongelijkheid
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Handelswetenschappen
David Delbecque en Bo Van Hijfte
onder leiding van
Prof. Carine Smolders
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
David Delbecque
Bo Van Hijfte
Woord Vooraf Deze masterproef vormt het sluitstuk van onze opleiding Master in de Handelswetenschappen met afstudeerrichting Finance and Risk management. Onze grote interesse rond het sociale thema van ongelijkheid heeft ons ertoe aangezet om deze masterproef te schrijven. Daarbij werd enkel rekening gehouden met de ongelijkheid binnen de welvaartsstaten.
De
toenemende belangstelling in de media heeft ons verder geprikkeld om ons te verdiepen in alle facetten die de ongelijkheid beïnvloeden. Hierbij willen we een speciaal woord van dank toekennen aan iedereen die ons heeft gesteund tijdens het opstellen van deze masterproef. Vooreerst is het onze promotor, Mevr. Prof. Smolders, aan wie we onze dank willen betuigen. Dankzij haar leiden en tips hebben we onze masterproef tot een goed eind kunnen brengen. Ook is het onze familie en zijn het onze vrienden die onze dank verdienen. Zij zijn ons steeds blijven bijstaan.
Hartelijk dank iedereen.
David Delbecque en Bo Van Hijfte, Gent, mei 2014
I
Inhoudsopgave Woord Vooraf .......................................................................................................................................... I Inhoudsopgave ....................................................................................................................................... II Lijst met gebruikte afkortingen .............................................................................................................. IV Lijst van de figuren.................................................................................................................................. V Lijst van de tabellen ............................................................................................................................... VI 1.
Inleiding .......................................................................................................................................... 1
2.
Ongelijkheid en herverdeling........................................................................................................... 3 2.1 Welvaartsstaten ............................................................................................................................ 3 2.2 Ongelijkheid en zijn maatstaven ................................................................................................... 4
3.
Macro-economische factoren.......................................................................................................... 7 3.1 Economische ontwikkeling ............................................................................................................ 7 3.2 Inflatie........................................................................................................................................... 8 3.3 Arbeidsmarkt ................................................................................................................................ 9 3.4 Toegang tot de kredietmarkt ........................................................................................................10 3.5 Buitenlandse handel .....................................................................................................................11 3.6 Overheidsbestedingen .................................................................................................................12
4.
Financiële activa.............................................................................................................................13 4.1 Risicoaversie en inkomens ............................................................................................................13 4.2 MSCI World Index en MSCI All Country World Investable Market Index ........................................14 4.3 Fiscaliteit van meerwaarden en dividenden ..................................................................................16
5.
Onderzoek .....................................................................................................................................20 5.2.1 Variabelen .............................................................................................................................21 5.2.2 Onderzoeksmethodologie......................................................................................................25
6.
Resultaten......................................................................................................................................27 6.1 Beschrijvende Analyse ..................................................................................................................27 6.1.1 Variabelen belasting op inkomens uit kapitaal, winsten en meerwaarden.............................27 6.1.2 Variabelen wereldwijde beursindex (MSCI World Index) .......................................................30 6.1.3 Variabele ongelijkheid ..........................................................................................................31 6.2 Correlatiematrix en VIF test ..........................................................................................................32 6.3 Panelanalyses ...............................................................................................................................33 6.3.1 Pooled OLS ............................................................................................................................33 6.3.2 Fixed Effects ..........................................................................................................................35 II
6.3.3 Random effects .....................................................................................................................40 6.4 Besluit ..........................................................................................................................................42 7.
Algemeen besluit ...........................................................................................................................43
8.
Literatuuroverzicht.........................................................................................................................45
9.
Bijlagen ..........................................................................................................................................50 Bijlage 1: Overzicht bestudeerde landen ............................................................................................50 Bijlage 2: Overzicht landen en sectoren MSCI World index .................................................................51 Bijlage 3: Beschrijvende analyse .........................................................................................................52 Bijlage 3.1 Overzicht variabelen ....................................................................................................52 Bijlage 3.2 : Variabele C10 ..............................................................................................................53 Bijlage 3.3 :Variabele BELTOT .........................................................................................................54 Bijlage 3.4 : Variabele BELBBP ........................................................................................................55 Bijlage 4:Correlatiematrix...................................................................................................................56 Bijlage 5: VIF test ...............................................................................................................................57 Bijlage 6: Panelregressies ...................................................................................................................58 Bijlage 6.1: Pooled OLS model ........................................................................................................58 Bijlage 6.2 : Within Group Fixed Effects model ...............................................................................59 Bijlage 6.3: Random Effects model .................................................................................................60
III
Lijst met gebruikte afkortingen BBP: Bruto Binnenlands Product BBPDEF: Bruto Binnenlands Product Deflator BELBBP: Belasting op inkomens uit kapitaal, winsten en meerwaarden in % van het totale BBP BELTOT: Belasting op inkomens uit kapitaal, winsten en meerwaarden in % van het totale belastingen BEST: totale publieke overheidsbestedingen in % van totale BBP CAPM: Capital Asset Pricing Model DEP: totale deposito’s in % van BBP ECB: Europese Centrale Bank EXP: Export G7: de Groep van Zeven Industrielanden I-CAPM: International Capital Pricing Model IMP: Import LSDV: Least Squares Dummy Variables Regression MSCI ACWI IMI: Morgan Stanley Capital International All Country World Index Investable Market Index MSCI ACWI: Morgan Stanley Capital International All Country World Index MSCI EM IMI: Morgan Stanley Capital International Emerging Markets Investable Market Index MSCI World Index: Morgan Stanley Capital International World Index MSCIPI: Morgan Stanley Capital International World Price Index MSCIRI: Morgan Stanley Capital International World Return Index OECD: Organisation for Economic Co-Operation and Development OESO: Organisatie voor Economische Samenwerking en Ontwikkeling POP: Populatie SYND: Syndicalisatiegraad WERKL: werkloosheidsgraad in % van actieve beroepsbevolking
IV
Lijst van de figuren Figuur 1: De Gini-coëfficiënt in de G7-landen (1975 – 2010) Figuur 2: Het BBP in de G7-landen (1975-2010) Figuur 3: Dekking en samenstelling MSCI World IMI, MSCI EM IMI en MSCI ACWI IMI Figuur 4: overzicht indices (zowel regionaal als MSCI ACWI IMI Figuur 5: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale taxatie Figuur 6: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale BBP Figuur 7: de prijsindex (MSCIPI) en returnindex (MSCIRI) van MSCI World Index tussen 1969 en 2009 Figuur 8: gemiddelde inkomensconcentratie 10% rijkste gezinnen in % totale rijkdom (1969-2009) Figuur 9: Pooled OLS modellen Figuur 10: De LSDV modellen met 17 dummmies Figuur 11: Modellen met gemiddelden voor elk individueel land Figuur 12:Transformatie naar de within groups modellen (model fig.10-fig.11) Figuur 13: Random Effects modellen
V
Lijst van de tabellen Tabel 1: Belasting op meerwaarden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten tussen 1990 en 2004 (in % uitgedrukt) Tabel 2: Belasting op dividenden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten tussen 1990 en 2004 (in % uitgedrukt) Tabel 3: Overzicht van de onafhankelijke variabelen met vermelding van secundaire bron Tabel 4: De combinatie van vier modellen in de panelanalyses
VI
VII
1. Inleiding “Rijkste 1 procent heeft 10 procent van vermogen. De tien procent rijkste Belgen zijn ruim 254 keer rijker dan de tien procent armste Belgen. De vermogenskloof is 45 keer groter dan de inkomenskloof”. (Bron: artikel ”De Standaard” 06/05/2014) Op dinsdag zes mei 2014 publiceerde De Standaard een artikel met als titel “Rijkste 1 procent heeft 10 procent van vermogen” (Abbeloos, 2014). Het artikel is een gevolg van de publicatie van een studie door S. Kuypers en I. Marx (2014) die een onderzoek deden naar de vermogens- en inkomenskloof in België. De studie is gebaseerd op een enquête gedaan door de ECB in 2010 bij 2.364 Belgen. De conclusie was dat de top tien procent rijkste Belgen meer dan 254 keer rijker zijn dan de tien procent armste Belgen (S. Kuypers & I. Marx, 2014 zoals geciteerd in Abbeloos, 2014). Een andere bevinding uit deze studie was bovendien dat aandelen bestempeld kunnen worden als de meest ongelijk verdeelde vorm van vermogen (S. Kuypers & I. Marx, 2014 zoals geciteerd in Abbeloos,2014). Een andere recente studie, uitgebracht door de OESO in maart 2014, bracht aan het licht dat de ongelijkheid in België geleidelijk aan afneemt. Voor de crisis bedroeg de Gini-coëfficiënt1 in België 0.269. In 2012 daalde het cijfer naar 0.262. Hiermee scoort België beter dan het gemiddelde binnen de OESOlanden (OESO, 2014). Verder toonde deze studie aan dat de hoge publieke uitgaven in België volgens de OESO een belangrijke functie heeft gespeeld in de reductie van de ongelijkheid. België heeft de 3 e hoogste publieke uitgaven uitgedrukt in percentage van het BBP. Toch waarschuwt de OESO ons land voor een toename van de armoede. Tijdens de crisis vertoonde de ongelijkheid in België wel een dalende trend, maar de relatieve armoede daarentegen steeg. De crisis heeft met andere woorden een positieve impact gehad op de ongelijkheid in België, maar een negatieve impact op de armoede. Het percentage van inwoners met een inkomen minder dan % van het mediaaninkomen steeg van 9.1% naar 9,7% (OESO, 2014). Deze masterproef gaat een onderzoek voeren naar de ongelijkheid binnen een welvaartsstaat. Meer bepaald wordt bestudeerd wat de impact is van een taxatie op meerwaarden van aandelen en dividenden op de ongelijkheid binnen een welvaartsstaat. Daarbij wordt de rol van de wereldwijde
1
Zie infra: deel 2.2
1
beursindex op de ongelijkheid ook behandeld. Het onderzoek is gebaseerd op zeventien OESO-landen2 over een periode van 1969 tot en met 2009. Dit werk is opgebouwd uit een literatuurstudie en een onderzoek. De literatuurstudie bestaat uit een overzicht omtrent de ongelijkheid en zijn macro-economische determinanten. Daarna volgt een bespreking over financiële activa en een beschrijving van de fiscaliteit omtrent meerwaarden van aandelen en dividenden. Voorts is het gedeelte met betrekking tot het onderzoek opgebouwd uit een bespreking omtrent de onderzoeksdoelstelling, een uitdieping van de gehanteerde data en onderzoeksmethodologie en een overzicht met betrekking tot de bekomen resultaten. Ten slotte wordt een conclusie weergegeven waarin een korte herhaling van de belangrijkste resultaten worden voorgesteld. Bovendien worden er punten van kritiek en aanbevelingen voor volgend onderzoek aangehaald.
2
Bijlage 1 toont een overzicht van de zeventien welvaartsstaten
2
2. Ongelijkheid en herverdeling 2.1 Welvaartsstaten De welvaartsstaten zijn ontstaan na de Tweede Wereldoorlog in de jaren 1950 en 1960, toen de economie in volle expansie was(Schuyt,2013).Het uitbouwen van de sociale zekerheid vormde de basis van deze welvaartsstaten. De opbouw van zo’n welvaartsstaat gebeurde echter op een verschillende manier binnen elk land, waardoor er verschillende soorten ontstonden. Esping-Andersen (1990) heeft hiervan een onderverdeling gemaakt in 3 grote clusters. Hij deed dit aan de hand van een analyse van het sociale systeem van 18 Europese en niet-Europese landen. Hierbij werd niet enkel rekening gehouden met de omvang en de aard van de uitgaven van het sociale systeem, maar ook met de visie achter de organisatie en werking ervan. Esping-Andersen (1990) maakte een opdeling in liberale, sociaaldemocratische en conservatieve welvaartsstaten(Noppe, Vanderleyden & Callens, 2011, Sociale Staat van Vlaanderen). Hierna wordt een korte beschrijving gegeven van de drie opdelingen met het oog op hun invloed op ongelijkheid. De eerste cluster, namelijk de liberale welvaartsstaat, wordt algemeen als “zwakker ontwikkeld sociaal systeem” getypeerd. Deze staat komt enkel tussen met beperkte voordelen wanneer andere bronnen, zoals bijvoorbeeld de private verzekeringsmarkt, tekortschieten. Doordat slechts beperkt wordt herverdeeld, is de impact op de ongelijkheid niet groot. Het Verenigd Koninkrijk, Ierland, de Verenigde Staten, Canada en Australië zijn landen die onderdeel uitmaken van dit onderzoek, die behoren tot deze groep welvaartsstaten (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011). Ten tweede is er de sociaal-democratische welvaartsstaat. Universele, nationale solidariteit is een belangrijk kenmerk van deze welvaartsstaat. Deze vorm heeft een positieve invloed op de gelijkheid binnen het land. Met betrekking tot dit onderzoek zijn het Zweden, Noorwegen en Denemarken die tot deze typologie behoren (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011). Ten slotte is er als derde typologie de conservatieve welvaartsstaat. Deze vorm gaat uitgekeerde sociale voordelen gaan koppelen aan voorwaarden. Een bepaalde mate van deelname aan de arbeidsmarkt is hierbij belangrijk. Als impact op de ongelijkheid presteert deze vorm tussen de andere twee typologieën. Duitsland, Frankrijk, Italië en Nederland zijn de landen uit dit onderzoek die behoren tot dit type welvaartsstaat (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011). Er kan geconcludeerd worden dat al deze welvaartsstaten een verschillende impact hebben op de ongelijkheid. De ene heeft een sterkere impact op de ongelijkheid, waardoor de gelijkheid binnen de staat wordt begunstigd. De andere heeft een minder sterke impact op de ongelijkheid. Het gaat om 3
respectievelijk de sociaal-democratische welvaartsstaat, vervolgens de conservatieve welvaartsstaat en ten slotte de liberale welvaartsstaat (Esping-Andersen, zoals geciteerd in Noppe, Vanderleyden & Callens, 2011). De ongelijkheid binnen een staat kan op verschillende manieren worden bepaald. Hierna wordt een korte uiteenzetting gegeven omtrent de maatstaven van ongelijkheid.
2.2 Ongelijkheid en zijn maatstaven De OESO-landen creëren rijkdom. Deze rijkdom is echter niet gelijk verdeeld doorheen de gehele bevolking van een staat. Er zijn verschillende maatstaven ontwikkeld die deze ongelijkheid meten. Hierna wordt eerst de Gini-coëfficiënt besproken. Daarna wordt er een kort overzicht gegeven van enkele andere bekende maatstaven. Ten slotte komt de maatstaf die gebruikt wordt in dit onderzoek aan bod. De Gini-coëfficiënt is één van de meest bekende maatstaven van ongelijkheid. Het wordt voorgesteld als een getal tussen nul en één. Nul houdt in dat de rijkdom in de staat perfect gelijk verdeeld is. Het getal één daarentegen geeft weer dat de gehele rijkdom van de staat in kwestie in handen zou zijn van slechts één persoon. Het toont met andere woorden respectievelijk de minimale en maximale ongelijkheid. Een land met een lagere Gini-coëfficiënt is meer gelijk verdeeld dan een land met een hogere Ginicoëfficiënt (Decoster,2010). Op de volgende pagina worden twee grafieken weergegeven, afkomstig van de OECD Statistics (Stats, n.d.). De eerste grafiek geeft de Gini-coëfficiënt in de G7-landen weer van 1975 tot en met 2010. De tweede grafiek geeft het BBP in deze G7-landen weer voor dezelfde periode. Het gaat om de landen Canada, Frankrijk, Duitsland, Italië, Japan, het Verenigd Koninkrijk en de Verenigde Staten. Deze landen worden bovendien geanalyseerd in dit onderzoek. Algemeen kan worden afgeleid dat zowel de welvaart als de ongelijkheid zijn blijven toenemen. De welvaartsstaten zijn in hun eerste doel geslaagd, namelijk welvaart creëren, maar blijven slecht scoren op de verdeling ervan. De ongelijkheid was stabiel in de jaren ’80, maar vertoont daarna een stijgende trend.
