Academiejaar 2003 - 2004
Een “Data Envelopment” analyse van de overheidsefficiëntie in ontwikkelingslanden
Scriptie voorgelegd tot het behalen van de graad van: licentiaat in de Economische Wetenschappen.
Nicolas Van de Sijpe onder leiding van Prof. Dr. Glenn Rayp
Vertrouwelijkheidsclausule “Permission”
Woord vooraf In de eerste plaats wens ik mijn ouders te bedanken voor hun steun en toewijding tijdens mijn jaren van studie. Ze hebben me steeds vrij gelaten in mijn keuzes, maar stonden telkens voor de volle 100% achter mij, en daar ben ik bijzonder dankbaar voor. Tevens wens ik mijn collega’s van de tweede licentie Economische Wetenschappen en iedereen aan de Faculteit Economie en Bedrijfskunde van de Universiteit Gent te bedanken omdat ze de voorbije vier jaar zo onvergetelijk hebben gemaakt. Ik ben mijn promotor, Prof. Dr. Rayp, erkentelijk om zijn uitstekende begeleiding bij deze thesis. Vele van zijn opmerkingen en ideeën waren bijzonder waardevol en hebben in aanzienlijke mate bijgedragen tot de kwaliteit van deze thesis. Tot slot ben ik hem bijzonder dankbaar voor de vrijheid die ik gekregen heb om de richting te bepalen waarin deze thesis zou evolueren.
i
Inhoudsopgave 1.
Inleiding
1
2.
Fiscaal beleid en economische groei
5
3.
4.
2.1.
Basismodellen
2.2.
Empirie
10
2.2.1.
Initieel teleurstellende resultaten
10
2.2.2.
Een tekortkoming in de empirische literatuur
12
Het belang van inefficiëntie
15
3.1.
Controleren voor distortieve belastingen is corrigeren voor inefficiëntie
15
3.2.
Inefficiënties langs uitgavenzijde
17
3.3.
Terug naar de theorie
26
Data Envelopment Analysis
31
4.1.
Alternatieve methoden om efficiëntie te analyseren
31
4.2.
Basisidee
33
4.3.
Een intuïtieve uiteenzetting
34
4.4.
De technische outputefficiëntie met één input en twee outputs
39
4.5.
Wiskundige uitwerking
41
4.5.1.
Het onderliggende maximalisatieprobleem
42
4.5.2.
Het lineair programmeringsprobleem
43
4.5.3.
Constante versus variabele schaalopbrengsten
45
4.5.4.
Slacks
46
4.6. 5.
5
Interessante praktische toepassingen van DEA
47
Overheidsefficiëntiemaatstaven berekend aan de hand van Data Envelopment Analysis 49 5.1.
Relatie met eerder onderzoek
5.1.1. 5.2.
Data Envelopment Analysis versus Free Disposable Hull
Opzet van het empirisch onderzoek
49 50 51 ii
5.2.1.
Input
51
5.2.2.
Outputs
53
5.2.2.1.
Gezondheid en onderwijs
53
5.2.2.2.
De capaciteit van een overheid om een goed beleid te voeren
55
5.2.2.3.
Wat niet wordt opgenomen
57
5.2.3. 5.3. 6.
Outputefficiëntie versus inputefficiëntie
Resultaten
Determinanten van overheidsinefficiëntie: een general to specific aanpak
59 60 63
6.1.
General to specific
63
6.2.
Verklarende variabelen
65
6.3.
Resultaten
71
6.3.1.
Paarsgewijze correlaties
71
6.3.2.
Initiële resultaten uit de regressie-analyse
72
6.3.3.
Resultaten zonder outliers
75
6.3.4.
Etnische fractionalisatie
79
6.3.5.
Andere variabelen voor ontwikkelingshulp
80
6.3.6.
Endogeniteit en simultaneïteit
82
6.3.7.
Opsplitsing naar de verschillende outputdimensies
84
6.3.7.1.
Gezondheid
85
6.3.7.2.
Onderwijs
86
6.3.7.3.
De capaciteit om een goed beleid te voeren
88
6.3.8.
Overzicht van de belangrijkste resultaten
7.
Besluit
8.
Literatuurlijst
Appendix
90 92 i xi
iii
Lijst van gebruikte afkortingen BCC: Banker, Charnes en Cooper CCR: Charnes, Cooper en Rhodes DEA: Data Envelopment Analysis DMU: Decision Making Unit OLS: Ordinary Least Squares
iv
Lijst van figuren Figuur 1: Het zwakke verband tussen publieke uitgaven en uitkomsten in de onderwijs- en gezondheidssector, controlerend voor inkomen per capita ..................................................... 25 Figuur 2: Fiscaal beleid en economische groei....................................................................... 28 Figuur 3: Grafische illustratie DEA voor het geval met één input en één output ................... 35 Figuur 4: De gevoeligheid van DEA voor meetfouten............................................................. 39 Figuur 5: De technische outputefficiëntie voor het geval met één input en twee outputs........ 41 Figuur 6: Constante vs. variabele schaalopbrengsten............................................................. 46 Figuur 7: De technische outputefficiëntie met outputslacks .................................................... 47 Figuur 8: Technische outputefficiënties bij variabele schaalopbrengsten voor 51 lageinkomenslanden en lager-middeninkomenslanden................................................................... 61
v
Lijst van tabellen Tabel 1: Regressieouput voor het algemene model ................................................................. 73 Tabel 2: Regressieouput voor het specifieke model ................................................................. 74 Tabel 3: Regressieoutput voor het algemene model zonder outliers ....................................... 76 Tabel 4: Regressieoutput voor het specifieke model, vertrekkend van een algemeen model zonder outliers.......................................................................................................................... 77 Tabel 5: Regressieoutput voor het specifieke model vertrekkend van een algemeen model met ODACAPWDI en zonder outliers............................................................................................. 81 Tabel 6: Regressieoutput voor het specifieke model voor de gezondheidsdimensie (1 output), vertrekkend van een algemeen model zonder outliers en zonder CONTROLCORR ............... 85 Tabel 7: Regressieoutput voor het specifieke model voor de onderwijsdimensie (2 outputs), vertrekkend van een algemeen model met ODACAPWDI, zonder outliers en zonder CONTROLCORR ..................................................................................................................... 87 Tabel 8: Regressieoutput voor het specifieke model voor de capaciteit om een goed beleid te voeren (1 output), vertrekkend van een algemeen model met ODACAP, zonder outliers en zonder CONTROLCORR.......................................................................................................... 89 Tabel 9: Regressieoutput voor het specifieke model voor de capaciteit om een goed beleid te voeren (2 outputs), vertrekkend van een algemeen model met ODACAP, zonder outliers en zonder CONTROLCORR.......................................................................................................... 90 Tabel A10: Variabelen DEA studie, definitie en bron .............................................................. xi Tabel A11: Sample en resultaten DEA studie ......................................................................... xiii Tabel A12: Variabelen regressie-analyse, definitie en bron................................................... xvi Tabel A13: Beschrijvende statistieken verklarende variabelen ................................................xx
vi
1. Inleiding Enkele decennia geleden veronderstelden vele economen een nogal mechanische link tussen investeringen en economische groei (Dollar en Easterly, 1999, p. 1-11, Easterly, 2001, hoofdstuk 2 en 3, p. 25-70). Om de welvaartskloof tussen rijk en arm te dichten dacht men dat het volstond via hulp de investeringsgraad van ontwikkelingslanden op te krikken. Hoewel deze hoop door de realiteit herhaaldelijk bruusk aan diggelen werd geslagen, bleef men veel te lang aan dit idee van de financing gap vasthouden. Vanaf de jaren ’80 verlegde de aandacht van ontwikkelingshulp zich naar het induceren van beleidshervormingen, maar ook dat zorgde niet voor de verhoopte grootschalige inhaalbeweging van armere landen (Dollar en Easterly, 1999, p. 11-18). Het groeiende besef dat de overheid een cruciale rol vervult in de economische ontwikkeling van een land kreeg op het einde van de jaren ’80 ondersteuning van de endogene groeitheorie. In tegenstelling tot de neoklassieke visie, is de groeivoet op lange termijn in deze modellen niet bepaald door de exogene technologische vooruitgang. Vele van deze modellen wijzen op het belang van externaliteiten of nemen publieke goederen en diensten rechtstreeks op in de productiefunctie. In beide gevallen kan overheidstussenkomst de groei beïnvloeden. Niet toevallig in 1989 formuleerde John Williamson de Washington Consensus, een lijst van 10 beleidskeuzes die volgens hem toendertijd door de Bretton Woodsinstellingen en enkele belangrijke Amerikaanse overheidsinstellingen wenselijk werden geacht voor Latijns-Amerika (World Bank, 2004). Al deze zaken wijzen op een groeiende aandacht voor het overheidsbeleid in ontwikkelingslanden in de laatste 25 jaar, maar inspanningen om dit beleid te verbeteren en zo de groei te bevorderen leverden gemengde resultaten op. Eén van de problemen met deze aanpak is immers dat men vaak te veel, te snel wil. Er is geen gedetailleerd menu met beleidsvoorschriften die garant staan voor succes, laat staan dat ontwikkelingshulp overheden ertoe kan aanzetten net die beleidsopties te kiezen en te implementeren. Opdat aanpassingsprogramma’s zouden werken, is het van belang dat de initiële omstandigheden (o.a. politieke stabiliteit, politieke wil,…) goed zitten (Dollar en Svensson, 2000). Hulp geven aan een land dat niet aan deze criteria voldoet, zal op zich geen wijziging in het beleid teweeg brengen. Bovendien is het beleid dat de groei stimuleert contextspecifiek en kunnen er weinig algemene lessen uit getrokken worden (Rodrik, 2003, p. 1
2-3). Rodrik (2003) wijst erop dat de sterkst groeiende landen van de afgelopen decennia (de Oost-Aziatische tijgers, China en in mindere mate India) niet diegene zijn geweest zijn die de uitgebreide Washington Consensus het nauwst hebben gevolgd. Waar men zijn beleid het meest gespiegeld heeft aan de Washington Consensus (Latijns-Amerika) is de groei na 1980 vertraagd, en niet versneld. Het punt dat Rodrik (2003) maakt is dat de onderliggende principes die nodig zijn voor economische groei – marktgeoriënteerde incentives, eigendomsrechten, macro-economische stabiliteit,… – ook op vele andere manieren dan de Washington Consensus kunnen worden bereikt. Dit geeft overheden ruimte om creatief te zijn en optimaal in te spelen op de lokale omstandigheden, maar het toont ook aan dat het niet eenvoudig is beleidskeuzes te maken uit een ruime waaier van potentiële opties. De speelruimte die een overheid heeft om de onderliggende principes, die nodig zijn voor een succesvolle economische ontwikkeling, om te zetten in concrete beleidskeuzes, heeft voor een stuk te maken met geluk. Naast een goed overheidsbeleid, ziet Easterly (2001) geluk als één van de bepalende factoren voor economische groei. Internationale ontwikkelingen zoals de groei in industrielanden, de evolutie van de ruilvoet,… of binnenlandse aangelegenheden zoals het uitbreken van een oorlog of ziektes als HIV kunnen de groei afremmen, maar liggen voor het grootste part buiten de invloedssfeer van de overheid. Aangezien aan geluk per definitie niets kan gedaan worden, blijft een degelijk overheidsbeleid de manier bij uitstek om de kloof met rijke landen te overbruggen. Ondanks de uitgesproken en gerechtvaardigde aandacht voor overheidsbeleid in de laatste decennia zijn enkele facetten van dit beleid nog steeds onderbelicht. Het gaat met name om inefficiënties in de overheidstussenkomst, meer bepaald in het fiscaal beleid. Het budget is voor overheden in ontwikkelingslanden een zeer geschikt instrument om de economische ontwikkeling van een land in de goede richting te sturen. Het is dan ook verwonderlijk dat inefficiënties in deze context het moeten stellen met zo’n beperkte aandacht van onderzoekers. Ervaringen uit de praktijk en empirisch onderzoek tonen immers ontegensprekelijk aan dat inefficiënties veelvuldig voorkomen in ontwikkelingslanden. Verduistering van ontwikkelingshulp en overheidsgelden hebben zich in het verleden meer dan eens voorgedaan (De Tijd, 27 maart 2004, p. 9, “Vroegere Zaïrese dictator Moboetoe een van meest corrupte politieke leiders”). Onderwijs en gezondheidszorg gaan gebukt onder een tekort aan middelen, misallocaties van uitgaven en onvoldoende gemotiveerde werkkrachten. 2
De kwaliteit van publieke diensten is vaak beschamend, en zelfs uitbuiting en misbruiken – voornamelijk van het armere deel van de bevolking – komen systematisch voor. Een voorbeeld kan het belang van inefficiëntie in het fiscaal beleid en de vaak bestaande mogelijkheid om deze inefficiëntie via beperkte ingrepen weg te werken, illustreren. Ablo en Reinikka (1998) stellen de verspillingen in de Oegandese gezondheids- en onderwijsuitgaven tijdens de eerste helft van de jaren ’90 aan de kaak: slechts 13% van de onderwijsuitgaven van de centrale overheid bereikt de scholen en een groot deel van de medicijnen verdwijnen om verkocht te worden op de zwarte markt. Hun werk lokte meteen reacties uit en bracht de Oegandese overheid ertoe maatregelen te nemen: de transfer van fondsen wordt nu regelmatig gepubliceerd in nationale en lokale kranten en omgeroepen via de radio om de bevolking van meer informatie te voorzien. Daarnaast gebeurden er vrij beperkte hervormingen van het systeem waarlangs de scholen van middelen voorzien worden. Deze eenvoudige tussenkomsten brachten een ware kentering teweeg: in 1999 kwam al 90% van de centrale onderwijsuitgaven aan bij de scholen (Reinikka en Svensson, 2001, p. 29). Deze substantiële verbetering heeft ongetwijfeld vele Oegandese kinderen een kans op een betere toekomst gegeven en zal op die manier zeker bijdragen tot de lange termijn ontwikkeling van Oeganda. De impact van deze bescheiden ingrepen kan enorm zijn, dit terwijl omvangrijke beleidshervormingen vaak moeilijker te implementeren zijn en de effecten ervan niet eenvoudig te voorspellen zijn. Het facet van het beleid waarop in deze thesis geconcentreerd wordt is bovendien minder contextspecifiek, waardoor er makkelijker algemene lessen uit kunnen getrokken worden. Elk land zal met andere problemen geconfronteerd worden, maar de voorwaarden waaraan moeten voldaan worden opdat de publieke uitgaven kwaliteitsvolle diensten creëren, zijn voor elke overheid dezelfde. Het contrast tussen de beperkte aandacht in de literatuur voor inefficiënties in het fiscaal beleid en de enorme gevolgen van deze inefficiënties, en het perspectief dat het zeker niet onmogelijk is deze inefficiënties weg te werken, vormen de belangrijkste motivatie voor deze thesis. In het volgende hoofdstuk onderzoeken we om te beginnen de rol van de overheid in het groeiproces. We bespreken enkele endogene groeimodellen waarin de overheidstussenkomst centraal staat. De boodschap van deze modellen is dat de overheid een belangrijke invloed kan hebben op de groei. De eerste resultaten uit de empirische literatuur ondersteunen deze
3
hypothese echter niet. De meeste auteurs vinden een erg zwak of zelfs geen verband tussen productieve overheidsuitgaven en economische groei. In het derde hoofdstuk tonen we aan dat inefficiënties in het budgettair beleid hiervoor een mogelijke verklaring zijn. Wanneer men immers controleert voor inefficiëntie langs inkomstenzijde – door rekening te houden met het feit dat een deel van de uitgaven gefinancierd wordt door middel van distortieve belastingen – wordt er wel een significant positief effect gevonden van de productieve overheidsuitgaven op de economische groei. Inefficiëntie vormt een belangrijke hinderpaal die moet overwonnen worden alvorens een overheid de groei kan aanwakkeren. Voor ontwikkelingslanden zijn inefficiënties in de uitgaven nog veel prangender dan de distorties gecreëerd door belastingen, in eerste instantie omdat ontwikkelingshulp voor deze landen een grote fractie van het budget uitmaakt. Een tweede reden is de frequentie en magnitude waarmee dergelijke inefficiënties voorkomen. Op het einde van hoofdstuk 3 keren we terug naar de theorie om na te gaan hoe inefficiëntie kan geïncorporeerd worden in de endogene groeimodellen. Het gevolg van dit alles is dat de impact van een overheid op de economische ontwikkeling van een land verwatert. Rigoureus onderzoek om deze inefficiënties te identificeren en te zoeken naar oplossingen is dan ook welkom. Data Envelopment Analysis (DEA) kan hierin een belangrijke bijdrage leveren. Deze niet-parametrische techniek wordt in het vierde hoofdstuk op intuïtieve wijze voorgesteld. Aan de hand van DEA kunnen we de relatieve efficiëntie van overheden in ontwikkelingslanden bepalen. Dit doen we in het vijfde hoofdstuk voor een sample van 52 lage-inkomenslanden en lager-middeninkomenslanden. De maatstaven die geschat worden geven de technische outputefficiëntie bij variabele schaalopbrengsten weer. De input is de publieke uitgaven, de outputs hebben betrekking op onderwijs- en gezondheidsuitkomsten en de capaciteit om een goed beleid te voeren. In het daaropvolgende hoofdstuk wordt één van deze efficiëntiemaatstaven gehanteerd als afhankelijke variabelen in een general to specific aanpak van regressie-analyse. Zo trachten we op zoek te gaan naar de determinanten van overheidsinefficiëntie, waarbij we bijzondere aandacht besteden aan de rol van ontwikkelingshulp. In hoofdstuk 7 hernemen we de belangrijkste resultaten en hebben we aandacht voor de beleidsimplicaties die voortvloeien uit deze resultaten.
4
2. Fiscaal beleid en economische groei In dit hoofdstuk gaan we na of er een rechtstreeks verband bestaat tussen het fiscaal beleid dat een overheid voert en de economische groei in een land. We stellen met andere woorden de vraag of de hoogte en structuur van de belastingen, en de grootte en samenstelling van de overheidsuitgaven, de outputgroei beïnvloeden. De endogene groeimodellen (sectie 2.1), vooral ontwikkeld vanaf het einde van de jaren ’80, voorspellen een grote rol voor de overheid. Empirisch onderzoek (sectie 2.2) is de theorie aanvankelijk echter niet goed gezind. Verscheidene auteurs vinden geen positieve groei-effecten van gezondheids- en onderwijsuitgaven en zelfs de impact van uitgaven voor transport- en communicatieinfrastructuur staat ter discussie. Dit zijn merkwaardige resultaten, aangezien net dit de uitgavenposten zijn waarvan men het meeste heil zou verwachten. In het volgende hoofdstuk komen we hier op terug en tonen we aan dat deze resultaten kunnen verklaard worden door inefficiënties in het verhaal te betrekken.
2.1. Basismodellen In neoklassieke groeimodellen, voornamelijk verbonden met de naam van Robert Solow (1956), is er geen ruimte voor de overheid om een permanent effect te sorteren op de economische groei. De groei van het inkomen per capita op lange termijn valt immers samen met de exogene technologische vooruitgang. Een cruciale assumptie om tot dit resultaat te komen zijn dalende marginale opbrengsten in de accumuleerbare productiefactoren. De overheid kan wel trachten de investeringsquote op te trekken (bv. via productieve overheidsinvesteringen, tenminste voor zover deze de private investeringen niet verdringen) maar hierdoor kan ze enkel het niveau van het inkomen per capita beïnvloeden. De steady state ligt dan gunstiger, maar de economische groei in deze steady state blijft onveranderd. In de endogene groeitheorie is er wel ruimte voor overheidsinterventie om blijvende groeieffecten te genereren. Barro (1990) neemt naast kapitaal in de ruime zin ( k ), dat zowel menselijk als fysisch kapitaal bevat, ook de door de overheid aangeboden hoeveelheid publieke diensten ( g ) op als input in de productiefunctie. Hoewel de productie nog steeds dalende marginale opbrengsten vertoont in privaat kapitaal k , is er sprake van constante 5
schaalopbrengsten in k en g tezamen. De aangeboden publieke diensten zijn dus in zekere zin complementair met de private input: een expansie van deze laatste gaat gepaard met afnemende marginale opbrengsten, tenzij wanneer de publieke input g in dezelfde proportie toeneemt. De private marginale productiviteit van kapitaal is dan een functie van g waardoor overheidsuitgaven twee tegengestelde effecten hebben op de economische groei (Aghion en Howitt, 1998, p. 522). Enerzijds verhogen productieve overheidsuitgaven de marginale productiviteit van kapitaal en stimuleren ze de outputgroei. Anderzijds is het mogelijk dat deze uitgaven gefinancierd worden door distortieve belastingen, die een negatief effect hebben op de groei. Barro (1990) geeft zelf al aan dat men uit de verschillende mogelijke combinaties van financiering (distortief vs. niet-distortief) en uitgaven (productief vs. nietproductief) empirisch testbare implicaties kan afleiden. In sectie 3.3 komen we hier op terug en bespreken we een eenvoudige variant van het Barro-model op meer formele wijze. Barro en Sala-i-Martin (1992) bespreken een brede waaier van endogene groeimodellen waarin het fiscaal beleid van de overheid centraal staat. Eén van hun conclusies is dat het optimale belastingsbeleid afhangt van het type publieke goederen en diensten die door de overheid aangeboden worden. Gaat het om publiek voorziene private goederen (die rivaal en exclusief zijn) of om publieke goederen (niet-rivaal en niet-exclusief) dan is een lump-sum belasting te verkiezen boven een inkomensbelasting. Veel publieke goederen zijn echter onderhevig aan congestie (i.e. ze zijn rivaal, maar niet-exclusief), waardoor een inkomensbelasting superieur wordt. Deze inkomensbelasting doet dienst als een gebruikerstarief en laat zo toe dat de externaliteit, gecreëerd door congestie, wordt geïnternaliseerd door de private economische agenten die gebruik maken van het publieke goed. Hoewel Barro (1990) niet expliciet bespreekt wat productieve en niet-productieve investeringen onderscheidt, kunnen we uit andere endogene groeimodellen afleiden dat uitgaven die menselijk kapitaal opbouwen zeker kandidaat zijn om als productieve investeringen bestempeld te worden. Dit zien we onder andere bij Dürnecker en Zagler (2003), die een interessante bijdrage leveren tot de endogene groeitheorie. Deze auteurs werken een model uit waarin innovatie één van de cruciale determinanten is van de
6
economische groei. Zo slagen ze er in enkele kanalen waar in de literatuur naar worden verwezen om een link te leggen tussen fiscaal beleid en lange termijn groei, binnen één enkel raamwerk te demonstreren. Doordat publiek kapitaal deel uitmaakt van de productiefunctie, kan de overheid de productiviteit van de private sector beïnvloeden: een toename van de overheidsuitgaven verhoogt de marginale productiviteit van fysisch kapitaal in de privé-sector. Typische voorbeelden van zulke overheidsinvesteringen zijn investeringen in fysische infrastructuur (wegen,
treinsporen,
havens,…)
en
in
communicatie-
en
informatiesystemen
(internetaansluitingen, telefoonlijnen,…). De toegenomen marginale productiviteit van private inputs stimuleert hun accumulatie, met een hogere groei tot gevolg (Dürnecker en Zagler, 2003). Publieke investeringen in menselijk kapitaal spelen een gelijkaardige rol. In het model van Lucas (1988) heeft menselijk kapitaal, naast een direct effect op de output, een positieve invloed op de productiviteit van de andere productiefactoren. Cruciaal is de vergelijking die de accumulatie van menselijk kapitaal weergeeft: h&(t ) = h(t )δ [1 − u (t )] . Een gegeven toename in h(t ) vergt steeds dezelfde inspanning, onafhankelijk van het niveau van h(t ) . Er is dus
geen sprake van dalende marginale opbrengsten in de voorraad menselijk kapitaal. Erg belangrijk is de parameter δ die de productiviteit van investeringen in menselijk kapitaal weergeeft. Een toename in deze parameter heeft een rechtstreeks positief effect op de accumulatie van menselijk kapitaal maar beïnvloedt daarnaast ook de investeringsbeslissing. Een hogere δ zorgt er immers voor dat meer tijd wordt besteed aan de accumulatie van menselijk kapitaal (een hogere 1 − u (t ) ) (Aghion en Howitt, 1998, p. 330). Volgens Lucas (1988) zijn er aanzienlijke positieve externaliteiten verbonden aan de accumulatie van menselijk kapitaal waardoor overheidstussenkomst nodig is om naar het optimale groeipad te evolueren. Dit argument zal echter pas opgaan wanneer de overheid er ook daadwerkelijk in slaagt de productiviteit van investeringen in menselijk kapitaal op te trekken. Bij Dürnecker en Zagler (2003) is de publieke voorziening van onderwijs vereist om kennis te genereren, die onontbeerlijk is voor de creatie van innovaties. Menselijk kapitaal doet met andere woorden dienst als een belangrijke input in de R&D-sector, een idee dat het eerst werd uitgewerkt door Paul Romer (1986, 1990). Bij Romer (1986, 1990) gelden in de productie van
7
consumptiegoederen toenemende marginale opbrengsten in kennis1. Kennis zelf wordt voortgebracht door huidige consumptie op te geven en middelen toe te kennen aan een R&Dsector, waar afnemende schaalopbrengsten gelden. Een deel van de kennis is publiek (dit wil zeggen: kan niet beschermd worden door een patent of geheim gehouden worden), wat aanleiding geeft tot externaliteiten. Opnieuw is een efficiënte overheidstussenkomst noodzakelijk om kennisaccumulatie te stimuleren. Via een eenvoudige aanpassing van het model van Dürnecker en Zagler (2003), namelijk door de hoeveelheid arbeid die in de manufactuursector wordt ingezet als efficiëntie-eenheden arbeid te herinterpreteren, krijgt menselijk kapitaal ook een meer directe impact op de groei. Een grotere hoeveelheid menselijk kapitaal verhoogt dan de productiviteit van arbeid in de manufactuursector, met het gekende gunstige gevolg. Gezondheidsuitgaven dragen hiertoe bij en verhogen bovendien de aangeboden arbeidshoeveelheid (doordat ze ziekte en absenteïsme verlagen, of relevanter voor ontwikkelingslanden: doordat ze de sterftecijfers verlagen en de levensverwachting verhogen). Het model van Dürnecker en Zagler (2003) illustreert dat menselijk kapitaal een prioritair kanaal is waarlangs de overheid de economische ontwikkeling van een land kan beïnvloeden, maar omvat niet alle manieren waarop dit gebeurt. Menselijk kapitaal zorgt bijvoorbeeld ook voor een snellere assimilatie van buitenlandse technologieën (Nelson en Phelps, 1966, zie ook Benhabib en Spiegel, 1994, p. 154-158). Nelson en Phelps (1966) argumenteren dat een beter onderwezen bevolking nieuwe technologische ontwikkelingen sneller kan overnemen en toepassen. Een persoon die meer onderwijs heeft genoten heeft een hogere verwachte pay-off en een lager risico bij het in praktijk brengen van een innovatie, omdat hij of zij beter een onderscheid kan maken tussen veelbelovende innovaties en innovaties waar geen toekomst in zit. Een persoon met minder menselijk kapitaal zal eerder voorzichtig zijn en de nieuwe
1
Romer (1986) motiveert dit aan de hand van de observatie dat de groei van het inkomen per capita en de
productiviteit over de laatste eeuwen eerder een positieve dan een negatieve trend vertonen. In feite veronderstelt Romer (1986) dat de kennis die we hebben nooit een niveau bereikt waarop het marginale product ervan zodanig laag wordt dat het niet meer de moeite loont verder te investeren in kennis. Dit lijkt aannemelijker dan de assumptie van afnemende marginale opbrengsten in kennis, wat zou betekenen dat “Newton, Darwin, and their contemporaries mined the richest veins of ideas and that scientists now must sift through the tailings and extract ideas from low-grade ore” (Romer, 1986, p. 1020).