4
Figuur 1: De Gini-coëfficiënt in de G7-landen (1975 – 2010)
JAP
ITA
Bron: Stats, OECD. (n.d.) + eigen bewerking
Figuur 2: Het BBP in de G7-landen (1975-2010)
Bron: Stats, OECD. (n.d.).+ eigen bewerking
5
Doorheen de jaren zijn er ook andere maatstaven van ongelijkheid ontwikkeld. Andere vaak voorkomende maatstaven zijn de percentielratio’s, de maatstaf van Atkinson en de Theil-maatstaf. De percentielratio’s geven de inkomensspanning weer tussen verschillende inkomensposities. De percentielratio P90/10 geeft bijvoorbeeld weer wat de verhouding is tussen het 90ste percentiel en het 10ste percentiel van de inkomensspreiding. (Decoster,2010). De maatstaf van Atkinson gaat zoals de Ginicoëfficiënt variëren tussen nul en één, maar houdt ook rekening met welzijn. Bij deze maatstaf wordt gebruik gemaakt van een gevoeligheidsmaatstaf Ɛ. Als deze Ɛ een eerder lagere waarde vertoont, wil dit zeggen dat de maatstaf gevoeliger is voor veranderingen in de lagere inkomensklassen. Als de Ɛ daarentegen een eerder hogere waarde vertoont, geldt dit voor de hogere inkomensklassen (Krol & Mediema, 2009).Verder is er ook nog de Theil-maatstaf. Deze maatstaf baseert zich op de inkomensgedeelte van ieder individu of verschillende groepen (Krol & Mediema, 2009). In dit onderzoek wordt als maatstaf voor de ongelijkheid gebruik gemaakt van het aandeel van het totale vermogen die in het bezit is van de top 10% inkomens per land(zie hoofdstuk 5.2.2.2) .Hoe groter dit deel, hoe groter de ongelijkheid is binnen het land in kwestie. Deze maatstaf wordt bij het deel omtrent het onderzoek verder uitgelegd. De data is beschikbaar via The World Top Incomes Database (Paris School of Economics, n.d.). Ongelijkheid kan dus gemeten worden op verschillende manieren. De ongelijkheid binnen een land blijft echter niet constant. Ze kan veranderen doorheen de tijd. Er zijn een aantal factoren die een invloed hebben op de ongelijkheid. Met het oog op deze factoren kan er bijgevolg een invloed worden uitgevoerd op de ongelijkheid waardoor deze binnen een land eventueel kan worden aangepast.
6
3. Macro-economische factoren
Er kunnen zes macro-economische variabelen onderscheiden worden die een invloed hebben op de ongelijkheid. Het gaat om de economische ontwikkeling van een land, inflatie,de arbeidsmarkt, de mate van toegang tot de kredietmarkt, buitenlandse handel en overheidsbestedingen. Deze zes factoren worden hierna verder besproken.
3.1 Economische ontwikkeling
In onderzoek omtrent ongelijkheid wordt vaak aandacht besteed aan de verscheidene aspecten van economische ontwikkeling als functie van inkomensongelijkheid. Het begrip ‘economische ontwikkeling’ kan gevormd worden door de welvaart binnen een land, de economische groei, technologische vooruitgang en de economische structuur (Bildirici & Sunal, 2006). Het verband tussen welvaart en inkomensongelijkheid vindt zijn basis in Kuznets’ (1955) theorie. Zijn voorspelling was dat bij een stijging van het BBP de ongelijkheid eerst zal toenemen, stabiliseren en nadien weer zal afnemen. Grafisch gezien vormt het met andere woorden een omgekeerde U-relatie (Kuznets, zoals geciteerd in Boix, 2009). Deze analyse werd bevestigd door de eerste Industriële revolutie. Hierbij verhuisden vele arbeidskrachten van de landbouw naar de industrie. Tijdens deze overgang piekte de ongelijkheid, omdat de ongelijkheid in inkomens tussen deze sectoren groter was dan binnen de sectoren zelf. Vervolgens nam de ongelijkheid weer af wanneer de arbeidskrachten de overgang gemaakt hadden (Ferreira, 1999). Roine, Vlachos en Waldenström (2009) hebben een panelstudie uitgevoerd bij zestien OESO-landen met als doel de macro-economische determinanten van ongelijkheid te bestuderen. Het gaat onder meer over economische groei, financiële ontwikkeling, mate van openheid in de handel, marginale belastingsvoeten en de grootte van de overheid (Roine, Vlachos & Waldenström, 2009). De ongelijkheid werd gemeten aan de hand van het P99-100, P90-99 en P0-90 percentiel van het OESO-land. Er werden tegenstrijdige resultaten gevonden voor de relatie tussen het BBP per capita en het aandeel van de topinkomens. Voor de top 1% hoogste inkomens (P99-100) werd een significant positief verband vastgesteld tussen de hiervoor vermelde variabelen. Voor de top 10% hoogste inkomens vonden de onderzoekers daarentegen een significant negatief verband. De reden die hiervoor werd aangegeven aangegeven is dat het inkomen van de P99-100 voor een groter deel uit vermogensinkomsten bestaat. Bij de P90-99 is het evenwel het arbeidsinkomen dat domineert (Roine, Vlachos en Waldenström, 2009).
7
In dit onderzoek wordt gebruik gemaakt van de groei in BBP als controlevariabele. Deze controlevariabele wordt in het model gebruikt als maatstaf voor de economische ontwikkeling. Dit wordt verder in hoofdstuk 5.2.2.1 aangehaald.
3.2 Inflatie
Inflatie is zowel voor de rijkere als armere bevolking negatief. Er is echter geen consensus over de invloed van inflatie op de inkomensongelijkheid. Hongyi en Heng-Fu (2002) kwamen tot het besluit dat inflatie de inkomens van de armere bevolking relatief doet afnemen, waardoor de ongelijkheid versnelde. Een reden hiervoor is dat armeren meer contant geld in hun bezit houden(Hongyi & Heng-Fu, 2002). Aangezien contanten meer gevoelig zijn voor inflatie dan financiële activa, maakt dit de armeren kwetsbaarder voor inflatie. Contant geld wordt namelijk niet geïndexeerd. Het gevolg hiervan is dat het moeilijker is voor armeren om hun niveau koopkracht aan te houden (Cornia & Kiiski, 2001). De rijkeren daarentegen bezitten het grootste gedeelte van de financiële activa binnen een land. Bij een te hoge en onverwachte inflatie zullen deze financiële activa in waarde dalen. In deze situatie zullen de jonge, middenklasse gezinnen kunnen profiteren. Dit door een lage rente op hun hypotheeklening die op momenten van inflatie kunnen afgesloten worden (Doepke & Schneider, 2006). Door het toepassen van een progressieve inkomstenbelasting zullen bepaalde, door inflatie hogere inkomens, in een hogere belastingklasse terechtkomen. Dit komt de gelijkheid ten goede (Gustafsson & Johansson, 1997). Het effect van de inflatie is ook afhankelijk van het land in kwestie. Dimelis en Livada (1999) gebruikten in hun studie data van het Verenigd Koninkrijk, Italië, Griekenland en de Verenigde Staten. Hierin besloten ze dat de ongelijkheid tegengesteld reageerde op inflatie in Griekenland in vergelijking met de andere bestudeerde landen. In Griekenland werden namelijk bij inflatie enkel de rijkeren bevoordeeld, wat de ongelijkheid deed toenemen. Dit gold niet voor de andere bestudeerde landen (Dimelis & Livad, 1999). Een Europese panelstudie van dertien landen, uitgevoerd in 2012, wees erop dat inflatie de ongelijkheid doet afnemen. De data was afkomstig van de periode tussen 2000 en 2009. Hierbij werd in een fixed effects model verschillende controlevariabelen toegevoegd. De variabele ‘inflatie’ werd gemeten aan de hand van het prijsniveau van de overheidsconsumptie. De afhankelijke variabele ‘ongelijkheid’ werd beschreven aan de hand van de Gini-coëfficiënt van elk land. Verder bestonden de controlevariabelen uit de graad van openheid van de economie, de groei van de economie en de participatiegraad op arbeidsmarkt binnen het land (Thalassinos, Ugurlu & Muratoglu, 2012). Voor armere huishoudens is consumptie belangrijker dan vermogen. De minder welvarende huishoudens hebben een lager vermogen dat ze kunnen inzetten op de financiële markt. Hierdoor 8
creëren ze een minder grote vermogensbuffer. Deze buffer kan gebruikt worden bij negatieve invloeden binnen de economie, zoals een hoge inflatie. De armere bevolking heeft door dit mechanisme bijgevolg een consumptiepatroon dat meer volatiel is dan de rijkere bevolking (Kutler&Katz, 1992). Het is de BBP deflator die als controlevariabele gebruikt wordt in dit onderzoek. Het is een variabele die prijsveranderingen in de economie gaat meten. Ook dit wordt verder uitgelegd in hoofdstuk 5.2.2.1.
3.3 Arbeidsmarkt Vele empirische studies geven aan dat een toenemende werkloosheid de inkomensongelijkheid in een land laat toenemen. Een studie door de OESO concludeerde dat een afname van de werkloosheid een duurzame werking heeft op de gelijkheid binnen een welvaartsstaat. Zowel de kwaliteit als de kwantiteit van een job zijn factoren die een rol spelen om de werkgelegenheid te verhogen. Eventuele toekomstperspectieven binnen een job is bijvoorbeeld qua motivatie zeer belangrijk. Dit houdt in dat als een job wordt beoefend aan de hand van een contract met onbepaalde duur, de motivatie vaak sterker zal zijn dan wanneer het gaat om een interimjob. Hiernaast zouden bepaalde groepen, zoals jongeren, vrouwen, migranten e.d., beter hun weg naar de arbeidsmarkt moeten kunnen vinden (OECD,2011). De huishoudelijke inkomens bestaan voornamelijk uit inkomsten van arbeid (Decoster, 2010).Gezinnen die voornamelijk rekenen op inkomsten uit arbeid zullen eerder in armoede terechtkomen bij het verliezen van hun werk. Andere gezinnen zullen daarentegen nog kunnen rekenen op de inkomsten uit vermogen(Bland & Card, 1993). Pontusson (2013) onderzocht in 22 OESO-landen de impact van vakbonden op de ongelijkheid in een land. Opmerkelijk hierbij was dat in de periode tussen 1975 en 1995 bij de OESO-landen de concentratie van het aantal leden in de vakbonden afnam. In de OESO-landen waar de afname het hoogst was, nam de ongelijkheid sterker toe dan in de andere onderzochte OESO-landen. Vanaf de jaren ’90 is deze relatie verzwakt. Dit als gevolg van de mindere mogelijkheid voor de vakbonden om het herverdelingsbeleid mee te sturen . Algemeen kan uit deze studie geconcludeerd worden dat een hoge concentratie van leden in de vakbonden een grote impact heeft op de ongelijkheid (Pontusson, 2013). In dit onderzoek wordt gebruik gemaakt van de werkloosheidsgraad en syndicalisatiegraad als controlevariabelen. Deze variabelen worden m.a.w. in het model gebruikt als proxies voor de arbeidsmarkt. Ook dit wordt in hoofdstuk 5.2.2.1 aangehaald.
9
3.4 Toegang tot de kredietmarkt Dit deel behandelt de materie omtrent het aantal toegestane kredieten. Als dit hoog is, wil dit zeggen dat armeren meer de mogelijkheid krijgen om een krediet aan te gaan. Hiermee kunnen zich verder ontwikkelen. Een eventuele afname in ongelijkheid is afhankelijk van de structuur van de economie. Een economie die meer gericht is op technologie en diensten, wat kenmerkend is bij de OESO-landen, zal een kleinere afname kennen wanneer de toegang tot de kredietmarkt hoog is (Clark, Xu & Zou, 2003). Meer recent onderzoek door Jauch en Watzka (2011) wees evenwel uit dat de toegang tot de kredietmarkt enkel de rijkeren voordeel biedt. De oorzaak hiervan is dat de kredietverlening te weinig gericht naar de armeren in de samenleving. Zij analyseerden hiervoor wereldwijd 138 landen over een periode van 1960 tot 2008 (Jauch en Watzka, 2011). Roine, Vlachos en Waldenström (2009) gebruikten in hun studie drie variabelen om het belang van het toestaan van kredieten in een land aan te duiden. Hierbij stelden ze een positief significant verband tussen het toestaan van kredieten en de ongelijkheid in OESO-landen bij de top 1% inkomens. Bij de top 10% inkomens werd ook een positief verband ondervonden, maar deze resultaten waren niet significant. Volgende variabelen werden gebruikt als proxy voor de financiële ontwikkeling: het aandeel van de bankdeposito’s, de kapitaalmarktkapitalisatie en de totale kapitalisatie. Deze laatste wordt bepaald als de som van het aandeel van de bankdeposito’s en de kapitaalmarktkapitalisatie. Dit werd telkens uitgedrukt als percentage van het totale BBP van het land in kwestie (Roine, Vlachos en Waldenström, 2009). Hopkins (2004) stelde vast dat door een verhoging van de particuliere kredietverlening de ongelijkheid eerst zal toenemen en vervolgens weer naar zijn vorige toestand zal doen convergeren. Kortom, de uitgebreidere toegang tot de kredietmarkt heeft volgens Hopkins (2004) op lange termijn geen positief effect op de ongelijkheid (Hopkins, 2004). Volgens Li, Squire en Zou (1998) zal kredietverlening voor de armere bevolking duurder zijn dan voor de rijkere bevolking. De oorzaak hiervan is dat financiële instellingen bij deze groep minder bescherming, zoals waarborgen, kunnen verkrijgen. Zij die deze bescherming wel kunnen bieden, hebben bijgevolg baat bij een verhoging van kredietverlening. Ze zullen enerzijds hun welvaart kunnen verhogen, terwijl dit anderzijds voor de anderen niet mogelijk zal zijn door de relatief hoge kostprijs van het krediet. Concluderend zal het aanbod aan kredietverlening grotendeels naar het rijkere deel van de samenleving, die waarborgen kunnen bieden, overgaan. Dit is ten gevolge van de selectieve, risico-averse, procedure door financiële instellingen (Li, Squire & Zou, 1998).
10
Ook met deze materie wordt in dit onderzoek rekening gehouden. Het totaal aantal deposito’s in verhouding tot het BBP wordt bijgevolg in het model als controlevariabele opgenomen. Hoe hoger het aantal deposito’s, hoe groter het aantal kredieten die kunnen toegestaan worden. Financiële instellingen spelen een intermediaire rol tussen ontvangen deposito’s en toegestane kredieten. Dit zal de toegang tot kredietmarkt vergemakkelijken. Een verdere uitdieping van de opgenomen controlevariabele kan gevonden worden in hoofdstuk 5.2.2.1.
3.5 Buitenlandse handel Buitenlandse handel bestaat zowel uit export als import. Import uit ontwikkelingslanden door ontwikkelde landen zorgt voor een neerwaartse druk op de lonen in de ontwikkelde landen. Dit als gevolg van het ontstaan van een grotere competitiviteit. Dit komt de inkomensongelijkheid binnen de ontwikkelde landen niet ten goede (Richardson, 1995). De handel tussen Europese landen, waarbij er geen rekening gehouden wordt met minder ontwikkelde landen, zorgt daarentegen niet voor een verdere inkomensongelijkheid (Gustafsson & Johansson, 1997). Het effect van openheid in handel van een welvaartsstaat op de ongelijkheid is niet éénduidig. Onderzoek door Roine, Vlachos en Waldenström (2009) wees op een significant negatief verband tussen openheid en ongelijkheid bij het hoogste percentiel van inkomens. De ongelijkheid nam af bij stijging van de openheid. Daarbij werd export en import samengeteld en uitgedrukt als percentage van het BBP van een welvaartsstaat(Roine, Vlachos & Waldenström, 2009). Daarentegen vonden Aradhyula et al. (2007) dat de ongelijkheid toenam bij een stijging van de handelsactiviteiten. Dit verband werd gevonden bij zowel de welvaartsstaten als ontwikkelingslanden. De toename van ongelijkheid was wel sterker te voelen bij ontwikkelingslanden dan in welvaartsstaten. De reden hiervoor is dat in ontwikkelingslanden de toename van inkomens door corruptie meer bij de machtshebbers in het land terechtkomt (Aradhyula, 2007). In dit onderzoek wordt ook rekening gehouden met de mate van buitenlandse handel van een land. Meer bepaald worden de eerste verschillen in import en de eerste verschillen in export opgenomen in het model als controlevariabelen. Ook dit wordt tenslotte verder uitgelegd in hoofdstuk 5.2.2.1.
11
3.6 Overheidsbestedingen Het effect van publieke investeringen op ongelijkheid hangt af van het beleid dat gevoerd wordt. Investeringen die voornamelijk gericht zijn op groei, zoals infrastructuur- en onderwijsuitgaven, zullen volgens Chatterjee en Turnovsky (2010) de gemiddelde vooruitgang in een land stimuleren. Infrastructuuruitgaven zullen op korte termijn de ongelijkheid in een land afnemen. Op lange termijn daarentegen zal de ongelijkheid echter sterker toenemen (Chatterjee & Turnovsky, 2010). Uitgaven met betrekking tot onderwijs zullen volgens Sylwester (2002) de groei op korte termijn minder bevorderen, maar zijn op lange termijn wel significant positief voor de groei. Met betrekking tot ongelijkheid zullen de landen waarbij de overheidsuitgaven naar onderwijs sterker aanwezig zijn, een sterkere daling kennen in ongelijkheid op korte termijn. Op lange termijn zal deze ongelijkheid minder sterk toenemen. Bij welvaartslanden is dit effect nog sterker aanwezig (Sylwester, 2002). Overheidsbestedingen die inzetten op de activatie van werklozen hebben ook een positieve duurzame werking op de herverdeling van inkomens in een welvaartsstaat. Werkloosheid wordt beschouwd als één van de grootste oorzaken van armoede en ongelijkheid binnen een samenleving. Bradley et al. (2003) vonden in hun onderzoek een significant verband tussen inkomensongelijkheid en werkloosheid na belastingen en transfers indien de overheid compensaties tegen werkloosheid inzet, zoals een activeringsbeleid en werkloosheidstransfers. Deze compensaties die uitgaan van de overheid om de werkloosheid te laten dalen, hebben bijgevolg een stimulerend effect in de strijd tegen inkomensongelijkheid (Bradley et al., 2003). Daarbij zullen sociale maatregelen het evenwicht herstellen op de arbeidsmarkt waardoor de participatie op de arbeidsmarkt zal toenemen. Lagere minimumlonen hebben bijvoorbeeld een negatief effect op de herverdeling van de inkomens. Ze stimuleren wel de werkgelegenheid, maar zorgen voor een grotere ongelijkheid onder de actieve beroepsbevolking (Koske, Fournier, & Wanner, 2012). De publieke overheidsbestedingen worden ook mee verwerkt in het onderzoek. De totale publieke overheidsbestedingen uitgedrukt in totale BBP
is de controlevariabele die de invloed van de
overheidsuitgaven op de ongelijkheid moet meten. Ook dit wordt tenslotte verder behandeld in hoofdstuk 5.2.2.1.
12
4. Financiële activa Risicovolle financiële activa , waartoe aandelen behoren,beïnvloedt de ongelijkheid. De potentiële rendementen liggen namelijk hoger in geval van hoogconjunctuur. Hierdoor zullen beleggers met een groter vermogen van aandelen hun vermogen meer zien toenemen dan andere beleggers.
Bij
laagconjunctuur zal zich juist het omgekeerde voordoen. De risico-aversie bij investeerders speelt een grote rol bij het aanschaffen van aandelen.
4.1 Risicoaversie en inkomens Risico-averse investeerders beleggen weinig in risicovolle financiële activa. De risico-afkerigheid van een investeerder is afhankelijk van de inkomensklasse waartoe deze behoort. Riley en Chow (1992) onderzochten de grootte van de risico-aversie bij Amerikaanse investeerders door middel van een steekproef bij de Amerikaanse populatie. Hierin ondervonden ze dat het inkomen een bepalende rol had voor de risico-afkerigheid. Dit als het inkomen zich boven of onder de armoedegrens bevond. Algemeen kon geconcludeerd worden dat inwoners met een inkomen onder de armoedegrens zich afkeerden van risico’s bij investeringen. Ze waren met andere woorden meer risico-avers. Risiconemend gedrag is positief gecorreleerd met het inkomen (Shaw, 1996). Dit betekent dat lage inkomens relatief minder aandelen in hun bezit hebben. Bij economische groei zullen lagere inkomens minder profiteren van de opportuniteiten op de aandelenmarkt. Hun beperkte aandelenportefeuille zal de ongelijkheid doen toenemen. Bij economische recessie zal zich juist het omgekeerde voordoen. De ongelijkheid zal dan afnemen.Indien het inkomen zich boven de armoedegrens bevond, nam de risico-aversie van particuliere beleggers af. De afname van risico-aversie bij de bevolking boven de armoedegrens zal hen aanzetten tot grotere investeringen in aandelen. Dit komt de gelijkheid opnieuw niet ten goede bij economische vooruitgang. Hoe sterker de afwijking van de armoedegrens is, hoe groter het effect op de risico-aversie (Riley & Chow, 1992). Daarnaast werd ook de demografische factor ‘leeftijd’ cruciaal bevonden. Op het moment dat de pensioenleeftijd in zicht was, steeg de risico-aversie geleidelijk aan (Riley & Chow,1992). In een onderzoek door Cardak en Wilkins (2009) bij Australische huishoudens is er een positief verband tussen leeftijd en het bezit van risicovolle activa gebleken. De voornamste reden was dat ervaring en kennis in financiële markten toeneemt naarmate de investeerder ouder wordt. Bovendien werd bevonden dat het bezit van een woning het risicogedrag zal beïnvloeden. Het bezit van onroerende goederen verhoogt de financiële toestand van een gezin en zal risico-aversie doen afnemen(Cardak & Wilkins, 2009). Er kan geconcludeerd worden dat net zoals bij Amerikaanse huishoudens ook bij Australische huishoudens het vermogen een rol zal spelen bij de risico-afkerigheid van investeerders. Grable (2000) ondervond dat acht socio-economische factoren een rol spelen bij de risicotolerantie van particulieren op de financiële markt. Het inkomen is hierbij opnieuw persistent 13
aanwezig. Zowel direct als indirect. Een van de factoren is, ter illustratie, de graad van opleiding. Aangezien het inkomen en de graad van opleiding sterk gecorreleerd zijn, heeft het inkomen indirect een invloed op variabele opleiding (Grable, 2000). In volgend deel worden de meest uitgebreide wereldwijde aandelenindices voorgesteld. Hiervan wordt er één opgenomen in het onderzoek, namelijk de MSCI World Index. Aangezien hogere inkomens meer aandelen bezitten door hun risicotolerantie, zal het verloop van de MSCI World Index een indicatie zijn voor hun toe- of afname van het vermogen. Dit heeft een impact op de ongelijkheid.
4.2 MSCI World Index en MSCI All Country World Investable Market Index Investeren in verschillende landen creëert diversificatievoordelen. Het CAPM geeft de voordelen weer die bekomen worden door het investeren op een globaal niveau. Bij diversificatie blijft enkel het systematische risico over, die aangegeven wordt door bèta. Het I-CAPM omvat de internationale marktportfolio. Het kan bijgevolg gebruikt worden om de aandelenmarkt te omschrijven. Het is een vervolg op het CAPM waarin enkel de binnenlandse portfolio werd opgenomen als indicator voor de markt. Het I-CAPM heeft enkel effect bij een efficiënte en volledig éégemaakte financiële markt. De MSCI World Index werd als eerste gebruikt als indicator voor de marktportfolio in het I-CAPM tijdens de jaren ’70. De MSCI World Index bestond toen uit aandelen van grotere en middelmatige bedrijven uit ontwikkelde landen (Subramanian, Nielsen, & Fachinotti, 2010). Bijna twintig jaar later werd een investeringsopportuniteit ontdekt bij de opkomende markten. Dit zorgde ervoor dat een nieuwe index gehanteerd werd als marktportfolio, namelijk de MSCI ACWI. Naast de ontwikkelde markten werden hier ook opkomende markten in de index opgenomen. Op het einde van de jaren ’90 namen de investeringen in kleinere internationale bedrijven enorm toe. Daarbij werd de MSCI ACWI IMI gehanteerd als indicator voor de markt. Deze index bestaat uit bijna alle wereldwijde investeringsmogelijkheden. Zowel bedrijven met een kleine, middelmatige en grote marktkapitalisatie zijn opgenomen. Daarnaast zijn zowel de ontwikkelde als opkomende markten erin verwerkt. In onderstaande tabel wordt een vergelijking weergegeven tussen verschillende wereldwijde beursindices (Kang, Nielsen, & Fachinotti, 2010).
14
Figuur 3: Dekking en samenstelling MSCI World IMI, MSCI EM IMI en MSCI ACWI IMI
Bron: Kang, Nielsen & Fachinotti (2010), p.5
Globalisatie maakt het verbinden van verscheidene financiële centra mogelijk. De hervormingen en liberalisatie binnen de ontwikkelde en opkomende markten gaven bedrijven de kans om middelen uit het buitenland aan te trekken. De financiële openheid en investeringsopportuniteiten bij ontwikkelingslanden liggen veel lager waardoor deze landen minder significant zijn bij het bepalen van de marktreturn. Bijgevolg worden deze landen niet opgenomen in de MSCI ACWI IMI (Subramanian, Nielsen, & Fachinotti, 2010). Er moet echter wel rekening gehouden worden met bepaalde opkomendeof ontwikkelingslanden. Sommige van deze landen kunnen uitgesloten worden door hun beleid ten aanzien van buitenlandse investeerders. China hield bijvoorbeeld tot 2001 zijn grenzen gesloten voor buitenlandse investeringen in de A-aandelenmarkt. Dit was de aandelenmarkt uitgedrukt in de lokale munteenheid. Vanaf 2002 hadden enkel gekwalificeerde institutionele beleggers de gelegenheid om hierin te beleggen. Opvallend is dat deze aandelenmarkt nog steeds niet verwerkt is in de MSCI ACWI IMI, ondanks het een aandelenmarkt van een economische grootmacht is(Menchero, Mozorov, & Shepard, 2010). Aangezien de MSCI ACWI IMI de volledige potentiële investeringen aangeeft, zal de return op de index quasi gelijk zijn aan de totale marktreturn (Subramanian, Nielsen, & Fachinotti, 2010). Volgende grafiek (figuur 4) geeft een duidelijk beeld van de globale financiële integratie van de markt. Alle indices hebben ongeveer dezelfde volatiliteit in returns. De markten reageren ongeveer op dezelfde manier. De MSCI ACWI IMI grafiek (donkerblauw) geeft de returns van alle regionale indices weer. Dit toont aan waarom de MSCI ACWI IMI zich meestal ongeveer in het midden situeert.
15
Figuur 4: overzicht indices (zowel regionaal als MSCI ACWI IMI)
Bron: De Tijd (n.d.) + eigen bewerking
4.3 Fiscaliteit van meerwaarden en dividenden Taxatie op meerwaarden van aandelen en dividenden stimuleren de herverdeling binnen een welvaartsstaat. De ongelijkheid zal bijgevolg afnemen. Joumard, Maura en Debbie (2012b) haalden aan dat inkomen uit kapitaal, waartoe dividenden en meerwaarden behoren, relatief lager worden belast binnen welvaartsstaten dan het inkomen uit arbeid. Om het sparen te stimuleren worden namelijk de inkomsten uit kapitaal belast aan een flat rate, terwijl inkomen uit arbeid aan marginale aanslagvoet worden getaxeerd. Dit bevordert de directe of indirecte (via financiële instellingen) investeringen naar ondernemingen toe. Daarentegen vormen acht3 OESO-landen een uitzondering hierop, waarbij dezelfde methode van taxatie zowel op arbeid als op kapitaalinkomsten wordt gebruikt. Er moet wel rekening gehouden worden dat inkomen uit kapitaal meer omvat dan enkel meerwaarden van aandelen en dividenden (Joumard, Mauro, & Debbie, 2012b).Aandelenopties zijn een middel om belastingen op arbeidsinkomen gedeeltelijk te omzeilen. Hogere functies binnen een onderneming komen met hun verloning in een hogere belastingsschijf terecht, waardoor opties een aantrekkelijk alternatief vormen naar verloning. Dit zal de ongelijkheid enkel maar vergroten tussen de actieve beroepsbevolking. Een verlaging van de taxatie op het arbeidsinkomen ten koste van een hogere belasting op kapitaal betekent een stimulans voor arbeid binnen de welvaartsstaat. Dit veroorzaakt bijgevolg een groei in de output van het land. Kortom, naast een afname van inkomensongelijkheid creëert een verhoging van de belasting op kapitaal ook een toename in de productie van een welvaartsstaat(OECD, 2012b). 3
Deze landen zijn: Canada, Ierland, Korea, Luxemburg, Zwitserland, Turkije, Verenigd Koninkrijk en de Verenigde Staten
16
Lagere belastingen op meerwaarden van aandelen en dividenden neemt de risico-aversie bij investeerders af binnen een welvaartsstaat. Dit is vooral het geval bij de hogere inkomensklassen. Grotere vermogens zullen relatief meer aandelen verwerven bij een lagere taxatie op meerwaarden en dividenden. Dit beïnvloedt de ongelijkheid bij economische groei (Journard, Mauro, & Debbie, 2012b). De lage marginale belasting op vermogensaanwas (waartoe meerwaarden van aandelen en dividenden op behoren) en eigendommen binnen de OESO heeft de ongelijkheid sedert de laatste dertig jaren doen opbouwen. De ongelijkheid werd versterkt tijdens de beursopleving in de jaren ’90. Lagere taxatie op vermogens (zowel eigendom als de inkomsten hieruit) en de mogelijkheid tot behalen van hogere meerwaarden op aandelen creëerden meer welvaart voor de rijke investeerders. De topinkomens haalden relatief meer voordeel uit een gunstig beursklimaat (Joumard, Pisu, & Bloch, 2012c). Hui, Yingpin en Qing (2011) bestudeerden tussen 2000 en 2008 het effect van belastingen op dividenden in China. In dit onderzoek werd gebruik gemaakt van de Gini-coëfficient als maatstaf voor ongelijkheid. De resultaten gaven aan dat deze belasting de herverdeling bevorderde. De ongelijkheid nam af, met andere
woorden
de
Gini-coëfficiënt
verlaagde,
na
de
heffing
van
de
belasting
op
dividenduitkeringen(Hui, Yingpin & Qing, 2011). De dividendpolitiek bij bedrijven heeft ook een significante invloed op de ongelijkheid binnen een welvaartsstaat. Bij verhoging van de belastingen op dividenden zullen bedrijven hun dividenduitkeringen sterk reduceren en omgekeerd. Dit zal de herverdeling afremmen, want deze overheidsinkomsten gaan verloren. In de Verenigde Staten voerde president George W. Bush gedurende zijn eerste ambtstermijn (2000-2004) een belastingsvermindering uit op
inkomsten van aandelen. Dit vond plaats
plaats in een groter geheel
van
belastingsverminderingen die werd doorgevoerd, namelijk de “Bush Tax Cuts”. De vermindering van belastingen op dividenden werd in 2003 als wetsvoorstel goedgekeurd. Tot het einde van 2012 bleef deze wet van kracht. Bedrijven keerden in deze periode meer dividenden uit dan voorheen. Hanlon en Hoopes (2013) bestudeerden het effect op dividenduitkeringen na de aankondiging van een verhoging van belastingen op dividenden in 2013 in de Verenigde Staten. In 2010 kondigde president B. Obama aan dat de Bush Tax Cuts tot het eind van 2012 zal behouden blijven. In die twee jaar keerden bedrijven meer interimdividenden uit dan anders (Hanlon & Hopes, 2013). Een studie uitgevoerd door Hribar, Savoy en Wilson (2013) onderzocht het effect van de dividendaankondiging van Amerikaanse bedrijven in de laatste twee maanden van 2012. Aankondigingen waarin verhoogde dividenden werden meegedeeld, zorgden voor een positieve evolutie op de prijs van het aandeel (Hribar, Savoy & Wilson, 2013). Omwille van risico-aversie (zie hoofdstuk 4.1) bij lagere inkomens zullen de hogere inkomens relatief gezien meer aandelen bezitten. De grotere vermogens zullen dus naast verhoogde dividenden ook hogere meerwaarden kunnen realiseren. Dit zal de ongelijkheid opnieuw verhogen.
17
Hail, Sikes en Wang (2014) onderzochten de relatie tussen belastingen op meerwaarden en het verwachte rendement op aandelen. In het model werden de variabelen belastingen op meerwaarden en dividenden opgenomen van 44 landen tussen 1990 en 2004. De data werd samengesteld uit de OECD Online Tax Database, Worldwide Tax Summaries gepubliceerd door Price Waterhouse Coopers, Worldwide Personal Tax Guides gepubliceerd door Ernst&Young en KPMG’s Individual Tax Rate Surveys. De cijfers verwijzen naar belastingen voor niet-professionele beleggers die hun aandelen op langere termijn aanhouden. De aandelen worden dus niet gebruikt ter speculatie. Hieronder worden er 17 van die 44 landen voorgesteld die verder worden bestudeerd in het onderzoek.