8
technieken pas aanleren en toepassen wanneer deze reeds hun deugdelijkheid bewezen hebben. Een gerelateerd argument wordt aangehaald door Zilibotti (1999, p. 280). Nieuwe technologieën ontstaan vooral in de OESO-landen, waar gekwalificeerde arbeiders relatief overvloedig zijn. Deze technologieën zijn vaak ongepast voor landen waar de arbeiders minder onderwijs genoten hebben. Hierdoor zijn de baten van technologische verbeteringen voor landen met een lage hoeveelheid menselijk kapitaal erg klein, en groeien deze landen aan een trager tempo. Nog andere modellen benadrukken het bestaan van meerdere evenwichten. Azariadis en Drazen (1990, zie ook Aghion en Howitt, 1998, p. 331-333) tonen aan hoe ‘drempelexternaliteiten’ (threshold externalities) in de accumulatie van menselijk kapitaal meerdere evenwichten kunnen ondersteunen. De externaliteit volgt uit het feit dat de productiviteit van investeringen in menselijk kapitaal voor de huidige generatie een positieve functie is van de menselijke kapitaalstock die de vorige generaties hebben opgebouwd2. Hebben vorige generaties te weinig aandacht besteed aan de opbouw van menselijk kapitaal dan kan een land vast komen te zitten in een low development trap. De lage productiviteit van investeringen in menselijk kapitaal voor de huidige generatie hebben een rechtstreeks negatief effect op de menselijke kapitaalaccumulatie, maar verlagen ook de private opbrengst op dit type investeringen. Hoewel de sociale opbrengstvoet in zo’n situatie erg hoog kan zijn, zullen jongeren er voor kiezen weinig te investeren in menselijk kapitaal. De productiviteit van investeringen in menselijk kapitaal zal hierdoor voor de volgende generatie opnieuw erg bescheiden zijn. Het land zit vast in een vicieuze cirkel waarin een laag niveau van menselijk kapitaal samengaat met lage groeicijfers. Om over te gaan naar een ‘goed’ evenwicht is een duwtje in de rug vanwege de overheid nodig. Becker, Murphy en Tamura (1990) vertrekken in een gelijkaardig model van de assumptie dat de productie van menselijk kapitaal relatief intensief is in menselijk kapitaal. Verder gaan ze er van uit dat de private return op investeringen in menselijk kapitaal stijgt, eerder dan daalt, wanneer 2
de
menselijke
kapitaalvoorraad
uitbreidt.
Een
overvloedige
menselijke
Doordat er betere leraren beschikbaar zijn, doordat goed onderwezen ouders hun kroost beter kunnen
begeleiden en bijstaan in hun scholing,…
9
kapitaalvoorraad betekent bovendien dat de opportuniteitskost van het opvoeden van kinderen hoog is. In die situatie zullen rationele economische agenten ervoor kiezen slechts een beperkt aantal kinderen te krijgen, en veel te investeren in elk kind. In landen met weinig menselijk kapitaal gebeurt het omgekeerde: grote families waar weinig wordt geïnvesteerd in elk kind zijn dan de regel. Opnieuw is er sprake van een low development trap waarin deze keer een hoge vruchtbaarheid en een lage hoeveelheid menselijk kapitaal samengaan met een laag niveau van economische ontwikkeling. Bovenstaande modellen leren ons hoe invloedrijk de overheid kan zijn in het groeiproces. In een aantal van de modellen komt dit expliciet tot uiting, doordat publiek kapitaal rechtstreeks deel uitmaakt van de productiefunctie. In de andere modellen, waarin menselijk kapitaal centraal staat, is de rol van de overheid eerder impliciet ingebouwd. Endogene groei is mogelijk zonder overheidstussenkomst, maar de aanwezigheid van allerhande externaliteiten biedt de overheid de mogelijkheid om in te grijpen en de groei te verhogen. De positieve groei-effecten van overheidsoptreden – en fiscaal beleid in het bijzonder –, die zo nadrukkelijk naar voren komen in de theorie, werden in eerste instantie nochtans niet bevestigd door de empirie.
2.2. Empirie
2.2.1. Initieel teleurstellende resultaten Barro (1990, p. 122-124) geeft een overzicht van een aantal empirische studies, waaruit de belangrijkste conclusies zijn dat overheidsconsumptie negatief gerelateerd is aan de economische groei, terwijl publieke investeringen geen significante relatie met de groei vertonen. Dit laatste interpreteert Barro als ondersteuning van de hypothese dat overheden zich dicht bij de optimale, groeimaximaliserende hoeveelheid productieve publieke diensten bevinden. Een verdere uitbreiding van deze diensten heeft dan nog weinig effect op de economische groei (cf. supra en infra: de twee tegengestelde effecten van overheidsuitgaven op de economische groei).
10
Easterly en Rebelo (1993) vertrekken van een basisspecificatie waarin, naast het initieel inkomen per capita, variabelen worden opgenomen die de hoeveelheid menselijk kapitaal en de graad van politiek conflict weergeven. De verhouding van de overheidsconsumptie op het BBP doet verder dienst als een proxy voor geïnde belastingen die verspild worden in nietproductieve uitgaven. Investeringen in transport en communicatie blijken significant en positief gerelateerd te zijn aan de groei van het inkomen per capita. Deze relatie is vrij robuust voor de opname van enkele andere variabelen (o.a. private investeringen) en wordt bevestigd wanneer de bevolkingsgrootte en het aandeel van landbouw in het BBP als instrumenten worden gehanteerd voor de investeringen in transport en communicatie. Dit betekent dat de gevonden relatie tenminste voor een deel een causale invloed weerspiegelt. Publieke investeringen in onderwijs en gezondheid zijn – net als alle andere types investeringen – in geen enkele van de regressies van belang voor de economische groei. De resultaten van Devarajan, Swaroop en Zou (1996) zijn zo mogelijk nog verrassender en teleurstellender.
In
panelregressies
gaan
ze
het
effect
na
van
verschillende
uitgavencomponenten op de economische groei. Ze controleren voor het niveau van de totale publieke uitgaven, waardoor de nadruk komt te liggen op het nagaan van het effect van de compositie en niet het niveau van de overheidsuitgaven. Vreemd genoeg vinden ze positieve effecten voor de lopende uitgaven, terwijl kapitaaluitgaven een significant negatief effect hebben. Relevanter voor ons zijn de resultaten van een functionele opsplitsing van de uitgaven. Onderwijs- en gezondheidsuitgaven zijn allebei insignificant, defensie- en infrastructuuruitgaven hebben zelfs beide een negatieve invloed op de groei. In fixed effects schattingen wordt de negatieve coëfficiënt voor infrastructuuruitgaven insignificant. De enige component die bij Easterly en Rebelo (1993) nog een rol van betekenis speelt (door hen aangeduid als transport- en communicatie-investeringen), wordt hier dus onverbiddelijk over boord gegooid. Verdere desaggregatie van onderwijs- en gezondheidsuitgaven leert dat slechts twee subcomponenten zwak significante effecten hebben op de economische groei3.
3
Voor gezondheid gaat het om de uitgaven voor publieke gezondheidszaken en diensten (voornamelijk van
preventieve aard), toegepast onderzoek en experimentele ontwikkelingen gerelateerd met het gezondheids- en medisch systeem. Voor onderwijs zijn de uitgaven voor administratie, management, inspectie en operaties van ander onderwijs (i.e. niet primair, secundair of tertiair) groeibevorderend (Devarajan, Swaroop en Zou, 1996, p. 327-328).
11
Rajkumar en Swaroop (2002, p. 2-4) wijzen erop dat onderzoek naar de link tussen publieke uitgaven en groei, maar ook naar het verband tussen sectorale publieke uitgaven en de ontwikkelingsuitkomsten in die sectoren (bv. de impact van gezondheidsuitgaven op de levensverwachting, de kindersterfte,…) vaak tot conflicterende en fragiele resultaten leidt. Het Internationaal Monetair Fonds (International Monetary Fund, 1995, p. 24-26) bevestigt dat de literatuur geen eenduidige resultaten oplevert wat betreft de invloed van publieke investeringen op groei.
2.2.2. Een tekortkoming in de empirische literatuur Het overgrote deel van de literatuur gaat echter gebukt onder een belangrijke tekortkoming4, zoals aangetoond door Kneller, Bleaney en Gemmell (1999). De testbare implicaties van het Barro-model (1990) zijn dat een substitutie van distortieve door niet-distortieve belastingen5 groeibevorderend werkt, terwijl een herallocatie van productieve naar niet-productieve uitgaven de groei naar beneden haalt. Bijgevolg verwacht men dat een toename in de productieve uitgaven gefinancierd met niet-distortieve belastingen, een positief effect heeft op de groei, terwijl bij financiering met distortieve belastingen het groei-effect a priori ambigu is. Niet-productieve uitgaven betaald uit distortieve belastingen worden verondersteld een nefaste impact te hebben op de groei, terwijl het effect van diezelfde uitgaven gefinancierd met niet-distortieve belastingen opnieuw onzeker is. Wanneer men de impact van een element uit het budget op de economische groei nagaat, is de impliciete of expliciete financiering van een eenheidsverandering in dit element dan ook van vitaal belang voor de geschatte coëfficiënt (Kneller, Bleaney en Gemmell, 1999). Stel dat men de volgende regressie wil schatten: k
m
i =1
j =1
g t = α + ∑ β i Yit + ∑ γ j X jt + u t
4
Dat is ook de voornaamste reden waarom we geen exhaustief overzicht geven van de literatuur. De teksten die
we hebben aangehaald zijn representatief en volstaan om ons punt te demonstreren. 5
Distortieve belastingen in deze context zijn belastingen die de beslissingen van private agenten om te
investeren in menselijk of fysisch kapitaal beïnvloeden (Kneller, Bleaney en Gemmell, 1999, p. 173).
12
met g t de groei in land h op tijdstip t , Yit een vector van niet-fiscale controlevariabelen en X jt een vector van fiscale variabelen. Voor de eenvoud laten we aan beide zijden van de
gelijkheid het subscript h voor de landen vallen. Als alle elementen van het budget worden opgenomen (ook het begrotingsoverschot of m
-deficit), dan hebben we ∑ X jt = 0 , waardoor minstens één element van X uit de j =1
groeiregressie weggelaten moet worden om perfecte multicollineariteit te vermijden. Dit element wordt dan het veronderstelde compenserende element binnen de budgetbeperking van de overheid. De regressie kan als volgt herschreven worden: k
m −1
i =1
j =1
g t = α + ∑ β i Yit + ∑ γ j X jt + γ m X mt + u t
Als X mt wordt weggelaten om perfecte multicollineariteit te vermijden, betekent dit dat de volgende vergelijking wordt geschat6: k
m −1
i =1
j =1
g t = α + ∑ β i Yit + ∑ (γ j − γ m ) X jt + u t
De correcte interpretatie van de coëfficiënt voor elke budgetcategorie is dan ook dat deze het effect weergeeft van één eenheid verandering in de onderzochte variabele, gecompenseerd door
één
eenheid
verandering
in
de
weggelaten
categorie
(i.e.
het
impliciet
financieringselement). Men moet er dan ook zorg voor dragen een neutrale categorie weg te laten, met andere woorden een categorie waarvoor men verwacht dat γ m = 0 . Wanneer men dit over het hoofd ziet, krijgt men een vertekening in de schattingen. In een regressie-analyse enkel variabelen voor publieke uitgaven opnemen en de belastingstructuur negeren, kan er toe leiden dat men een insignificante coëfficiënt vindt voor de productieve investeringen. Deze investeringen worden immers tenminste voor een deel gefinancierd door distortieve belastingen, waardoor de geschatte coëfficiënt naar 0 toe wordt vertekend.
6
Uit de budgetbeperking
m
∑ X jt = 0 j =1
volgt immers dat
m −1
∑ X jt = − X mt j =1
13
Kneller, Bleaney en Gemmell (1999) laten zowel niet-distortieve belastingen als nietproductieve
uitgaven
weg
in
een
panelregressie
met
tijds-
en
landdummy’s.
Controlevariabelen zijn het initieel BBP, de investeringsgraad en de groei van de beroepsbevolking. Schattingen worden uitgevoerd voor 22 OESO-landen in de periode 19701995, waarbij de observaties berekend worden als vijfjaar gemiddelden. De auteurs bekomen een positief significant teken voor de productieve uitgaven, die onder meer onderwijs- en gezondheidsuitgaven bevatten. Wanneer de belastingvariabelen worden weggelaten uit de regressie, wordt de coëfficiënt voor de productieve uitgaven negatief (maar niet significant verschillend van 0). Dit toont aan dat misspecificatie een substantiële invloed heeft op de resultaten en bijgevolg kan dienen als een verklaring voor de teleurstellende resultaten in de literatuur. De impact van productieve investeringen is robuust voor de exclusie van het initieel BBP, andere keuzes van vijfjaar perioden, het gebruik van instrumentele variabelen of een herclassificatie van de fiscale variabelen. De bekomen coëfficiënten laten verstaan dat een toename in de productieve uitgaven met 1% van het BBP de groei op zijn minst met 0.1 à 0.2% verhoogt.
14
3. Het belang van inefficiëntie
3.1. Controleren voor distortieve belastingen is corrigeren voor inefficiëntie Bijzonder interessant is dat bovenstaande analyse toont hoe belangrijk het kan zijn overheidsinefficiënties rigoureus te onderzoeken. Wat Kneller, Bleaney en Gemmell (1999) in feite doen is rekening houden met een zeer specifieke vorm van inefficiëntie – namelijk in het vergaren van middelen via belastingen – die de veronderstelde link tussen productieve uitgaven en groei ontwricht7. De endogene groeimodellen voorspellen sterke positieve effecten van productieve investeringen. Wanneer deze investeringen echter gefinancierd worden met distortieve belastingen betekent dit dat ook de overheid de economie niet naar een optimaal groeipad kan brengen. De productieve investeringen van de overheid kunnen een belangrijke rol spelen, maar hun bijdrage tot de economische groei wordt (gedeeltelijk) tenietgedaan doordat de middelen verzameld worden op een manier die de private incentives verstoort. Er is met andere woorden sprake van inefficiëntie in hoofde van de overheid. Hoe cruciaal deze inefficiëntie kan zijn, komt tot uitdrukking in de vreemde resultaten die de literatuur heeft voortgebracht. De zwakke impact van publieke investeringen in productieve sectoren als onderwijs, gezondheid,… op de ontwikkelingsuitkomsten in die sectoren (cf. infra) of op de economische groei (cf. supra), doet vragen rijzen. Deze vragen kunnen enkel beantwoord worden door af te stappen van de normatieve visie op overheden en expliciet rekening te houden met overheidsfalen. Kneller, Bleaney en Gemmell (1999) doen dit door te corrigeren voor inefficiënties langs inkomstenzijde en meteen blijken productieve overheidsuitgaven veel sterker gecorreleerd te zijn met de economische groei. Inefficiënties langs uitgavenzijde worden door hen niet expliciet beschouwd, maar het is zeer aannemelijk dat deze een bijzonder grote rol spelen. Zeker in ontwikkelingslanden tieren inefficiënties langs uitgavenzijde zodanig welig dat de contributie van publieke uitgaven tot de economische ontwikkeling ernstig beknot wordt. Het grotere belang in ontwikkelingslanden
7
Dank aan professor Glenn Rayp om hier op te wijzen
15
van inefficiënties langs uitgavenzijde blijkt voor een stuk al wanneer men de inkomensstructuur van deze landen van naderbij bekijkt. Eerst en vooral is het zo dat ontwikkelingslanden een groot deel van hun opbrengsten uit hulp halen. Officiële ontwikkelingshulp maakte in de jaren ’90 voor de 118 lage-inkomenslanden en lager-middeninkomenslanden8 gemiddeld 33.43% uit van de centrale overheidsuitgaven (eigen berekeningen, op basis van World Development Indicators, 2003). Aangezien ontwikkelingshulp als niet-distortief kan worden beschouwd voor het ontvangende land, betekent dit dat al één derde van de overheidsuitgaven verzameld wordt op een manier die nauwelijks invloed heeft op de private investeringsbeslissingen. Verder blijkt het enorme belang van belastingen op binnenlandse goederen en diensten en import- en exportbelastingen (Tanzi, 1987, Newbery, 1987, p. 193-195). De eerste categorie wordt doorgaans als niet-distortief beschouwd, aangezien ze slechts een heel beperkte invloed heeft op de private beslissing om te investeren in menselijk en fysisch kapitaal (Kneller, Bleaney en Gemmell, 1999, p. 177). Belastingen op internationale handel worden door Kneller, Bleaney en Gemmell (1999, p. 177) ondergebracht in de rubriek ‘andere opbrengsten’. Deze categorie heeft in de daaropvolgende regressie-analyse geen significant effect op de economische groei. Andere belastingen (voornamelijk inkomensbelastingen en sociale zekerheidsbijdragen), die wel een grote invloed uitoefenen op de private investeringsbeslissing, spelen in ontwikkelingslanden een veel minder prominente rol dan in industrielanden (Tanzi, 1987, Newbery, 1987, p. 193-195). Door de onderlinge verschillen tussen ontwikkelingslanden is enige voorzichtigheid geboden bij de interpretatie van gemiddelden over een grote groep landen. Toch kan men stellen dat distortieve belastingen in het overheidsbudget van ontwikkelingslanden in de regel een kleinere fractie uitmaken dan in rijkere landen. Dit is een eerste reden om te veronderstellen dat inefficiënties langs uitgavenzijde voor hen van groter belang zijn. De frequentie en magnitude waarmee inefficiënties langs uitgavenzijde voorkomen, zoals besproken in het volgende deel, is een tweede reden om dit te veronderstellen.
8
Dit zijn alle landen waarvoor het Bruto Nationaal Inkomen per capita in 2001 lager was dan $2975 (World
Development Indicators, 2003).
16
3.2. Inefficiënties langs uitgavenzijde De aanwezigheid van inefficiënties langs uitgavenzijde in ontwikkelingslanden wordt in deze sectie geïllustreerd voor de gezondheids- en onderwijssector. Gezondheid en onderwijs zijn twee van de drie outputdimensies in de efficiëntiemaatstaf die in het vijfde hoofdstuk wordt geschat. Deze keuze heeft voornamelijk te maken met het grote belang van menselijk kapitaal voor de lange termijn economische groei. Aanvankelijk werd in de empirische literatuur enkel een effect gevonden van de voorraad menselijk kapitaal (Barro, 1991, Mankiw, Romer en Weil, 1992, Benhabib en Spiegel, 1994, Barro, 1999, Levine en Renelt, 1992, Sala-i-Martin, 1997a en 1997b) en niet van de investeringen in menselijk kapitaal (Benhabib en Spiegel, 1994, Islam, 1995, Caselli, Esquivel en Lefort, 1997; Topel, 1999 vindt wel een significant positief teken voor de investeringen in menselijk kapitaal). Later empirisch onderzoek verklaarde dit contra-intuïtieve resultaat door te wijzen op een gebrekkige datakwaliteit (de la Fuente en Doménech, 2000, Bassanini en Scarpetta, 2001, Krueger en Lindahl, 2001) en misspecificatie (Bassanini en Scarpetta, 2001, Engelbrecht, 2003). Corrigeren voor beide zaken levert wel significant positieve effecten op van investeringen in menselijk kapitaal. Ondanks het grote belang van menselijk kapitaal9 slagen overheden er vaak niet in om het nodige te doen om de menselijke kapitaalvoorraad op te krikken of de accumulatie ervan te stimuleren, en dit ten gevolge van allerlei inefficiënties. Middelen die mysterieus verdwijnen, publieke diensten van bedenkelijke kwaliteit, onevenwichten in de allocatie van uitgaven en verdringing van private uitgaven zijn in ontwikkelingslanden meer regel dan uitzondering. Deze vier elementen vormen de schakels in een bijzondere broze ketting die de publieke uitgaven verbindt met de uitkomsten in de relevante sector.
9
Een citaat van Nobelprijslaureaat Robert Lucas (2002, p. 95) spreekt boekdelen: “the main engine of growth is
the accumulation of human capital – of knowledge – and the main source of differences in living standards among nations is differences in human capital. Physical capital accumulation plays an essential but decidedly subsidiary role”. Uiteraard is menselijk kapitaal op zich geen voldoende voorwaarde voor economische groei (zie Easterly, 2001, hoofdstuk 4, p. 71-85) maar het belang ervan is overduidelijk.
17
De voorwaarden die moeten vervuld zijn opdat publieke uitgaven een verschil uitmaken, zijn (Filmer, Hammer en Pritchett, 1997)10: •
De overheid moet de middelen die ze tot haar beschikking heeft op een juiste manier alloceren over de verschillende inputs. Een goede compositie van de uitgaven is een eerste vereiste.
•
De publieke sector moet in staat zijn om effectieve, kwaliteitsvolle diensten aan te bieden. In eerste instantie betekent dit dat middelen niet verspild mogen worden. Daarnaast is het van belang dat publieke diensten kwaliteitsvol zijn, anders zal de vraag achterwege blijven.
•
Geen verdringing van private uitgaven. Teveel crowding out zorgt ervoor dat de nettoimpact op de totale hoeveelheid geconsumeerde diensten klein of zelfs negatief is.
Het niet vervullen van één of meerdere van deze voorwaarden kan de invloed van de overheid op gezondheids- en onderwijsuitkomsten teniet doen. In wat volgt besteden we aandacht aan elk van deze elementen, en illustreren we het belang van inefficiënties in de publieke uitgaven van ontwikkelingslanden aan de hand van gezondheids- en onderwijsuitgaven. Misallocaties zijn een eerste bron van inefficiëntie. Filmer en Pritchett (1997) beschouwen dit probleem voor onderwijsuitgaven. Uitgaande van de veronderstelling dat de overheid de productiefunctie voor onderwijsuitkomsten kent, kan men makkelijk aantonen dat een optimale allocatie van het budget gelijke marginale producten per dollar voor elke ingezette input veronderstelt. Bij onzekerheid zal diegene die over de allocatie beslist zich een idee vormen over hoe de productiefunctie er gemiddeld uitziet en dezelfde regel trachten te volgen. In beide gevallen zouden systematische afwijkingen van de marginale productiviteitsregel in realiteit niet mogen voorkomen. Uit de studies die Filmer en Pritchett (1997) bespreken blijkt echter niets minder waar te zijn. Eén van de zaken die voortdurend terugkeert, is de enorme lage kosteneffectiviteit van lerarenlonen ten opzichte van andere inputs. Dit betekent dat overheden de output in de onderwijssector zouden kunnen verhogen door meer geld te spenderen
aan
andere
inputs,
zoals
bijvoorbeeld
boeken,
schrijfmateriaal
of
onderwijsinfrastructuur. De verschillen in marginale producten per dollar tussen inputs lopen vaak op tot tien- en honderdvouden.
10
Filmer, Hammer en Pritchett (1997) bespreken deze voorwaarden in de context van gezondheidsuitgaven maar
hun analyse kan evengoed toegepast worden op onderwijsuitgaven of andere types uitgaven.
18
De mogelijkheid bestaat echter dat onderwijsuitgaven zich niet enkel richten op het produceren van observeerbare outputs (bv. goede scores voor de leerlingen in internationale testen) maar ook baten teweegbrengen die moeilijker te kwantificeren zijn, zoals dalingen in de criminaliteit, het bijbrengen van cultuur, een gevoel van ‘burgerschap’,… Indien men hier rekening mee houdt dan hangt de optimale allocatie af van de relatieve voorkeur die men heeft voor de observeerbare, dan wel de niet-observeerbare outputs. Deze variant van het model is moeilijker te falsifiëren, maar toch menen Filmer en Pritchet (1997) dat ze kunnen aantonen dat ook dit model niet strookt met de realiteit. Verschillen in lokale financiering en controle van onderwijs, verschillende graden van competitie onder scholen, of verschillen in vakbondsmacht zouden volgens dit model helemaal geen impact mogen hebben op de allocatie van onderwijsuitgaven. De empirie spreekt dit opnieuw tegen. Als alternatief stellen Filmer en Pritchett (1997) een positief model voor waarin ze de grote macht die leraren hebben over de aanwending van middelen, proberen te vatten. Dit doen ze door er van uit te gaan dat degene die over de budgetallocatie beslist, een gewogen gemiddelde van het nut verbonden aan de schooloutput ( S ( X ) ) en het nut voor leraren ( T ( X ) ) maximaliseert. X is een vector van onderwijsinputs. De objectieffunctie wordt dan:
C ( X ) = (1 − α ).S ( X ) + α .T ( X )
De onderwijsuitgaven hebben voor een stuk een directe impact op het nut van leraren. Daarnaast halen leraren – uit overwegingen van professionalisme en altruïsme – ook nut uit een betere onderwijsoutput. Hun nutsfunctie ziet er dan ook als volgt uit:
T ( X ) = (1 − δ ).U (γ ' X ) + δ .S ( X ) waarbij U ( ) het direct nut weergeeft dat leraren halen uit de onderwijsinputs en γ een vector is die een gewicht geeft aan elk van de inputs in X . Het optimalisatieprobleem voor diegene die over de allocatie beslist is in dit geval: Max [(1 − α ) + α .δ ] f S ( X ) + α (1 − δ ).U (γ ' X ) o.n.v. p ' X = B
19
met p ' de getransponeerde vector van de prijzen van de onderwijsinputs, f S ( X ) de
productiefunctie van onderwijsoutputs en B het overheidsbudget. Uit de eerste orde voorwaarden van dit maximalisatieprobleem vindt men S γ j γi fiS f j α (1 − δ ) − = Ux − pi p j (1 − α ) + α .δ p j pi
Zolang er belang wordt gehecht aan het nut van leraren ( α > 0 ) en het altruïsme of professionalisme van deze leraren niet voldoende groot is opdat δ = 1 , zullen de marginale S fiS f j − ≠ 0 ). Dit model is producten per dollar niet gelijk zijn in de optimale allocatie ( pi pj
consistent met de grote verschillen in marginale producten per dollar over de inputs en de uitgesproken impact die de organisatie van de scholen (lokaal of niet), de competitie onder scholen en de vakbondsmacht hebben op de allocatie van onderwijsuitgaven. Een rechtstreeks gevolg uit dit model is dat een verhoging van het onderwijsbudget niet noodzakelijk positieve gevolgen heeft voor de onderwijsuitkomsten. Als een hoger budget samengaat met een sterkere klemtoon op het nut van leraren, valt het niet uit te sluiten dat het effect negatief is. Filmer en Pritchett (1997) geven tot slot drie mogelijke redenen voor het verschijnen van het nut van leraren in de objectieffunctie: er kan sprake zijn van een principal-agent probleem, een machtige lerarenlobby of vriendjespolitiek vanwege diegene die over de allocatie beslist. Naast misallocatie van uitgaven over de verschillende inputs is er een tweede vorm van misallocatie: in vele landen komt het merendeel van de onderwijs- en gezondheidsuitgaven ten goede aan de rijken en niet aan de armen11 (World Bank, 2003, p. 3-4, p. 38-40 en p. 135136). Vaak is de toegang tot publieke diensten voor armen in ontwikkelingslanden niet verzekerd (World Bank, 2003, p. 20-22): in Nigeria bijvoorbeeld moeten kinderen uit de armste 20% van de bevolking vijf keer verder gaan dan kinderen uit de rijkste 20% om de
11
Beide vormen van misallocatie hangen nauw samen: het spreekt voor zich dat de mogelijkheid om complexe
hartchirurgie uit te voeren en de aanwezigheid van topuniversiteiten (voorbeelden van misallocaties over de verschillende inputs) de armen weinig vooruit helpen en vooral het welzijn van de rijken verhogen.
20
dichtstbijzijnde lagere school te bereiken, en meer dan zeven keer zo ver om de dichtstbijzijnde gezondheidsfaciliteit te bereiken. Pure verspilling van overheidsgeld is een tweede bron van inefficiëntie. Ablo en Reinikka (1998) en Reinikka en Svensson (2001) komen tot de bevinding dat in de eerste helft van de jaren ’90 slechts 13% van de centrale overheidsuitgaven voor onderwijs in Oeganda daadwerkelijk bij de scholen aankwam. Het grootste deel van het geld blijft hangen bij lokale autoriteiten. Voor gezondheidszorg zijn er minder uitgebreide data beschikbaar. Ramingen tonen echter dat ook hier zo’n 40% tot 94% van de publieke voorziening van medicijnen gewoonweg verdwijnt. Volgens de auteurs is deze verspilling symptomatisch voor vele andere landen in de regio onder de Sahara. Studies in Kameroen, Tanzania en Guinee geven een gelijkaardig beeld (Filmer, Hammer en Pritchett, 1997, p. 20). Dezelfde auteurs halen een anekdote aan die duidelijk maakt hoe erg het gesteld is met de kwaliteit van de publieke dienstenvoorziening in sommige landen (Filmer, Hammer en Pritchett, 1997, p. 19): in één ontwikkelingsland beschuldigde een krant het ministerie van onderwijs ervan 50 miljoen dollar donorgeld verduisterd te hebben. Het ministerie reageerde verontwaardigd en deelde prompt mee dat dit geld was verduisterd over een periode van 3 jaar, en niet 1 jaar, zoals de krant had beweerd. Het gebrek aan kwaliteit in de publieke dienstverlening neemt soms extreme vormen aan (zie o.a. World Bank, 2003, p. 119): vaak aangehaalde redenen waarom zwangere vrouwen liever niet naar een publiek instituut trekken om hun kind te krijgen, zijn de pesterijen en mishandelingen van het verplegend personeel (Filmer, Hammer en Pritchett, 1997, p. 19-20). Ook in mindere erge gevallen van lage kwaliteit van overheidsdiensten moet het duidelijk zijn dat de vraag vanwege private economische agenten beperkt blijft (World Bank, 2003, p. 2226). In veel ontwikkelingslanden observeert men bypassing: mensen wenden zich niet tot de dichtstbijzijnde publieke faciliteit maar zijn bereid veel additionele kilometers af te leggen of extra geld neer te tellen om een beroep te kunnen doen op private of betere publieke faciliteiten (Filmer, Hammer en Pritchett, 1997, p. 21-24). Onderbenutting van de capaciteit van bepaalde, soms elementaire, publieke faciliteiten is – hoe vreemd het ook klinkt – een vaak gezien fenomeen. Tezamen met het lekken van overheidsmiddelen kan dit aangeduid worden als een gebrek van de overheid om effectieve, kwaliteitsvolle diensten te creëren.