Tabel 1: Belasting op meerwaarden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten tussen 1990 en 2004 (in % uitgedrukt)
AUS FRA JAP NIEUWZ NOOR ZWE VS DEN VK ZWIT SPA POR NED ITA IER DUIT CAN
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
47.0 18.1 26.0 0.0
47.0 18.1 26.0 0.0
47.0 18.1 26.0 0.0
47.0 19.4 26.0 0.0
47.0 19.4 26.0 0.0
47.0 19.4 26.0 0.0
47.0 19.4 26.0 0.0
47.0 20.9 26.0 0.0
47.0 20.9 26.0 0.0
47.0 26 26.0 0.0
23.5 26.0 26.0 0.0
23.5 26.0 26.0 0.0
23.5 26.0 26.0 0.0
23.5 26.0 10.0 0.0
23.5 26.0 10.0 0.0
28.0 25.0 28.0 0.0 40.0 0.0 11.2 0.0 0.0 25.0 50.0 0.0 37.1
28.0 25.0 28.0 0.0 40.0 0.0 11.2 0.0 0.0 25.0 50.0 0.0 37.1
28.0 25.0 28.0 0.0 40.0 0.0 10.6 0.0 0.0 25.0 50.0 0.0 37.1
28.0 25.0 28.0 0.0 40.0 0.0 37.3 0.0 0.0 25.0 40.0 0.0 39.3
28.0 25.0 28.0 40.0 40.0 0.0 37.3 0.0 0.0 25.0 40.0 0.0 39.9
28.0 30.0 28.0 40.0 40.0 0.0 37.3 0.0 0.0 25.0 40.0 0.0 39.9
28.0 30.0 28.0 40.0 40.0 0.0 20.0 0.0 0.0 25.0 40.0 0.0 39.7
28.0 30.0 20.0 40.0 40.0 0.0 20.0 0.0 0.0 25.0 40.0 0.0 38.7
28.0 30.0 20.0 40.0 40.0 0.0 20.0 0.0 0.0 12.5 20.0 0.0 37.7
28.0 30.0 20.0 40.0 40.0 0.0 20.0 0.0 0.0 12.5 20.0 0.0 36.6
28.0 30.0 20.0 40.0 40.0 0.0 18.0 0.0 0.0 12.5 20.0 0.0 31.9
28.0 30.0 20.0 43.0 40.0 0.0 18.0 0.0 0.0 12.5 20.0 0.0 23.2
28.0 30.0 20.0 43.0 40.0 0.0 18.0 0.0 0.0 12.5 20.0 0.0 23.2
28.0 30.0 15.0 43.0 40.0 0.0 15.0 0.0 0.0 12.5 20.0 0.0 23.2
28.0 30.0 15.0 43.0 40.0 0.0 15.0 0.0 0.0 12.5 20.0 0.0 23.2
Bron: Hail, Sikes & Wang (2014), p.59
18
Tabel 2: Belasting op dividenden van aandelen bij niet-professionele beleggers in 17 welvaartsstaten tussen 1990 en 2004 (in % uitgedrukt)
AUS FRA JAP NIEUWZ NOOR ZWE VS DEN VK ZWIT SPA POR NED ITA IER DUIT CAN
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
15.2 39.9 35.0 0.0
15.2 39.9 35.0 0.0
15.2 39.9 35.0 0.0
23.0 41.8 35.0 0.0
23.0 41.8 35.0 0.0
19.5 42.6 35.0 0.0
19.8 39.0 35.0 0.0
19.5 43.4 35.0 0.0
19.5 41.9 35.0 0.0
19.5 41.9 35.0 0.0
22.0 40.8 43.6 8.9
26.4 40.1 43.6 8.9
26.4 35.6 43.6 8.9
26.4 33.5 43.6 8.9
26.4 33.9 10.0 8.9
28.6 66.2 28.0 46.9 20.0 40.9 46.0 25.0 60.0 37.1 35.8 28.9 41.3
25.3 30.0 31.0 45.0 20.0 40.9 46.0 25.0 60.0 39.6 35.7 29.4 42.1
0.0 30.0 31.0 45.0 20.0 41.5 46.0 25.0 60.0 50.4 32.0 28.2 43.1
0.0 30.0 39.6 40.0 25.0 42.4 46.0 25.0 60.0 50.4 30.7 27.8 46.8
0.0 30.0 39.6 40.0 25.0 42.4 46.0 25.0 60.0 50.3 30.7 33.8 47.9
0.0 30.0 39.6 40.0 25.0 42.4 38.4 25.0 60.0 50.3 32.0 35.6 47.9
0.0 30.0 39.6 40.0 25.0 42.4 38.4 25.0 60.0 50.3 32.5 35.3 35.1
0.0 30.0 39.6 40.0 25.0 42.4 38.4 25.0 60.0 50.3 34.4 34.8 34.3
0.0 30.0 39.6 40.0 25.0 42.4 38.4 25.0 60.0 12.5 39.9 34.3 33.4
0.0 30.0 39.6 40.0 33.3 42.4 27.2 25.0 60.0 12.5 39.3 34.2 32.7
0.0 30.0 39.6 40.0 25.0 42.1 27.2 25.0 60.0 12.5 44.0 31.1 32.3
0.0 30.0 39.1 43.0 25.0 41.5 27.2 25.0 25.0 12.5 42.0 25.6 31.3
0.0 30.0 38.6 43.0 25.0 41.0 27.2 20.0 25.0 12.5 42.0 25.6 31.3
0.0 30.0 15.0 43.0 25.0 40.4 23.0 20.0 25.0 12.5 42.0 25.6 31.3
0.0 30.0 15.0 43.0 25.0 40.4 23.0 20.0 25.0 12.5 42.0 23.7 31.3
Bron: Hail, Sikes & Wang (2014), p.60
De cijfers geven een goede indicatie van de verschillen in belastingen tussen de welvaartsstaten. Het gebruik van deze data is eerder beperkt voor panel data. De variabiliteit van de gegevens is zeer gering om het effect op de ongelijkheid te kunnen meten. Daarnaast beslaan de gegevens een kortere periode. Andere variabelen (zie hoofdstuk 5.2.2.1) zullen verder in de paper gebruikt worden als proxy voor de belastingen op meerwaarden en dividenden die beter geschikt zijn om een panel data analyse uit te voeren. Daarbij zal niet enkel rekening gehouden met belastingen op dividenden en meerwaarden bij niet-professionele beleggers die aandelen op lange termijn aanhouden, maar op de belastingen van alle kapitaalinkomsten bij particulieren.
19
5. Onderzoek 5.1 Onderzoeksdoelstelling Het eerste deel van de literatuurstudie (hoofstuk 3) benadrukte de zes macro-economische determinanten die de ongelijkheid in een welvaartsstaat beïnvloeden. Het doel van het onderzoek is naast deze determinanten ook na te gaan of de belastingsinkomsten uit aandelen en het verloop van de wereldwijde beursindex de ongelijkheid aantasten. Bijkomend worden dus zowel de wereldwijde beursindex, voorgesteld door de MSCI World Index, als de belastingsinkomsten uit meerwaarden en dividenden opgenomen in het model. De bijkomende onderzoeksvariabelen worden opgenomen in het model samen met de controlevariabelen. De studie wordt uitgevoerd bij 17 OESO-landen tussen 1969 en 2009. In het onderzoek wordt de impact van de MSCI World Index als de belastingsinkomsten op meerwaarden en dividenden bestudeerd. De onderzoeksvraag luidt als volgt: “In welke mate spelen de wereldwijde beursindex en de taxatie op meerwaarden van aandelen en dividenden een rol op de ongelijkheid binnen een OESO-land?” De volgende deelvragen vloeien hier uit voort: 1)“ Zal de wereldwijde beursindex een invloed uitoefenen op de ongelijkheid binnen een OESO-land?” 2)”Zullen OESO-landen met een hogere taxatie op de meerwaarden van aandelen en dividenden een hogere ongelijkheid ondervinden?” Hogere
inkomensklassen
binnen
een
welvaartsstaat
zijn
minder
risico-avers
dan
lagere
inkomensklassen. Binnen deze hogere inkomensklassen zullen bijgevolg vlugger risicovolle financiële activa aangekocht worden (Riley & Chow, 1992). Aandelen worden gekenmerkt door hun risico, waardoor deze investeringen voornamelijk door rijkere investeerders worden aangekocht.
Bij
hoogconjunctuur zal de wereldwijde beursindex toenemen(Subramanian, Nielsen, & Fachinotti, 2010).De grotere vermogens zullen in die periode hun vermogen zien toenemen door hun groter aandeel in risicovolle financiële activa, waartoe aandelen behoren (Riley & Chow, 1992). De toename van de wereldwijde beursindex zal bijgevolg de ongelijkheid doen toenemen.Indien de belasting op de meerwaarden van aandelen en dividenden weinig of niet aanwezig is, zal het risiconemend gedrag verder aangewakkerd worden bij de investeerders. Daarnaast worden de behaalde winsten op meerwaarden en dividenden van de investeerders minder beperkt door de overheid en gebeurt er weinig of geen herverdeling van die winsten. Een afname van de taxatie op de meerwaarden van aandelen en dividenden zal de ongelijkheid dus doen toenemen (Journard, Mauro, & Debbie, 2012b). Bij economische crisis worden negatieve meerwaarden behaald. Er worden ook minder dividenden 20
uitgekeerd. Hierbij zal de prijs- en returnindex van de wereldwijde beursindex afnemen in waarde. De rijkere klassen zullen vermogen verliezen door de globale economische recessie. Doordat andere inkomensklassen meer beleggen in vastrentende effecten zullen zij relatief minder hun vermogen zien afnemen (Riley & Chow, 1992) De ongelijkheid zal hierdoor afnemen.
5.2 Data en methodologie 5.2.1 Variabelen De operationalisatie van de onderzoeksvraag gebeurt aan de hand van kwantitatieve, secundaire gegevens. Het model baseert zich op voorgaande studies waarin ongelijkheid werd verklaard door macro-economische variabelen. Daarnaast worden specifieke variabelen toegevoegd die de onderzoeksvraag zullen beantwoorden. 5.2.2.1 Onafhankelijke variabelen De wereldwijde beursindex of marktportfolio wordt benaderd door de MSCI World Index. Deze index bestaat al sinds 1969 en laat toe om een grotere periode doorheen de tijd te analyseren. Opgemerkt moet worden dat de diversificatie binnen de MSCI ACWI IMI echter groter is door het feit dat de opkomende markten hierin opgenomen zijn. De MSCI ACWI IMI is slechts sinds eind de jaren ’90 ontstaan, dus voor deze index zijn de datareeksen minder lang. Aangezien de correlatie tussen de MSCI ACWI IMI en MSCI World Index hoog (ƿ=0,830) is, zal dit geen effect hebben op ons onderzoek. Deze beursindices omvatten beiden het systematische risico binnen de markt. De return- en prijsindex van de MSCI World Index werden gehaald vanuit de databank Datastream. De taxatie op meerwaarden en dividenden wordt bepaald door middel van de data aanwezig in OECD Statistics. Deze belastingen behoren tot de ruimere variabele “ belasting op inkomens uit kapitalen bij particulieren”. Deze belastingsvariabele wordt omschreven in de OECD Statistics als “taxes on income, profits and capital gains on individuals” (code 1100) (Stats, OECD). Hiertoe wordt de waarde uitgedrukt als een percentage van het bruto binnenlands product. Hiernaast is het ook mogelijk om de belasting uit te drukken als een percentage van de totale taxatie van een bepaald land. De relatieve belastingdruk van een land op inkomsten uit kapitalen, waaronder de meerwaarden van aandelen en dividenden vallen, wordt op basis van deze beide cijferreeksen gemeten (OECD, 2002). Beide variabelen worden opgenomen in deze studie. Deze variabelen zijn een proxy voor de belastingsdruk op meerwaarden van aandelen en dividenden. Er werd niet gekozen voor de data (zie tabellen 1 en 2) die Roines, Sikes en Wang (2014) opnamen in hun studie. Die data vertoont namelijk te weinig variabiliteit en is eerder beperkt in tijd om mee op te nemen in de modellen. Als controlevariabelen worden de zes macro-economische variabelen opgenomen in het model. De economische ontwikkeling wordt bepaald aan de hand van de BBP groei in een land. Roine, Vlachos en 21
Waldenström (2009) namen het BBP per capita als indicator om het effect van de economische ontwikkeling op ongelijkheid te meten. Aangezien de bevolkingsgroei het BBP zal beïnvloeden, wordt de variabele populatie bijkomend in het model gebracht. Inflatie wordt gemeten aan de hand van de BBP deflator. De gegevens werden gehaald uit de database die gebruikt werd om de historische inflatietrend te analyseren binnen de OESO-landen. In die studie werd zowel de consumptieprijsindex gebruikt als de BBP deflator (OECD, 2009).De consumptieprijsindex meet vooral het prijsverschil in de geconsumeerde goederen. De BBP deflator zal enkel rekening houden met de verandering in prijzen bij de geproduceerde goederen. Daarbij wordt import afgetrokken van de berekening omdat dit niet geproduceerd wordt in het land zelf. Marques (2004) bestudeerde de persistentie binnen inflatie in Europa en de Verenigde Staten tussen 1982 en 2002 aan de hand van de consumptieprijsindex en de BBP deflator. Beide variabelen zijn sterk met elkaar verbonden en meten allebei de inflatie in een welvaartsstaat. Er werd besloten dat de mate van persistentie afhankelijk is van de gemiddelde inflatiepercentage die genomen wordt om dit te meten (Marques, 2004). De werkloosheidsgraad en syndicalisatiegraad vormen samen proxies voor de werking van de arbeidsmarkt. De OECD Employment Outlook 2012 toonde aan dat een lage werkloosheid op lange termijn de ongelijkheid aanpakt (OECD, 2012a) De werkloosheidsgraad wordt uitgedrukt als het percentage van de beroepsbevolking ouder dan 15 jaar dat inactief is. Pontusson (2013) nam een negatief verband waar tussen de syndicalisatiegraad en ongelijkheid. De syndicalisatiegraad wordt gemeten door de werknemers die aangesloten zijn bij vakbonden te delen door het totaal aantal werknemers binnen een OESO-land. Voor de macro-economische indicatoren toegang tot kredietmarkt, buitenlandse handel en overheidsuitgaven werden gelijkaardige variablen gebruikt als in de paper van Roine, Vlachos en Waldenström (2009). Voor de toegang tot de kredietmarkt werd enkel gebruik gemaakt van de variabele bankdeposito’s uitgedrukt in percentage van het BBP. Deze data was beschikbaar via de Financial Development and Structure Dataset uitgegeven door de Wereldbank (Beck, Demirguc-Kunt, Levine, Cihak, & H.B. Feyen, 2013). De buitenlandse handel werd bij Roine, Vlachos en Waldenström (2009) uitgedrukt door de som van de import en export (in % van het BBP). In onze studie worden import en export apart opgenomen. Daarbij zal de toename of afname berekend worden. Opnieuw wordt dit uitgedrukt in percentage van het BBP. De variabele publieke overheidsuitgaven omvat alle overheidsuitgaven uitgedrukt in percentage van het BBP. Dit was niet aanwezig in de OESO database, maar werd zelf berekend door de publieke overheidsuitgaven te delen door het BBP. Beide cijfers waren uitgedrukt in de lokale munt.
22
Op volgende pagina wordt een overzicht gegeven van alle onafhankelijke variabelen die opgenomen worden in het onderzoek. Het symbool, de betekenis en de bron van elke variabele staat vermeld in tabel 3.
23
Tabel 3: Overzicht van de onafhankelijke variabelen met vermelding van secundaire bron Variabele
Betekenis
Bron
BELTOT
belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % van totale taxatie
BELBBP
Belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % van het totale BBP Verschil in MSCI return index
OECD StatExtracts Taxation – Revenue Statistics Code 1100: “taxes on income, profits and capital gains on individuals” OECD StatExtracts Taxation – Revenue Statistics Code 1100: “taxes on income, profits and capital gains on individuals” Datastream
Verschil in MSCI prijs index
Datastream
BBP groei
OECD StatExtracts National Accounts – Gross Domestic Product – growth previous period
Bevolkingsaantal
OECD StatExtracts Demography and Population – Population Statistics
BBPDEF
Verandering in BBP deflator
DEP IMP
Totale deposito’s in verhouding tot het BBP Verandering in import
OECD Factbook 2009: Economic, Environmental and Social Statistics Economic Growth- Inflation Financial Development and Structure Dataset - Worldbank OECD StatExtracts International Trade – Imports
EXP
Verandering in export
OECD StatExtracts International Trade – Exports
BEST
Totale publieke overheidsbestedingen in % van totale BBP
OECD StatExtracts (bestedingen) Total government expenditures – national currency, current prices OECD StatExtracts (BBP) National Accounts – Gross Domestic Product – national currency, current prices
WERKL
Werkloosheidsgraad in % van beroepsbevoling (vanaf 15 jaar)
OECD StatExtracts Short-Term Labour Market Statistics : Unemployment Rates by age and gender :aged 15 and over, all persons
SYND
Syndicalisatiegraad. Dit uitgedrukt als werknemers aangesloten / totale werknemers
OECD StatExtracts Trade Union Density
POP
24
5.2.2.2 Afhankelijke variabele De ongelijkheid zal gemeten worden door de variabele die weergegeven wordt in “The World Top Incomes Database”. Deze database is een realisatie van verschillende buitenlandse instituten, zoals Institute for New Economic Thinking, en universiteiten, waaronder Paris School of Economics en University of California Berkeley (Paris School of Economics, n.d.).Een relevante variabele voor het onderzoek is de concentratie van de hoogste inkomens in een land. Het aandeel van de topinkomens in verhouding tot de totale inkomens geeft een goede indicatie over hoe de inkomens worden verdeeld in een welvaartsstaat. Een hoger aandeel wijst op een meer ongelijke verdeling. De variabiliteit bij deze afhankelijke variabele is hoger binnen de welvaartsstaten doorheen de jaren (tijdreeks) en tussen welvaartstaten binnen eenzelfde jaar (doorsnede). Andere ongelijkheidsvariabelen, zoals bv. Ginicoëfficiënt en P90/P10 verhouding, verschillen minder sterk tussen de verschillende landen en binnen de OESO-landen doorheen de tijd. De informatie varieert van het inkomensaandeel van de 0.01% tot de 10% rijkste inwoners van een OESO-land. Bij sommige landen, zoals de Verenigde Staten, maakt de database een onderscheid tussen het aandeel van inkomen zonder of met meerwaarden van kapitaal. Voor deze studie is de data met meerwaarde van kapitaal relevant. Voor het onderzoek wordt als afhankelijke variabele de inkomensconcentratie van de 10% rijkste gezinnen (C10) in de totale rijkdom gebruikt. De onderzoeksvergelijkingen van de studie staan verder in de panelanalyses (hoofdstuk 6.3) uitgewerkt. In totaal zullen 4 modellen gevormd worden om zo een gevoeligheidsanalyse te kunnen uitvoeren. Dit betekent dat er 4 verschillende combinaties worden gevormd met de variabelen BELTOT, BELBBP, ΔMSCIRI en ΔMSCIPI. Alle controlevariabelen blijven in elk model volledig aanwezig. 5.2.2 Onderzoeksmethodologie In totaal worden 17 OESO-landen4bestudeerd over een periode van veertig jaar, namelijk van 1969 tot 2009. Een unbalanced panel data analysis zal het onderling vergelijken tussen landen doorheen deze tijdspanne toelaten. De individuele heterogeniteit zal via deze analyse tussen landen duidelijk zichtbaar worden. In een eerste fase worden de variabelen afzonderlijk geanalyseerd. De beschrijvende analyse laat toe om een globaal overzicht te geven van de variabelen tussen de landen heen doorheen de tijd. Hier kunnen landen met elkaar vergeleken worden bij de verschillende variabelen. Voordat de regressies worden uitgevoerd, zal een controle moeten gebeuren op multicollineariteit. Multicollineariteit wordt veroorzaakt doordat één of meerdere onafhankelijke variabelen te sterk met 4
Voor een overzicht van de landen zie bijlage 1
25
elkaar gecorreleerd zijn. Dit zorgt ervoor dat de regressie minder betrouwbaar is omdat het model niet weet welke variabele de afhankelijke variabele zal verklaren(Zainodin & Yap, 2013). Een correlatiematrix en een VIF test zal bepalen of er sprake is van multicollineariteit (Williams, 2014). Multicollineariteit zal belangrijk zijn om de selectie van variabelen in regressie-analyse te bepalen. Verschillende testen zullen bepalen welke panelregressie het best gehanteerd wordt. Eerst wordt nagegaan of het fixed effects te verkiezen is boven het pooled OLS model. Dit gebeurt door de F-test. De Hausman test bepaalt of het fixed model de voorkeur krijgt boven het random effectsmodel. De Breusch-Pagan test geeft hetzelfde aan (Inghelbrecht, 2014a). Om het gevaar van endogeniteit te voorkomen, wordt met 1 vertraagde gewerkt bij de onafhankelijke variabelen in de regressies. Endogeniteit ontstaat wanneer er correlatie ontstaat tussen de onafhankelijke variabele en de foutterm. Dit wordt weergegeven door Cov(
,
)
0 (Reichstein, 2011). Daarnaast zal een vertraagde bij de onafhankelijke variabelen het gevaar van omgekeerde collineariteit wegwerken. De causaliteit zal in de juiste richting op die manier aanwezig zijn tussen de variabelen.
26
6. Resultaten 6.1 Beschrijvende Analyse 6.1.1 Variabelen belasting op inkomens uit kapitaal, winsten en meerwaarden 6.1.1.1 BELTOT5 De gemiddelde belastingen over alle landen heen voor deze variabele bedraagt 30,97% (bijlage 3.1). Drie landen hebben een waarde die veel hoger is over de veertig jaren heen dan het gemiddelde. Denemarken, Australië en Nieuw-Zeeland hebben de hoogste belastingsinkomsten op kapitaal, winsten en meerwaarden uitgedrukt in totale taxatie van het land. Denemarken heeft een gemiddelde belasting op kapitaal, winsten en meerwaarden van 52,20% .Daarmee behaalt het land de eerste plaats in deze variabele. Het valt wel op dat een ander Scandinavisch land, namelijk Zweden, ook boven het gemiddelde ligt. Dit in tegenstelling met het laatste Scandinavisch land Noorwegen dat een stuk minder inkomsten haalde uit kapitaal, winsten en meerwaarden. Nieuw-Zeeland sluit nauw aan bij de taxatie die in Denemarken werd gehanteerd tussen 1969 en 2009. Het land blijft wel nog onder de 50% van de totale belasting. Australië sluit de top drie af met een taxatie van 41,87%. De laagste waarden zijn waarneembaar bij twee meditterane landen (Frankrijk en Spanje) en Portugal. Frankrijk blijft zelfs nog maar net boven de 10%. Dit is ongeveer vijf keer zo weinig als bij Denemarken. Daarnaast scoren Spanje en Portugal hoger, maar blijven wel nog onder de 20% (resp. 18,82% en 17,58%).
5
Zie bijlage 3.3
27
Opmerkelijk is dat landen die geografisch dicht bij elkaar gelegen zijn ongeveer hetzelfde resultaten behalen. Portugal en Spanje zijn bijvoorbeeld buurlanden en de belasting op kapitaal, winsten en meerwaarden verschillen quasi niet van elkaar. Figuur 5: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale taxatie 60
in % van totale taxatie
50 40 30
20 10 0
land
Bron: Stats, OECD. (n.d.).+ eigen bewerking
28
6.1.1.2 BELBBP6 De variabele BELBBP meet ongeveer hetzelfde als BELTOT. Het enige verschil is dat bij BELBBP de belastingen uit inkomens uit kapitaal, winsten en meerwaarden worden vergeleken met de totale BBP uit een land. Dit zorgt voor een gelijkaardige weergave van de verhoudingen tussen de landen. De percentages bij BELBBP liggen wel een stuk lager.
Dit komt doordat de totale hoeveelheid
geproduceerde goederen en diensten meer bedraagt dan de totale belastingen van een welvaartsstaat. De geografische gelijkaardige belastingsheffing komt hier zelfs duidelijker aan bod. Frankrijk, Portugal en Spanje liggen relatief dicht bij elkaar.
Het is opvallend dat deze landen opnieuw de laagste
belastingspercentages hebben in functie van het BBP. De cijfers liggen nog meer naar elkaar toe dan bij de variabele BELTOT. De buurlanden Denemarken en Zweden behalen de hoogste percentages van alle landen bij de variabele BELBBP. Een ander voorbeeld van een geografisch gelijkaardig belastingstarief is aanwezig in Noord-Amerika. De Verenigde Staten en Canada grenzen aan elkaar en hebben een tarief van ongeveer 10% (resp. 9,53% en 11,70%) . Deze geografische stelling mag natuurlijk niet veralgemeend worden naar alle landen in het continent. Japan neigt met een gemiddeld belastingstarief uitgedrukt in totale BBP van 5,74% meer naar de Europese landen Frankrijk, Portugal en Spanje. Om te weten of de geografische stelling klopt voor Japan zouden er dichtere landen zoals bijvoorbeeld ZuidKorea moeten onderzocht worden. Figuur 6: belasting op inkomens uit kapitaal, winsten en meerwaarden uitgedrukt in % totale BBP 25
in % van totale BBP
20
15
10
5
0
land
Bron: Stats, OECD. (n.d.).+ eigen bewerking
6
Zie bijlage 3.4
29
6.1.2 Variabelen wereldwijde beursindex (MSCI World Index)
6.1.2.1 MSCIRI en MSCIPI Onderstaande grafiek geeft het systematisch risico weer op de aandelenmarkt van 1969 tot 2009. De naar marktkapitalisatie gewogen MSCIRI en MSCIPI worden vaak als benchmark gebruikt bij actief beheerde wereldwijde aandelenportfolio’s (Garner, 2009).De MSCIRI en MSCIPI bewegen in dezelfde richting doorheen de tijd. Zoals al in hoofdstuk 4.2 werd aangegeven bestaat de MSCI World index uit bedrijven in ontwikkelde markten met een grote- en middelmatige beurskapitalisatie. In totaal wordt ongeveer 85% van het vrij verhandelbaar kapitaal op de financiële markt van elk opgenomen land verwerkt in de MSCI World Index (Morgan Stanley Capital International, 2014). In bijlage 2 staan de voornaamste landen en sectoren die zich bevinden in de MSCI World Index gerangschikt volgens aandeel. De variabele MSCIRI staat altijd hoger genoteerd dan de MSCIPI in de tijdsreeks. Dit is natuurlijk te wijten aan het feit dat de MSCIRI naast de prijsverandering, ook de dividenden opneemt bij de berekening. De gemiddelde prijsverandering bedraagt 26,71 over de veertig jaren heen.Daarnaast is de returnindex gemiddeld met 92,97 toegenomen (bijlage 3.1). In 2009 stond de prijsindex meer dan 10 keer zo hoog als in het begin. Bij de returnindex was dit zelfs bijna veertig keer zoveel als in 1969. Figuur 7: de prijsindex (MSCIPI) en returnindex (MSCIRI) van MSCI World Index tussen 1969 en 2009 6000
5000
3000 MSCI RI MSCI PI
2000 1000
jaar
Bron: Datastream + eigen bewerking
30
2009
2007
2005
2003
2001
1999
1997
1995
1993
1991
1989
1987
1985
1983
1981
1979
1977
1975
1973
1971
0 1969
index
4000
6.1.3 Variabele ongelijkheid 6.1.3.1 C107 De inkomensconcentratie geeft de mate van ongelijkheid aan. Deze grafiek bevestigt de hypothese dat er een negatief verband bestaat tussen de belastingsvariabelen (BELTOT en BELBBP) en ongelijkheid. De laagste inkomensconcentraties zijn waar te nemen bij Denemarken en Zweden terwijl deze landen juist het hoogst scoren op de belastingsinkomsten uit kapitaal, winsten en meerwaarden. Tussen 1969 en 2009 hadden de 10% rijksten van elk land gemiddeld 31,81% van de rijkdom van het betreffende land in handen (bijlage 3.1). Met een concentratie van ongeveer 25% verdelen Denemarken en Zweden de welvaart beter in het land dan in andere landen. De ongelijkheid is het grootst in de Verenigde Staten en Canada. Dit is echter wel opmerkelijk omdat beide landen geen heel lage belastingsinkomsten hebben in vergelijking met andere landen. Bij BELBBP behoren ze bij het gemiddelde van alle landen. Bij de variabele BELTOT geven de cijfers weer dat hun inkomsten hoger waren dan de gemiddelde belastingsinkomsten. Het is opvallend dat opnieuw geografische dichte landen gelijkaardige resultaten behalen. Spanje, Portugal en Frankrijk hebben ongeveer een gelijke inkomensconcentratie van 32%. Bij de Verenigde Staten en Canada resulteert dit in een hogere concentratie van ongeveer 39%. Bij Zweden en Denemarken gaat ongeveer een kwart van de rijkdom naar de top 10% rijken gaat.
ikomensconcetratie ( in % )
Figuur 8: gemiddelde inkomensconcentratie 10% rijkste gezinnen in % totale rijkdom (1969-2009) 42 39 36 33 30 27 24 21 18 15 12 9 6 3 0
land Bron: Stats, OECD. (n.d.).+ eigen bewerking
7
Zie bijlage 3.2
31
6.2 Correlatiematrix en VIF test De correlatiematrix geeft een indicatie voor de mogelijke multicollineariteit die kan optreden. In bijlage 4 worden alle variabelen weergegeven die in de modellen zullen gebruikt worden. Sterke correlatie treedt op vanaf een correlatie met absolute waarde van 0,7 of meer. De variabelen belasting op inkomensten uit kapitaal, meerwaarden en winsten(BELTOT en BELBBP) zijn positief sterk gecorreleerd met elkaar (ƿ=0,845). Bijna een volledige perfecte positieve samenhand (ƿ=0,992) bestaat er tussen MSCIRI en MSCIPI. De variance influence factor (VIF) is een sterker meetinstrument naar multicollineariteit toe dan de correlatiematrix. De correlatiematrix houdt geen rekening met
de onrechtstreekse correlatie die
mogelijk is bij meerdere onafhankelijke variabelen(Williams, 2014). De resultaten die in de VIF test bekomen worden, zullen gehanteerd worden om de multicollineariteit te bepalen tussen de variabelen. Indien de VIF test een waarde van 10 of hoger bekomt, wijst dit op een probleem van multicollineariteit(Golder & Golder, n.d.). De minimumwaarde van VIF is gelijk aan 1 en duidt op geen teken van collineariteit. Zoals aangegeven in 5.2.2 worden de panelregressies uitgevoerd met één lag bij de onafhankelijke variabelen. Dit is de reden waarom de VIF, aanwezig in bijlage 5, wordt getest met één vertraagde bij de bestudeerde onafhankelijke variabelen. De variabelen BELTOT en BELBBP hebben beiden een waarde van meer dan 10 (resp. 10,36 en 16,11). Grotere waarnemingen van multicollineariteit zijn te vinden bij variabelen MSCIRI en MSCIPI. De hoge onderlinge correlatie van bijna 1 bij MSCIRI en MSCIPI zorgt ervoor dat de VIF test ongeveer vijf keer zo als de toegelaten waarde. Multicollineariteit zorgt voor inefficënte coëfficiënten en vermindert de betrouwbaarheid van het resultaat. Dit komt doordat het model moeilijkheden heeft om te verklaren welke onafhankelijke variabele nu de afhankelijke variabele verklaart (Inghelbrecht, 2014b). Dit komt veelal voor bij onafhankelijke variabelen die hetzelde meten, zoals hier het geval is. Om het probleem van multicollineariteit op te lossen worden in de regressiemodellen telkens één variabele van de belasingen op inkomsten uit kapitaal, meerwaarden en winsten verwijderd. Hetzelde wordt uitgevoerd bij de variabelen van de MSCI World Index.
Hierdoor zullen 4 modellen ontstaan waarin telkens één
belastingsvariabele (BELTOT of BELBBP) en één wereldwijde beursindexvariabele ( MSCIPI of MSCIRI) is opgenomen. De negatieve relatie tussen C10 en de belastingsvariabelen (BELTOT en BELBBP) is duidelijk aanwezig in de correlatiematrix. Een toename in belastingen op inkomensten uit kapitaal, meerwaarden en winsten doet ceteris paribus de ongelijkheid afnemen. Deze relatie is sterker aanwezig bij de variabele BELBBP 32
dan de variabele BELTOT (resp. ƿ=-0,443 t.o.v. ƿ=- -0,251). Daarnaast bestaat er een positief verband tussen beursindexvariabelen ( MSCIRI en MSCIPI )en ongelijkheid. Dit verband is zwakker.