21
Beide factoren – afwezigheid van effectieve, kwaliteitsvolle diensten en misallocaties – maken de link tussen overheidsuitgaven en onderwijs- en gezondheidsuitkomsten heel fragiel. Dat betekent meteen ook dat meestal beiden van belang zijn om degelijke resultaten neer te zetten. Dit wordt heel mooi geïllustreerd door Filmer, Hammer en Pritchett (1997). Nagenoeg iedereen is het erover eens dat er een reoriëntatie in gezondheidsuitgaven moet plaatsvinden van curatieve diensten naar primaire gezondheidszorg, waar de nadruk vooral ligt op primaire curatieve zorgen, preventie en publieke gezondheidscampagnes. De resultaten van primaire gezondheidszorg in de praktijk stellen nochtans teleur. Variaties over landen in het aandeel van gezondheidsuitgaven dat naar deze categorie vloeit zijn niet significant gerelateerd aan de economische groei. Verder blijkt econometrisch onderzoek naar de invloed van de toegang tot primaire gezondheidszorgfaciliteiten op de lokale gezondheidstoestand gemengde resultaten op te leveren. Ook projectevaluaties op microniveau bieden geen ondersteuning voor het veronderstelde positieve effect van primaire gezondheidszorg. Het louter rechttrekken van de scheve allocatie van middelen is op zich geen garantie voor succes als de andere voorwaarden niet vervuld zijn12. Filmer, Hammer en Pritchett (1997) zien in hoofdzaak twee verklaringen voor het veelvuldig falen van primaire gezondheidszorg: de uitgaven creëren geen effectieve publieke diensten en/of er treedt verdringing op van de private uitgaven. Het eerste punt is al aan bod gekomen, op het tweede gaan we nu dieper in. De reactie van de private markt op publieke voorziening van diensten is immers ook een belangrijk onderdeel van de publieke dienstenvoorziening. Verdringing van private uitgaven voor gezondheidszorg heeft als gevolg dat de totale hoeveelheid geconsumeerde diensten niet of nauwelijks toeneemt. Typisch is de prijselasticiteit van de vraag naar elementaire diensten van gezondheidszorg zeer laag. Wie erg ziek is, moet zich laten verzorgen, ongeacht de kost hiervan13. Bijgevolg zal er zelfs in 12
Anderzijds is het zo dat Gupta, Tiongson en Verhoeven (1999) wel significante effecten vinden van de
uitgaven voor primaire gezondheidszorg op de kindersterfte. Hun resultaten tonen verder dat uitgaven voor primair en secundair onderwijs de inschrijvingsgraden in primair en secundair onderwijs verhogen. Corrigeren voor misallocaties is hier dus wel voldoende om positieve effecten van de overheidsuitgaven te krijgen. 13
Men zou in eerste instantie verwachten dat verdringing vooral plaatsgrijpt in de gezondheidssector en minder
in de onderwijssector. In sommige landen echter zijn een groot deel van de onderwijsuitgaven privaat, wat verdringing waarschijnlijker maakt (cf. infra). In Kenya bijvoorbeeld overtreffen de inschrijvingsgraden van
22
afwezigheid van publieke diensten nog een grote vraag zijn naar gezondheidszorg (cf. supra: het fenomeen van bypassing). Het aanbieden van publieke diensten heeft dan weinig effect, en is enkel een substituut voor de private voorziening van gezondheidsdiensten. Filmer, Hammer en Pritchett (1997) wijzen op de aanwezigheid van een paar factoren die verdringing des te waarschijnlijker maken: •
Het feit dat een groot deel van de gezondheidsuitgaven privaat zijn. Hoe groter de private sector, hoe kleiner het effect van publieke uitgaven.
•
De hoge substitutiegraad tussen publieke en private voorziening, zoals geïllustreerd door de aanzienlijke reactie van de vraag naar private diensten op prijswijzigingen van publieke diensten.
•
De terugschroeving van het private aanbod ten gevolge van een uitbreiding van het publieke aanbod.
In het licht van bovenstaande uiteenzetting is het al bijna geen verrassing meer dat empirisch onderzoek in vele gevallen slechts een heel zwak verband vindt tussen overheidsuitgaven en uitkomsten in gezondheid en onderwijs. Musgrove (1996, p. 44) vat de literatuur voor gezondheidsuitgaven als volgt samen: “multivariate estimates of the determinants of child mortality give much the same answer: income is always significant, but the health share in GDP, the public share in health spending, and the share of public spending on health in GDP never are”. Later onderzoek (Filmer en Pritchett, 1999, het erratum uit 2000 geeft de tabel met de juiste regressieresultaten weer) bevestigt deze conclusie. Kindersterfte blijkt negatief gerelateerd te zijn aan het nationaal inkomen en de scholingsgraad van de vrouwelijke bevolking, terwijl inkomensongelijkheid, etnische fractionalisatie en een dummy voor Moslimlanden een significant positief teken hebben. Publieke gezondheidsuitgaven zijn significant op het 10%significantieniveau in een regressie met kindersterfte onder de leeftijd van 5 jaar als afhankelijke variabele, maar de impact is zeer klein. Bovendien is het verband helemaal niet robuust. Een mediaanregressie die veel minder beïnvloed wordt door outliers en een two stages least squares schatting waarbij de gemiddelde gezondheids- en defensie-uitgaven in de buurlanden als instrumenten gebruikt worden om te controleren voor endogeniteit, leveren niet-publieke scholen, die nauwelijks gesubsidieerd worden door de overheid, sinds 1975 de inschrijvingsgraden van publieke scholen (Armitage en Sabot, 1987, p. 591).
23
geen significante coëfficiënt op. Ook met kindersterfte onder de leeftijd van 1 jaar als afhankelijke variabele of het gebruik van een alternatieve dataset is de conclusie dat publieke uitgaven voor gezondheidszorg weinig relevant zijn voor de gezondheidsuitkomsten in een land. De verklaringskracht van al deze regressies verandert nauwelijks wanneer publieke gezondheidsuitgaven niet worden opgenomen. Uit de regressieresultaten van Filmer en Pritchett (1999) kan de kost om het leven te redden van een kind jonger dan 5 jaar afgeleid worden. Deze kost blijkt ruwweg tussen $50.000 en $100.000 te liggen. Nochtans blijkt uit kosteneffectiviteitstudies dat de belangrijkste doodsoorzaken in ontwikkelingslanden slechts $10 à $4000 vereisen per gered kinderleven. Hoewel deze schattingen vrij ruw zijn, suggereren ze toch een enorme kloof tussen werkelijke en potentiële kosten voor het redden van een leven. Onderzoek naar de impact van onderwijsuitgaven levert zeker geen rooskleuriger beeld op. Mingat en Tan (1998) tonen aan dat het feit dat overheden in rijke landen een groter deel van het BBP aan onderwijsuitgaven besteden, slechts in beperkte mate hun betere uitkomsten in die sector verklaart. Veel belangrijker is het feit dat in rijkere landen lerarenlonen kleiner zijn in verhouding tot het BBP. Om dit te verklaren kan men teruggrijpen naar het klassieke argument dat de vergoeding voor een productiefactor daalt naarmate die productiefactor overvloediger wordt. In ontwikkelde landen zijn er veel mensen die over voldoende menselijk kapitaal beschikken om les te geven. Het gevolg is dat de lonen van leraren doorheen de tijd minder snel zullen toenemen dan het BBP. Ook het feit dat in rijkere landen de fractie jongeren in de totale populatie kleiner is, geeft de overheid meer ademruimte om tussen te komen in de onderwijssector. Deze factoren zorgen ervoor dat overheden in rijke landen over meer middelen – in reële termen – beschikken om een goedwerkend onderwijssysteem te ondersteunen. De meer voordelige budgetallocatie voor onderwijs speelt hierin slechts een geringe rol. Het linkerluik in onderstaande figuur geeft het verband weer tussen publieke uitgaven per capita voor gezondheid (op de horizontale as) en de sterfte van kinderen jonger dan 5 jaar (op de verticale as). Het rechterluik toont de relatie tussen de publieke uitgaven per capita voor onderwijs (horizontaal) en het percentage kinderen dat primair onderwijs heeft voltooid (verticaal). In beide gevallen wordt er gecontroleerd voor het inkomen per capita. Zowel de uitgaven als de gezondheids- en onderwijsuitkomsten worden immers berekend als 24
procentuele afwijkingen van de voorspelling op basis van het inkomen per capita. Zoals men kan zien is de associatie bijzonder zwak en statistisch insignificant (World Bank, 2003, p. 3738).
Figuur 1: Het zwakke verband tussen publieke uitgaven en uitkomsten in de onderwijs- en gezondheidssector, controlerend voor inkomen per capita Kindersterfte (onder 5 jaar), 2000
Voltooiingsgraad primair onderwijs, 1999
Publieke gezondheidsuitgaven per capita,
Publieke onderwijsuitgaven per capita,
gemiddelde over de jaren ’90
gemiddelde over de jaren ’90
Bron: World Bank, 2003, p. 38 Noot: publieke uitgaven, kindersterfte en het percentage kinderen dat primair onderwijs heeft voltooid worden berekend als de procentuele afwijking van de voorspelling aan de hand van het inkomen per capita.
Andere auteurs komen na een overzicht van de literatuur tot het besluit dat er al te vaak geen significant verband wordt gevonden tussen onderwijs- en gezondheidsuitgaven en de uitkomsten in die sectoren (Rajkumar en Swaroop, 2002, p. 3-5, Gupta, Tiongson en Verhoeven, 1999, p. 4, World Bank, 2003, p. 35-38)14. In de volgende sectie gaan we na of het grote empirische belang van inefficiëntie ook tot uitdrukking komt in de theorie.
14
Bidani en Ravallion (1997) zijn een uitzondering: publieke gezondheidsuitgaven verhogen de
levensverwachting en verlagen de kindersterfte, maar dit enkel voor de armen in de maatschappij. Voor rijken is er geen significante impact. Dit kan te maken hebben met het feit dat er voor rijken veel meer sprake is van verdringing van private uitgaven. In die zin is het opnieuw pas na het corrigeren voor één specifieke vorm van inefficiëntie dat men een significant effect bekomt. Bovendien beschikken de auteurs slechts over observaties voor 35 landen, wat vrij weinig is ten opzichte van de andere studies.
25
3.3. Terug naar de theorie We keren nu terug naar het Barro-model (1990, hier volgen we vooral de bespreking van Barro en Sala-i-Martin, 1995, p. 152-158) om in een meer formele uitwerking aan te tonen hoe inefficiëntie van de overheidsuitgaven inherent deel uitmaakt van het model. Vaak vertrekt men in de endogene groeiliteratuur van een nutsfunctie c (1−θ ) − 1 u (c ) = (1 − θ ) met een constante intertemporele substitutie-elasticiteit 1 θ , c is de consumptie. Na dynamische optimalisatie van het nut over het hele leven levert dit het gekende resultaat
γ =
c& 1 = (r − ρ ) (1) c θ
op, met γ de groei van het inkomen per capita, r de rentevoet en ρ de tijdsvoorkeurvoet.
Barro en Sala-i-Martin (1995) veronderstellen een productiefunctie voor bedrijf i met constante schaalopbrengsten in de private inputs Li en K i tezamen: Yi = AL1i−α K iα G 1−α
(2)
De geaggregeerde arbeidshoeveelheid L wordt constant gehouden. Voor een gegeven G vertoont de economie dalende schaalopbrengsten in kapitaal K . Als G en K i proportioneel uitbreiden is er, voor gegeven Li , sprake van constante schaalopbrengsten, waardoor endogene groei mogelijk wordt. De overheid financiert haar uitgaven met een proportionele belasting τ op de geaggregeerde output. Het budget is in evenwicht, zonder surplus of deficit: G = τY
(3)
De winst na belasting van een representatief bedrijf is
26
Li [(1 − τ ) Ak iα G 1−α − w − rk i ]
met k i = K i Li en w het loon. Dit is niets anders dan de totale opbrengst na aftrek van de belastingen, verminderd met de totale loonmassa en de vergoeding voor het kapitaal. Winstmaximalisatie en de veronderstelling van een competitieve economie houden in dat het loon (de rentevoet) gelijk is aan het marginaal product van arbeid (kapitaal) na belastingen. Als we k = k i zetten, dan krijgen we voor de rente r = (1 − τ )(∂Yi ∂K i ) = (1 − τ )αAk − (1−α ) G 1−α
(4)
Wanneer we (2) invullen in (3) en herschrijven naar G dan bekomen we
G = (τAL)1 / α k
Deze uitdrukking invullen in (4) geeft ons
r = αA1 / α ( Lτ ) (1−α ) / α (1 − τ )
Nu moeten we enkel nog deze laatste vergelijking substitueren in (1) om de groeivoet van het inkomen per capita (en de consumptie) te verkrijgen:
γ = (1 / θ )[α A1 / α ( Lτ ) (1−α ) / α (1 − τ )− ρ ] Hier komen de twee eerder besproken effecten van een toename in de overheidsinvesteringen, gefinancierd door distortieve belastingen, duidelijk tot uiting. De term (1 − τ ) geeft het negatieve effect weer van de belasting op het netto marginaal product van kapitaal na belastingen (de linkse term tussen de haken), de term ( Lτ ) (1−α ) / α toont het positieve effect van de publieke diensten op dit marginaal product. Aangezien het positieve (negatieve) effect overweegt voor een kleine (grote) overheid, resulteert deze vergelijking in een concave relatie tussen groei en belastingsvoet, zoals weergegeven in onderstaande figuur.
27
Figuur 2: Fiscaal beleid en economische groei
γ
γ max
τ = G /Y
τ
Bron: Barro en Sala-i-Martin, 1995, p. 155 Noot:
γ
groeivoet
is de groeivoet van het inkomen per capita,
γ max
τ
is de proportionele inkomensbelasting. De maximale
wordt bereikt bij een belastingvoet τ * .
Barro (1990, p. 115-116) wijst erop dat, wanneer de belastingen toenemen voor gegeven uitgaven, deze curve naar beneden verschuift. Een mogelijke reden hiervoor is inefficiëntie in de inning van belastingen (bv. een te lakse belastingheffing met een grote zwarte sector als gevolg). Anderzijds kan men op de figuur makkelijk zien wat de impact is van inefficiënties langs uitgavenzijde. Wanneer voor gegeven belastingen de overheidsuitgaven verkleinen, duwt dit de curve naar beneden. Dit kan het gevolg zijn van een uitgavenallocatie die teveel gericht is op niet-productieve uitgaven, maar inefficiënties in de productieve uitgaven – in de zin dat er slechts weinig effectieve publieke diensten worden geproduceerd met de voorhanden zijnde middelen – hebben hetzelfde effect. Mits een kleine aanpassing kunnen we er voor zorgen dat het belang van inefficiëntie ook algebraïsch tot uiting komt. Wanneer rekening wordt gehouden met inefficiënties dan wordt vergelijking (3):
28
G = δR = δτY
(3’)
met R de totale opbrengsten en δ de fractie van deze opbrengsten waaruit effectieve publieke diensten gecreëerd worden ( 0 < δ < 1 ). Naar analogie van de vaak gebruikte ‘ijsberg’ transportkosten in de theorie van internationale handel (zie o.a. Krugman, 1990, en Krugman en Venables, 1995) veronderstellen we dat een fractie 1 − δ van de opbrengsten wegsmelt, omwille van de redenen aangehaald in 3.2. De andere vergelijkingen blijven onveranderd. Wanneer we (2) invullen in (3’) geeft dit
G = (δτAL)1 / α k
Wanneer we deze vergelijking invullen in (4) bekomen we
r = αA1 / α ( Lτ ) (1−α ) / α (1 − τ )δ (1−α ) / α
Na substitutie in (1) vinden we de groeivoet van het inkomen per capita
γ = (1 / θ )[α A1 / α ( Lτ ) (1−α ) / α (1 − τ )δ (1−α ) / α − ρ ] De conclusie is dat inefficiënties in de overheidsuitgaven (een daling in δ ) de groei verlagen. Ook wanneer de overheid enkel lump-sum belastingen heft, blijft deze conclusie overeind. Omdat de overheidsuitgaven nu los staan van Y wordt vergelijking (3)
G = δR ≠ f (Y ) (3’’)
De rentevoet wordt gegeven door de volgende vergelijking: r = αAk − (1−α ) G 1−α = αAk − (1−α )δ (1−α ) R1−α
We vinden opnieuw dat inefficiëntie de groeivoet verlaagt:
29
γ = (1 / θ )[α Ak − (1−α )δ (1−α ) R1−α − ρ ] Het model van Devarajan, Swaroop en Zou (1996), dat verder bouwt op Barro (1990) maar meer de nadruk legt op de compositie van de uitgaven, toont dit nog explicieter: een toename in de totale overheidsuitgaven zal pas een positief effect hebben op de groei wanneer de productiviteit van de uitgaven de belastingen, die nodig zijn om de uitbreiding van de uitgaven te financieren, overtreffen. De boodschap uit de endogene groeitheorie is duidelijk: de overheid kan het verschil maken, maar niet als ze te inefficiënt werkt. Dit volgt rechtstreeks uit het model van Barro (1990) en wordt duidelijk geïllustreerd door het empirisch onderzoek van Kneller, Bleaney en Gemmell (1999), die enkel wanneer ze controleren voor inefficiënties langs inkomstenzijde significante coëfficiënten vinden voor productieve investeringen. Dit hoofdstuk toont aan dat daarnaast ook inefficiëntie in de uitgaven stokken in de wielen kan steken van een overheid die de groei in haar land wil bevorderen. De overheid bereikt weinig met goede bedoelingen alleen. Wat telt zijn de concrete resultaten (neemt de menselijke kapitaalaccumulatie en -voorraad toe? Worden er kwaliteitsvolle diensten aangeboden?) en die kunnen er enkel komen als de overheid efficiënt optreedt. In het volgende hoofdstuk stellen we Data Envelopment Analysis voor, een techniek waarmee deze inefficiënties kunnen worden geschat. In hoofdstuk vijf berekenen we de efficiëntie van 52 overheden in ontwikkelingslanden, waarbij we rekening houden met drie outputdimensies: gezondheid, onderwijs en de capaciteit om een goed beleid te voeren. Bij ons weten is dit de eerste maal dat een dergelijke comprehensieve efficiëntiemaatstaf wordt geschat voor ontwikkelingslanden. Een beperkt aantal publicaties voeren een gelijkaardige analyse uit, maar concentreren zich enkel op gezondheid en onderwijs (Gupta en Verhoeven, 2001) of op industrielanden (Afonso, Schuknecht en Tanzi, 2003). Onze belangrijkste bijdrage bestaat er echter in dat we in een general to specific aanpak van regressie-analyse op zoek gaan naar de determinanten van de overheidsinefficiëntie. De (on)zinnigheid van deze resultaten is meteen ook een indicatie voor de praktische relevantie van DEA. Als immers blijkt dat de efficiëntiemaatstaf niet kan verklaard worden aan de hand van variabelen die door de economische theorie naar voren worden geschoven, dan kunnen we ons ernstige vragen stellen over de empirische relevantie van DEA.
30
4. Data Envelopment Analysis In dit hoofdstuk wordt Data Envelopment Analysis beschreven. Deze uiteenzetting is noodgedwongen onvolledig, maar volstaat ruimschoots om tot een goed begrip van DEA te komen. De beschrijving is bovendien zoveel mogelijk toegespitst op de specifieke context waarin DEA in het volgende hoofdstuk wordt toegepast15. Sectie 4.1 geeft een kort overzicht van alternatieve methoden om efficiëntie te analyseren, terwijl sectie 4.2 de basisidee achter DEA verduidelijkt. Hierop wordt verder gebouwd in sectie 4.3, waarin, aan de hand van een eenvoudige grafische illustratie, de assumpties en voornaamste eigenschappen van DEA uit de doeken worden gedaan. Sectie 4.4 gaat dieper in op de technische outputefficiëntie voor het geval van één input en meerdere outputs. Dit is de relevante situatie voor de DEA-studie die in het volgende hoofdstuk wordt uitgevoerd. De uitwerking in sectie 4.5 is iets wiskundiger. We bespreken het maximalisatieprobleem dat aan de basis ligt van DEA (4.5.1) en het lineaire programmeringsprobleem (4.5.2) dat uiteindelijk moet opgelost worden om tot de efficiëntiemaatstaf te komen. Dit laat ons toe het onderscheid tussen modellen met constante en variabele schaalopbrengsten uiteen te zetten (4.5.3), en de rol van slacks te belichten (4.5.4). Tot slot van dit hoofdstuk gaan we in sectie 4.6 kort in op twee interessante praktische toepassingen van DEA.
4.1. Alternatieve methoden om efficiëntie te analyseren Er zijn verschillende technieken voorhanden om efficiëntie en productiviteit te analyseren (voor een uitgebreide bespreking, zie o.a. Battese, Coelli en Rao, 1998). Twee daarvan – econometrische productiemodellen geschat aan de hand van de kleinste kwadraten methode en totale factorproductiviteitsindices – slagen er niet in expliciet rekening te houden met enige inefficiëntie in hoofde van de onderzochte entiteiten16 (Battese, Coelli en Rao, 1998, p. 6-7).
15
De geschatte efficiëntiemaatstaven in het volgende hoofdstuk hebben één input (publieke uitgaven) en één of
meerdere outputs (gezondheid, onderwijs en de capaciteit om een goed beleid te voeren). 16
In de literatuur rond DEA worden deze entiteiten aangeduid met de term ‘decision making unit’ (DMU). Dit is
dan ook de benaming die vanaf hier wordt gebruikt.
31
Deze methoden vertrekken met andere woorden van de assumptie dat alle onderzochte DMUs technisch efficiënt zijn en worden dan ook voornamelijk toegepast op tijdreeksen om technologische veranderingen te kwantificeren. Ze zijn minder geschikt om de relatieve efficiëntie van een DMU te bepalen, vandaar dat we er in wat volgt slechts kort aandacht aan besteden. Totale factorproductiviteitsindices meten de verandering in de geproduceerde outputniveaus ten opzichte van de wijziging in de inputniveaus, over twee tijdsperioden of tussen twee DMUs. Hieruit is onmiddellijk duidelijk dat zulke indices geen expliciete weergave bieden van de inefficiënties van DMUs, maar enkel toelaten eenzelfde DMU doorheen de tijd of verschillende DMUs op eenzelfde tijdstip te vergelijken (Battese, Coelli en Rao, 1998, p. 87). Hetzelfde probleem vindt men terug bij de kleinste kwadraten methode. Om de outputefficiëntie van een DMU via een OLS regressie te bepalen, schat men eerst een model dat de output aan de inputs linkt (Thanassoulis, 2001, p. 6-7)17:
y = f ( β , x1 , x2 ,..., xn ) + ε waarbij xi , i = 1,..., n staat voor de gekende inputniveaus, β is een vector van ongekende parameters, ε is de storingsterm. Men veronderstelt dat de storingsterm normaal verdeeld en onafhankelijk van de geobserveerde inputniveaus is. Het geschatte outputniveau van een DMU kan dan vergeleken worden met de in werkelijkheid geobserveerde output. Op die manier bekomen we een maatstaf voor de outputefficiëntie. Dit type van modellen schat echter gemiddelde, eerder dan efficiënte, outputniveaus voor gegeven inputs en wijst elk verschil tussen geobserveerde en geschatte outputniveaus toe aan inefficiëntie. De inefficiënties van de DMUs worden dus opnieuw niet expliciet in het model opgenomen, wat een ernstige tekortkoming is. Een natuurlijke uitbreiding van deze parametrische techniek, die er wel in slaagt de inefficiënties van de onderzochte DMUs expliciet te modelleren, is de stochastic frontier 17
Thanassoulis (2001, p. 6-7) bespreekt een situatie waarin de inputefficiëntie en niet de outputefficiëntie
bepaald wordt. Deze bespreking kan echter makkelijk aangepast worden om betrekking te hebben op outputefficiëntie.
32
method (Battese, Coelli en Rao, 1998, p. 183-219). De storingsterm wordt bij deze methode opgesplitst in twee delen. Eén deel weerspiegelt de inefficiëntie. Typisch wordt voor dit deel van de storingsterm een eenzijdige distributie opgelegd, bijvoorbeeld een afgekapte normale distributie. Het tweede deel van de storingsterm is stochastisch en wordt doorgaans verondersteld een normale distributie te volgen. Op die manier is de functionele vorm van de productiemogelijkhedencurve – op de parameters na – gekend (Post, 1999 p. 4). Deze parameters kunnen dan geschat worden via maximum likelihood of corrected OLS (Battese, Coelli en Rao, 1998, p. 187). Noteer dat de inefficiëntie niet onmiddellijk observeerbaar is, maar moet berekend worden uit de geschatte storingsterm (Battese, Coelli en Rao, 1998, p. 190). Nadeel van deze methode is dat ze vereist dat er a priori een functionele vorm voor de relatie tussen inputs en outputs wordt gespecificeerd. Ook voor de inefficiënties wordt op voorhand een expliciete distributie vastgelegd. Zeker bij gebrek aan voldoende theoretische kennis of statistische testen om de zinvolheid van de veronderstellingen na te gaan, kan dit een probleem zijn18. Bovendien leidt deze methode tot een globale representatie van de productietechnologie, maar bevat ze weinig informatie omtrent de productiemogelijkheden en inefficiënties eigen aan een welbepaalde DMU (Post, 1999, p. 4-5). Zoals uit onderstaande uiteenzetting duidelijk zal worden, komt DEA aan beide van deze kritieken tegemoet.
4.2. Basisidee DEA is een niet-parametrische techniek die toelaat de comparatieve of relatieve efficiëntie van homogene DMUs zoals bedrijven, bedrijfsdivisies, politie-eenheden, scholen,… of in dit geval overheden, te bepalen. In feite kan in elke context waarin middelen gebruikt worden om outputs voort te brengen, DEA toegepast worden om de relatieve efficiëntie waarmee dit gebeurt in te schatten (Thanassoulis, 2001, p. 1). Intuïtief voelt men wel aan dat deze techniek vooral vanuit managementoogpunt wordt toegepast en meestal dienst doet om bedrijven of afdelingen van bedrijven te beoordelen. Ondernemingen worden in de economische wetenschap immers bijna altijd vereenzelvigd met de doelstelling van winstmaximalisatie.
18
Recentere evoluties binnen deze methode hebben echter geleid tot de ontwikkeling van modellen die gebruik
maken van flexibele functionele vormen, die veel minder restrictief zijn (Post, 1999, p. 4).
33
Aangezien winstmaximalisatie kostenminimalisatie vereist, is de notie van efficiëntie nooit veraf. Nochtans wijst Bowlin (1998, p. 3) erop dat DEA oorspronkelijk bedoeld was als een middel om de performantie van organisaties zonder winstoogmerk en overheidsorganisaties te evalueren. Eén van de gebieden waar DEA op ruime schaal wordt toegepast, is de banksector, en ook in hoogtechnologische sectoren kan DEA een handig instrument zijn om de technologische vooruitgang te onderzoeken (zie o.a. Sengupta, 2004) Een enorm belangrijk voordeel van DEA is dat het niet meer nodig is a priori een functionele vorm op te leggen. Een additioneel pluspunt, hiermee gerelateerd, is dat DEA voor elke DMU een afzonderlijk lineair programmeringsprobleem oplost, en op die manier informatie verschaft die op maat gesneden is van elke individuele DMU (Post, 1999, p. 20). DEA identificeert de efficiëntie van elke DMU op basis van een vergelijking met gelijkaardige DMUs die als efficiënt bestempeld worden. Zo vermijdt men dat de prestatie van een DMU wordt afgeleid uit statistische gemiddelden, die voor de betrokken DMU misschien wel helemaal niet van toepassing zijn (Avkiran, 1999, p. 207) (cf. infra). Of zoals Thierry Post het formuleert: “this feature makes it possible for the data ‘to speak for themselves’ rather than being forced to use the idiom of some imposed functional form. This gives DEA a comparative advantage relative to econometric models” (Post, 1999, p. 5).
4.3. Een intuïtieve uiteenzetting De methodologie en basisassumpties van DEA vallen grafisch het best te illustreren in een situatie waarin er slechts één input en één output is. Onderstaande figuur toont de relatie tussen output en input voor enkele DMUs. Deze figuur toont duidelijk dat er geen functionele vorm
wordt
opgelegd
aan
de
data.
In
de
plaats
daarvan
wordt
een
productiemogelijkhedencurve of efficiënte grens geschat, louter op basis van de geobserveerde data (Thanassoulis, 2001, p. 10).
34
Figuur 3: Grafische illustratie DEA voor het geval met één input en één output
Output I
D
F
G
J
E
C B
H PRODUCTIEMOGELIJK-
A
HEDENVERZAMELING
O
K
Input
Bron: eigen figuur, gebaseerd op Thanassoulis, 2001, p. 10 DEA construeert deze productiemogelijkhedencurve op basis van de volgende assumpties: •
Interpolatie tussen geobserveerde input-outputcombinaties leidt tot nieuwe inputoutputcombinaties die in principe haalbaar zijn (Thanassoulis, 2001, p. 38). Dit komt neer op het veronderstellen van een convexe productiemogelijkhedenverzameling (Post, 1999, p. 23).
•
Mogelijkheid van inefficiënte productie (Thanassoulis, 2001, p. 38). Deze assumptie staat formeel bekend onder de noemer van free disposability en houdt in dat het bij elke input-output-combinatie mogelijk is minder efficiënt te worden door de output te reduceren of de input op te drijven (Post, 1999, p.23).
•
Inputs en outputs zijn positief (Bowlin, 1998, p. 16).
•
De productiemogelijkhedenverzameling is de kleinste verzameling die aan deze assumpties
voldoet
en
alle
geobserveerde
input-output-combinaties
bevat
(Thanassoulis, 2001, p. 38). Impliciet houdt dit in dat de geobserveerde DMUs homogeen moeten zijn, in de zin dat ze over dezelfde productietechnologie beschikken (Thanassoulis, 2001, p. 40). De derde assumptie is triviaal en wordt dan ook vaak niet expliciet opgenomen. Thanassoulis (2001, p. 38) voegt hier verder nog de assumptie aan toe dat er geen free lunch mag zijn. Dit 35
houdt in dat er geen output mogelijk is zonder gebruik van input. We menen dat deze assumptie – zeker in een model met variabele schaalopbrengsten – van weinig belang is. Dit kan makkelijk gezien worden aan de hand van figuur 1: als DMU A output produceert zonder gebruik te maken van enige input dan zal punt A in deze figuur zich op de verticale as bevinden (niet getekend). De productiemogelijkhedenverzameling heeft nu een andere vorm (de efficiënte grens valt voor een stuk samen met de verticale as), maar er verandert niets substantieel aan de analyse. Waarschijnlijk is dat ook de reden waarom Post ze niet opneemt als assumptie (zie Post, 1999, p. 23) en er verder ook niet naar verwijst. Free of strong disposability van de outputs houdt in dat men zich kosteloos kan ontdoen van een hoeveelheid van gelijk welke output. Bij weak disposability daarentegen, zullen de niveaus van de andere outputs proportioneel afnemen wanneer een bepaalde output naar beneden wordt geschaald. Het onderscheid is vooral van belang wanneer gewenste en ongewenste outputs gezamenlijk geproduceerd worden, en men de ongewenste output niet kan verwijderen zonder dat hieraan kosten verbonden zijn (bv. SO²-emissies die vrijkomen bij de productie van energie). In dat geval is weak disposability een gerechtvaardigde assumptie: als men de ongewenste output wil wegwerken, zal immers ook de hoeveelheid gewenste output dalen (Färe en Grosskopf, 2004, p. 46-52). Dit is in onze DEA-studie echter niet het geval waardoor we de assumptie van strong disposability behouden. Aangezien we slechts gebruik maken van één input is er geen onderscheid tussen strong of weak disposability van de input. De interpolatieassumptie houdt in dat elke combinatie gelegen op een lijnstuk dat 2 DMUs uit de sample verbindt, zelf ook haalbaar is (alle punten op AB, BC,…) en dus deel uitmaakt van de productiemogelijkhedenverzameling. Aangezien de mogelijkheid van inefficiënte productie tot de assumpties behoort, zijn ook de input-output-combinaties op de verticale lijn naar beneden vanuit A en de horizontale lijn naar rechts vanuit E, haalbaar. Om dezelfde reden zijn alle input-output-combinaties rechtsonder de stuksgewijs lineaire curve ABCDE (de efficiënte grens), mogelijke combinaties. De kleinst mogelijke verzameling die aan bovenstaande assumpties voldoet en die alle observaties bevat, valt dan ook samen met ABCDE en de oppervlakte rechtsonder deze stuksgewijs lineaire curve. Op die manier wordt een productiemogelijkhedenverzameling geconstrueerd die toelaat de efficiëntie van elke DMU te bepalen (Thanassoulis, 2001, p. 10-11).
36
Nu kan zowel de technische input- als outputefficiëntie van elke DMU bepaald worden. Voorlopig volstaat het in te zien dat de outputefficiëntie aangeeft in welke mate de output kan verhoogd worden bij gegeven input, terwijl de inputefficiëntie de mate aangeeft waarin een DMU haar input kan verlagen zonder daarbij de geproduceerde output te reduceren (Batesse, Coelli en Rao, 1998, p. 137)19. De inputefficiëntie van DMU F wordt bekomen door F te vergelijken met de efficiënte grens. F wordt meer bepaald vergeleken met de hypothetische DMU G, die een lineaire combinatie is van observaties C en D. Hieruit blijkt onmiddellijk dat F inefficiënt is: het produceert dezelfde output als G, maar gebruikt hiervoor aanzienlijk meer input (JF in plaats van JG) (Post, 1999, p. 26). De inputefficiëntie is dan JG/JF, dat is de fractie tot dewelke F haar inputs zou kunnen verlagen en toch dezelfde output produceren, enkel door efficiënter te werken (Thanassoulis, 2001, p.11). Analoog kan de outputefficiëntie van een DMU bepaald worden. H maakt gebruik van dezelfde hoeveelheid input als I, maar slaagt er toch niet in een even grote output voort te brengen (KH, tegenover KI voor I). De outputefficiëntie van H kan men logischerwijze dan ook berekenen als KH/KI. Deze geeft weer in welke mate H haar output zou kunnen opdrijven bij gegeven input, enkel door efficiënter te werken. Deze illustratie maakt meteen enkele specifieke eigenschappen van DEA duidelijk. Zo valt op dat de efficiëntie van een DMU steeds wordt bepaald aan de hand van een vergelijking met een ‘gelijkaardige’ DMU, die als efficiënt wordt beschouwd20. Dit staat in schril contrast met regressie-analyse, waar de DMU wordt afgewogen tegen statistische gemiddelden (Avkiran, 1999, p.207). De informatie die DEA genereert is dan ook veel meer op maat gesneden van elke individuele DMU. De oplossing die DEA voorstelt kan gezien worden als een lokale benadering van om het even welke productiefunctie die van toepassing is in de omgeving van elke onderzochte DMU (Bowlin, 1998, p. 12). Ook is nu evident dat DEA de relatieve efficiëntie meet en niet de absolute efficiëntie.
19
De meer exacte definitie is vooral relevant in een context met meerdere inputs en/of outputs. Om onnodige
verwarring en onduidelijkheid te vermijden wordt deze definitie pas verder in de tekst opgenomen. 20
Dit wordt later nog duidelijker geïllustreerd aan de hand van een situatie met meerdere outputs.
37
Verder kunnen we zien dat de DEA-maatstaf doorgaans een onderschatting is van de werkelijke
inefficiëntie.
De
werkelijke
productiemogelijkhedenverzameling
(niet
weergegeven) bevat immers de geschatte productiemogelijkhedenverzameling en de inefficiëntie van een DMU wordt bepaald aan de hand van een vergelijking met deze laatste. Een belangrijke eigenschap van de geschatte efficiëntiemaatstaf is in dit opzicht zijn statistische consistentie (Post, 1999, p. 27-29). Een uitbreiding van het aantal observaties zorgt ervoor dat de geschatte productiemogelijkhedenverzameling dichter komt te liggen bij de werkelijke verzameling. Onder een beperkt aantal assumpties kan aangetoond worden dat de efficiëntiemaatstaf naar zijn echte waarde convergeert wanneer de sample oneindig groot wordt. In een kleine sample kan er echter sprake zijn van een aanzienlijke onderschatting van de inefficiëntie. Dit is één van de redenen waarom een voldoende grote sample aan te raden is bij de uitvoering van een DEA studie (cf. infra). Om DEA toe te passen in de praktijk zijn er nog enkele additionele zaken waar men rekening mee moet houden. Eerst en vooral is er de isotoniciteitsvoorwaarde: “een toename in één van de inputs moet leiden tot een toename van één van de outputs en mag niet leiden tot een afname van gelijk welke output” (Bowlin, 1998, p. 17). Concreet betekent dit dat een output die als een bad beschouwd wordt (CO²-emissies die vrijkomen bij de productie van een bepaald goed, kindersterfte als output van overheden,…) moet getransformeerd worden, door bijvoorbeeld de inverse te nemen. Een tweede aspect heeft betrekking op de grootte van de sample. Als vuistregel wordt in de literatuur gesteld dat het aantal DMUs minstens gelijk moet zijn aan 3 keer de som van het aantal inputs en outputs (Avkiran, 1999, p. 208). Een voldoende grote sample is vooral belangrijk om het nefaste effect van meetfouten te verzwakken, iets waar DEA heel erg gevoelig voor is. DEA voorziet immers geen stochastische storingsterm, met als gevolg dat willekeurige fluctuaties of meetfouten geassocieerd worden met inefficiënties, terwijl dit in realiteit niet het geval hoeft te zijn (Bowlin, 1998, p. 13). DEA is in het bijzonder gevoelig voor onbetrouwbare data omdat de eenheden die als efficiënt aanzien worden, meteen ook de (in)efficiëntie van de andere DMUs bepalen (Avkiran, 1999, p. 207). Als in figuur 3 bijvoorbeeld de observaties van de inputs en outputs van DMU H onderhevig zijn aan meetfouten, dan kan het zijn dat in realiteit de input-output-combinaties van H zodanig zijn dat het punt zich linksboven ABCDE bevindt. Deze situatie is weergegeven in figuur 4, waar de nieuwe productiemogelijkhedencurve bepaald wordt door H’, D en E. Uit de figuur is 38
evident dat een herclassificatie van H als een efficiënte DMU een enorme impact kan hebben op de efficiëntiemaatstaf van vele andere DMUs: A, B en C worden nu niet langer als efficiënt beschouwd, maar ook de inputefficiëntie van F is afgenomen. Net omdat DEA de data voor zichzelf laat spreken is het zo gevoelig voor onjuistheden in de data. Het spreekt voor zich dat vooral in kleine samples de resultaten sterk vertekend kunnen worden, wat opnieuw een argument is om een kleine sample te vermijden. Bovendien maakt een grotere sample het makkelijker te discrimineren tussen efficiënte en niet-efficiënte DMUs (Post, 1999, p. 10).
Figuur 4: De gevoeligheid van DEA voor meetfouten
Output
D J
E F
C H’
B
H
A
O Input Bron: eigen figuur, gebaseerd op Thanassoulis, 2001, p. 10
4.4. De technische outputefficiëntie met één input en twee outputs Alle hierboven besproken aspecten van DEA gelden ook wanneer er sprake is van meerdere inputs en outputs. Dat wordt in deze sectie kort geïllustreerd voor een situatie met één input en twee outputs. Deze sectie kan gezien worden als een verdere intuïtieve kennismaking met de manier waarop DEA werkt, in een iets complexere context. Anderzijds is deze sectie noodzakelijk om een beter begrip vanwege de lezer te garanderen wanneer verder in de thesis 39
DEA op een meer wiskundige wijze wordt uiteengezet. Tot slot is het zo dat enkele van de DEA-maatstaven die we schatten meerdere outputs bevatten. Ook daarom is deze sectie gerechtvaardigd. De technische outputefficiëntie wordt door Thanassoulis (2001, p. 24) als volgt gedefinieerd: “de technische outputefficiëntie van een DMU is de maximale verhouding van één van de geobserveerde outputniveaus, ten opzichte van het niveau dat die output aanneemt wanneer alle outputniveaus zo ver mogelijk radiaal worden uitgebreid, zonder dat de inputniveaus hierdoor dalen”21. De maatstaf voor de outputefficiëntie van een DMU geeft dus aan in welke mate deze DMU haar outputniveaus zou kunnen opdrijven, enkel door performanter te werker (zonder de input te verhogen), terwijl ze haar outputmix constant houdt (dat is wat een radiale expansie van de output inhoudt) (Thanassoulis, 2001, p. 24). De notie van een radiale expansie (contractie) van de outputs (inputs) is enkel zinvol wanneer er sprake is van meerdere outputs (inputs). Vandaar pas nu deze meer exacte definitie. In figuur 5 wordt de technische outputefficiëntie geïllustreerd voor het geval met één input en twee outputs. De grafiek toon alle outputcombinaties die haalbaar zijn bij een gegeven inputniveau. Een radiale expansie van de output houdt in dat de outputmix constant blijft. Voor DMU E is dit het geval zolang we op de voerstraal OE blijven. Bij deze outputmix wordt de maximale output binnen de productiemogelijkhedenverzameling bereikt bij het punt E’, het snijpunt van de voerstraal met de efficiënte grens. De outputefficiëntie van E is dan ook gedefinieerd als OE/OE’ (Thanassoulis, 2001, p. 52-54).
21
De definitie van inputefficiëntie is analoog: “als je alle inputs van een DMU radiaal laat inkrimpen zonder
dat het outputniveau afneemt, dan is de technische inputefficiëntie van de DMU de maximale verhouding van één van deze ingekrimpte inputniveaus op het geobserveerde niveau van de input” (Thanassoulis, 2001, p. 24).
40
Figuur 5: De technische outputefficiëntie voor het geval met één input en twee outputs.
A
Output 2
E’ B E
C
PRODUCTIEMOGELIJKHEDENVERZAMELING
D
O Output 1 Bron: eigen figuur, gebaseerd op Thanassoulis, 2001, p. 53 Merk op dat we enkel de technische efficiëntie, en niet de allocatieve of de totale efficiëntie, behandelen. Technische efficiëntie gaat na hoe goed het productieproces de inputs transformeert in outputs, terwijl allocatieve efficiëntie betrekking heeft op de keuze van de optimale inputmix. Dit is de inputmix die, rekening houdend met de prijzen van de verschillende inputs, de productiekosten minimaliseert (Avkiran, 1999, p. 206-207). Totale efficiënte is het product van beide (Thanassoulis, 2001, p. 28). Aangezien aan overheidsoutputs zoals inschrijvingsgraden in het onderwijs, het wegwerken van kindersterfte,… doorgaans geen prijs wordt toegekend, is voor ons enkel de technische efficiëntie van belang.
4.5. Wiskundige uitwerking In deze sectie geven we kort aan hoe de efficiëntiemaatstaf algebraïsch bekomen wordt. Het maximalisatieprobleem dat de basis vormt voor een klassiek DEA-model wordt besproken. Dit laat toe nog enkele belangrijke aspecten van DEA te verduidelijken. Daarnaast gaat onze aandacht vooral naar het uiteindelijke lineaire programmeringsprobleem dat moet opgelost worden om een schatter te bekomen voor de technische outputefficiëntie. Tot slot wordt het onderscheid tussen modellen met constante en variabele schaalopbrengsten duidelijk gemaakt. 41
4.5.1. Het onderliggende maximalisatieprobleem De basis voor het Charnes, Cooper en Rhodes (CCR) DEA-model is volgend maximalisatieprobleem (Bowlin, 1998, p. 4-6): p
Max h0 =
∑ ur yr 0
r =1 m
∑ vi x i 0
i =1 p
o.n.v.
∑ u r y rj
r =1 m
≤ 1 j = 1,..., n
∑ vi xij
i =1
ur m
> ε r = 1,..., p
∑ v i xi 0
i =1
vi m
> ε i = 1,..., m
∑ v i xi 0
i =1
ε >0 Dit model evalueert de relatieve performantie van een bepaalde DMU (DMU0) op basis van de geobserveerde performantie van j = 1,..., n DMUs. y rj , xij zijn respectievelijk de r de output en de i de input van de j de DMU. De maximale efficiëntiescore voor DMU0 is dan h0* ≤ 1 . ε is een niet-archimediaanse constante die kleiner is dan gelijk welke positieve reële
constante. Deze constante moet niet geëxpliciteerd worden, aangezien ze behandeld wordt door de DEA software. De teller van bovenstaande objectieffunctie geeft de gewenste outputs weer, terwijl in de noemer de gebruikte inputs zijn opgenomen. Deze ratio resulteert in een scalaire waarde voor
h0* die kan geïnterpreteerd worden als een efficiëntiemaatstaf: h0* = 1 weerspiegelt volledige efficiëntie, h0* < 1 wijst op de aanwezigheid van inefficiënties.
42
Interessant is dat er op voorhand geen gewichten moeten vastgelegd worden om deze scalaire efficiëntiemaatstaf te bekomen. De optimale waarden u r* en vi* worden immers binnen het model berekend. Deze waarden worden de virtuele gewichten genoemd en leveren een p
virtuele output Y0 = ∑ u r* y r 0 r =1
en een virtuele input
m
X 0 = ∑ vi* y i 0 i =1
op waaruit de
efficiëntiemaatstaf h0 = Y0 X 0 berekend wordt. DEA kent typisch een hoger gewicht toe aan die outputdimensies waarvoor een DMU relatief gezien het best presteert. Deze laatste eigenschap is vrij belangrijk. Cherchye en Moesen (1997) en Moesen (2000) laten zich erdoor inspireren om een synthetische macro-economische performantie-indicator voor landen te berekenen, op basis van volgende vier enkelvoudige indicatoren: werkloosheid, inflatie, economische groei en surplus op de lopende rekening. Via een eenvoudige normalisatieprocedure worden elk van deze indicatoren geprojecteerd op een [0,1]-interval, waarbij een hogere waarde gepaard gaat met een betere performantie. De gewichten die worden toegekend aan deze componenten worden zodanig gekozen dat elk land
“het voordeel van de twijfel” (Cherchye en Moesen, 1997, p. 12) geniet. Een land krijgt met andere woorden een hoger gewicht voor een dimensie waarin het – relatief gezien – beter scoort: wie een lage inflatie heeft, wordt geacht een inflatiebestrijder te zijn. Op die manier probeert men de heterogeniteit van de beleidspreferenties over verschillende landen te vatten, zonder daarbij over informatie (bv. uit regeringsmemoranda) te beschikken die deze beleidsprioriteiten expliciet weergeeft. Wanneer meerdere outputs worden beschouwd, zal DEA telkens een groter gewicht hechten aan de outputs waarvoor de onderzochte DMU beter scoort.
4.5.2. Het lineair programmeringsprobleem Bovenstaand maximalisatieprobleem valt niet rechtsreeks op te lossen, maar kan getransformeerd worden tot een lineair programmeringsprobleem (zie o.a. Bowlin, 1998, p. 610, voor het geval van inputefficiëntie), waarvan de duaal wel oplosbaar is. De schatter voor de technische outputefficiëntie bekomt men dan uit deze duaal (Post, 1999, p. 24)22: 22
Andere auteurs (o.a. Thanassoulis, 2001, p. 134) kiezen voor een formulering die de niet-archimediaanse
constante
ε
bevat. De voorstellingswijze hier is volkomen equivalent maar wordt weerhouden omdat ze
43
θˆBCC ,k = max θ λ ,θ , s , s '
n
o.n.v. ∑ λ j y rj − s r' = θy rk r = 1,..., p j =1 n
∑ λ j xij + si = xik i = 1,..., m j =1
N
∑λj =1 j =1
λ j ≥ 0 j = 1,..., n s r' ≥ 0 r = 1,..., p si ≥ 0 i = 1,..., m met y rj de r de output van de j de DMU, x ij de i de input van de j de DMU, s r' de outputslack voor de r de output van DMU k en si de inputslack voor de i de input van DMU k ; k is de DMU waarvan de efficiëntie geëvalueerd wordt. “Op deze manier wordt de convexe combinatie van observaties bepaald, die de radiale expansie van de output, relatief ten opzichte van de geëvalueerde eenheid (DMU k), maximaliseert, terwijl er een hoeveelheid input wordt verbruikt die kleiner dan of gelijk is aan de hoeveelheid input geconsumeerd door de geëvalueerde eenheid” (Post, 1999, p. 24). De efficiëntiemaatstaf θˆBCC ,k die men aldus bekomt geeft de Debreu-Farrell outputefficiëntie weer. Hoe hoger deze maatstaf, hoe minder efficiënt een DMU is (Post, 1999, p. 27, voetnoot 20). 1 is altijd een mogelijke waarde voor θ omdat we altijd λ k = 1 en λ j = 0, ∀j ≠ k kunnen
stellen. De maatstaf die we bekomen zal dan ook altijd groter dan of, voor efficiënte DMUs, gelijk aan 1 zijn. De efficiëntie wordt meestal weergegeven als de inverse van deze maatstaf, namelijk 1 θˆBCC,k
23
(Thanassoulis, 2001, p. 69). Dit komt overeen met de eerder gegeven
duidelijker is. Er wordt bovendien onmiddellijk overgaan op het Banker, Charnes en Cooper DEA-model met variabele schaalopbrengsten door de extra restrictie op te leggen dat de 23
λ ’s sommeren tot één (cf. infra).
In dit geval wordt de efficiëntie gemeten volgens de output distance function van Shephard (zie Färe en
Grosskopf, 2004, p. 31-35). Färe en Grosskopf (2004) tonen aan dat deze laatste een specifiek geval is van wat ze de directional output distance function noemen. Het gebruik van directional output distance fucntions biedt in bepaalde specifieke contexten (bv. milieuvervuiling als productie-externaliteit) voordelen voor de evaluatie van efficiëntie en productiviteit.
44
definitie van de technische outputefficiëntie (cf. supra). De maatstaf die we aldus bekomen bevindt zich tussen 0 en 1 en kan men op figuur 4 terugvinden als OE/OE’. Hoe dichter deze maatstaf bij 1 ligt (i.e. hoe dichter E bij E’ ligt op de grafiek), hoe groter de efficiëntie.
4.5.3. Constante versus variabele schaalopbrengsten Dit model werd ontwikkeld door Banker, Charnes en Cooper – vandaar het subscript BCC – en onderscheidt zich van het Charnes, Cooper en Rhodes model doordat het variabele schaalopbrengsten toelaat. Omdat de restrictie wordt opgelegd dat de λ ’s sommeren tot 1 vervalt immers de beperking dat DMUs schaalefficiënt moeten zijn (Bowlin, 1998, p. 9). Aldus levert het model een maatstaf van pure outputefficiëntie en houdt het geen rekening met eventuele schaalinefficiënties (Thanassoulis, 2001, p. 130 en 134). Nu is het zo dat de optimale convexe combinatie ( λ* ) kan geïnterpreteerd worden al een referentie-eenheid. Dit kan een werkelijk geobserveerde DMU zijn of een fictieve DMU, geconstrueerd als een combinatie van geobserveerde DMUs. Het BCC model laat enkel convexe combinaties toe, terwijl het CCR model ook positieve lineaire combinaties van geobserveerde DMUs mogelijk maakt (Post, 1999, p. 24-25) 24. Grafisch (zie figuur 6) komen variabele schaalopbrengsten er op neer dat de efficiënte grens die de productiemogelijkhedenverzameling afbakent weergegeven wordt door VRS (variable returns to scale)25. In het CCR model, met constante schaalopbrengsten, wordt deze grens gegeven door CRS (constant returns to scale). Fictieve DMUs waarmee de geobserveerde DMUs worden vergeleken, kunnen in dit geval immers ook tot stand komen als een positieve lineaire combinatie van een geobserveerde DMU, waardoor nu ook het gearceerde oppervlak deel uitmaakt van de productiemogelijkhedenverzameling. Voorgaande bespreking werd steeds gevoerd uitgaande van een situatie met variabele schaalopbrengsten, maar is – met
24
In het CCR model kan het zijn dat één van de
λ ’s (bv. λC ) uit het lineaire programmeringsprobleem groter is
dan één terwijl alle andere gelijk zijn aan 0. Dit betekent dan dat de referentie-eenheid geconstrueerd wordt door DMU C op een grotere schaal te brengen. 25
Segmenten AB en BC vertonen toenemende schaalvoordelen omdat een uitbreiding van de input voor een
sterkere expansie zorgt dan bij constante schaalopbrengsten (grafisch: AB en BC zijn steiler dan CRS). Segmenten CD en DE vertonen afnemende schaalopbrengsten (Thanassoulis, 2001, p. 142-144).
45
minieme aanpassingen – evenzeer van toepassing op een situatie waarbij zich constante schaalopbrengsten voordoen.
Figuur 6: Constante vs. variabele schaalopbrengsten
Output
CRS D
VRS
E
C B
PRODUCTIEMOGELIJKHEDENVERZAMELING
D
O
Input Bron: eigen figuur, gebaseerd op De Smet, 2002, p. 15
4.5.4. Slacks De optimale slacks geven niet-radiale inefficiënties weer (Post, 1999, p. 24). Dit betekent dat, wanneer θˆBCC ,k = 1 en beide optimale slacks s i* en s r'* gelijk zijn aan 0, DMU k Paretoefficiënt is (Thanassoulis, 2001, p. 69). Dit hoeft echter niet altijd het geval te zijn. Op onderstaande figuur zal voor DMU E’ een efficiëntiemaatstaf van 1 geschat worden. Nochtans is het zo dat DMU D meer van output 2 produceert dan E’. Beide DMUs maken gebruik van dezelfde hoeveelheid input en brengen dezelfde hoeveelheid van output 1 voort. E’ wordt door DEA als technisch efficiënt beschouwd, maar is niet Pareto-efficiënt: het is mogelijk meer van output 2 te produceren zonder dat er meer input nodig is of de hoeveelheid van output 1 moet teruggeschroefd worden, maar een radiale expansie (i.e. een equiproportionele expansie van alle outputs) is niet meer mogelijk. Algebraïsch betekent dit dat de outputslack voor output 2 voor DMU E’ positief zal zijn. De aanwezigheid van slacks heeft te maken met de assumptie dat inefficiëntie productie mogelijk is (cf. supra 4.3) waardoor ook het verticale 46
lijnstuk vanuit D en het horizontale lijnstuk vanuit A beschouwd worden als deel uitmakend van de efficiënte grens. Voor DMU E (en alle andere DMUs op de voerstraal OEE’) zal dezelfde outputslack voor output 2 bekomen worden.
Figuur 7: De technische outputefficiëntie met outputslacks
A
Output 2
B
C
E
D E’
O Output 1 Bron: eigen figuur, gebaseerd op Thanassoulis, 2001, p. 53
4.6. Interessante praktische toepassingen van DEA Overheden kunnen DEA hanteren om projecten die ze hebben opgestart te evalueren, scholen en ziekenhuizen te beoordelen, publieke dienstenleveranciers te controleren,… Wanneer een overheid op verschillende plaatsen projecten opstart, die gebruik maken van duidelijk gedefinieerde inputs om enkele specifieke doelstellingen te bereiken, kan DEA een handig hulpmiddel zijn om de resultaten in elke locatie op te volgen. DEA kan aanduiden welke projecten gefaald hebben, en welke projecten gelukt zijn in hun opzet. Dit kan een eerste stap zijn in het zoeken naar oplossingen. Daarnaast kan het interessant zijn na te gaan welke van de succesvolle projecten de referentiepunten vormen voor elk van de inefficiënte projecten. Op die manier krijgt men misschien al een indicatie van wat er is misgelopen en hoe hieraan verholpen kan worden.