6.3 Panelanalyses In totaal zullen vier modellen bestudeerd worden aan de hand van de F-test en Hausman test. Deze testen zullen bepalen welke paneldatamethode (Pooled OLS, Fixed of Random Effects) de modellen het best zal schatten. De 9 controlevariabelen zullen in elk model behouden blijven. Ieder model verschilt enkel in de combinatie binnen de vier variabelen BELTOT, BELBBP, MSCIPI en
MSCIRI. Dit is
noodzakelijk als gevolg van de multicollineariteit en op die manier wordt nagegaan welke variabele meest significant is. Hieronder een overzicht van de combinaties gebruik makend van belastingsvariabelen en beursindexvariabelen. Tabel 4: De combinatie van vier modellen in de panelanalyses Model 1.1
BELTOT en ΔMSCIRI
1.2
BELBBP en ΔMSCIRI
1.3
BELTOT en ΔMSCIPI
1.4
BELBBP en ΔMSCIPI
6.3.1 Pooled OLS De pooled OLS modellen zien er als volgt uit (Inghelbrecht, 2014a):
Figuur 9: Pooled OLS modellen
33
De White test werd telkens gebruikt om te controleren op heteroskedasticiteit. Deze pitfall wordt veroorzaakt indien de variantie van de error termen afhankelijk zijn van de individuele eenheden. De nulhypothese (H0 ) binnen de White test slaat op homoskedasticiteit. Indien p<0,05 (H 1) wordt de nulhypothese verworpen en wordt hierbij heteroskedasticiteit bevestigd (Inghelbrecht, 2014b). De White test wordt als volgt weergegeven: H0 : Var(ei)= ơ² H1: Var(ei)= ơi² Ieder pooled OLS model had telkens dezelfde waarde volgens de White test (p=0,000). Hier wordt de nulhypothese verworpen. Dit betekent dat er zeker sprake is van heteroskedasticiteit. Dit impliceert dat de bekomen coëfficiënten niet efficiënt zijn en kunnen leiden tot verkeerde interpretaties. Om dit te voorkomen werd gebruik gemaakt van de Heteroskedasticity Autocorrelation Consistent Standard Errors (HAC). Hierdoor zullen de standaardafwijkingen aangepast worden zodat de conclusies die genomen worden correcter zijn(Inghelbrecht, 2014b). De verklarende kracht van de variablen ligt bij de vier modellen zeer hoog. De R² geeft aan dat de verklarende variabelen ongeveer voor zo’n 70% de afhankelijke variabele ongelijkheid zal verklaren. De hoge verklaringskracht heeft vooral te maken met het groot aantal controlevariabelen die opgenomen worden. Elk model in het pooled OLS model vertoont telkens significantie bij drie variabelen (excl. constante): MSCIPI of MSCIRI, SYND en POP. De beursindexvariabele MSCIRI is positief significant (β=0.001,p<0.01)met de ongelijkheid (C10) in modellen 1.1 en 1.2. Daarnaast beïnvloedt de variabele MSCIPI in modellen 1.3 en 1.4 de ongelijkheid wat meer, maar neemt de significantie van het resultaat wat af (β=0.002,p<0.05). Een stijgende aandelenbeurs vergroot dus het vermogen van de top 10% rijksten en daarom zal C10 toenemen. Dit komt overeen met de hypothese die gesteld werd in de 34
onderzoeksdoelstelling. Een toename van de MSCI World Index op prijs of return doet de ongelijkheid toenemen. De coëfficiënten van de variabele populatie zijn verwaarloosbaar klein(β=3.3e-08,p<0.01). Dit komt omdat de bevolking uitgedrukt wordt in miljoenen, terwijl de afhankelijke variabele in procenten wordt uitgedrukt. In de vier modellen wordt een positief verband gevonden tussen populatie en ongelijkheid. Stijgende bevolkingsgroei veroorzaakt een stijging in ongelijkheid. Zoals Dafermos en Papatheodorou(2010) aangaven, is de syndicalisatiegraad in een land bepalender dan een afname in werkloosheidsgraad. Ondanks het feit dat de coëfficiënten van beide variabelen wel gelijkaardig zijn, is enkel de syndicalisatiegraad sterk significant in het pooled OLS model. Een toename in syndicalisatiegraad met 1% van aantal werknemers in totale werknemers zal volgens het onderzoek gemiddeld de ongelijkheid met 0,07% doen afnemen. In modellen 1.1 en 1.3 (p<0.01) is het resultaat sterker dan bij modellen 1.2 en 1.4 (p<0.05) De test die uitgevoerd wordt binnen het fixed effects (F-test) zal uitwijzen of het pooled OLS methode aangewezen is voor de panelanalyse. Pooled OLS model veronderstelt dat er maar één regressielijn aanwezig is. Het neemt dus de individuele heterogeniteit die kan aanwezig tussen de landen niet op. Dit leidt tot verkeerde resultaten. De coëfficiënten zullen hierbij verkeerd geschat worden (Inghelbrecht,2014a). 6.3.2 Fixed Effects Fixed effects model wordt hieronder berekend op twee verschillende manieren,namelijk via de least squares dummy variables regressie (LSDV) en de within group estimator. Daarnaast bestaat er nog de first differences methode.Daarbij worden zoals in de within group estimator de variabelen die niet veranderen doorheen de tijd verwijderd. Het verschil is dat de first differences methode een nieuw model vormt met de eerste verschillen van het oorspronkelijk model. Deze twee modellen zullen dan van elkaar worden afgetrokken. De variabelen die niet variëren doorheen de tijd zullen hierdoor verdwijnen. De within group estimator zal daarentegen in het nieuwe model voor elk land het gemiddelde berekenen voor iedere variabele doorheen de tijd. Opnieuw worden beide modellen van elkaar afgetrokken (Zivot,2012).
35
Bij het LSDV model worden 17 dummies, één per land, toegevoegd om na te gaan of de alpha( ) van ieder land verschillend is. Per land wordt een aparte alpha toegewezen. Hierdoor worden 17 regressielijnen gevormd die elk een apart intercept omvatten. De
verwijst naar de individuele
heterogeniteit die kan optreden tussen de landen. De richtingscoëfficiënt blijft gelijk voor alle regressielijnen. Schematisch wordt dit als volgt weergegeven: Figuur 10: De LSDV modellen met 17 dummmies
Het probleem bij het LSDV model is dat er per regressie 28 coëfficiënten moeten geschat worden. Die beslaan de 17 dummies die de welvaartstaten voorstellen en daarnaast de 11 onafhankelijke variabelen. Door het hoog aantal individuele landen, heeft het LSDV model het moeilijk om nauwkeurige resultaten te geven. Door het aantal te schatten coëfficiënten in het model te reduceren, zal het model betere uitkomsten bieden voor interpretatie(Inghelbrecht,2014a).De within group estimator zal de verwijderen in twee stappen. Eerst wordt een model gevormd met de gemiddelde waarde van elk land (group mean) doorheen de tijd bij elke variabele (zowel onafhankelijke als afhankelijke variabele). Dit wordt voorgesteld in figuur 11.Hierna zal het model met de gemiddelden afgetrokken worden van het oorspronkelijke model van figuur 10. Per cross-selectionele eenheid wordt dus bij elke variabele het groepsgemiddelde afgetrokken(McManus,2011). Dit creërt het model weergegeven in figuur 12. Aangezien
doorheen de tijd niet verandert, zal de within groups schatter de individuele alpha
supprimeren. Het model wordt terug op 11 onafhankelijke variabelen gebracht. Dit zal leiden tot betere
36
en nauwkeurige coëfficiënten. Dit is de reden waarom in bijlage 6.2 enkel de output van de within group estimator wordt voorgesteld. Figuur 11: Modellen met gemiddelden voor elk individueel land
̅̅̅̅̅
̅̅̅̅̅
̅̅̅̅̅
̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅
̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅ ̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅
̅
̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅ ̅ ̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅̅̅ ̅
̅̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅
̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅
̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
̅̅̅̅̅̅̅̅̅̅̅̅ ̅̅̅̅̅̅
̅̅̅̅̅̅̅̅
̅̅̅̅̅̅̅
Figuur 12:Transformatie naar de within groups modellen (model fig.10-fig.11)
̈
̈
̈
̈
̈ ̈
̈
̈
̈ ̈
̈
̈
̈
̈
̈
̈
̈
̈
̈
̈
̈
̈ ̈
̈
̈
̈ ̈
̈
̈
̈
̈
̈
̈ ̈ ̈
̈
̈ ̈ ̈
37
̈
̈
̈
̈
̈ ̈
̈ ̈
Het is duidelijk te merken dat het intercept (
̈
̈
̈
̈
̈
is weggevallen in de within groups modellen. Dit
vermindert de schattingen die moeten gebeuren.Bovenstaande modellen in figuur 12 zijn het resultaat van de oorspronkelijke modellen in figuur 10 die afgetrokken worden van de gemiddelde waarde van de variabele binnen elk land weergegeven in figuur 11 (McManus,2011). De F-test bepaalt of het fixed effects model te verkiezen valt boven het pooled OLS model. De nulhypothese staat voor één gemeeschappelijke alpha, waarbij er dus geen individuele heterogeniteit bestaat tussen de landen. De alpha’s differentiëren niet genoeg om het fixed effects de voorkeur te geven. Bij het verwerpen van de nulphypothese verschillen de landen onderling van elkaar, waardoor het fixed effects model wordt verkozen. Hierbij zal tenminste één intercept voldoende afwijken(Inghelbrecht,2014a). De F-test weergegeven in symbolen: H0 :
1=
2=
3=
4=....=
17=
H1: tenminste één is verschillend De F-test is bij alle verschillende modellen (van 1.1 tot en met 1.4) kleiner dan de kritische waarde 0,05 (p<0.05). Dit betekent dat het fixed effects in elk model de voorkeur krijgt boven het pooled OLS model. De landen verschillen dus sterk genoeg van elkaar. De modelcombinatie BELBBP en ΔMSCIPI heeft de grootste F-waarde en verwerpt dus in sterkste mate de nulhypothese. In het fixed effects model vormen zich een stuk meer significante resultaten dan in het pooled OLS model. Naast de beursindexvariabelen (ΔMSCIPI en ΔMSCIRI), de syndicalisatiegraad (SYND) en populatie (POP) vervullen belastingsinkomsten uit kapitaal, meerwaarden en winsten uitgedrukt in BBP (BELBBP), de BBP deflator ( BBPDEF) en de openheid(ΔIMP en ΔEXP)belangrijke verklarende rollen in ons model. De MSCI World index heeft opnieuw een positief effect op de ongelijkheid. De variabele ΔMSCIRI, aanwezig in model 1.1(β=0.0008,p<0.01) en model 1.2(β=0.0007,p<0.01), vertoont opnieuw een zwakker effect op C10 dan de variabele ΔMSCIPI. Daarentegen valt de significantie van de βcoëfficiënten bij ΔMSCIPI in modellen 1.3(β=0.002,p<0.05) en 1.4(β=0.002,p<0.05) wat lager uit. Zoals verwacht
werd vanuit de hypothese, beïnvloedt de taxatie op meerwaarden van aandelen en 38
dividenden, weergegeven door BELBBP, positief de gelijkheid in een land. Binnen het OESO-land zal een toename van BELBBP, de ongelijkheid verminderen. Dit is te verklaren adhv model 1.2(β=0.263,p<0.05)en 1.4(β=- 0.266,p<0.05) .Het valt op dat modellen 1.1 en 1.3 ,waarin BELTOT opgenomen is, geen significante coëfficiënten aangeeft voor deze variabele. Dit is opmerkelijk aangezien beide variabelen ongeveer hetzelfde verklaren. Bij drie van de vier modellen heeft de groei in import een positieve functie op de ongelijkheid (p<0.1).Bij model 1.2 was dit niet het geval. Dit verband sluit aan op de theorie van Richardson (1995) die aangaf dat import van ontwikkelingslanden naar welvaartsstaten de ongelijkheid verslechterde binnen de welvaartsstaat. De lonen in ontwikkelinglanden liggen lager, waardoor welvaartsstaten de lonen bij de arbeiders moeten aanpassen om te kunnen concurreren. Daarnaast heeft export ook een invloed op de ongelijkheid. Het verkoop van binnenlandse goederen en diensten naar het buitenland stimuleert de ongelijkheid. Dit verband is zelfs sterker dan bij import (p<0.1 ipv p<0.05) en waar te nemen bij de vier modellen. Deze significante resultaten bij import en export bevestigen het onderzoek van Aradhyula (2007) waarin een toename van de openheid in handel een stijging in rijkdom van het land betekende.Deze toename werd niet gelijk verdeeld over alle inwoners waardoor de ongelijkheid verhoogde. Inflatie werd door Thalassinos, Ugurlu en Muratoglu (2012) gemeten aan de hand van het prijsniveau van de overheidsconsumpties. Hun Europese panelstudie (fixed effects) toonde een afname van de ongelijkheid bij toename van inflatie. In modellen 1.1 tot en met 1.4 wordt hetzelfde resultaat geproduceerd met een andere variabele, nl. de verandering in BBPdeflator ( BBPDEF). De negatieve coëfficiënten geven aan dat inflatie wel degelijk de ongelijkheid doet afnemen zoals ook werd vastgesteld met het prijsniveau van de overheidsconsumpties. De resultaten zijn zelfs op niveau van 1% significant.
39
6.3.3 Random effects Bij het random effects model worden geen dummies gebruikt in de regressies. De individuele heterogeniteit berust op toeval. In het random effects model valt het individueel effect bij elk land weg. In het random effects model worden de landen veronderstelt willekeurig te zijn getrokken vanuit een grotere populatie .Het effect berust op toeval en is dus een kansvariabele. De alpha, die staat voor de individuele heterogeniteit, bestaat uit een constante term (vi) en een foutterm ( (Inghelbrecht,2014a). Zoals in het pooled OLS en fixed effects zullen de vier modellen voorgesteld worden. Hieronder worden ze symbolisch weergegeven: Figuur 13: Random Effects modellen
waarbij
=
+
De resultaten van de controlevariabelen verschillen gedeeltelijk met het fixed effects model. Zo hebben de variabelen import en export binnen het random effects model hun significantie volledig verloren. Dit is gelijkaardig met het pooled OLS model. Daar hadden de variabelen ook geen effect op de ongelijkheid binnen een welvaartsstaat. Daarnaast spelen de overheidsbestedingen een invloed op de ongelijkheid in het random effects model bij de modellen waar de variabele BELTOT is opgenomen. De ongelijkheid neemt in de modellen 1.1 (β=-0.153,p<0.05) en 1.3(β=-0.145,p<0.1) af bij een toename 40
van de publieke overheidsbestedingen. Dit klopt met het effect op korte termijn die een toename van overheidsbestedingen teweeg brengt op de ongelijkheid. Op lange termijn zal het omgekeerde effect zich voordoen op de ongelijkheid (Chatterjee & Turnovski, 2010). Ook opvallend binnen het random effects model is dat de variabele werkloosheid hier wel een impact heeft op de ongelijkheid. In modellen 1.2 (β=-0.084,p<0.05)
en 1.4( β=-0.084,p<0.05)
significantie dan bij de modellen 1.1 (β=-0.081,p<0.1)
vertonen de resultaten een hogere
en 1.3 (β=-0.082,p<0.1) . Een stijging van de
werkloosheidsgraad doet de ongelijkheid verminderen. Dit resultaat is opmerkelijk, want een afname van de werkloosheid heeft een duurzame werking op de ongelijkheid (OECD, 2011). Sterk activeringsbeleid en werkloosheidstransfers kunnen de stijging in inkomensongelijkheid tussen werknemers en werklozen wel doen afnemen of zelfs helemaal wegnemen (Bradley et al., 2003).Het significante negatieve verband binnen deze vier modellen kan dus te wijten zijn aan de tussenkomst van de overheid op de toename in werkloosheid. De resultaten voor de belastingsvariabelen en de werldwijde beursindexvariabelen vertonen een gelijkaardige trend met het fixed effects model. Belasting op meerwaarden en dividenden uitgedrukt in totale BBP laten opnieuw de ongelijkheid afnemen in een welvaartstaat. Dit is duidelijk af te leiden uit model 1.2 (β=-0.167,p<0.01)
en 1.4(β=-0.180,p<0.01)
. Opnieuw heeft enkel de variabele BELTOT
geen significante coëfficiënten in de vier modellen. De variabele BELBBP heeft wel een minder sterk effect op de ongelijkheid dan in het fixed effects model. De β-coëfficiënten zijn namelijk minder negatief. Zowel de prijsindex (β=0.002,p<0.05)
als de returnindex (β=0.0009,p<0.01)
van de MSCI
World Index laten de ongelijkheid toenemen in het random effects model. In vergelijking met het fixed effects heeft de returnindex meer effect op de ongelijkheid in het random effects model. De Hausman test zal uitmaken of het fixed effects te verkiezen valt boven het random effects model. Dit gebeurt door de individuele effecten, weergegeven door de error termen, te analyseren (Inghelbrecht, 2014a). Symbolisch wordt de Hausman als volgt weergegeven: H0: Cov(
,
)=0
H1: Cov(
,
)
0
Bij aanvaarding van de nulhypothese (H0) wordt het random effects als beste model gekozen boven het fixed effects model. Het model geeft de beste schattingen weer van de uitgevoerde regressie. De resultaten zijn nauwkeurig en correct. Bij het verwerpen van de nulhypothese betekent dat het individuele effect gecorreleerd is met de verklarende variabelen. Dit zorgt ervoor dat de bekomen βcoëfficiënten foutief zijn. Hierbij zal het fixed effects de voorkeur krijgen (Inghelbrecht, 2014a). In elk 41
van de vier modellen wordt de nulhypothese verworpen (p<0.01). De F-test gaf al aan in hoofdstuk 6.3.2 dat het fixed effects een beter model was. Zowel in de F-test als in de Hausman test springt het fixed effects model erboven uit. Voor de interpretatie van de resultaten wordt daarom enkel rekening gehouden met het fixed effects. Dit zal namelijk de meest correcte en efficiënte β-coëfficiënten schatten.
6.4 Besluit De resultaten van de F-test en Hausman test geven aan dat het fixed effects de voorkeur geniet boven het pooled OLS model en het random effects model . Dit betekent dat het fixed effects de beste schatter is om deze paneldata te onderzoeken. In het fixed effects model oefenen vijf controlevariabelen en drie onderzoeksvariabelen een significante invloed uit op de ongelijkheid.