47
Daarnaast is het zo dat DEA voor donoren een middel kan zijn om efficiënte en inefficiënte landen van elkaar te onderscheiden. Veel bilaterale en multilaterale donoren alloceren hulp naar landen die volgens hen een goed beleid voeren (Bräutigam en Knack, 2004, p. 273). De Verenigde Staten doen dit zelfs zeer expliciet (White House, 2004): president George W. Bush liet op 14 maart 2002 in een speech voor de Inter-American Development Bank weten dat zijn land bereid is jaarlijks 5 miljard dollar extra aan ontwikkelingshulp te spenderen, op voorwaarde dat ontwikkelingslanden hun verantwoordelijkheid opnemen26. Deze fondsen worden toegewezen aan de Millennium Challenge Account en zullen enkel gealloceerd worden naar landen die inspanningen doen om te investeren in mensen, een goed beleid voeren en de economische vrijheid in de hand werken. Om na te gaan of landen voldoende aandacht besteden aan onderwijs en gezondheid worden de publieke uitgaven voor primair onderwijs als percentage van het BBP, de gezondheidsuitgaven als percentage van het BBP, de voltooiingsgraad in het primair onderwijs en de immunisaties tegen mazelen en tegen difterie, tetanus en kinkhoest als objectieve indicatoren gehanteerd. Veel beter zou het echter zijn hier rekening te houden met efficiëntiemaatstaven die aangeven hoe goed de relevante publieke uitgaven omgezet worden in gezondheids- en onderwijsuitkomsten.
26
Zulk een beleid wordt ondersteund door empirisch onderzoek van onder andere Burnside en Dollar (2000), die
enkel een positief effect van ontwikkelingshulp op de economische groei vinden wanneer deze ontwikkelingshulp wordt geïnterageerd met een indicator voor goed beleid. Easterly, Levine en Roodman (2003) voeren exact dezelfde analyse uit, met dat verschil dat ze de sample uitbreiden tot 1997, en weerleggen deze resultaten.
48
5. Overheidsefficiëntiemaatstaven berekend aan de hand van Data Envelopment Analysis
5.1. Relatie met eerder onderzoek De idee voor deze thesis is gegroeid na het lezen van “Public sector efficiency: an international comparison”, een ECB Working Paper van António Afonso, Ludger Schuknecht en Vito Tanzi (2003). In deze paper worden de prestaties van de overheden van 23 geïndustrialiseerde landen in de jaren ’90 geëvalueerd. De auteurs stellen eerst een performantiemaatstaf samen voor de publieke sector, die berekend wordt als een ongewogen gemiddelde van 7 subindicatoren. Deze subindicatoren worden op hun beurt geconstrueerd op basis van verschillende individuele socio-economische indicatoren. In een volgende stap worden elk van de subindicatoren gerelateerd aan de relevante overheidsuitgaven (bv. de gezondheidsindicator wordt gedeeld door de gezondheidsuitgaven) om op die manier maatstaven te bekomen voor de efficiëntie van de publieke sector in elk van de beschouwde dimensies. De uiteindelijke overheidsefficiëntie wordt opnieuw berekend als een ongewogen gemiddelde van deze 7 maatstaven. Tot slot wordt een Free Disposable Hull (FDH)-studie uitgevoerd, waarin de eerder berekende performantiemaatstaf wordt gerelateerd aan de publieke uitgaven om de relatieve input- en outputefficiëntie van elk land te bepalen. Afonso, Schuknecht en Tanzi (2003) komen tot de conclusie dat de overheidsperformantie op zich slechts beperkte verschillen vertoont over de beschouwde landen. Wanneer men deze performantie echter relateert aan de publieke uitgaven, ontdekt men grote discrepanties in de overheidsefficiëntie. Opnieuw blijkt dus het belang van inefficiënties. Kleine overheden laten de beste resultaten optekenen. De FDH-studie bevestigt deze resultaten: omvangrijke overheden zouden dezelfde output kunnen realiseren met maar liefst 35% minder uitgaven. Gupta en Verhoeven (2001) voeren een FDH-studie uit om de efficiëntie van overheidsuitgaven voor onderwijs en gezondheid te beoordelen in 85 ontwikkelingslanden gedurende de periode 1984-1995. Ze hebben in het bijzonder aandacht voor de 37 Afrikaanse landen in hun sample. De resultaten tonen aan dat er aanzienlijke verschillen zijn in de manier
49
waarop Afrikaanse landen onderwijs- en gezondheidsuitgaven transformeren in outputs. Verder vinden Gupta en Verhoeven (2001) dat de Afrikaanse landen slecht scoren in vergelijking met landen in het Westelijk halfrond en Aziatische landen, die als meest efficiënt naar voren komen. De zwakke prestatie van Afrikaanse landen voor onderwijs kan niet verklaard worden door een lagere inzet van private middelen, aangezien de private uitgaven voor onderwijs in Afrika net een groter deel uitmaken van de totale onderwijsuitgaven. Hierdoor zou men juist verwachten dat de Afrikaanse landen als efficiënter uit de bus komen. Verder is het opnieuw zo dat kleine overheden betere resultaten behalen. Een laatste belangrijke conclusie is dat, in de sample met Afrikaanse landen, de productiefunctie doorheen de tijd naar buiten is verschoven. Dit wijst op een toegenomen productiviteit van onderwijs- en gezondheidsuitgaven.
5.1.1. Data Envelopment Analysis versus Free Disposable Hull De DEA-studie die in dit hoofdstuk wordt uitgevoerd, is in belangrijke mate gestoeld op twee bovenstaande werken. Desalniettemin voeren we enkele veranderingen door die volgens ons als verbeteringen kunnen worden beschouwd. Eerst en vooral is het zo dat een klassiek BCC DEA-model wordt gebruikt om de efficiëntiemaatstaf te berekenen, terwijl in voornoemde papers voor FDH wordt gekozen. FDH is een DEA model waarin er slechts minimale productieassumpties worden gemaakt. Het FDH model legt immers de extra restrictie op dat de λ ’s uit het lineaire programmeringsprobleem in sectie 4.5.2. enkel de waarden 0 en 1 kunnen aannemen. Dit houdt in dat de geëvalueerde entiteit enkel kan vergeleken worden met bestaande observaties, en dus niet met hypothetische DMUs die geconstrueerd worden als convexe combinaties van bestaande DMUs. De efficiënte grens uit figuur 3 wordt dan een trapsgewijs lineaire curve (Post, 1999, p. 62-64; voor een meer intuïtieve en toepassingsgerichte uiteenzetting van FDH, zie Gupta en Verhoeven, 2001, p. 436-440 en Afonso, Schuknecht en Tanzi, p. 18-20). We vinden echter de idee dat een convexe combinatie van twee werkelijke observaties ook haalbaar zou moeten zijn, aannemelijker dan de assumptie dat dit niet zo zou zijn. Hoe dan ook maakt deze keuze in de praktijk slechts een miniem verschil: alle landen die bij DEA als efficiënt worden aangeduid, zullen ook in een FDH-studie op de efficiënte grens geplaatst worden. Het omgekeerde is echter niet het geval. Dit betekent dat er in een FDH50
studie normalerwijze meer eenheden efficiënt zijn. Als we er rekening mee houden dat voldoende variatie in de efficiëntiemaatstaf belangrijk is voor de econometrische analyse die we verder uitvoeren, is ook dit een reden om voor DEA te kiezen. Tot slot is het zo dat de FDH schatter trager convergeert naar de werkelijke inefficiëntie. De performantie van FDH in kleine samples ligt dan ook lager (Post, 1999, p. 62-64).
5.2. Opzet van het empirisch onderzoek In wat volgt geven we een volledige beschrijving van de uitgevoerde DEA-studie. De verschillen met bovenvermelde studies wat betreft de keuze van variabelen en tijdsperioden worden besproken en gemotiveerd. Exacte definities en bronnen voor alle gebruikte variabelen zijn weergegeven in tabel A10 in appendix. Alle reeksen zijn, tenzij expliciet anders vermeld, afkomstig van de World Development Indicators (2003), een omvangrijke databank samengesteld door de Wereldbank. We hebben geprobeerd de noodzakelijke data te vinden voor alle landen die door de Wereldbank geclassificeerd worden als lageinkomenslanden of lager-middeninkomenslanden. Dit zijn alle landen waarvoor het Bruto Nationaal Inkomen per capita in 2001 lager was dan $2975 (World Development Indicators, 2003). In totaal gaat het om 118 landen. Vele landen vallen echter weg omwille van ontbrekende observaties. Schattingen worden uitgevoerd met een demo van OnFront (versie 2.01), een softwarepakket ontwikkeld door Economic Measurement and Quality en ter beschikking gesteld via het internet. We schatten de technische outputefficiëntie bij variabele schaalopbrengsten.
5.2.1. Input De efficiëntiemaatstaf die wordt geschat bevat slechts één input: de publieke uitgaven van de centrale overheid. Meer specifiek gaat het om de publieke uitgaven per capita, uitgedrukt in koopkrachtpariteiten. We bekomen deze door de uitgaven als percentage van het BBP te vermenigvuldigen met het BBP per capita uitgedrukt in koopkrachtpariteiten27.
27
Hoewel een gekend en vaak gebruikt begrip volgt hier voor de volledigheid de exacte definitie van een
koopkrachtpariteit: “de koopkrachtpariteit (lokale munt per internationale dollar) geeft het aantal eenheden
51
We veronderstellen – in navolging van Gupta en Verhoeven (2001, p. 441) – dat deze maatstaf het best de opportuniteitskost of schaduwkost weergeeft van de door de overheid ingezette middelen. Alternatief zou men, zoals Afonso, Schuknecht en Tanzi (2003, p. 14-15), ervan uit kunnen gaan dat de publieke uitgaven als percentage van het BBP deze opportuniteitskost weergeven. Hoewel ook Gupta en Verhoeven (2001, p. 441, voetnoot 13) erkennen dat hierdoor de nationale prioriteiten gevat worden, merken ze terecht op dat het BBP als noemer weinig betrouwbaar is: sterke dalingen (stijgingen) van het BBP leiden tot een toename (afname) van de uitgavenmaatstaf zonder dat de nominale uitgaven wijzigen. Dezelfde kritiek is van toepassing op een absolute uitgavenmaatstaf (bv. publieke uitgaven per capita) die voor alle landen in een vergelijkbare munt wordt uitgedrukt aan de hand van bilaterale wisselkoersen. Opnieuw kunnen – vaak aanzienlijke – schommelingen in deze wisselkoers de inputmaatstaf sterk beïnvloeden zonder dat er sprake is van een wijziging in het uitgavenbeleid van de overheid. Bovendien is het zo dat uiteindelijk niet het aantal eenheden publieke uitgaven op zich van belang is, maar wel wat de overheid met dat geld kan doen (bv. hoeveel boeken ze kan kopen, hoeveel ziekenhuizen ze kan bouwen, hoeveel ambtenaren ze kan betalen,…). We berekenen de publieke uitgaven als een gemiddelde over de periode 1990-1994. Voor de outputs, die zo meteen besproken worden, wordt zoveel mogelijk het gemiddelde genomen over de periode 1995-1999. Bedoeling hiervan is expliciet rekening te houden met de vertraging die er bestaat tussen publieke uitgaven enerzijds en de uitkomsten van die uitgaven anderzijds. Gupta en Verhoeven (2001) onderkennen dit probleem, maar kiezen ervoor geen correctie door te voeren. Eén van de mogelijke oplossingen waarover ze contempleren, is het regresseren van de outputindicatoren op vorige waarden en de storingsterm te beschouwen als zijnde dat deel van de outputindicator dat door de uitgaven in het huidige jaar wordt beïnvloed. Het feit dat zowel de outputindicatoren als de publieke uitgaven erg autoregressief blijken te zijn, maakt het bijna onmogelijk om te differentiëren tussen het effect van huidige en vroegere uitgaven. Ze zien dan ook af van deze optie. Afonso, Schuknecht en Tanzi (2003) linken de gemiddelde uitgaven over de jaren ’90 aan uitkomsten in 2000 (of gemiddelden over de jaren ’90 voor meer volatiele outputs) en houden dus wel rekening met vertragingen.
weer van de plaatselijke munt, nodig om dezelfde hoeveelheid goederen en diensten op de nationale markt te kopen als 1 Amerikaanse dollar kan kopen in de Verenigde Staten.” (World Development Indicators, 2003).
52
De keuze van de tijdsperioden in onze studie is op zich volkomen arbitrair, maar deze aanpak blijft te verkiezen boven die van Gupta en Verhoeven (2001).
5.2.2. Outputs De outputs die we beschouwen worden onderverdeeld in 3 dimensies, die enkele belangrijke doeldomeinen voor overheden in ontwikkelingslanden vormen. Deze dimensies zijn gezondheid, onderwijs en de capaciteit om een goed beleid te voeren. Voor elk van deze dimensies worden twee outputs opgenomen.
5.2.2.1.
Gezondheid en onderwijs
Men kan verwachten dat een bevolking die gezonder en beter onderwezen is, over een grotere hoeveelheid menselijk kapitaal beschikt en daardoor ook productiever is. Het grote belang van menselijk kapitaal voor de lange termijn economische groei van een land werd reeds aangehaald in 2.1. en 3.2. Als outputvariabelen voor gezondheid nemen we de kindersterfte (het aantal levend geboren kinderen op duizend dat sterft tijdens het eerste levensjaar) en het percentage kinderen jonger dan 12 maanden die gevaccineerd zijn tegen mazelen. De immunisaties tegen mazelen zijn zeer sterk gecorreleerd met het percentage kinderen jonger dan 12 maanden dat ingeënt wordt tegen difterie, kinkhoest en tetanus (de correlatiecoëfficiënt voor de volledige sample van 118 landen bedraagt 0.949) maar wordt verkozen omwille van een groter aantal observaties tijdens de beschouwde periode. Om dezelfde reden wordt de kindersterfte verkozen boven de sterfte van kinderen jonger dan 5 jaar (hier is de correlatie 0.986). Ook de levensverwachting bij de geboorte komt in aanmerking als mogelijke output. We verwachten echter dat immunisaties en
kindersterfte
een
sterkere
band
vertonen
met
de
overheidsuitgaven,
terwijl
levensverwachting eerder als een uitkomst (i.e. afhankelijk van vele andere factoren die niet of moeilijk door de overheid kunnen worden beïnvloed op de korte- tot middellange termijn) dan als een output moet worden gezien. Beide variabelen zijn bovendien sterk gecorreleerd met de levensverwachting bij de geboorte (correlatiecoëfficiënten van respectievelijk 0.658 en -0.894). 53
Om aan de isotoniciteitsvoorwaarde (cf. supra 4.3.) te voldoen moeten de observaties voor de kindersterfte getransformeerd worden. Een mogelijkheid zou kunnen zijn om te vertrekken van een getal groter dan het maximum (een logische keuze zou 1000 zijn aangezien kindersterfte wordt gemeten per 1000 kinderen) en daar de observaties van elk land van af te trekken (Bowlin, 1998, p. 17-18). Probleem is dat de resultaten van de DEA-studie gevoelig zijn voor de keuze van dit basisgetal. Met andere woorden: 150 of 200 als basisgetal nemen maakt een verschil uit voor de efficiëntiemaatstaf die we bekomen (cf. infra). We hebben dit getest door de efficiëntiemaatstaf te berekenen voor het geval dat de observaties voor kindersterfte afgetrokken worden van een bijzonder hoog getal (20000). Niet verwonderlijk wordt in dit geval aan bijna elk land de best mogelijke efficiëntiescore toegekend. De relatieve afstand tussen elk land wordt immers zodanig verkleind dat het lijkt alsof elk land in deze variabele vrij goed scoort. Dit laat weinig ruimte voor een radiale expansie van de outputs, waardoor nagenoeg elk land erg dicht bij de efficiëntie grens komt te liggen. Om dit op te lossen berekenen we de inverse van de kindersterfte. Deze transformatie is gerechtvaardigd aangezien de relatieve positie van elk land en de relatieve afstanden tussen de landen bewaard blijven. Ook als we 1000 als basisgetal nemen om alle observaties van af te trekken, zouden de resultaten van deze bewerking voor alle landen dicht bij elkaar komen te liggen. Stel dat het onderzochte land met een kindersterfte van 50 op duizend wordt vergeleken met een land dat zich op de efficiënte grens bevindt en een kindersterfte heeft van 10. Nadat we voor beide observaties de inverse hebben genomen, zien we makkelijk dat het onderzochte land het vijf keer beter zou kunnen doen: het land heeft een output van 0.02 (1/50) terwijl het efficiënte land een output heeft van 0.1 (1/10). Dezelfde expansiemogelijkheid blijkt in feite al direct uit de oorspronkelijke data: het onderzochte land met een kindersterfte van 50 doet het vijf keer slechter dan het land met een kindersterfte van 10. Wanneer we de observaties daarentegen aftrekken van 1000 – zo bekomen we het aantal levend geboren kinderen op 1000 dat het eerste levensjaar overleeft – dan zijn de resultaten van deze bewerking 950 voor het onderzochte land en 990 voor het efficiënte land. De outputexpansie die nu mogelijk is voor het onderzochte land is veel kleiner en is minder direct gerelateerd aan de potentiële expansie die blijkt uit de oorspronkelijke reeks.
54
De onderwijsdimensie wordt vertegenwoordigd door de bruto inschrijvingsgraad in het secundair onderwijs en de analfabetismegraad onder jongeren (het percentage van de jongeren tussen 15 en 24 jaar dat analfabeet is). In de literatuur rond menselijk kapitaal (cf. supra 3.2.) heeft secundair onderwijs typisch het sterkste effect op de economische groei. Dit strookt met wat men zou verwachten vanuit de theorie: voor technologische diffusie is vooral secundair onderwijs van belang. Voor de creatie van kennis en nieuwe ideeën is hoger onderwijs nodig (Storesletten en Zilibotti, 2000, p. 44), maar geen hoger onderwijs zonder adequate secundaire scholing. In die zin kan secundair onderwijs als een handig overlappingsgebied van primair en hoger onderwijs worden gezien. Landen evalueren op basis van primair onderwijs zou kunnen leiden tot te kleine verschillen die het moeilijk maken tussen de landen te discrimineren. Hoger onderwijs daarentegen is in vele ontwikkelingslanden nog zeer beperkt, waardoor hier het merendeel van de waarden geclusterd zijn rond erg lage inschrijvingsgraden28. We kiezen voor de bruto en niet de netto inschrijvingsgraad. De correlatie tussen beiden is erg hoog (0.95) maar de bruto inschrijvingsgraad laat meer observaties toe. De analfabetismegraad wordt geïnverteerd, opnieuw om te voldoen aan de isotoniciteitsvoorwaarde.
5.2.2.2.
De capaciteit van een overheid om een goed beleid te voeren
Als derde en laatste outputdimensie wordt “de capaciteit van een overheid om op een effectieve wijze een gezond beleid te formuleren en te implementeren” (Kaufmann, Kraay en Mastruzzi, 2003, p. 2) opgenomen29. We gebruiken hiervoor de indicatoren ‘government effectiveness’ en ‘regulatory quality’ uit Kaufmann, Kraay en Mastruzzi (2003) voor het jaar 1996.
28
De gemiddelde bruto inschrijvingsgraad in het primair onderwijs in de eerste helft van de jaren ’90 voor de
volledige sample van 118 landen is 92.7%. De mediaan bedraagt 98.8% en het 1ste kwartiel bevindt zich al op 77.3%. Voor tertiair onderwijs zijn gemiddelde en mediaan gelijk aan 10.9% en 6.5%. Het derde kwartiel bedraagt slechts 16.6% (eigen berekeningen, op basis van World Development Indicators, 2003). 29
Noteer dat we in de inleiding gewezen hebben op de moeilijkheid om tot beleidsvoorschriften te komen die
voor elk land succesvol zijn, terwijl we nu zelf ‘goed beleid’ opnemen als outputdimensie. Het gaat hier echter overwegend om de capaciteit van de overheid om een verstandig beleid te formuleren en te implementeren, los van hoe dit beleid er concreet uitziet. De nadruk ligt dus meer op de onderliggende principes en op de mate waarin de overheid in staat wordt geacht deze te begrijpen en toe te passen in haar beleid.
55
Government effectiveness combineert in één cijfer de kwaliteit van de voorziening van publieke diensten, de kwaliteit van de bureaucratie, de deskundigheid van publieke ambtenaren, de mate waarin deze ambtenaren onafhankelijk zijn van politieke druk en de geloofwaardigheid van het overheidsbeleid. Het gaat stuk voor stuk om zaken die onontbeerlijk zijn om tot een goed beleid te komen en dit te implementeren. Regulatory quality focust meer op het beleid zelf. Het bestaat uit subindicatoren, die het voorkomen van marktonvriendelijke ingrepen (prijscontroles, onvoldoende banksupervisie,…) en de perceptie van last opgelegd door excessieve overheidsregulering (o.a. in de buitenlandse handel en bij de ontwikkeling van bedrijven) meten (Kaufmann, Kraay en Mastruzzi, 2003, p. 3). Beide indicatoren lenen er zich uitstekend toe om dienst te doen als outputs in onze DEAstudie omdat de overheid ze voor het grootste deel zelf in handen heeft en ze dus nagenoeg niet beïnvloed worden door factoren van buitenaf. Verder is ook hier de link met economische groei niet ver te zoeken. Publieke diensten en goederen staan centraal in het reeds besproken Barro-model (1990, cf. supra). Government effectiveness bevat daarnaast onder andere maatstaven die aangeven hoe problematisch het gebrek aan adequate transport- en communicatie-infrastructuur is voor de groei van individuele bedrijven. In bepaalde aspecten van de maatstaf is een vertraging van de economische groei zelfs expliciet opgenomen als criterium30. Regulatory quality toont vooral de mate waarin marktdistorties, geïntroduceerd door de overheid, de private sector – en dus de economische groei – afremmen31. De
30
Eén van de vele onderdelen is bijvoorbeeld overheidsineffectiviteit, gedefinieerd als “een daling in de kwaliteit
van het overheidspersoneel die de groei van het BBP met 1% heeft doen afnemen gedurende een periode van 12 maanden” (Kaufmann, Kraay en Mastruzzi, 2003, p. 93, originele maatstaf van Global Insight DRI/McGrawHill). 31
Tijd en vooral ruimte ontbreken om voor elke afzonderlijke component van deze maatstaf de nefaste invloed
op groei te illustreren. Regulatory quality focust voornamelijk op prijsdistorties en excessieve reguleringen in de internationale handel en de financiële sector. Typisch wordt in de literatuur verwezen naar inflatie (Barro, 1995), de black market premium, budgettekorten, onderontwikkelde financiële markten (zie Levine, 1997, voor de theorie, en Beck, Demirgüç-Kunt, Levine en Maksimovic, 2001, Rajan en Zingales, 1998 en Love, 2001, voor recente empirische bijdragen) en internationale handelsbeperkingen als zijnde slecht voor de lange termijn economische groei (zie o.a. Fischer, 1993 en Easterly, 2001, hoofdstuk 11, p. 217-240; Easterly, 2004, is eerder sceptisch). Verhelpen aan deze zaken is opnieuw geen voldoende voorwaarde voor succes, maar de resultaten van de meeste studies duiden het wel aan als een noodzakelijke voorwaarde om tot een degelijke economische ontwikkeling op lange termijn te komen.
56
volledige lijst van componenten waaruit beide indicatoren zijn samengesteld, is terug te vinden bij Kaufmann, Kraay en Mastruzzi (2003, p. 93-95). Beide maatstaven voor deze outputdimensie bevinden zich ruwweg tussen –2.5 en 2.5, wat een probleem stelt voor de berekening van de efficiëntiemaatstaf. Volgens Bowlin (1998, p. 16-17) volstaat het eender welk positief getal op te tellen bij deze waarnemingen, omdat de efficiënte grens invariant is voor een affiene transformatie. Dezelfde aanpassing moet dan wel gebeuren voor elke andere outputvariabele en voor elke DMU in de sample. Een affiene transformatie van de outputs in een BCC-model waarin de outputefficiëntie wordt berekend, heeft echter wel een effect op de efficiëntiescores van de niet-efficiënte DMUs (Halme, Joro en Koivu, 1998, p. 2). Onze schattingen geven inderdaad een volkomen ander beeld afhankelijk van het getal (2, 5 of 10) dat we bij government effectiveness en regulatory quality optellen: de efficiënte landen zijn steeds dezelfde, maar de score voor de andere landen verandert. Om dit op te lossen projecteren we beide maatstaven op een [0,1]-interval via een eenvoudige normalisatieprocedure. Van elke observatie wordt het minimum van alle observaties afgetrokken en dit verschil wordt dan gedeeld door het verschil tussen maximum en minimum in de sample. Dat we voor één land telkens een waarde van 0 overhouden is, zolang gewerkt wordt met variabele schaalopbrengsten en niet alle outputs voor eenzelfde land 0 zijn, geen probleem voor de DEA software. Dit hebben we gecontroleerd door voor het betrokken land (twee keer de Democratische Republiek Kongo, het vroegere Zaïre) 0 te vervangen door een erg kleine waarde (0.00001). Dit heeft geen effect op de geschatte efficiëntiemaatstaven.
5.2.2.3.
Wat niet wordt opgenomen
Afonso, Schuknecht en Tanzi (2003) beschouwen naast onderwijs en gezondheid ook publieke infrastructuur en administratie als outputs. Met deze 4 dimensies proberen ze “de kwaliteit van de interacties tussen het fiscaal beleid van de overheid en marktprocessen, en de invloed die dit heeft op individuele opportuniteiten” te vatten (Afonso, Schuknecht en Tanzi, 2003, p. 9). Hun dimensie voor administratie kan vergeleken worden met de dimensie die we in de vorige sectie hebben besproken, maar is minder ruim en concentreert zich louter op corruptie, red tape, kwaliteit van het rechtswezen en de schaduweconomie. 57
Fysieke infrastructuur, hoewel belangrijk, nemen we niet op. Dit heeft te maken met het feit dat de meeste data de voorraad fysieke infrastructuur weergeven en dat de invloed van de overheid op deze stock beperkt is. Zelfs als een land enorme inspanningen levert om wegen, havens, telefoonlijnen,… te voorzien zal dit slechts in beperkte mate blijken uit de data. De groei van de voorraden over de jaren ’90 als output opnemen, is een mogelijk alternatief. Eén van de problemen die zich hierbij stelt, is dat het berekenen van groeivoeten meetfouten meer uitgesproken maakt. Gezien de hoge persistentie in de voorraden fysiek kapitaal kan het best zijn dat de groei vooral bepaald wordt door meetfouten en niet door de werkelijke evolutie van de infrastructuurvoorraad. Gezien de grote gevoeligheid van DEA voor meetfouten hebben we er dan ook voor geopteerd fysieke infrastructuur links te laten liggen. Een bijkomende reden hiervoor is het feit dat de groeivoet niet onafhankelijk is van het startniveau. Voor een land dat bijna geen wegen heeft is het vrij makkelijk het wegennet met 100% of zelfs meer uit te breiden. Een land dat daarentegen al een hoge infrastructuurvoorraad heeft, kent automatisch een lagere groei van die infrastructuur. Afonso, Schuknecht en Tanzi (2003) beschikken over een maatstaf die de kwaliteit van de communicatie- en transportinfrastructuur weergeeft. Deze leent zich er veel beter toe om dienst te doen als output, maar helaas konden we deze data niet te pakken krijgen. Voor een stuk zit een dergelijke maatstaf wel in government effectiveness. Naast hun 4 ‘opportuniteitsindicatoren’ beschouwen Afonso, Schuknecht en Tanzi (2003) ook drie dimensies die afgeleid zijn van de taken die Musgrave aan de overheid toekende (allocatie, stabilisatie en herverdeling). De allocatieve efficiëntie wordt door Afonso, Schuknecht en Tanzi (2003) gemeten aan de hand van de economische performantie, op zijn beurt een ongewogen gemiddelde van het BBP per capita (in koopkrachtpariteiten), de groei van het BBP (gemiddelde over 10 jaar) en de werkloosheid (opnieuw een gemiddelde over 10 jaar). Het lijkt ons echter weinig waarschijnlijk dat de overheid op de korte- tot middellange termijn via haar publieke uitgaven een dermate sterke invloed heeft op deze variabelen dat het gerechtvaardigd is om ze op te nemen. Economische stabiliteit wordt gemeten aan de hand van de variatiecoëfficiënt van de outputgroei en de gemiddelde inflatie (over een periode van 10 jaar). Opnieuw menen we dat het beter is dergelijke zaken niet te weerhouden in de analyse, ondermeer omdat stabilisatiepolitiek vaak in belangrijke mate in handen is van de monetaire autoriteit. Bovendien geldt hier dezelfde kritiek als voor de economische 58
performantievariabelen: het is enorm moeilijk om ons deze variabelen voor te stellen als een output van publieke uitgaven, onder andere omdat ze door zovele andere factoren beïnvloed worden. Herverdeling daarentegen is wel een ernstige kandidaat om opgenomen te worden, maar de te beperkte data wat betreft consistent gemeten Gini-coëfficiënten en inkomensaandelen van de armste groepen in ontwikkelingslanden maken dit helaas niet mogelijk.
5.2.3. Outputefficiëntie versus inputefficiëntie In wat volgt concentreren we ons enkel op de outputefficiëntie van de onderzochte landen. Gupta en Verhoeven (2001, p. 447) argumenteren dat inputefficiëntie de meeste relevantie heeft voor het beleid, maar we gaan hier niet mee akkoord. Volgens hen maakt de inputefficiëntie duidelijk welk aandeel van de publieke uitgaven inefficiënt wordt aangewend. Omdat een overheid de uitgavenallocaties en niet zozeer de outputs controleert, is een focus op inputefficiëntie in dat opzicht betekenisvoller. Er zijn echter een paar zaken fout in deze redenering. Eerst en vooral is het zo dat er impliciet wordt van uitgegaan dat de overheid de outputs kan beïnvloeden, anders heeft het weinig zin na te gaan hoe goed de overheid publieke uitgaven transformeert in outputs. Bovendien geeft bovenstaande redenering de indruk dat elke verbetering in de efficiëntie door de overheid zou worden aangewend om te snoeien in de uitgaven, en niet om betere outputs te realiseren. Ondanks de hoge schuldgraad van vele ontwikkelingslanden, is dit niet de prioritaire doelstelling. Het komt er in de eerste plaats op aan de hoge kindersterfte terug te dringen, primair onderwijs universeel te maken, analfabetisme aan te pakken, geld uit te trekken voor betere publieke diensten en een beter beleid, etc. De relevante vraag is niet hoe met minder uitgaven hetzelfde resultaat kan worden behaald, maar wel hoe met een gegeven hoeveelheid middelen betere resultaten kunnen worden bereikt. De idee dat overheden efficiëntiewinsten aanwenden om minder uit te geven, is tot slot in strijd met het vaak geobserveerde incrementalisme in het overheidsbudget (Matthijs, Naert en Vuchelen, 2001, p. 402).
59
5.3. Resultaten Tabel A11 in appendix geeft de 52 landen weer waarvoor alle data beschikbaar zijn. Deze tabel toont verder drie verschillende efficiëntiemaatstaven en de daarbijhorende positie in de rangorde van landen (tussen haakjes). Onderaan de tabel zijn enkele beschrijvende statistieken weergegeven. Voor de meest efficiënte landen is de geschatte maatstaf gelijk aan 1. Hoe hoger de maatstaf, hoe minder efficiënt een land is32. De rangorde wordt in de eerste plaats bepaald op basis van de efficiëntiescore. Voor de efficiënte landen geeft het aantal keren dat het betrokken land als referentiepunt wordt gebruikt bij het construeren van de hypothetische DMU waarmee inefficiënte landen worden vergeleken (cf. supra), de doorslag. Alle landen en hun efficiëntiescores zijn ook weergegeven in figuur 8. De efficiëntiemaatstaf in de eerste kolom (INEFFIC6) wordt berekend door de 6 eerder besproken outputs elk apart op te nemen. Wanneer een land op slechts één van deze outputs goed scoort, zal DEA automatisch een groter gewicht toekennen aan deze output. Vandaar dat vele landen dicht bij de efficiënte grens komen te liggen. De efficiëntieverschillen tussen landen blijven bijgevolg vrij beperkt: twintig landen zijn efficiënt en pas voor de vijftien minst efficiënte landen in de sample (te beginnen met Swaziland) nemen we vrij grote inefficiënties waar. De efficiëntiescore van Swaziland houdt in dat de overheid met dezelfde hoeveelheid middelen alle outputs met meer dan 11% kan laten toenemen.
32
De geschatte efficiëntiemaatstaf is met andere woorden gelijk aan
θˆBCC,k , zoals gedefinieerd in sectie 4.5.2. 60
Figuur 8: Technische outputefficiënties bij variabele schaalopbrengsten voor 51 lageinkomenslanden en lager-middeninkomenslanden INEFFIC6
INEFFIC3
INEFFIC1
2.8 2.6 2.4 2.2 2 1.8 1.6 1.4 1.2 1
Zuid-Afrika Zimbabwe Wit-Rusland Vietnam Turkije Tunesië Tsjaad Thailand Syrië Swaziland Sri Lanka Rwanda Rusland Roemenië Peru Paraguay Papoea-Nieuw-Guinea Pakistan Nicaragua Nepal Namibië Mongolië Marokko Malawi Madagaskar Lesotho Kongo, Rep. Kenya Kameroen Jordanië Jemen Jamaica Ivoorkust Iran Indonesië India Ghana Gambia Filippijnen Fiji Ethiopië Egypte Ecuador Dominicaanse Colombia China Burundi Burkina Faso Bulgarije Bolivia Algerije
Bron: eigen figuur, gebaseerd op de berekeningen in tabel A11 Noot: zie tabel A11 of de tekst in deze sectie voor de gehanteerde werkwijze om de technische outputefficiënties bij variabele schaalopbrengsten te schatten. De Democratische Republiek Kongo wordt, omwille van bijzonder hoge waarden voor de geschatte efficiëntiemaatstaven, niet opgenomen in de figuur.
Voor de efficiëntiemaatstaf in de tweede kolom (INEFFIC3) wordt elk van de drie dimensies vertegenwoordigd door één output. Deze output wordt berekend door het gemiddelde te nemen van de twee oorspronkelijke outputs uit elke dimensie, nadat deze eerst op een [0,1]interval geprojecteerd werden om ze op een gelijkaardige schaal te brengen. De verschillen tussen de landen worden, zoals verwacht, meer uitgesproken. De negen landen die zich op de efficiënte grens bevinden zijn Zuid-Afrika, Wit-Rusland, China, Malawi, Bulgarije, Sri Lanka, Rusland, Thailand en de Filippijnen. De gemiddelde efficiëntiescore voor de overblijvende landen is 1.35. Zonder de Democratische Republiek Kongo (het vroegere Zaïre), waar de overheid bijzonder slecht scoort, is dit gemiddelde 1.28. Deze landen kunnen gemiddeld genomen dus 28% beter doen in de drie opgenomen dimensies.
61
De grootste efficiëntieverschillen vinden we terug in de derde kolom (INEFFIC1). Hier wordt de efficiëntiemaatstaf berekend aan de hand van één output, zelf een ongewogen gemiddelde van de drie outputdimensies uit de vorige paragraaf. De gemiddelde score voor de sample zonder de Democratische Republiek Kongo is nu 1.51, voor de inefficiënte landen zonder de Democratische Republiek Kongo is dit zelfs 1.56. Deze cijfers benadrukken nogmaals het belang van inefficiëntie en tonen aan dat er voor overheden in ontwikkelingslanden heel veel ruimte is om de inefficiënties in het budgettair beleid aan te pakken. Sri Lanka, Rusland, China en Malawi zijn de enige landen die voor de derde maatstaf een score van 1 halen. Ook Bulgarije, Thailand, Jamaica, Wit-Rusland en de Filippijnen doen het opnieuw goed. De sterke resultaten van China en Sri Lanka zijn helemaal geen verrassing. Deze twee landen worden vaak aangehaald als landen die het enorm sterk doen op vlak van onderwijs en gezondheid (Gillis, Perkins, Radelet, Roemer en Snodgrass, 2001, p. 354-355, Filmer, Hammer en Pritchett, 1997, p. 12-13, Musgrove, 1996, p. 44-45). De recente sterke groeiprestaties van China worden bovendien voor een stuk teruggebracht tot een goed overheidsbeleid. Verder valt op dat Zuid-Afrika in de derde kolom sterk terugvalt. Vooral de hoge uitgaven – die minder doorwegen in de eerste kolommen – spelen hen parten. De Democratische Republiek Kongo (laatste in elke kolom) heeft een ongemeen hoge efficiëntiemaatstaf (20.88). Dit wordt belangrijk in de latere regressie-analyse. Bij de slechtst scorende landen zien we een opvallende clustering van Sub-Saharaanse landen, Malawi is de enige uitzondering. Concluderend kunnen we stellen dat de resultaten bemoedigend zijn, in de zin dat ze in belangrijke mate stroken met wat men a priori zou verwachten. Dit is een eerste indicatie voor het feit dat DEA niet alleen theoretisch interessant is, maar ook praktische relevantie heeft. De zinvolle resultaten in het volgende hoofdstuk bevestigen dit.
62
6. Determinanten van overheidsinefficiëntie: een general to specific aanpak
6.1. General to specific In dit hoofdstuk gaan we op zoek naar de factoren die de (in)efficiëntie van overheden in het fiscaal beleid bepalen. Bij gebrek aan een duidelijk afgelijnd theoretisch model kunnen we geen uniek empirisch model naar voren schuiven. Als alternatief gaan we uit van een general to specific aanpak van regressie-analyse (Charemza en Deadman, 1992, Hoover en Perez, 2000). We vertrekken van een zo breed mogelijke specificatie met 17 verklarende variabelen. Deze variabelen worden één na één geëlimineerd, waarbij we steeds de variabele met de hoogste p-waarde (laagste t-waarde) uit de regressie weglaten. Dit doen we tot we uitkomen bij een model waarin alle variabelen significant zijn op conventionele significantieniveaus. We vertrekken met andere woorden van een algemeen model, waarvan men kan verwachten dat het zoveel mogelijk informatie bevat over de werkelijke determinanten. Dit model is echter niet noodzakelijk het meest scherpe model. De informatie-inhoud kan verscherpt worden door over te gaan naar een specifieker model (Hoover en Perez, 2000, p. 7). Op deze manier vermijden we data mining. Vaak worden voor een gegeven dataset meerdere regressies geschat die de verschillende kandidaatvariabelen op een bepaalde manier combineren, waarna uit deze veelheid aan regressies de ‘beste’ regressies (i.e. met de meeste significante coëfficiënten, met de hoogste determinatiecoëfficiënt,…) worden gekozen en gerapporteerd (Charemza en Deadman, 1992, p. 14). In dat geval verschillen de gerapporteerde nominale significantieniveaus van de werkelijke significantieniveaus en moet er een correctie worden doorgevoerd die rekening houdt met het aantal kandidaatvariabelen waaruit de onderzoeker heeft gekozen (Gujarati, 2003, p. 516-517). Bij zo’n aanpak kunnen er doorgaans dan ook weinig zinvolle conclusies getrokken worden uit de gerapporteerde regressieresultaten. Bovendien heeft het opnemen van variabelen, die later irrelevant blijken te zijn, geen nefast effect op de eigenschappen van de kleinste kwadraten schatter (Gujarati, 2003, 513-514): de
63
schatters zijn nog steeds zuiver en consistent, waardoor de gebruikelijke hypothesetesten geldig blijven. Inclusie van irrelevante variabelen verhoogt wel de variantie van de geschatte coëfficiënten. Het weglaten van belangrijke variabelen heeft daarentegen wel een impact op de eigenschappen van OLS (Gujarati, 2003, p. 510-513). Wanneer de weggelaten variabele gecorreleerd is met de variabelen in de regressie, zijn de coëfficiënten onzuiver en zelfs inconsistent. Het resultaat is dat de hypothesetesten misleidende conclusies kunnen geven. Dit spreekt in het nadeel van een bottom-up aanpak, waarin men vertrekt van een bepaalde specificatie en deze langzaam uitbreidt door variabelen toe te voegen. Nochtans worden in de praktijk modellen vaak geschat volgens deze iteratieve wijze (Gujarati, 2003, p. 515-516). Voornaamste kritiek op de general to specific methodologie is dat het te makkelijk variabelen in de regressie laat die in werkelijkheid onbelangrijk zijn, waardoor general to specific soms aangeduid wordt als een gesofisticeerde vorm van data mining. Hoover en Perez (2000) testen deze kritiek binnen de context van cross-country groeiregressies aan de hand van een realistische Monte Carlo studie. De groeivoeten worden gegenereerd op basis van enkele gekende determinanten, zodat men kan nagaan in welke mate de general to specific aanpak erin slaagt deze werkelijke determinanten te identificeren. Twee evaluatiecriteria worden gehanteerd: de empirische omvang (size) en het empirisch vermogen (power). De general to specific aanpak wordt vergeleken met de robuustheidsanalyses voorgesteld door Levine en Renelt (1992) en Sala-i-Martin (1997a en 1997b). De empirische omvang geeft het voorkomen van een type I fout weer, dit is de mate waarin de zoekprocedure kandidaatvariabelen als echte determinanten aanduidt, terwijl ze dit niet zijn. De empirische omvang blijkt zeer goed overeen te komen met de nominale omvang van de gehanteerde specificatietesten (0.05, overeenkomend met een significantieniveau van 5%). De kritiek dat general to specific te laks is en de kans te groot is dat irrelevante variabelen in de regressie significant zijn, wordt dus weerlegd. Het empirisch vermogen is het aandeel replicaties waarin de zoekprocedure een werkelijke determinant identificeert. Dit is het complement van een type II fout. Ook het empirisch vermogen komt heel dicht bij het echte (gesimuleerde) empirische vermogen. Op basis van deze twee evaluatiecriteria besluiten Hoover en Perez (2000) dat een general to specific aanpak om de werkelijke groeideterminanten te achterhalen, de voorkeur geniet op de voorstellen van Levine en Renelt (1992) en Sala-i-Martin (1997a en 1997b), die respectievelijk te streng en te mild zijn.
64
6.2. Verklarende variabelen In de basisspecificatie worden 17 variabelen opgenomen. Voor de meeste van deze variabelen zijn de data voor alle 52 landen beschikbaar. In deze sectie geven we een beschrijving van de variabelen en trachten we zoveel mogelijk te motiveren waarom elke variabele wordt opgenomen. Er zijn twee redenen waarom variabelen in aanmerking komen voor het model: ze hebben een potentieel effect op de overheidsefficiëntie of ze beïnvloeden mogelijk de outputs uit de DEA-studie. Een overzicht van de variabelen – met definitie en bron – is terug te vinden in tabel A12 in appendix. Gezien de afhankelijke variabele toeneemt bij meer inefficiëntie, verwachten we een positief (negatief) teken voor variabelen die inefficiënties in de hand werken (tegenwerken). Uit het World Development Report 2004 van de Wereldbank (World Bank, 2003) komen twee belangrijke kanalen naar voor, waarlangs de bevolking een invloed kan hebben op de dienstenvoorziening van de overheid. Het eerste kanaal, de lange route, verloopt via een tussenstop: van de bevolking naar de politici, en van de politici naar diegenen die instaan voor de provisie van diensten. Het tweede kanaal is de korte route, waarlangs de bevolking rechtstreeks druk uitoefent op de aanbieders van diensten. Enkele van de variabelen die we opnemen, vatten één of beide van deze kanalen. Dit is het geval voor ‘rule of law’ (LAW), ‘political stability and the absence of violence’ (POLSTAB) en ‘voice and accountability’ (VOICE), alle 3 afkomstig van Kaufmann, Kraay en Mastruzzi (2003). De laatste twee maatstaven hebben betrekking op de manier waarop overheden gekozen, gecontroleerd en vervangen worden. VOICE geeft vooral de politieke rechten en burgerlijke vrijheden weer en bevat onder andere indicatoren die aangeven in welke mate de bevolking kan participeren in de keuze en controle van de overheid. Ook de graad van onafhankelijkheid van de media krijgt een plaats als subindicator (Kaufmann, Kraay en Mastruzzi, 2003, p. 2-3). POLSTAB combineert verschillende indicatoren die “de perceptie van de kans dat de regerende overheid wordt gedestabiliseerd of ten val wordt gebracht op een nietconstitutionele en/of gewelddadige wijze (inclusief binnenlands geweld en terrorisme)” meten (Kaufmann, Kraay en Mastruzzi, 2003, p. 3). Beide variabelen hangen nauw samen met de lange route van dienstenvoorziening, en we verwachten dat ze een negatief effect hebben op de inefficiëntie van overheden.
65
We anticiperen hetzelfde teken voor LAW, dat de mate waarin individuen vertrouwen hebben in de regels van de maatschappij en deze regels navolgen, weergeeft. Het gaat onder andere om waarnemingen van het voorkomen van misdaad, de effectiviteit en voorspelbaarheid van de rechterlijke macht en de afdwingbaarheid van contracten. Deze indicatoren zijn een barometer voor het succes waarmee een maatschappij een omgeving heeft gecreëerd waarin “rechtvaardige en voorspelbare regels de basis vormen voor economische en sociale interacties, en voor de mate waarin eigendomsrechten beschermd worden” (Kaufmann, Kraay en Mastruzzi, 2003, p. 4). Deze variabele houdt verband met zowel de korte als de lange route in de dienstenverlening. Een laatste variabele die we halen uit Kaufmann, Kraay en Mastruzzi (2003) is ‘control of corruption’ (CONTROLCORR). Deze variabele meet de perceptie van terugdringing van corruptie, gedefinieerd als het uitoefenen van publieke macht voor private doeleinden (Kaufmann, Kraay en Mastruzzi, 2003, p. 4). Corruptie is één van de mogelijke redenen voor inefficiënties in het budgettair beleid (cf. supra 3.2). Deze vier variabelen hebben betrekking op het jaar 1996. Opnieuw bevinden ze zich ruwweg tussen –2.5 en 2.5, waarbij betere prestaties gepaard gaan met hogere waarden. We projecteren deze variabelen op een [0,1]-interval alvorens ze in de regressies te brengen. Drie andere variabelen die verbonden zijn met het politieke bestel en de korte en lange route van dienstverlening beïnvloeden, zijn POLCON, FHPOLRIGHTS en FHCIVILLIB. Deze laatste twee variabelen (gemiddelden over de periode 1990-1994) zijn afkomstig uit de Freedom in the World Surveys van Freedom House (2004). FHPOLRIGHTS evalueert de politieke rechten in een land, zoals het recht om te stemmen en zelf op te komen voor een politiek ambt, en het recht om vertegenwoordigers te kiezen die de publieke beslissingen kunnen beïnvloeden. FHCIVILLIB is de burgerlijke vrijheid: de vrijheid om meningen, instituties en persoonlijke autonomie te ontwikkelen zonder staatstussenkomst. Hogere waarden komen overeen met minder vrijheid en minder rechten, waardoor we van deze variabelen een positief teken verwachten. POLCON (gemiddelde over 1990-1994) is de variabele POLCONV uit Henisz (2000). Deze variabele geeft de waarschijnlijkheid weer van een beleidsverandering, dit is de kans dat een 66
wijziging in de preferenties van een politieke actor aanleiding geeft tot een verandering in het overheidsbeleid. Aldus weerspiegelt POLCON de mate waarin politieke agenten beperkt zijn in hun huidige en toekomstige beleidskeuzen. Deze restricties zijn in de eerste plaats afhankelijk van het aantal agenten met onafhankelijke vetomacht. Daarnaast wordt informatie toegevoegd omtrent de preferenties van de politieke actoren. In de eerste plaats gaat het om de mate waarin de verschillende overheidstakken (uitvoerende en wetgevende kamers, rechterlijke macht en subfederale entiteiten) gecontroleerd worden door dezelfde partij. Wanneer de partij die de uitvoerende macht in handen heeft niet over een meerderheid beschikt in alle andere overheidstakken, is een correctie nodig. In dat geval wordt ook rekening gehouden met de grootte en concentratie die de meerderheid (of oppositie) heeft in elk van de andere overheidstakken. Een hogere waarde voor POLCON betekent dat de huidige meerderheid minder vrijheid heeft om het beleid te bepalen. Dit kan hinderlijk zijn en belangrijke opbouwende maatregelen of hervormingen vanwege de overheid blokkeren. Anderzijds is het zo dat meer vrijheid ook meer ruimte laat voor de overheid om haar eigen doelstellingen na te streven, zonder dat ze hiervoor veel verantwoording hoeft af te leggen. Een hogere waarschijnlijkheid van beleidsveranderingen kan bovendien een duurzaam en consistent beleid bemoeilijken. Het teken van POLCON is dan ook a priori ambigu. De analfabetismegraad voor volwassenen (ANALF, gemiddelde over 1990-1994, World Development Indicators, 2003) wordt opgenomen als proxy voor de voorraad menselijk kapitaal33: een hogere menselijke kapitaalhoeveelheid leidt tot meer investeringen in gezondheid en onderwijs (Azariadis en Drazen, 1990, Becker, Murphy en Tamura, 1990, cf. supra). Typisch vindt men bijvoorbeeld een sterk effect van het onderwijsniveau van vrouwen op de gezondheidstoestand van kinderen (Filmer en Pritchett, 1999, p. 1311, Gupta, Tiongson en Verhoeven, 1999, p. 7), maar we verwachten dat dit effect ook wordt gevat door de algemene analfabetismegraad (Gupta, Tiongson en Verhoeven, 1999, p. 7). Daarnaast kan het zijn dat analfabetisme de hierboven besproken routes van dienstverlening beïnvloedt. Een beter onderwezen, meer mondige bevolking is zich beter bewust van de mogelijkheden die er zijn om misbruiken, verspilling, corruptie,… van politici of dienstenleveranciers aan te klagen en zal zich minder snel in een hoek laten drummen. Tot slot betekent een grotere menselijke kapitaalvoorraad dat de overheid keuze heeft uit een ruimer aanbod van gekwalificeerde 33
De vaak gebruikte Barro-Lee (2000) data bevatten slechts voor 38 van de 52 landen observaties, waadoor we
analfabetisme als alternatief gebruiken.
67
werkkrachten om in te zetten in de publieke sector. We verwachten voor deze variabele een positief teken. WAR is een dummy die we zelf hebben opgesteld op basis van Eriksson, Gleditsch, Sollenberg, Strand en Wallensteen (2002). Deze variabele neemt de waarde 1 aan voor landen die betrokken waren in een gewapend conflict dat ofwel doorliep tot na 1989 of begon voor 1995, met meer dan 1000 conflictgerelateerde sterfgevallen per jaar. Nadeel is dat deze variabele weinig verfijnd is. Het is plausibel dat de Ruandese genocide in 1994, waar zowat een miljoen mensen het leven lieten, een uitwerking heeft op de overheidswerking en daarnaast ook de outputs nefast beïnvloed. Voor een conflict op kleinere schaal is dit waarschijnlijk veel minder het geval, maar op basis van deze dummy kunnen we een dergelijk onderscheid niet maken. Daarnaast kan ook etnische diversiteit de overheidsefficiëntie beïnvloeden (Collier, 2001). Etnische diversiteit kan het moeilijker maken om tot coöperatieve oplossingen te komen en verhoogt de waarschijnlijkheid dat middelen verspild worden voor distributionele doeleinden. Ook vriendjespolitiek en nepotisme kunnen leiden tot meer inefficiëntie. In sommige gevallen resulteren deze problemen zelfs in gewapende conflicten tussen etnische groepen die onderling om de macht strijden. Collier (2001) vindt enige aanduiding dat etnische diversiteit een negatief effect heeft op de productiviteit van publiek kapitaal maar dit verband is niet bijzonder overtuigend. Veel auteurs komen tot de bevinding dat etnische fragmentatie wel degelijk interfereert met de publieke dienstenvoorziening (zie Alesina, Devleeschauwer, Easterly, Kurlat en Wacziarg, 2002, p.1, en Alesina, Baqir en Easterly, 1999, p. 3-6). Alesina, Devleeschauwer, Easterly, Kurlat en Wacziarg (2002) tonen aan dat het effect van etnische fractionalisatie op de kwaliteit van de overheid afhankelijk is van de regressiespecificatie. Etnische fractionalisatie is sterk negatief gecorreleerd met de afstand tot de evenaar, een variabele die op haar beurt een positief effect heeft op de overheidskwaliteit. Daardoor ontstaat er een multicollineariteitsprobleem en wordt het moeilijk het individuele effect van elk van deze variabelen te evalueren. Wanneer de afstand tot de evenaar wordt weggelaten, heeft etnische fractionalisatie wel een significant negatief effect op de overheidskwaliteit. Vanuit theoretisch oogpunt is het bovendien aannemelijker dat etnische verdeeldheid, en niet geografie, de drijvende kracht is achter democratie, het respect voor eigendomsrechten, vrijheden, corruptie… Alesina, Baqir en Easterly (1999) ontdekken dat 68
meer etnisch gefragmenteerde regio’s in de Verenigde Staten minder geld uitgeven aan productieve investeringen als riolering en afvalophaling, wegen en onderwijs. We maken gebruik van een indicator van etnische diversiteit (ETHNIC) die vrij recentelijk werd samengesteld door Alesina, Devleeschauwer, Easterly, Kurlat en Wacziarg (2002). Deze maatstaf is een verbetering ten opzichte van vorige indicatoren van etno-linguïstische fractionalisatie omdat niet alleen rekening wordt gehouden met linguïstische verschillen tussen groepen. Ook raciale karakteristieken worden met andere woorden in aanmerking genomen. Deze maatstaf wordt berekend als 1 min de Herfindahl index van de aandelen van de etnische groepen en geeft bijgevolg de kans weer dat twee willekeurig gekozen individuen in een land tot verschillende etnische groepen behoren. Deze maatstaf heeft voor de meeste landen betrekking op het begin van de jaren ’90 (zie Alesina, Devleeschauwer, Easterly, Kurlat en Wacziarg, 2002, p. 21-26, voor de jaartallen die bij elk land horen). Een andere belangrijke variabele is het BBP per capita, uitgedrukt in koopkrachtpariteiten (World Development Indicators, 2003). Een hoger inkomen gaat samen met een lagere opportuniteitskost om te studeren. Als onderwijs een normaal goed is, zal de vraag ernaar bovendien een stijgende functie zijn van het inkomen (Gupta, Tiongson en Verhoeven, 1999, p. 7). BBPCAP (gemiddelde over 1990-1994) wordt verder opgenomen omwille van de associatie met gezondheidsuitkomsten (Gupta, Tiongson en Verhoeven, 1999, p. 7). Naast het effect op de outputs, verwachten we ook een verband met de overheidsinefficiëntie. POPJONG (gemiddelde 1990-1999) meet het aandeel van jongeren tussen 0 en 14 jaar in de totale bevolking (World Development Indicators, 2003). Wanneer dit aandeel hoog is, is het bijzonder moeilijk om de inschrijvingsgraden in het onderwijs te verhogen (Gupta, Tiongson en Verhoeven, 1999, p. 6-7) of zelfs om voldoende middelen vrij te maken voor de gezondheid van deze jongeren. URBAN (gemiddelde 1990-1999) is het percentage van de bevolking dat in steden leeft (World Development Indicators, 2003). Zowel de toegang tot scholen als de private kost van scholing is doorgaans lager in stedelijke gebieden, en urbanisatie is geassocieerd met betere gezondheidsuitkomsten (Gupta, Tiongson en Verhoeven, 1999, p. 7).