In totaal werden dertien
onafhankelijke variabelen onderzocht in de modellen, waarbij telkens twee werden uitgehaald om multicollineariteit te voorkomen. De controlevariabelen ΔIMP, ΔEXP en POP vertonen een positief significant verband met de ongelijkheid. De openheid (ΔIMP en ΔEXP) van een welvaartsstaat zal dus in de uitgevoerde studie de ongelijkheid laten toenemen. Ook een hoger aantal inwoners (POP) in een welvaartsstaat zal de ongelijkheid doen aanwakkeren. Daarentegen zullen de controlevariabelen ΔBBPDEF en SYND de ongelijkheid significant laten afnemen. De ΔBBPDEF is een proxy voor de inflatie binnen een welvaartsstaat. De syndicalisatiegraad (SYND) maakt deel uit van de organisatie binnen de arbeidsmarkt in een welvaartsstaat. Zowel een stijging in prijs- of return (ΔMSCIPI en ΔMSCIRI) van de MSCI World Index zal de ongelijkheid doen aanwakkeren in het fixed effects model. De hypothese dat de wereldwijde beursindex in positieve verhouding staat met de ongelijkheid wordt hiermee bevestigd. Daarentegen wordt het omgekeerde verband vastgesteld bij de inkomsten uit belastingen op meerwaarden en dividenden uitgedrukt in totale BBP (BELBBP). De variabele BELTOT heeft in tegenstelling tot BELBBP geen significante invloed op de ongelijkheid. Het effect van een afname op de ongelijkheid door de belastingsinkomsten uit aandelen wordt enkel geconstateerd bij BELBBP. Hier zal enkel BELBBP dus de gestelde hypothese bevestigen dat belastingen op inkomsten uit aandelen de ongelijkheid verminderen in een welvaartsstaat.
42
7. Algemeen besluit De focus van het onderzoek is om de impact van de wereldwijde beursindex, voorgesteld door de MSCI World Index, op de ongelijkheid te meten binnen een welvaartsstaat. Daarbij wordt ook nagegaan wat het effect van de taxatie op meerwaarden van aandelen en dividenden
zal betekenen op de
ongelijkheid. In de literatuur wordt voornamelijk de nadruk gelegd op de zes macro-economische determinanten die de ongelijkheid beïnvloeden. Daarin worden de arbeidsmarkt, de toegang tot de financiële markt, economische ontwikkeling, inflatie, buitenlandse handel en overheidsbestedingen als cruciale factoren beschouwd voor de ongelijkheid. De meerwaarde van het onderzoek bestaat erin naast de macro-economische determinanten ook de wereldwijde beursindex en de taxatie op meerwaarden van aandelen en dividenden op te nemen in de modellen. In de panel data studie worden 17 OESO-landen bestudeerd tussen 1969 en 2009. Hierin zijn macroeconomische
determinanten
en
de
populatie
als
controlevariabelen
opgenomen.
De
onderzoeksvariabelen ΔMSCIPI en ΔMSCIRI geven de prijs- en returnindex van de MSCI World Index weer. Daarnaast worden de belastingsinkomsten uit meerwaarden van aandelen en dividenden gemeten door de onderzoeksvariabelen BELTOT (in % totale taxatie) en BELBBP (in % totale BBP). Het fixed effects geeft de meest correcte en efficiënte coëfficiënten weer. De bekomen resultaten tonen aan dat de controlevariabelen buitenlandse handel (ΔIMP en ΔEXP)en populatie (POP) de ongelijkheid doen toenemen. Daarnaast wordt een significant negatief verband gevonden tussen de controlevariabelen syndicalisatiegraad (variabele arbeidsmarkt) en inflatie (ΔBBPDEF). Hogere inkomensklassen binnen een welvaartsstaat zijn minder risicoavers dan lagere inkomensklassen. Deze inkomensklassen zullen bijgevolg meer risicovolle financiële activa willen aankopen (Riley & Chow, 1992). Aandelen behoren tot de groep van risicovolle financiële activa, waardoor deze investeringen voornamelijk door rijkere investeerders worden opgekocht. De wereldwijde beursindex weerspiegelt de economische conjunctuur(Subramanian, Nielsen, & Fachinotti, 2010).De grotere vermogens zullen in hoogconjunctuur hun vermogen zien toenemen door het groter aandeel in risicovolle financiële activa, waartoe aandelen behoren (Riley & Chow, 1992). De toename van de wereldwijde beursindex zal bijgevolg de ongelijkheid doen toenemen. De hypothese dat de ongelijkheid zal toenemen bij een stijging van de wereldwijde beursindex wordt aanvaard in de resultaten het onderzoek. De onderzoeksvariabelen ΔMSCIRI en Δ MSCIPI vertonen in alle fixed effects modellen positieve significante resultaten. De risico’s van aandelen worden nog minder in acht genomen door rijkere investeerders indien belastingen op meerwaarden en dividenden laag zijn. Dit stimuleert verder de aankoop van aandelen. Daarbij zullen de inkomsten verworven uit die belastingen de herverdeling bevorderen in de welvaartsstaat (Journard, Mauro, & Debbie, 2012b). Een afname van de taxatie op de meerwaarden 43
van aandelen en dividenden zal de ongelijkheid dus doen toenemen. Deze stelling wordt in de studie bevestigd enkel voor de variabele BELBBP. De onderzoeksvariabele BELTOT heeft geen enkel significante resultaten in het onderzoek. De hypohese wordt enkel aanvaard voor de variabele BELBBP. Verder onderzoek is noodzakelijk om het belang van de risicoaversie op de ongelijkheid te bestuderen. De mate van risicoaversie bij investeerders werd niet opgenomen in de modellen van het onderzoek. De reden hiervoor is dat dit moeilijk kwantificeerbaar en de cijfers daarvoor niet beschikbaar zijn binnen de onderzochte landen. In toekomstig onderzoek zal het ook van belang zijn om eens met andere proxies voor belastingen op meerwaarden van aandelen en dividenden het onderzoek uit te voeren. De variabelen BELTOT en BELBBP omvatten namelijk meer dan enkel belastingen op meerwaarden van aandelen en dividenden. Alle belastingsinkomsten uit kapitaal bij particulieren worden namelijk opgenomen in deze variabelen. Daarentegen vormen BELTOT en BELBBP wel een goede indicatie voor het gevoerde fiscale beleid inzake taxatie op meerwaarden en dividenden van aandelen.
44
8. Literatuuroverzicht Abbeloos, J-F. (2014, Mei 6). Rijkste 1% heeft 10% van het vermogen. De Standaard, pp. 6-7. Aradhyula, Satheesh V., Rahman, Tauhidur and Seenivasan, Kumaran.(2007). Impact of International Trade on Income and Income Inequality.No 9999, 2007 Annual Meeting. July 29-August 1, 2007, Portland, Oregon TN, American Agricultural Economics Association Beck, T., Demirguc-Kunt, A., Levine, R., Cihak, M., & H.B. Feyen, E. (2013, November). Research at the World Bank. Opgeroepen op March 08, 2014, van Financial Development and Structure Dataset: http://econ.worldbank.org/WBSITE/EXTERNAL/EXTDEC/EXTRESEARCH/0,,contentMDK:2069616 7~pagePK:64214825~piPK:64214943~theSitePK:469382,00.html Bildirici, Melike and Sunal, Seçkin.(2006). Economic Determinants of Development in World Economy: 1920-2005 - An Analysis of 165 Countries .Applied Econometrics and International Development, Vol. 6, No. 3, 2006. Bland, R., & Card, D. (1993). Poverty, Income Distribution and Growth: Are They Still Connected? In R. M. Bland, D. Card, F. Levy, & J. Medoff, Brooking Papers on Economic Activity (pp. 285-339). Brookings Institution Press. Boix,C.(2009). The Conditional Relationship between Inequality and Development. PS: Political Science & Politics, 42, pp 645-649. Bradley, D., Huber, E., Moller, S., Nielsen, F., & Stephens, J. (2003). Distribution and Redistribution in Post-Industrial Democracies. World Politics Vol. 55, No.2, 193-228. Calderon, C., & Chong, A. (2001). External sector and income inequality in interdependent economies using a dynamic panel approach. Economics Letters, Elsevier, vol. 71(2), pages 225-231, May. Cardak, B., & Wilkins, R. (2009). The determinants of household risky asset holdings: Australian evidence on background risk and other factors. Journal of Banking & Finance, vol. 33(5), pages 850-860. Chatterjee, S., & Turnovsky, S. (2010). The Distributional Consequences of Government Spending. Castor Macroeconomics Workshop at the University of Washington,Society for Computational Economics in Paris , University of Georgia and the University of Florida. Clark, G., Xu, L., & Zou, H.-F. (2003). Finance and income inequality: a test of alternative theories. The World Bank Policy Research Working Paper Series 2984 , 1-26. Cornia, G.A. & Kiiski, S. (2001)."Trends in Income Distribution in the Post-World War II Period Evidence and Interpretation,"Working Paper Series UNU-WIDER Research Paper , World Institute for Development Economic Research (UNU-WIDER). Dafermos, Y., & Papatheodorou, C. (2010). The Impact of Economic Growth and Social Protection on Inequality and Poverty: Empirical Evidence from EU Countries. 1st International Conference in Political Economy (pp. 1-24). Rethymno (Crete): Greek Institute of Labour. De Tijd. (n.d.). De Tijd Grafieken. Opgehaald van http://grafieken.tijd.be/ 45
Decoster A.(2010).Economie: een inleiding.Universitaire pers Leuven. Dimelis, S. & Livad, A.(1999). Inequality and business cycles in the U.S. and European Union countries. International advances in economic research : IAER Vol. 5, No. 3, 321-338. Doepke M. & Schneider M.(2006)."Inflation and the Redistribution of Nominal Wealth," Journal of Political Economy, University of Chicago Press, vol. 114(6), pages 1069-1097, December Esping-Andersen, G. (1990). The three worlds of welfare capitalism. Cambridge: Polity Press. Ferreira , F. (1999, Juni). Inequality and economic performance: a brief overview to theories of growth and distribution. Opgeroepen op Maart 8, 2013, van Universitat de Valencia: http://www.uv.es/~mperezs/intpoleco/Lecturcomp/Distribucion%20Crecimiento/Distrib%20y% 20crecimiento.pdf Garner, A. (2009). A Practical Guide to ETF Trading Systems: A systematic approach to trading exchangetraded funds. Harriman House LTD. Golder, M. & Golder, S.(n.d.)Lecture 11: Multiple Regression Multicollinearity. Pennsylvania State University. Retrieved from https://files.nyu.edu/mrg217/public/multicollinearity_handouts.pdf Grable, J. (2000). Financial Risk Tolerance and Additional Factors That Affect Risk Taking in Everyday Money Matters. Journal of Business and Psychology, Volume 14, Issue 4, pp 625-630. Gustafsson, B. & Johansson, M. (1997). In Search for a Smoking Gun: What Makes Income Inequality Vary Over Time in Different Countries? Luxemburg Income Study Working Paper No. 172, 1-35. Hail, L., Sikes, S., & Wang, C. (2014). Cross-country evidence on the relation between capital gains taxes, risk and expected rates of return. Michigan School of Business Accounting Journal, 1-54. Available at SSRN: http://ssrn.com/abstract=2401511 or http://dx.doi.org/10.2139/ssrn.2401511 Hanlon , M., & Hoopes, J. (2013). What Do Firms Do When Dividend Tax Rates Change? An Examination of Alternative Payout Responses to Dividend Tax Rate Changes. Journal of Financial Econometrics, 1-49. Available at SSRN: http://ssrn.com/abstract=2065628 or http://dx.doi.org/10.2139/ssrn.2065628 Hongyi Li & Heng-fu Z.(2002).Inflation, Growth, and Income Distribution: A Cross-Country Study. Annals of Economics and Finance, Society for AEF, vol. 3(1), pages 85-101, May. Hopkins, M. (2004). Inequality of opportunity? Cross country evidence on the determinants of educational investment and returns. Gettysburg College. Hribar, P., Savoy, S., & Wilson, R. (2013). Pricing Firms’ Responsiveness to Shareholder Tax Incentives. Social Science Research Network, 1-44. Available at SSRN: http://ssrn.com/abstract=2320816 orhttp://dx.doi.org/10.2139/ssrn.2320816 Hui, H., Yinpin, Y., & Qing, Z. (2011). The income redistribution effect of dividend income tax in China. China National Knowledge Infrastructure, Stastical Research, 1-5.
46
Inghelbrecht ,K. (2014a). Hoorcollege 7: Models for Panel Data. University of Ghent Department Business Administration. Retrieved from http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF__Hoorcollege_07.pdf?cidReq=F71017402013 Inghelbrecht ,K. (2014b). Hoorcollege 2: Multiple Regression and Pitfalls using Cross-selectional Data. University of Ghent Department Business Administration. Retrieved from http://minerva.ugent.be/courses2013/F71017402013/document/Hoorcolleges/OMF__Hoorcollege_02.pdf?cidReq=F71017402013 Jauch, S., & Watzka, S. (2011). Financial Development and Income Inequality: A Panel Data Approach. CESifo Working Paper Series No. 3687, 1-38. Joumard, I., Mauro P., and Debbie B. (2012b), “Tacklingincome inequality: The role of taxes and transfers”, OECD Journal:Economic Studies, published online first.http://dx.doi.org/10.1787/eco_studies-2012-5k95xd6l65lt Joumard, I., Pisu, M., & Bloch, D. (2012c). Less Income Inequality and More Growth: Are they Compatible?: Part 1. OECD Economics Department Working Papers, No. 924, pp. 1-45. Kang, X., Nielsen, F., & Fachinotti, G. (2010, November 14). The new classic equity allocation. MSCI Barra Research Paper No. 2010-33, pp. 1-19. Koske, I., Fournier, J.-M., & Wanner, I. (2012). Less Income and More Growth: Are They Compatible? Part 2. The Distribution of Labour Income. OECD Economics Working Papers, No. 925, pp. 1-53. Krol,A. & Mediema,M.J. (2009).Measuring income inequality: an explanatory review. Region of Waterloo Public Health. Retrieved from http://chd.region.waterloo.on.ca/en/researchResourcesPublications/resources/IncomeInequalit y.pdf Kutler,D. & Katz,L.(1992).”Rising Inequality? Changes in the Distribution of Income and Consumption in the 1980’s”, American Economic Review Volume 82, No. 2,pp. 546-551 May 1992 Li, H., Squire, L., & Zou, H.-f. (1998). Explaining International and Intertemporal Variations In Income Inequality. Volume 108, Issue 446, pages 26–43, January 1998 Marques, C. (2004).Inflation persistence: facts or artefacts?,Working Paper Series 0371, European Central Bank. McManus, P.(2011).Introduction to Regression Models for Panel Data Analysis. Workshop in Methods. Indiana University Retrieved from http://www.indiana.edu/~wim/docs/10_7_2011_slides.pdf Menchero, J., Mozorov, A., & Shepard, P. (2010). Global Equity Risk Modeling. In J. Guerard, Handbook of Portfolio Construction pp. 439-480 Morgan Stanley Capital International. (2014). MSCI Resource Center. Opgeroepen op April 2014, 15, van MSCI World Index: http://www.msci.com/resources/factsheets/index_fact_sheet/msci-worldindex.pdf 47
Noppe, J., Vanderleyden, L., & Callens, M. (2011). De Sociale staat van Vlaanderen 2011. Studiedienst van Vlaamse Regering. OECD .(2011). Divided We Stand: Why Inequality Keeps Rising.OECD Publishing.http://dx.doi.org/10.1787/9789264119536-en OECD (2012b), Economic Policy Reforms 2012: Going for Growth, OECD Publishing. doi: 10.1787/growth-2012-en OECD. (2002). Revenue Statistics 2002. Special features:social security contributions the impact of gdp revisions on reported tax levels (p. 285). OECD Publishing. OECD. (2009). OECD Factbook 2009: Economic, Environmental and Social Statistics. OECD Publishing.doi: 10.1787/factbook-2009-en OECD.(2012a). OECD Employment Outlook 2012. OECD.Publishing.http://dx.doi.org/10.1787/empl_outlook-2012-en Paris School of Economics, Institute for New Economic Thinking, Center for Equitable Grotwh, ESRC. (sd). The World Top Incomes Database. Opgeroepen op February 13, 2014, van Database World Top Incomes Database: http://topincomes.g-mond.parisschoolofeconomics.eu/#Database: Pontusson, J.(2013). Unionization, Inequality and Redistribution. British Journal of Industrial Relations, 51: 797–825. doi: 10.1111/bjir.12045 Reichstein, T. (2011). Econometrics Endogenity. Copenhagen Business School Department of Innovation and Organizational Economics, Denmark.. Retrieved from http://www.soc.aau.dk/fileadmin/user_upload/kbm/VoF/Kurser/2011/kvantitativemetoder/Slides/TR-Endogeneity.pdf Richardson, J. (1995). Income inequality and trade: how to think, what to conclude. The Journal of Economic Perspectives Vol.9, No.3, 33-55. Riley, W., & Chow, K. (1992). Asset allocation and individual risk aversion. Financial Analysts Journal. Vol. 48, No. 6, pp. 32-37 Roine, J. & Vlachos, J. & Waldenström, D.(2009).The Long-run Determinants of Inequality: What Can We Learn from Top Income Data?Working Paper Series 721, Research Institute of Industrial Economics Schuyt, C.J.M. (2013, June 24). Noden en Wensen: de verzorgingsstaat gezien als een historisch fenomeen. Erasmus MC: University Medical Center Rotterdam. Retrieved from http://hdl.handle.net/1765/40475 Shaw,K.(1996). An Empirical Analysis of Risk Aversion and Income Growth.Journal of Labor EconomicsVol. 14, No. 4 pp. 626-653.Published by: The University of Chicago Press Stats, OECD. (n.d.). OECD.StatExtracts. OECD iLibrary: http://stats.oecd.org/Index.aspx?DataSetCode=REV
48
Subramanian, R., Nielsen, F., & Fachinotti, G. (2010). Globalization of equity policy portfolios: A fresh look at strategic asset allocation from a U.S. investor perspective. Investment & wealth monitor, pp. 6-15. Sylwester, K. (2002). Can education expenditures reduce income inequality? Economics of Education Review, Volume 21, Issue 1, February 2002, Pages 43–52 Thalassinos,E. & Ugurlu, E. & Muratoglu, Y.(2012)."Income Inequality and Inflation in the EU," European Research Studies Journal, European Research Studies Journal, vol. 0(1), pages 127-140. Williams, R. (2014). Multicollinearity. University of Notre Dame. Courses Sociology 63993 Graduate Statistics II. Retrieved from https://www3.nd.edu/~rwilliam/stats2/l11.pdf Zainodin, H. J., & Yap, S. J. (2013, September). Overcoming multicollinearity in multiple regression using correlation coefficient. In INTERNATIONAL CONFERENCE ON MATHEMATICAL SCIENCES AND STATISTICS 2013 (ICMSS2013): Proceedings of the International Conference on Mathematical Sciences and Statistics 2013 (Vol. 1557, No. 1, pp. 416-419). AIP Publishing. Zivot, E.(2012).Econ 582 – Fixed Effects Estimation of Panel Data. Faculty of Washington. UW Faculty Web Server. Retrieved from http://faculty.washington.edu/ezivot/econ582/fixedEffects.pdf
49
9. Bijlagen Bijlage 1: Overzicht bestudeerde landen
Afkorting
Land
AUS FRA JAP NIEUW-Z NOOR ZWE VS DEN VK ZWIT SPA POR NED ITA IER DUIT CAN
Australië Frankrijk Japan Nieuw-Zeeland Noorwegen Zweden Verenigde Staten Denemarken Verenigd Koninkrijk Zwitserland Spanje Portugal Nederland Italië Ierland Duitsland Canada
50
Bijlage 2: Overzicht landen en sectoren MSCI World index
Landen
Sectoren
Verenigde Staten 54,77% Verenigd Koninkrijk 8,66% Japan 8,11% Frankrijk 4,26% Canada 4,14% Andere 20,07%
Financiën 20,92% Informatica 12,24% Luxegoederen 11,94% Gezondheid 11,68% Industrie 11,33% Voedingsindustrie 9,82% Energie 9,53% Materialen 5,74% Telecommunicatie 3,54% Nutsvoorziening 3,27%
Bron: Morgan Stanley Capital International, MSCI World Index, March 2014 http://www.msci.com/resources/factsheets/index_fact_sheet/msci-world-index.pdf
51
Bijlage 3: Beschrijvende analyse Bijlage 3.1 Overzicht variabelen
C10
BELTOT
BELBBP
POP
BBPDEF
DEP
Gemiddelde
31.809
30.970
10.645
92.971
26.712
Standaardafwijking
5.113
11.189
4.917
455.73
Mediaan
31.680
29.756
9.968
Minimum
18.770
9.653
Maximum
49.74
61.606
BEST
WERKL
SYND
2.655
44 840 000
5.791
70.336
9.998
10.243
19.018
6.280
37.422
156.35
2.468
61 319 000
5.132
35.536
12.609
11.232
4.280
3.967
19.330
58.504
25.377
2.787
16 814 000
4.050
62.762
8.90
9.700
18.974
5.784
33.594
1.739
-1973.8
-668.58
-7.283
2 788 400
-1.80
15.375
-34.80
-33.10
8.059
0.002
7.544
26.307
899.08
270.93
11.272
306 770 000
27
227
73.70
65.40
29.788
24.171
83.863
Tabel A: Beschrijvende analyse alle 17 landen tussen 1969 en 2009
52
Bijlage 3.2 : Variabele C10
AUS
FRA
JAP
NIEUW- NOORW Z
ZWE
Gemiddelde
28.276
32.361
36.354
30.622
27.156
26.544
Standaardafwijking
2.274
1.001
3.563
2.297
3.207
Mediaan
28.240
32.590
36.040
31.020
Minimum
25.010
29.930
31.510
Maximum
32.040
33.960
42.960
VS
DEN
ZWIT
SPA
POR
NED
ITA
IER
DUI
CAN
39.908 26.561 34.648
31.206
33.491
31.690
29.070
30.087
32.948
33.757
38.745
2.863
5.506
4.950
1.191
0.904
6.385
1.259
2.709
2.694
2.253
2.793
27.220
27.140
40.080 25.440 34.210
30.935
33.300
34.850
28.450
30
33.290
33.500
39.570
26.260
21.830
22.440
32.630 24.510 27.780
29.650
32.290
18.770
27.470
26.040
27.290
30.990
33.950
37.770
37.060
31.70
49.740 33.340 42.610
33.630
35.660
38.250
31.720
34.120
37.870
38.110
42.540
2.580
VK
Tabel B: Beschrijvende analyse variabele C10 tussen 1969 en 2009
53
Bijlage 3.3 :Variabele BELTOT
AUS
FRA
JAP
NIEUW- NOORW Z
ZWE
Gemiddelde
41.872
13.115
22.660
49.211
27.196
37.800
Standaardafwijking
2.973
2.875
2.819
7.182
4.131
Mediaan
41.570
11.640
23.203
46.707
Minimum
36.651
9.653
17.510
Maximum
46.609
18.035
27.860
VS
DEN
ZWIT
SPA
POR
NED
ITA
IER
DUI
CAN
37.044 52.201 30.116
35.478
18.822
17.577
22.022
23.130
28.680
27.374
35.656
5.496
2.080
3.289
3.070
3.667
1.383
4.244
5.157
3.939
2.268
2.456
26.120
38.244
36.793 52.653 29.369
35.548
19.386
17.305
21.281
25.451
29.756
27.552
35.506
40.696
20.701
28.861
33.692 43.328 25.683
29.729
10.573
13.931
15.154
10.866
17.276
22.905
29.233
61.606
38.762
49.774
42.059 58.632 39.997
40.102
24.022
20.396
28.137
27.768
34.789
31.790
40.844
2.397
VK
Tabel C: Beschrijvende analyse variabele BELTOT tussen 1969 en 2009
54
Bijlage 3.4 : Variabele BELBBP
AUS
FRA
JAP
NIEUW- NOORW Z
ZWE
Gemiddelde
11.277
5.435
5.743
15.673
11.139
17.579
Standaardafwijking
1.387
1.528
0.995
2.285
1.212
Mediaan
11.508
4.897
5.614
15.885
Minimum
7.747
3.278
3.903
Maximum
13.309
7.995
7.939
VS
DEN
ZWIT
SPA
POR
NED
ITA
IER
DUI
CAN
9.534 23.730 10.513
9.050
5.471
5.291
8.989
8.451
9.005
9.785
11.696
1.867
0.897
1.073
0.929
2.005
0.507
1.865
2.908
1.812
0.842
1.445
10.739
17.706
9.412 24.759 10.366
9.204
6.414
5.346
9.124
9.817
9.328
9.911
1.524
9.871
8.999
13.437
7.845 14.627 8.737
6.838
1.739
3.711
5.998
2.793
4.934
8.020
8.856
19.667
13.846
20.409
11.859 26.307 13.977
10.428
7.941
6.089
11.786
11.671
12.640
11.373
14.547
2.374
VK
Tabel D: Beschrijvende analyse variabele BELBBP tussen 1969 en 2009
55
Bijlage 4:Correlatiematrix BELTOT
BELBBP
POP
BBPDEF
DEP
IMP
EXP
BEST
WERKL
SYND
BELTOT
1,00
BELBBP
0,845
1,00
-0,017
0,004
1,00
-0,007
0,009
0,992
1,00
-0,053
-0,108
0,038
0,060
1,00
-0,121
-0,284
0,005
0,002
-0,020
1,00
0,069
-0,026
-0,232
-0,188
-0,065
-0,167
1,00
DEP
-0,324
-0,391
0,016
-0,012
-0,160
0,270
-0,336
1,00
IMP
-0,017
-0,076
-0,127
-0,117
0,445
-0,031
0,407
-0,203
1,00
EXP
-0,021
-0,077
-0,171
-0,153
0,325
-0,020
0,580
-0,252
0,728
1,00
BEST
0,118
0,528
0,031
0,022
-0,221
-0,238
-0,143
-0,346
-0,165
-0,160
1,00
WERKL
-0,187
-0,089
-0,106
0,115
-0,048
0,011
-0,085
-0,128
-0,083
-0,041
0,208
1,00
SYND
0,537
0,742
-0,023
-0,004
0,025
-0,441
0,300
-0,478
0,119
0,173
0,484
-0,176
1,00
C10
-0,251
-0,443
0,064
0,036
0,040
0,617
-0,377
0,448
-0,126
-0,199
-0,360
0,119
-0,646
POP BBPDEF
C10
1,00
56
Bijlage 5: VIF test Minimumwaarde = 1 wijst op geen correlatie Waarde > 10 wijst op een collineariteitsprobleem
Variabele
VIF waarde
BELTOT i,t-1 BELBBPi,t-1
10.360 16.113 50.711 50.427 1.263 1.376 2.362 2.054 1.857 2.283 3.950 1.388 4.513
t-1
it-1 i,t-1
POP i,t-1 BBPDEF i,t-1 DEP i,t-1 IMP i,t-1 EXP i,t-1 BEST i,t-1 WERKL i,t-1 SYND i,t-1
57
Bijlage 6: Panelregressies
Bijlage 6.1: Pooled OLS model
1.1
1.2
1.3
1.4
constant (t-waarde)
BELTOTi,t-1 (t-waarde)
34.024***
0.011
(10.596)
(0.285)
BELBBPi,t-1 (t-waarde)
ΔMSCIRIt-1 (t-waarde)
ΔMSCIPIt-1 (t-waarde)
ΔBBPi,t-1 (t-waarde)
POPi,t-2 (t-waarde)
ΔBBPDEFi,t-1 DEPi,t-1 ΔIMPi,t-1 ΔEXPi,t-1 BESTi,t-1 WERKLi,t-1 SYNDi,t-1 (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde)
0.001***
0.159
3.35e-08***
-0.126
0.010
-0.009
0.015
-0.158
0.078
-0.074***
(2.596)
(1.087)
(7.405)
(-1.537)
(1.051)
(-0.649)
(1.173)
(0.159)
(0.949)
(-2.772)
34.468***
0.015
0.001***
0.153
3.38e-08***
-0.127
0.009
-0.008
0.014
-0.173
0.077
-0.072**
(10.860)
(0.872)
(2.637)
(1.082)
(8.057)
(-1.596)
(0.935)
(-0.597)
(1.111)
(0.130)
(0.935)
(-2.543)
34.030***
0.011
0.002**
0.160
3.34e-08***
-0.132
0.010
-0.008
0.014
-0.154
0.078
-0.075***
(10.544)
0.307
(2.256)
(1.084)
(7.342)
(1.586)
(1.097)
(-0.570)
(1.096)
(0.172)
(0.949)
(-2.812)
34.490***
0.018
0.002**
0.155
3.36e-08***
-0.133
0.010
-0.007
0.013
-0.169
0.077
-0.074**
(10.800)
(0.195)
(2.299)
(1.080)
(7.981)
-1.639
(0.979)
(-0.522)
(1.036)
(0.139)
(0.935)
(-2.584)
R²
0.711
0.711
0.708
0.708
* 10% niveau significant ** 5% niveau significant *** 1% niveau significant
58
Bijlage 6.2 : Within Group Fixed Effects model
1.1
1.2
1.3
1.4
constant (t-waarde)
BELTOTi,t-1 (t-waarde)
BELBBPi,t-1 (t-waarde)
ΔMSCIRIt-1 (t-waarde)
ΔMSCIPIt-1 (t-waarde)
ΔBBPi,t-1 (t-waarde)
36.135***
-0.024
0.0008***
-0.045
(7.581)
(-0.507)
(2.609)
(-0.691)
37.240***
-0.263**
0.0007***
-0.059
(8.634)
(-2.363)
(2.622)
(-0.810)
36.100***
-0.026
0.002**
-0.044
(7.562)
(-0.540)
(2.479)
(-0.677)
37.169***
-0.266**
0.002**
-0.058
(8.630)
(-2.362)
(2.482)
(-0.797)
POPi,t-1 (t-waarde)
ΔBBPDEFi,t-1 DEPi,t-2 ΔIMPi,t-1 ΔEXPi,t-1 BESTi,t-1 WERKLi,t-1 SYNDi,t-1 F-waarde (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde)
1.48e-07*** -0.024*** (13.35)
(-2.607)
1.52e-08*** -0.184*** (11.906)
(-3.212)
1.49e-07*** -0.160*** (13.574)
(-2.644)
1.53e-07*** -0.187*** (12.116)
(-3.245)
-0.022
0.010*
0.019**
-0.167
-0.051
(1.259)
(1.697)
(2.481)
(0.299)
(-0.746)
-0.025
0.090
0.018**
-0.111
-0.050
(-1.426)
(1.540)
(2.377)
(0.441)
(-0.739)
-0.021
0.011*
0.018**
-0.154
-0.055
(-1.252)
(1.843)
(2.462)
(0.321)
(-0.785)
-0.025
0.009*
0.018**
-0.104
-0.054
(-1.418)
(1.688)
(2.357)
(0.472)
(-0.780)
-0.146** 38.940*** (-2.268) -0.141** 41.727*** (-2.168) -0.148** 39.194*** (-2.289) -0.143** 42.06*** (-2.189)
* 10% niveau significant ** 5% niveau significant *** 1% niveau significant
59
Bijlage 6.3: Random Effects model
1.1
1.2
1.3
1.4
constant (t-waarde)
BELTOTi.t-1 (t-waarde)
BELBBPi.t-1 (t-waarde)
ΔMSCIRIt-1 (t-waarde)
ΔMSCIPIt-1 (t-waarde)
ΔBBPi.t-1 (t-waarde)
38.116***
-0.005
0.0009***
-0.056
(19.111)
(-0.168)
(3.034)
(-0.974)
39.101***
-0.167***
0.0009***
-0.067
(21.350)
(-2.612)
(3.030)
(-1.177)
37.943***
-0.008
0.002**
-0.054
(18.673)
(-0.293)
(2.363)
(-0.943)
38.872***
-0.180***
0.002**
-0.065
(20.710)
(-2.815)
(2.368)
(-1.150)
POPi.t-1 (t-waarde)
ΔBBPDEFi.t-1 DEPi.t-1 ΔIMPi.t-1 ΔEXPi.t-1 BESTi.t-1 WERKLi.t-1 SYNDi.t-1 Hausman (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) (t-waarde) Chi-kwadr
9.65e-08*** -0.182*** (10.96)
(-5.580)
9.77e-08*** -0.202*** (11.230)
(-6.079)
1.02e-07*** -0.183*** (11.263)
(-5.631)
1.04e-07*** -0.204*** (11.627)
(-6.163)
-0.020***
0.007
0.020
-0.153**
-0.081*
(-2.700)
(0.662)
(1.522)
(-1.984)
(-1.919)
-0.023***
0.006
0.020
-0.115
(-3.175)
(0.583)
(1.491)
(-1.475)
(-2.007)
-0.020***
0.008
0.020
-0.145*
-0.082*
(-2.644)
(0.758)
(0.132)
(-1.877)
(-1.953)
-0.023***
0.007
0.019
-0.104
(-3.145)
(0.687)
(1.483)
(-1.342)
-0.145*** 63.281*** (-8.014)
-0.084** -0.138*** 75.760*** (-7.183) -0.147*** 57.525*** (-8.123)
-0.084** -0.141*** 67.254*** (-2.021)
(-7.983)
* 10% niveau significant ** 5% niveau significant *** 1% niveau significant
60
61