69
PRIVGEZ (gemiddelde 1990-1999) zijn de private uitgaven per capita voor gezondheidszorg, uitgedrukt in koopkrachtpariteiten (eigen berekeningen, op basis van World Development Indicators, 2003). Een gelijkaardige variabele voor onderwijs is niet beschikbaar, waardoor PRIVGEZ slechts betrekking heeft op 1 van de 3 outputs. Enkel wanneer de private uitgaven voor gezondheid ook een goede proxy zijn voor de private uitgaven voor onderwijs verwachten we een sterk effect van deze variabele. DSAFR en DLAM zijn regionale dummy’s voor de landen in Sub-Saharaans Afrika en Latijns-Amerika, respectievelijk. Sub-Saharaans Afrika is een problematische regio. Dit komt onder andere tot uiting in groeiregressies waar een dummy voor deze regio vaak een significant negatief teken heeft. De slechte groeiprestaties van deze landen kunnen met andere woorden niet verklaard worden aan de hand van de andere verklarende variabelen die opgenomen worden in het model. Aangezien de Sub-Saharaanse landen ook hier in de geschatte efficiëntiemaatstaven bijzonder slecht scoren, is het zeker interessant deze dummy op te nemen. De Latijns-Amerikaanse landen daarentegen zijn typisch de landen die hun economieën het meest hervormd hebben naar het model van de Washington Consensus (Rodrik, 2003). Voor die landen behoort een negatief teken dan ook eerder tot de mogelijkheden. We besteden bijzondere aandacht aan de laatste variabele, ODACAP. Dit is de ontvangen netto officiële ontwikkelingshulp per capita, uitgedrukt in koopkrachtpariteiten (eigen berekeningen, op basis van World Development Indicators, 2003 en OECD, Statistical Compendium, editie 01#2003, Development and Aid, Geographical Distribution of Financial Flows to Aid Recipients – Flows, Total official development assistance net). Zoals in de inleiding reeds aangehaald heeft ontwikkelingshulp vaak niet de gewenste gevolgen gehad in de ontvangende landen. Ontwikkelingshulp kan welwillende overheden helpen om de kwaliteit van de publieke sector op te krikken, een betere planning te organiseren en sterke instituties op te bouwen. Anderzijds zorgt de manier waarop ontwikkelingshulp wordt overgedragen vaak voor problemen: hulp gaat gepaard met hoge transactiekosten (bv. ministeries die de soms duizenden projecten niet meer aankunnen), fragmentatie van donoren en agenda’s, een nefaste impact op het budgettaire proces (bv. dalingen in de belastingsinkomsten omdat hulpexperts en de goederen die ze invoeren niet belast worden), het wegplukken van de best gekwalificeerde publieke ambtenaren door donoren,… Meer indirect kan hulp incentives creëren die het moeilijker maken om problemen van collectieve 70
actie op te lossen. Op die manier wordt verhinderd dat de overheid efficiënter wordt (Bräutigam en Knack, 2004, p. 260-265). Bräutigam en Knack (2004) vinden een negatieve invloed, die niet gedreven wordt door endogeniteit, van ontwikkelingshulp op het overheidsbestuur. ODACAP laat ons toe het effect na te gaan van ontwikkelingshulp op de inefficiëntie van overheden en op de outputs. Enkele beschrijvende statistieken voor de verklarende variabelen zijn opgenomen in tabel A13 in appendix.
6.3. Resultaten
6.3.1. Paarsgewijze correlaties Vooraleer over te gaan naar de regressie-analyse, is het goed eerst de correlaties tussen de verklarende variabelen en de drie efficiëntiemaatstaven (die we voor het gemak INEFFIC6, INEFFIC3 en INEFFIC1 noemen, naar het aantal outputs die worden beschouwd) te bespreken. Op basis daarvan kunnen we de praktische relevantie van de geschatte efficiëntiemaatstaven evalueren. Gezien het feit dat DEA nog maar enkele keren in deze context is toegepast is dat zeker geen overbodige luxe. De correlaties van INEFFIC6 en INEFFIC3 met INEFFIC1 zijn respectievelijk 0.926 en 0.942. Ondanks de verschuivingen die plaatsvinden voor enkele landen, geven deze drie efficiëntiemaatstaven dus globaal hetzelfde beeld. Zonder de Democratische Republiek Kongo zakken de correlaties wel tot 0.71 en 0.807. Van de in totaal 45 correlaties tussen deze efficiëntiemaatstaven en de 15 verklarende variabelen waarvoor het verwachte teken ondubbelzinnig is (alle variabelen behalve POLCON en ODACAP), is er geen enkele correlatie met een fout teken. Opnieuw ondersteunt dit de praktische relevantie van de geschatte maatstaven. De correlatie met ODACAP is negatief voor INEFFIC1 (-0.0541) en INEFFIC6 (-0.0838), maar positief voor INEFFIC3 (0.025). We vinden driemaal slechts een heel zwakke correlatie tussen de ontvangen ontwikkelingshulp en de overheidsefficiëntie. Voor POLCON is de correlatie 71
driemaal negatief. We gaan nu na in hoeverre deze resultaten bevestigd worden in de regressie-analyse.
6.3.2. Initiële resultaten uit de regressie-analyse Naast de onzekerheid over de variabelen die in het model thuishoren, hebben we geen zekerheid over de gepaste functionele vorm voor het model. Vandaar dat we vier eenvoudige functionele vormen tegen elkaar afwegen. De afhankelijke variabele is INEFFIC1, die we zowel in gewone als in logaritmische vorm kunnen opnemen. Ook voor enkele verklarende variabelen (ANALF, BBPCAP, ODACAP, PRIVGEZ en URBAN) kan het aangewezen zijn de natuurlijke logaritme te nemen. In totaal betekent dit dat we vier verschillende functionele vormen schatten. In elke schatting die volgt wordt gecorrigeerd voor mogelijke heteroskedasticiteit aan de hand van White’s heteroskedasticiteitsconsistente standaardfouten en covarianties. De modellen waarin de afhankelijke variabele wordt gelogaritmeerd hebben aanzienlijk lagere waarden voor zowel het Schwarz als Akaike informatiecriterium34. De laagste waarden voor de informatiecriteria vinden we terug wanneer de verklarende variabelen lineair in de regressie worden ingebracht. Deze regressie heeft bovendien een hogere aangepaste R² dan het model waarin van enkele verklarende variabelen de natuurlijke logaritme wordt genomen. Onderstaande tabel rapporteert de Eviews 4.0 regressieoutput voor het algemene model, dat de start vormt van de zoekprocedure. ANALF, BBPCAP, LAW, POLSTAB, POPJONG en DLAM zijn significant bij het juiste teken. De coëfficiënt voor POLCON is positief en significant. Twee variabelen zijn significant maar hebben het verkeerde teken: PRIVGEZ en FHCIVILLIB.
34
Een model met lagere waarden voor deze criteria wordt geprefereerd (Gujarati, 2003, p. 537-538, Enders,
1995, p. 88).
72
Tabel 1: Regressieouput voor het algemene model Dependent Variable: LOG(INEFFIC1) Method: Least Squares Sample(adjusted): 1 49 Included observations: 44 Excluded observations: 5 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF BBPCAP WAR CONTROLCORR ETHNIC LAW ODACAP POLSTAB POPJONG PRIVGEZ URBAN VOICE DSAFR DLAM POLCON FHPOLRIGHTS FHCIVILLIB
0.794417 0.002402 -0.000190 -0.115155 0.208993 0.020002 -0.753757 -3.59E-05 -0.502501 0.013152 0.017542 0.000740 -0.101248 0.024777 -0.287384 0.279824 0.030052 -0.101698
0.294172 0.001285 8.94E-05 0.071994 0.222031 0.091419 0.217828 7.00E-05 0.205629 0.003807 0.008436 0.001320 0.110947 0.088034 0.068583 0.104021 0.021366 0.031310
2.700519 1.869799 -2.128760 -1.599520 0.941278 0.218795 -3.460331 -0.513737 -2.443726 3.454970 2.079513 0.560772 -0.912579 0.281450 -4.190317 2.690062 1.406529 -3.248140
0.0120 0.0728 0.0429 0.1218 0.3552 0.8285 0.0019 0.6118 0.0216 0.0019 0.0476 0.5798 0.3698 0.7806 0.0003 0.0123 0.1714 0.0032
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Noot: INEFFIC1 is een efficiëntiemaatstaf
0.867416 0.780726 0.114848 0.342943 44.36310 1.836357 geschat aan
Mean dependent var 0.334945 S.D. dependent var 0.245262 Akaike info criterion -1.198323 Schwarz criterion -0.468427 F-statistic 10.00599 Prob(F-statistic) 0.000000 de hand van DEA, zie tabel A11 in de appendix. Voor
een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix.
We laten nu telkens de variabele met de hoogste p-waarde (laagste t-waarde) vallen om tot een beknopter model te komen, waarin in principe elke variabele significant is op het 10%significantieniveau. In dit geval betekent dit dat ETHNIC de eerste variabele is die sneuvelt. In het zoekpad naar een beknopter model spelen BBPCAP en ODACAP een speciale rol. Van BBPCAP verwachten we intuïtief een sterke invloed. Ook het effect van ODACAP interesseert ons in het bijzonder. Wanneer we op een punt komen waarbij één van deze variabelen uit het model moet weggelaten worden, splitst het zoekpad zich op. We gaan dan zowel verder met het model waarin de variabele wordt weggelaten als met het model waarin deze variabele wordt behouden en de variabele met de tweede hoogste p-waarde wordt verwijderd. In totaal kan een dergelijk zoekpad op het einde maximum vier verschillende modellen opleveren die we tegen elkaar afwegen. Het aantal observaties wordt niet constant gehouden. Wanneer een bepaalde variabele, waarvoor niet alle observaties beschikbaar zijn, 73
wegvalt, neemt het aantal observaties toe. Aangezien het onmogelijk is elke regressie die we schatten weer te geven, beperken we ons zoveel mogelijk tot de eindresultaten van de zoekprocedure. De zoekprocedure brengt ons uiteindelijk bij het onderstaande model (tabel 2), dat slechts een zeer beperkt aantal variabelen bevat. Wel is het zo dat al deze variabelen het verwachte teken hebben. ANALF is telkens de laatste variabele die wegvalt. FHPOLRIGHTS is net niet significant op het 10%-significantieniveau maar wanneer we deze variabele laten vallen daalt de gecorrigeerde R² fors tot 0.499. De drie alternatieve zoekpaden waarbij ODACAP en/of BBPCAP behouden worden, leveren op deze variabelen na exact hetzelfde model op. Deze alternatieve finale specificaties hebben
een lagere gecorrigeerde R² en hogere
informatiecriteria, en ODACAP of BBPCAP (of beiden) zijn in deze regressies zeer insignificant. Geen van beide variabelen speelt dus enige rol van betekenis voor de overheidsefficiëntie.
Tabel 2: Regressieouput voor het specifieke model Dependent Variable: LOG(INEFFIC1) Method: Least Squares Sample: 1 52 Included observations: 52 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C LAW POLSTAB POPJONG DLAM FHPOLRIGHTS
0.796679 -1.187215 -0.526923 0.028086 -0.413749 -0.063353
0.644727 0.630636 0.250149 0.005971 0.150889 0.038124
1.235685 -1.882569 -2.106433 4.703573 -2.742069 -1.661758
0.2228 0.0661 0.0407 0.0000 0.0087 0.1034
R-squared 0.569870 Adjusted R-squared 0.523116 S.E. of regression 0.315081 Sum squared resid 4.566693 Log likelihood -10.54099 Durbin-Watson stat 0.991201 Noot: INEFFIC1 is een efficiëntiemaatstaf geschat aan
Mean dependent var 0.428170 S.D. dependent var 0.456264 Akaike info criterion 0.636192 Schwarz criterion 0.861335 F-statistic 12.18887 Prob(F-statistic) 0.000000 de hand van DEA, zie tabel A11 in de appendix. Voor
een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix.
Het model in tabel 2 is om verschillende redenen weinig overtuigend: er blijven slechts een beperkt aantal variabelen over, de gecorrigeerde R² is laag en de informatiecriteria zijn hoog ten opzichte van het algemene model in tabel 1. De eerste verklaring hiervoor zijn de outliers, die de resultaten sterk beïnvloeden. De observatie voor URBAN voor de Democratische 74
Republiek Kongo, een land met een bijzonder hoge inefficiëntiescore (zie tabel A11 in appendix), ontbreekt. Wanneer deze variabele wordt weggelaten, heeft dit ondanks de erg hoge p-waarde een enorme invloed op de regressieresultaten: de gecorrigeerde R² valt terug met bijna 30%-punten en voor enkele variabelen zien we opmerkelijke veranderingen in de pwaarden. De tweede verklaring heeft te maken met CONTROLCORR. Wanneer deze variabele wegvalt komen er zes observaties bij, die opnieuw van enige waarde zijn. Vijf van deze zes observaties zijn immers landen uit Sub-Saharaans Afrika, die bovendien vrij slecht scoren op de efficiëntiemaatstaf. We vermoeden dat dit de voornaamste reden is waarom DSAFR zo snel wegvalt. Het gevolg is dat het model waar we naartoe evolueren belangrijke informatie, die vervat ligt in deze 6 observaties, negeert, en bijgevolg niet meteen geschikt is voor de volledige sample. We zien inderdaad dat de coëfficiënten en p-waarden van een aantal variabelen sterk veranderen wanneer CONTROLCORR wordt weggelaten en de 6 landen bij de sample komen. De reden hiervoor is niet zozeer de invloed van CONTROLCORR, maar wel de wijziging in de sample. Wanneer we immers het aantal observaties constant houden verandert er bijna niks aan de schattingen wanneer we CONTROLCORR verwijderen. We gaan nu eerst na wat er gebeurt wanneer we vertrekken van een algemeen model zonder outliers. In dit algemeen model is CONTROLCORR de eerste variabele die wegvalt, waardoor een aparte analyse vertrekkend van een algemeen model zonder outliers en zonder CONTROLCORR niet meer nodig is.
6.3.3. Resultaten zonder outliers Voor ODACAP is Nicaragua de enige outlier. Dit heeft voor een stuk te maken met de lage verhouding van de koopkrachtpariteit op de officiële wisselkoers. Daarbovenop ontvangt Nicaragua, op Jordanië na, de meeste ontwikkelingshulp per capita in dollars. De Democratische Republiek Kongo heeft een enorm hoge waarde voor INEFFIC1, waardoor we het land meteen uit alle schattingen weren. Zuid-Afrika is een outlier voor BBPCAP en PRIVGEZ, waar het land erg hoge waarden laat optekenen. We denken dat dit voornamelijk te maken heeft met de vrij lage koopkrachtpariteit van Zuid-Afrika. Voor PRIVGEZ speelt ook het feit dat Zuid-Afrika één van de hoogste verhoudingen heeft voor de private uitgaven 75
voor gezondheidszorg op het BBP, zeker mee. Tot slot wordt Malawi uit alle regressies gehouden. Dit land doet het zeer goed qua overheidsefficiëntie, maar deze lage score van 1 kan door het model niet verklaard worden: de residu voor Malawi is erg negatief.
Tabel 3: Regressieoutput voor het algemene model zonder outliers Dependent Variable: LOG(INEFFIC1) Method: Least Squares Sample(adjusted): 1 49 Included observations: 41 Excluded observations: 8 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF BBPCAP WAR CONTROLCORR ETHNIC LAW ODACAP POLSTAB POPJONG PRIVGEZ URBAN VOICE DSAFR DLAM POLCON FHPOLRIGHTS FHCIVILLIB
0.861017 0.002633 -0.000198 -0.125901 0.009882 -0.043393 -0.591321 -7.19E-05 -0.474703 0.012563 0.017599 0.000763 -0.093639 0.090790 -0.258763 0.214861 0.014217 -0.085971
0.277495 0.001083 8.06E-05 0.059602 0.120848 0.097171 0.177698 0.000204 0.197410 0.003970 0.007375 0.001324 0.142480 0.072771 0.059216 0.102037 0.025291 0.027017
3.102815 2.431104 -2.453892 -2.112362 0.081772 -0.446565 -3.327676 -0.351920 -2.404651 3.164572 2.386360 0.576506 -0.657208 1.247614 -4.369833 2.105717 0.562141 -3.182156
0.0050 0.0233 0.0221 0.0457 0.9355 0.6594 0.0029 0.7281 0.0246 0.0043 0.0256 0.5699 0.5176 0.2247 0.0002 0.0464 0.5795 0.0042
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Noot: INEFFIC1 is een efficiëntiemaatstaf
0.920048 0.860954 0.092563 0.197062 51.24855 1.902777 geschat aan
Mean dependent var 0.343335 S.D. dependent var 0.248232 Akaike info criterion -1.621881 Schwarz criterion -0.869581 F-statistic 15.56906 Prob(F-statistic) 0.000000 de hand van DEA, zie tabel A11 in de appendix. Voor
een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo en Malawi voor INEFFIC1, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAP.
Zoals blijkt uit bovenstaande tabel, doet het algemene model zonder outliers het bijzonder goed. Opnieuw zien we dat ANALF, BBPCAP, LAW, POLSTAB, POPJONG, DLAM en POLCON een significante coëfficiënt hebben. Op BBPCAP na, zijn dit meteen ook de variabelen die terugkomen in het eindmodel (tabel 4). FHCIVILLIB, PRIVGEZ en WAR zijn significant bij het foute teken in het algemene model, maar deze variabelen halen de finale specificatie niet. Ook DSAFR is in tabel 4 significant met het verwachte teken. 76
Tabel 4: Regressieoutput voor het specifieke model, vertrekkend van een algemeen model zonder outliers Dependent Variable: LOG(INEFFIC1) Method: Least Squares Sample(adjusted): 1 51 Included observations: 50 Excluded observations: 1 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF LAW POLSTAB POPJONG DSAFR DLAM POLCON
0.103038 0.003629 -0.438768 -0.231506 0.013368 0.177204 -0.154513 0.244864
0.125724 0.001081 0.124523 0.114681 0.003388 0.049069 0.054489 0.089747
0.819558 3.357117 -3.523601 -2.018702 3.946123 3.611329 -2.835654 2.728386
0.4171 0.0017 0.0010 0.0499 0.0003 0.0008 0.0070 0.0093
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Noot: INEFFIC1 is een efficiëntiemaatstaf
0.823208 0.793742 0.121797 0.623046 38.68201 1.259236 geschat aan
Mean dependent var 0.384525 S.D. dependent var 0.268182 Akaike info criterion -1.227280 Schwarz criterion -0.921357 F-statistic 27.93811 Prob(F-statistic) 0.000000 de hand van DEA, zie tabel A11 in de appendix. Voor
een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo en Malawi voor INEFFIC1, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAP.
De laatste twee variabelen die wegvallen zijn ETHNIC (met een negatief teken) en ODACAP. Met beide variabelen in het model heeft ODACAP een positieve coëfficiënt en een p-waarde van 0.10. Wanneer ETHNIC, met een hogere p-waarde, wordt weggelaten, stijgt de p-waarde van ODACAP tot 0.141, waardoor we ook ODACAP weglaten. Er is dus enige indicatie dat ontwikkelingshulp geassocieerd is met meer inefficiëntie, maar het verband is zwak. Een Ftest (Gujarati, 2003, p. 260-264) op het 5% significantieniveau toont bovendien aan dat de nulhypothese dat het finale model een geldige restrictie is van het model met zowel ODACAP en ETHNIC, niet kan verworpen worden35. Een alternatief zoekpad waarbij vastgehouden wordt aan BBPCAP, levert zeer gelijkaardige – maar minder goede – resultaten op, met hogere informatiecriteria en hoge p-waarden voor BBPCAP en – in het zoekpad waarin ook deze variabele behouden wordt – ODACAP.
35
Om deze F-test uit te voeren, worden het aantal observaties constant gehouden op 48.
77
Uit tabel 3 zien we dat de eerste variabele die moet weggelaten worden, CONTROLCORR is. Vandaar dat het overbodig is dezelfde analyse uit te voeren, vertrekkend van een algemeen model zonder CONTROLCORR, aangezien beide zoekprocedures met elkaar overlappen. Het feit dat CONTROLCORR als eerste variabele wegvalt, houdt meteen in dat het aantal observaties voor de rest van de zoekprocedure veel minder sterk schommelt. De regressie zonder CONTROLCORR bevat 47 observaties, in de finale specificatie zijn dat er 50. Geen enkele van de significante variabelen in tabel 4 heeft een onverwacht teken en voor een crosscountry regressie is de variatie in de afhankelijke variabele die we kunnen verklaren vrij groot. Uit bovenstaand onderzoek kunnen nu al enkele conclusies getrokken worden. Zowel ANALF en POPJONG zijn belangrijk. ANALF heeft waarschijnlijk vooral een rechtstreekse invloed op de gezondheids- en onderwijsoutputs, al is het ook mogelijk dat er een impact is op de overheidsefficiëntie. Ook de significante dummy’s voor Sub-Saharaans Afrika en LatijnsAmerika stroken met de verwachtingen. Verder vinden we dat landen met stabielere overheden en landen die een omgeving hebben gecreëerd waarin de maatschappelijke regels vertrouwen genieten en opgevolgd worden, minder inefficiënt zijn. De lange en korte route van dienstverlening, benadrukt door de Wereldbank (World Bank, 2003), worden empirisch bevestigd. Tot slot is het zo dat, controlerend voor deze factoren, overheden met meer ruimte om het beleid bij te sturen efficiënter werken: POLCON heeft een positief teken. POPJONG laat het grootste effect op de overheidsefficiëntie optekenen: een toename van deze variabele met één standaardafwijking zorgt voor een 9.9% stijging in de inefficiëntie, voor ANALF is dit iets meer dan 8%. Een toename in LAW met één standaardafwijking leidt tot een daling van de overheidsinefficiëntie met 7.4%. De invloed van POLSTAB is beperkter: een toename met één standaardafwijking doet de overheidsinefficiëntie dalen met 4.1%. Tot slot zorgt één standaardafwijking toename in POLCON voor een vermeerdering van de overheidsinefficiëntie met 6%. BBPCAP maakt geen deel uit van de finale specificatie, wat voor een stuk de verantwoordelijkheid om de outputs te verbeteren bij de overheden legt, aangezien ze zich niet zomaar kunnen verschuilen achter een laag inkomensniveau om slechte prestaties te verklaren. Wel moet men er rekening mee houden dat BBPCAP sterk gecorreleerd is met POPJONG en ANALF. In een land dat start met een hoge analfabetismegraad en een 78
overwegend jonge populatie, zal het voor de overheid moeilijker worden om de efficiëntie te verbeteren. Ontwikkelingshulp is irrelevant: ODACAP heeft zelfs eerder een positief teken, maar dit positief effect is zeer zwak. Het feit dat ontwikkelingshulp niet in staat is geweest gezondheids- en onderwijsuitkomsten te verbeteren, de capaciteit van de overheid om een goed beleid te voeren te versterken of de overheidsinefficiëntie weg te werken, is op zich al een vrij sterk resultaat. Later gaan we na hoe robuust dit resultaat is. We splitsen ook de verschillende outputdimensies op om te onderzoeken welke variabelen in welke dimensie van belang zijn. Eerst gaan we echter dieper in op de mogelijke invloed van etnische diversiteit op de overheidsefficiëntie. Het is duidelijk dat het weinig zin heeft om in de zoekprocedure de variabelen BBPCAP en ODACAP te behouden wanneer hun p-waarden aanduiden dat ze niet in de regressie thuishoren. De finale modellen die we in die gevallen bekomen zijn immers steeds inferieur aan het model dat we bekomen door rechtlijnig de zoekprocedure te volgen en deze twee variabelen niet apart te behandelen. Voor de analyses die volgen zien we dan ook af van deze tijdrovende procedure met verschillende zoekpaden.
6.3.4. Etnische fractionalisatie De invloed van etnische diversiteit op de overheidswerking en economische performantie van een land is een complexe aangelegenheid. Zo is het zeker niet het geval dat etnische diversiteit altijd en overal een negatieve impact heeft (Collier, 2001). Dit zal enkel het geval zijn in bepaalde specifieke omstandigheden. Etnische dominantie bijvoorbeeld heeft, ongeacht het politieke systeem, een nefaste impact maar deze impact vermindert naarmate de dominantie groter wordt. We proberen dit te testen vertrekkend van de sample zonder outliers, door – net als Collier (2001, p. 143) – een dummy ETHNICDOM te construeren die de waarde 1 aanneemt voor alle landen die voor ETHNIC een waarde hebben tussen 0.40 en 0.65. Deze variabele haalt het eindmodel niet. Een andere manier om de veronderstelde complexe relatie tussen etnische fractionalisatie en overheidsinefficiëntie te vatten is door ook ETHNIC² op te nemen als verklarende variabele. Dit laat een ruime waaier aan mogelijke verbanden tussen ETHNIC en INEFFIC1 toe. We volgen dezelfde zoekprocedure en wanneer of ETHNIC of de gekwadrateerde term de 79
hoogste p-waarde hebben onder de verklarende variabelen, voeren we een F-test uit om de gezamenlijke significantie van beide variabelen te testen. Wordt de nulhypothese van gezamenlijke significantie verworpen, dan laten we beide variabelen vallen. Opnieuw blijft etnische diversiteit niet significant tot in het finale model. Een laatste mogelijkheid bestaat erin een interactieterm met etnische diversiteit en politieke rechten te gebruiken in plaats van ETHNIC (Collier, 2001, p. 144). In democratieën is het belang van etnische fractionalisatie beperkt en het teken a priori ambigu, terwijl het waarschijnlijk is dat etnische diversiteit in dictatoriale regimes aanleiding geeft tot roofzuchtig gedrag (Collier, 2001). De interactieterm ETHNIC*FHPOLRIGHTS overleeft de zoekprocedure niet. Wanneer naast de interactieterm ook ETHNIC apart wordt opgenomen, blijven beide variabelen langer in het model, maar uiteindelijk toont een F-test aan dat ze weggelaten moeten worden. We vinden dus geen resultaten die duiden op een effect van etnische diversiteit op overheidsinefficiëntie. Misschien worden eventueel nefaste effecten gevat door variabelen als POLSTAB en LAW. Een andere mogelijkheid is dat de relatie met de overheidswerking te complex is om tot uiting te komen aan de hand van bovenstaande regressies.
6.3.5. Andere variabelen voor ontwikkelingshulp Als sensitiviteitsanalyse berekenen we de totale ontvangen ontwikkelingshulp per capita in koopkrachtpariteiten op een alternatieve manier, als het product van hulp als percentage van het Bruto Nationaal Inkomen met het Bruto Nationaal Inkomen per capita, uitgedrukt in koopkrachtpariteiten (World Development Indicators, 2003). We noemen deze variabele ODACAPWDI. De correlatie tussen ODACAP en ODACAPWDI is 0.921. Voor de volledige sample (met of zonder CONTROLCORR) vinden we geen significant effect van deze variabele. In de sample zonder outliers36 blijkt ODACAPWDI echter wel van belang. Tabel 5 geeft de finale specificatie weer, waarin enkel ETHNIC het verkeerde teken heeft. Meer
36
De enige observatie die voor ODACAPWDI wordt verwijderd, is opnieuw Nicaragua.
80
ontwikkelingshulp is nu dus zelfs geassocieerd met een lagere overheidsefficiëntie37. Later komen we hier op terug en onderzoeken we of deze significante coëfficiënt een causale relatie weergeeft.
Tabel 5: Regressieoutput voor het specifieke model vertrekkend van een algemeen model met ODACAPWDI en zonder outliers Dependent Variable: LOG(INEFFIC1) Method: Least Squares Sample(adjusted): 1 51 Included observations: 48 Excluded observations: 3 after adjusting endpoints White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF ETHNIC LAW ODACAPWDI POLSTAB POPJONG DSAFR DLAM POLCON
0.312429 0.003992 -0.162217 -0.662423 0.000382 -0.278722 0.012756 0.180152 -0.161037 0.320511
0.167729 0.001170 0.094831 0.158696 0.000219 0.115805 0.003667 0.042358 0.048677 0.093305
1.862698 3.410662 -1.710595 -4.174148 1.748026 -2.406810 3.478710 4.253086 -3.308268 3.435093
0.0702 0.0015 0.0953 0.0002 0.0885 0.0211 0.0013 0.0001 0.0021 0.0014
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Noot: INEFFIC1 is een efficiëntiemaatstaf
0.847427 0.811291 0.117894 0.528163 40.12020 1.255611 geschat aan
Mean dependent var 0.379294 S.D. dependent var 0.271391 Akaike info criterion -1.255008 Schwarz criterion -0.865175 F-statistic 23.45118 Prob(F-statistic) 0.000000 de hand van DEA, zie tabel A11 in de appendix. Voor
een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo en Malawi voor INEFFIC1, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAPWDI.
Voorlopig zijn we ervan uitgegaan dat ontwikkelingshulp in de ontvangende landen aangewend wordt om lokale diensten en producten aan te kopen. Vaak wordt ontwikkelingshulp echter aangewend om internationale goederen en diensten te kopen, waardoor het interessant is om na te gaan of de totale ontvangen netto officiële ontwikkelingshulp per capita in Amerikaanse dollars (ODACAP$, eigen berekeningen, op basis van World Development Indicators, 2003 en OECD, Statistical Compendium, editie 01#2003, Development and Aid, Geographical Distribution of Financial Flows to Aid 37
Wanneer Nicaragua niet wordt weggelaten vinden we geen significant effect en komen we opnieuw uit bij het
model in tabel 4.
81
Recipients – Flows, Total official development assistance net) thuishoort in de finale specificatie. Deze variabele blijft erg lang met een positief teken in het model zonder outliers, maar wordt uiteindelijk als voorlaatste variabele weggelaten. Opnieuw komen we uit bij het model in tabel 4.
6.3.6. Endogeniteit en simultaneïteit Een probleem met bovenstaande regressies is dat er sprake kan zijn van endogeniteit of simultaneïteit voor enkele variabelen. POLSTAB, LAW en VOICE hebben betrekking op 1996 maar toch denken we dat het endogeniteitsprobleem beperkt is. Typisch zijn dit variabelen die vrij persistent zijn over de tijd en het is moeilijk ons in te beelden hoe ze op korte termijn sterk beïnvloed worden door de overheidsefficiëntie. Bovendien kunnen we ons niet meteen andere variabelen voorstellen die niet opgenomen zijn in de algemene specificatie en die tegelijk de verklarende variabelen en de afhankelijke variabele beïnvloeden. Door in de algemene specificatie een pak variabelen op te nemen en toch daar al significante coëfficiënten te vinden voor de meeste variabelen die in tabel 4 voorkomen, verlaagt de kans op simultaneïteit. CONTROLCORR meet de perceptie van corruptie en kan daardoor wel op korte termijn beïnvloed worden door de efficiëntie van de overheid. Dit zou normalerwijze aanleiding geven tot een sterkere positieve coëfficiënt voor CONTROLCORR (een efficiëntere overheid wordt beoordeeld als zijnde minder corrupt), die echter niet wordt waargenomen. De vertekening die dit voor de andere variabelen impliceert is van weinig tel, aangezien CONTROLCORR in het model zonder outliers als eerste variabele wegvalt. Het voornaamste endogeniteitsprobleem is er voor ontwikkelingshulp. Bovendien weten we niet op voorhand in welke richting de coëfficiënt voor ontwikkelingshulp wordt vertekend. Donoren kunnen zich richten op landen die hun middelen efficiënt aanwenden om op die manier met sterke resultaten naar buiten te kunnen komen. Anderzijds zijn de noden het meest drukkend in landen die het slecht doen, aangezien zij vaak enorm afhankelijk zijn van ontwikkelingshulp, en donoren kunnen of willen deze hulp niet weigeren. Bräutigam en Knack (2004, p. 273) menen dat de meeste donoren doorgaans landen belonen die inspanningen doen om hun beleid te verbeteren, waardoor het eerste effect zou overwegen. Dit zou meteen betekenen dat er weinig kans is dat de exogene component van ontwikkelingshulp een negatief teken vertoont. 82
We trachten het endogeniteitsprobleem op te lossen door gebruik te maken van instrumentele variabelen voor de ontwikkelingshulp in het begin van de jaren ’90. De eerste instrumenten zijn het initiële BBP per capita in koopkrachtpariteiten (gemiddelde over 1985-198938, World Development Indicators, 2003) omdat meer hulp wordt gegeven aan armere landen (Burnside en Dollar, 2000, p. 850), en de bevolking in 1990 (World Development Indicators, 2003) omdat landen met een kleinere bevolking op meer hulp kunnen rekenen (Burnside en Dollar, 2000, p. 850). Verder proberen we de strategische belangen van donoren te vatten aan de hand van dummy’s voor Egypte (een belangrijke bondgenoot van de VS), de landen in SubSaharaans Afrika (waar de meeste Europese hulp naartoe gaat), de Franc CFA zone (waar een groot deel van de Franse hulp naartoe gaat, in onze sample gaat het om Burkina Faso, Kameroen, Tsjaad, de Republiek Kongo en Ivoorkust) en de Centraal-Amerikaanse landen (omwille van de aandacht van de Verenigde Staten, in onze sample gaat het enkel om Nicaragua) (Burnside en Dollar, 2000). In navolging van Burnside en Dollar (2000) nemen we ook het aandeel van de wapenimport in de totale import op (gemiddelde over de periode 1990-1994, World Development Indicators, 2003). Andere instrumenten zijn POLSTAB, VOICE, en LAW. CONTROLCORR nemen we niet op omdat we menen dat de perceptie van corruptie – in tegenstelling tot de drie voorgaande variabelen – wel op korte termijn kan beïnvloed worden door de overheidsefficiëntie en dus niet exogeen is. Het laatste instrument is de gemiddelde inflatie (CPI) over de periode 1985-198939 (World Development Indicators, 2003). Vooral voor ODACAPWDI zijn dit goede instrumenten: de meeste variabelen hebben het verwachte teken, en het inkomen per capita, LAW, de bevolking en de dummy’s voor Centraal-Amerikaanse landen, Sub-Saharaanse landen en Egypte zijn significant op 5%. De R² voor deze regressie is 0.78 en de F-statistiek wijst op een zeer significant model. Met ODACAP als afhankelijke variabele zijn alle variabelen behalve BBPCAP en de dummy voor de Franc CFA zone significant op het 10%-significantieniveau40. Ook dit model heeft een hoge F-statistiek en R² (0.725). Het model voor ODACAP$ heeft een R² van 0.50 en is
38
Voor Wit-Rusland, Roemenië en Jemen nemen we de waarde voor 1990.
39
Voor Wit-Rusland, Mongolië, Roemenië, Rusland en Jemen wordt het gemiddelde over de periode 1990-1994
berekend. 40
VOICE en de inflatie hebben echter niet het verwachte teken.
83
significant op 1%. BBPCAP, de bevolking, LAW, de inflatie en alle dummy’s behalve DSAFR zijn significant op 10% en hebben – op de inflatie na – het verwachte teken. We vervangen nu de variabelen voor ontwikkelingshulp door hun voorspelde waarde uit deze regressies en dit voor de sample zonder outliers, maar met Nicaragua. Geen van deze drie voorspelde waarden haalt het finale model, dat opnieuw het model uit tabel 4 is. De exogene component van de ontwikkelingshulp zorgt dus niet voor een verbetering van de overheidsefficiëntie, of heeft geen rechtstreeks positief effect op de beschouwde outputs. Dit resultaat verandert niet wanneer de voorspelde waarde voor Nicaragua buiten beschouwing wordt gelaten.
6.3.7. Opsplitsing naar de verschillende outputdimensies In deze sectie worden aparte efficiëntiemaatstaven berekend voor elke outputdimensie. Als input wordt nog steeds de publieke uitgaven per capita in koopkrachtpariteiten gebruikt. Op die manier zijn de resultaten in deze sectie vergelijkbaar met de eerdere resultaten. De algemene specificatie waarvan vertrokken wordt is er telkens één zonder CONTROLCORR. Voor de andere variabelen worden dezelfde outliers weggelaten als in sectie 6.3.4., met uitzondering van Malawi. De conclusies die we aan de analyse in deze sectie verbinden, zijn echter – vooral voor de beleidsdimensie – in overwegende mate tentatief: de regressies hebben doorgaans een mindere goodness of fit dan de regressies voor de globale efficiëntiemaatstaf en regelmatig bevatten de finale modellen variabelen met het foute teken. Voor onderwijs en vooral voor gezondheid bekomen we de beste resultaten, de resultaten voor de beleidsdimensie zijn minder goed. We vertrekken voor elke geschatte maatstaf van drie verschillende algemene modellen, met respectievelijk ODACAP, ODACAPWDI en ODACAP$. We trachten vooral na te gaan in welke dimensies de variabelen die relevant zijn voor de globale efficiëntiemaatstaf de sterkste invloed hebben. Daarnaast is het mogelijk dat variabelen die niet verschijnen in tabel 4 in één dimensie wel belangrijk blijken. In die zin wordt nagegaan in hoeverre de verklaring voor de globale maatstaf overeenkomt met de verklaring voor de maatstaven in elke dimensie afzonderlijk.
84
6.3.7.1.
Gezondheid
Zowel Tsjaad, de Democratische Republiek Kongo als de Republiek Kongo scoren bijzonder slecht in deze dimensie en worden bijgevolg als outliers verwijderd. In de DEA schattingen wordt in eerste instantie één output opgenomen voor gezondheid, berekend zoals besproken in 5.3. Voor alle drie de algemene modellen brengt de zoekprocedure ons bij dezelfde finale specificatie, gerapporteerd in tabel 6.
Tabel 6: Regressieoutput voor het specifieke model voor de gezondheidsdimensie (1 output), vertrekkend van een algemeen model zonder outliers en zonder CONTROLCORR Dependent Variable: LOG(INEFFICGEZUITG) Method: Least Squares Sample: 1 52 Included observations: 49 Excluded observations: 3 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF WAR LAW POPJONG DLAM POLCON FHCIVILLIB
0.129592 0.004982 0.150803 -0.721513 0.026801 -0.377168 0.452381 -0.087181
0.246128 0.002003 0.072235 0.266705 0.004832 0.097132 0.187579 0.032022
0.526520 2.487442 2.087675 -2.705287 5.546997 -3.883051 2.411688 -2.722561
0.6014 0.0170 0.0431 0.0099 0.0000 0.0004 0.0204 0.0095
R-squared 0.667438 Mean dependent var Adjusted R-squared 0.610660 S.D. dependent var S.E. of regression 0.228290 Akaike info criterion Sum squared resid 2.136765 Schwarz criterion Log likelihood 7.218929 F-statistic Durbin-Watson stat 2.497120 Prob(F-statistic) Noot: INEFFICGEZUITG is een efficiëntiemaatstaf geschat aan de hand van DEA.
0.535554 0.365866 0.031880 0.340749 11.75506 0.000000 Het gaat om de technische
outputefficiëntie bij variabele schaalopbrengsten. De input is de publieke uitgaven per capita, uitgedrukt in koopkrachtpariteiten. De output is een ongewogen gemiddelde van de immunisaties tegen mazelen en de inverse van de kindersterfte, nadat beide variabelen eerst op een [0,1]-interval zijn geprojecteerd. Zie tabel A11 in de appendix voor definitie en bron van de gehanteerde variabelen. Voor een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo, Tsjaad en de Republiek Kongo voor INEFFICGEZUITG, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAP en ODACAPWDI.
ANALF, LAW, POPJONG, DLAM en POLCON zijn variabelen die ook voor de globale efficiëntiemaatstaf van belang zijn. FHCIVILLIB is significant, maar heeft het verkeerde teken. Ook WAR is significant: hevige gewapende conflicten zorgen ervoor dat de overheid 85
met een gegeven hoeveelheid uitgaven minder gezondheidsoutputs kan realiseren. Dit kan te wijten zijn aan een toename in de kindersterfte, maar ook aan het weghalen van middelen uit de gezondheidssector ten voordele van militaire uitgaven, of aan een daling in de efficiëntie waarmee onderwijsuitgaven aangewend worden. Dezelfde analyse voor een gezondheidsefficiëntiemaatstaf waarin de twee gezondheidsoutputs elk apart worden opgenomen om de DEA-maatstaf te berekenen, levert zeer gelijkaardige resultaten op. In vergelijking met het model in tabel 6 komt BBPCAP met een significant negatief teken (op een 10%-significantieniveau) in de finale specificatie. ANALF wordt daardoor doorgaans net niet significant op 10% maar wanneer deze variabele verwijderd wordt, zakt de gecorrigeerde R² met 2%-punten. We houden ANALF dan ook in de regressie.
6.3.7.2.
Onderwijs
De efficiëntiemaatstaf waarin de beide onderwijsoutputs apart opgenomen zijn, levert voor Burundi een erg hoge waarde op, waardoor we de observatie voor dit land verwijderen. ODACAPWDI blijft significant tot in het finale model, weergegeven in tabel 7. Voor ODACAP bekomen we hetzelfde model maar deze variabele heeft daarin een p-waarde van 0.132 en is dus niet significant op 10%. Vertrekkend van een algemeen model met ODACAP$ valt deze variabele voor ontwikkelingshulp al vrij snel weg, maar het finale model bevat voor de rest dezelfde variabelen als het model in tabel 7. We vinden voor de onderwijsdimensie dus een lichte indicatie dat meer hulp geassocieerd is met meer inefficiëntie. In overeenkomst met de theorie is ANALF zeer significant. LAW, DSAFR en POLCON kennen wel al uit de finale specificatie voor de globale efficiëntiemaatstaf. URBAN is nieuw: wanneer een groot aandeel van de mensen in steden wonen, is het gemakkelijker om toegang tot onderwijs te verzekeren. Dit effect is echter niet sterk genoeg opdat URBAN ook in de finale specificatie van de globale maatstaf zou te voorschijn komen. De significantie van de ontwikkelingsvariabelen (ODACAP en vooral ODACAPWDI) duidt niet op een causale relatie: we vinden geen indicaties dat de exogene componenten van ontwikkelingshulp thuishoren in de finale specificatie.
86
Tabel 7: Regressieoutput voor het specifieke model voor de onderwijsdimensie (2 outputs), vertrekkend van een algemeen model met ODACAPWDI, zonder outliers en zonder CONTROLCORR Dependent Variable: LOG(INEFFICOND2UITG) Method: Least Squares Sample: 1 52 Included observations: 49 Excluded observations: 3 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C ANALF LAW ODACAPWDI URBAN DSAFR POLCON
0.859187 0.008928 -1.064819 0.001054 -0.006881 0.245996 0.440478
0.332939 0.002544 0.402812 0.000554 0.003480 0.144070 0.212585
2.580614 3.509170 -2.643466 1.902961 -1.977545 1.707473 2.072005
0.0134 0.0011 0.0115 0.0639 0.0546 0.0951 0.0444
R-squared 0.633139 Mean dependent var 0.470825 Adjusted R-squared 0.580730 S.D. dependent var 0.502468 S.E. of regression 0.325353 Akaike info criterion 0.723754 Sum squared resid 4.445903 Schwarz criterion 0.994014 Log likelihood -10.73197 F-statistic 12.08078 Durbin-Watson stat 1.817515 Prob(F-statistic) 0.000000 Noot: INEFFICOND2UITG is een efficiëntiemaatstaf geschat aan de hand van DEA. Het gaat om de technische outputefficiëntie bij variabele schaalopbrengsten. De input is de publieke uitgaven per capita, uitgedrukt in koopkrachtpariteiten. De outputs zijn de bruto inschrijvingsgraad in het secundair onderwijs en de inverse van de analfabetismegraad voor jongeren. Zie tabel A11 in de appendix voor definitie en bron van de gehanteerde variabelen. Voor een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn Burundi voor INEFFICOND2UITG, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAPWDI.
Wanneer we de efficiëntiemaatstaf berekenen op basis van één output, bevestigen we grotendeels deze resultaten41. De 3 zoekprocedures leveren telkens een verschillende finale specificatie op, waarvan die bekomen met ODACAP de hoogste aangepaste R² en de laagste informatiecriteria heeft, en het meest plausibel is. ANALF, DSAFR, POPJONG en POLCON zijn significant op 5% en hebben het verwachte teken. ETHNIC is significant op 10% en heeft een negatief teken, waarvoor we niet meteen een verklaring hebben. LAW is net niet significant op 10% (negatief teken) maar wanneer deze variabele verwijderd wordt zakt de aangepaste R² vrij sterk, waardoor we LAW behouden.
41
Naast Burundi worden dan ook Burkina Faso en Tsjaad als outliers verwijderd.
87
Het zoekpad met ODACAPWDI leidt tot een finale specificatie waarin ODACAPWDI een significante positieve coëfficiënt heeft. Dit model heeft een lagere aangepaste R², hogere informatiecriteria en bevat BBPCAP met het verkeerde teken. Bovendien is het zo dat, wanneer we in de algemene specificatie vertrekken van de exogene component van ODACAPWDI, we opnieuw uitkomen bij het betere model dat we bekomen vertrekkend met ODACAP.
6.3.7.3.
De capaciteit om een goed beleid te voeren
De outlier die voor deze dimensie wordt verwijderd, is de Democratische Republiek Kongo42. Voor de DEA-efficiëntiemaatstaf met één output leveren de zoekprocedures met ODACAP en ODACAPWDI ruimschoots de beste eindmodellen op, voor ODACAP weergegeven in tabel 8. Het enige verschil met het eindresultaat voor de zoekprocedure die vertrekt vanaf ODACAPWDI is de variabele voor ontwikkelingshulp, voor de andere variabelen verandert er heel weinig. De exogene componenten van beide variabelen halen de finale specificatie echter opnieuw niet. Het is geen verrassing dat voor deze outputdimensie vooral de governance-indicatoren van belang zijn, al hadden we eerder POLSTAB in de plaats van VOICE verwacht. Ook DLAM is zeer significant, wat consistent is met de idee dat de LatijnsAmerikaanse landen meer inspanningen gedaan hebben om tot een goed beleid te komen. BBPCAP heeft een positief teken. ANALF ontbreekt, wat betekent dat de hypothese dat een verhoogde alfabetiseringsgraad de korte en lange route van de dienstverlening ondersteunt, empirisch niet meteen kan worden bevestigd. Het effect van ANALF op de globale efficiëntiemaatstaf verloopt vooral via gezondheid en onderwijs. Ook POPJONG speelt in deze dimensie, zoals verwacht, geen rol.
42
Voor de geschatte DEA-efficiëntiemaatstaf is het nu wel van belang dat dit land een waarde van 0 heeft voor
beide outputs. Dit maakt immers een oneindig grote radiale expansie mogelijk van de outputs. Niet verwonderlijk, heeft de efficiëntiemaatstaf nog altijd een bijzonder hoge waarde wanneer we de nulwaarde voor beide outputs vervangen door 0.00001.
88
Tabel 8: Regressieoutput voor het specifieke model voor de capaciteit om een goed beleid te voeren (1 output), vertrekkend van een algemeen model met ODACAP, zonder outliers en zonder CONTROLCORR Dependent Variable: LOG(INEFFICBELEID) Method: Least Squares Sample: 1 52 Included observations: 49 Excluded observations: 3 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C BBPCAP LAW ODACAP VOICE DLAM POLCON
0.889183 2.48E-05 -0.857172 0.000861 -0.538285 -0.161000 0.231398
0.110825 1.22E-05 0.144181 0.000241 0.174466 0.072299 0.116629
8.023283 2.030597 -5.945107 3.566216 -3.085328 -2.226865 1.984048
0.0000 0.0487 0.0000 0.0009 0.0036 0.0314 0.0538
R-squared 0.551833 Mean dependent var 0.294630 Adjusted R-squared 0.487809 S.D. dependent var 0.228458 S.E. of regression 0.163502 Akaike info criterion -0.652424 Sum squared resid 1.122776 Schwarz criterion -0.382164 Log likelihood 22.98440 F-statistic 8.619161 Durbin-Watson stat 2.307050 Prob(F-statistic) 0.000004 Noot: INEFFICBELEID is een efficiëntiemaatstaf geschat aan de hand van DEA. Het gaat om de technische outputefficiëntie bij variabele schaalopbrengsten. De input is de publieke uitgaven per capita, uitgedrukt in koopkrachtpariteiten. De output is een ongewogen gemiddelde van government effectiveness en regulatory quality, nadat beide variabelen eerst op een [0,1]-interval zijn geprojecteerd. Zie tabel A11 in de appendix voor definitie en bron van de gehanteerde variabelen. Voor een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo voor INEFFICBELEID, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAP.
Voor de efficiëntiemaatstaf met twee outputs zijn de variabelen voor ontwikkelingshulp telkens significant in het finale model. Het model met ODACAP, weergegeven in tabel 9, is het beste. Het foute teken van ETHNIC en het verschijnen van PRIVGEZ zijn puzzels. BBPCAP heeft opnieuw een positief teken. LAW, POLSTAB, POLCON en FHPOLRIGHTS hebben wel het verwachte teken, ontwikkelingshulp is geassocieerd met een lagere efficiëntie in deze dimensie. DLAM (met een negatief teken) is de laatste variabele die wegvalt tijdens de zoekprocedure, maar dit doet de aangepaste R² wel vrij sterk dalen. Daarom hebben we in tabel 9 de regressieoutput gerapporteerd voor het model dat DLAM bevat. De exogene componenten van ODACAP en ODACAPWDI blijven opnieuw niet significant tot in het finale model.
89
Tabel 9: Regressieoutput voor het specifieke model voor de capaciteit om een goed beleid te voeren (2 outputs), vertrekkend van een algemeen model met ODACAP, zonder outliers en zonder CONTROLCORR Dependent Variable: LOG(INEFFICBELEID2) Method: Least Squares Sample: 1 52 Included observations: 48 Excluded observations: 4 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable
Coefficient
Std. Error
t-Statistic
Prob.
C BBPCAP ETHNIC LAW ODACAP POLSTAB PRIVGEZ DLAM POLCON FHPOLRIGHTS
0.430768 0.000264 -0.211948 -0.645964 0.000903 -0.315662 -0.023758 -0.109642 0.395952 0.069630
0.208983 0.000121 0.103260 0.206993 0.000254 0.118986 0.012112 0.073883 0.153014 0.027316
2.061261 2.174649 -2.052560 -3.120705 3.547338 -2.652936 -1.961585 -1.483996 2.587691 2.549108
0.0462 0.0359 0.0470 0.0034 0.0011 0.0116 0.0572 0.1461 0.0136 0.0150
R-squared 0.600556 Mean dependent var 0.218421 Adjusted R-squared 0.505951 S.D. dependent var 0.214454 S.E. of regression 0.150737 Akaike info criterion -0.763514 Sum squared resid 0.863418 Schwarz criterion -0.373681 Log likelihood 28.32434 F-statistic 6.348035 Durbin-Watson stat 2.245833 Prob(F-statistic) 0.000019 Noot: INEFFICBELEID2 is een efficiëntiemaatstaf geschat aan de hand van DEA. Het gaat om de technische outputefficiëntie bij variabele schaalopbrengsten. De input is de publieke uitgaven per capita, uitgedrukt in koopkrachtpariteiten. De outputs zijn government effectiveness en regulatory quality, nadat beide variabelen eerst op een [0,1]-interval zijn geprojecteerd. Zie tabel A11 in de appendix voor definitie en bron van de gehanteerde variabelen. Voor een beschrijving van de verklarende variabelen, zie tabel A12 in de appendix. Outliers zijn de Democratische Republiek Kongo voor INEFFICBELEID2, Zuid-Afrika voor BBPCAP en PRIVGEZ, en Nicaragua voor ODACAP.
6.3.8. Overzicht van de belangrijkste resultaten Tabel 4 geeft onze geprefereerde specificatie weer voor de globale efficiëntiemaatstaf. Analfabetisme, een grote fractie jongeren in de populatie en politieke restricties zijn geassocieerd met meer inefficiëntie, politieke stabiliteit en krachtige maatschappelijke regels met minder inefficiëntie. Landen in Sub-Saharaans Afrika scoren slechter, terwijl LatijnsAmerikaanse landen significant betere resultaten laten optekenen. Ontwikkelingshulp en het BBP per capita spelen geen noemenswaardige rol voor de globale efficiëntiemaatstaf. Enkel voor ODACAPWDI vinden we een significant positief verband, maar de exogene component
90
van deze ontwikkelingshulp wijst niet op een causaal effect van ontwikkelingshulp. Pogingen om het complexe verband te vatten tussen etnische fractionalisatie en de overheidswerking brengen geen effect van etnische verdeeldheid op de overheidsefficiëntie aan het licht. Een opsplitsing naar de verschillende dimensies toont aan dat het effect van ANALF en POPJONG enkel verloopt via onderwijs en gezondheid. WAR is van belang voor de gezondheidsdimensie, URBAN voor de onderwijsdimensie, maar de impact van beide variabelen is niet sterk genoeg opdat ze van betekenis zijn voor de globale efficiëntiemaatstaf. In geen enkele dimensie is ontwikkelingshulp geassocieerd met betere prestaties. We vinden integendeel zelfs een positief teken voor ontwikkelingshulp in de onderwijs- en beleidsdimensie, maar dit weerspiegelt geen causale relatie. De goede prestatie van de Latijns-Amerikaanse landen situeert zich overwegend in de gezondheids- en beleidsdimensie. De Sub-Saharaanse landen doen het vooral slecht in de onderwijsdimensie. LAW en POLCON komen in elke dimensie terug, terwijl POLSTAB enkel in de beleidsdimensie te voorschijn komt. Tot slot vinden we in geen van de drie dimensies duidelijk merkbare negatieve effecten van BBPCAP, voor de beleidsdimensie is het teken zelf positief.
91
7. Besluit James Wolfensohn leidt het World Development Report 2004 van de Wereldbank in met hoopvolle woorden: “we enter the new millennium with great hopes. For the first time in human history, we have the possibility of eradicating global poverty in our lifetime” (World Bank, 2003, voorwoord, p. xv). Wolfensohn doelt op de ondertekening van de Millennium Declaration in oktober 2000 door 180 staatshoofden. De intentie is tegen 2015 enkele doelstellingen (de zogenaamde Millennium Development Goals) te bereiken, zoals het voorzien van universeel onderwijs, het reduceren van kindersterfte, en het halveren van extreme armoede en hongersnood ten opzichte van 1995. Voorlopig lopen de meeste van deze doelstellingen echter achter op schema (World Bank, 2003, p. 2). De Millennium Development Goals concentreren zich vooral op zaken waarin de overheid een cruciale rol vervult en kaderen dan ook in de omvangrijke aandacht voor goed beleid in de armste landen. Deze actie is een zoveelste poging om iets op gang te krijgen in ontwikkelingslanden, maar de resultaten op het terrein van de niet aflatende inspanningen om het lot van armen over de hele wereld te verbeteren, stellen vaak teleur. Goed bedoelde beleidshervormingen kunnen contraproductief werken, ontwikkelingshulp gaat gepaard met tal van problemen en regio’s zijn zodanig divers dat successen op één plaats nauwelijks gereproduceerd kunnen worden op andere locaties. Aandacht voor het overheidsbeleid als één van de bepalende determinanten van de economische ontwikkeling van een land brengt voor de overheden in ontwikkelingslanden een zware verantwoordelijkheid mee, die soms moeilijk om dragen is. Tegenover haast elk succesverhaal kan immers een tegenvallende ervaring geplaatst worden. Meestal wordt wel ingezien dat er iets misgaat, maar veel moeilijker is het te bepalen wat er precies fout loopt en hoe hieraan kan verholpen worden. Gezien het belang van het overheidsbudget als een instrument om de economische ontwikkeling van een land te ondersteunen, is het waardevol inefficiënties in deze context van naderbij te onderzoeken. Een hele reeks endogene groeimodellen zetten het fiscaal beleid van de overheid impliciet of expliciet centraal. De gezamenlijke voorspelling uit al deze modellen is dat productieve uitgaven de groei verhogen. Nochtans vinden vele auteurs initieel geen beduidende groei-effecten van publieke uitgaven voor onderwijs, gezondheid of fysieke infrastructuur. Een hypothese ter verklaring hiervan grijpt terug naar inefficiëntie in het 92
budgettair beleid. Doordat een groot deel van de productieve uitgaven gefinancierd worden met distortieve belastingen, die de groei negatief beïnvloeden, is het netto-effect van de productieve uitgaven niet noodzakelijk positief. Wanneer men corrigeert voor distortieve belastingen, hebben productieve uitgavencategorieën wel een gunstig effect op de lange termijn economische prestatie van een land. Zeker voor ontwikkelingslanden is het plausibel te veronderstellen dat inefficiënties langs uitgavenzijde, en niet langs inkomstenzijde, het zwaarst doorwegen. Het overheidsbudget in arme landen bestaat voor een groot deel uit ontwikkelingshulp, import- en exportbelastingen en belastingen op binnenlandse goederen en diensten. Meer distortieve belastingscategorieën, zoals inkomensbelastingen en sociale zekerheidsbijdragen, spelen een veel minder prominente rol. De omvang en frequentie waarmee inefficiënties langs uitgavenzijde voorkomen, zijn een tweede reden om te veronderstellen dat ze de inefficiënties langs inkomenstenzijde overtreffen in belang. Dit hebben we aangetoond aan de hand van de zwakke relatie tussen gezondheids- en onderwijsuitgaven en de uitkomsten in die sectoren. Dit fragiele verband is te wijten aan misallocaties over de inputs of over bevolkingsgroepen, verspilling en corruptie, een gebrek aan kwaliteit van de aangeboden diensten en verdringing van private uitgaven. De invloed van inefficiëntie in het fiscaal beleid werd daarenboven formeel geïllustreerd, aan de hand van een eenvoudige variant van het Barro-model (1990). De relatieve (in)efficiëntie van overheden kan geschat worden aan de hand van Data Envelopment Analysis. Het voornaamste voordeel van deze techniek is zijn flexibiliteit. DEA laat de data voor zichzelf spreken, en vereist niet dat er op voorhand een bepaalde functionele vorm wordt opgelegd voor de geschatte productiemogelijkhedencurve. Elke overheid wordt vergeleken met een gelijkaardige, efficiënte overheid, en op basis van die vergelijking wordt een efficiëntiemaatstaf toegekend. De aldus bekomen informatie is op maat gesneden van elke observatie, en wordt niet afgeleid uit statistische gemiddelden die voor deze observatie misschien wel irrelevant zijn. Het voornaamste nadeel van DEA is de grote gevoeligheid voor meetfouten. In het eerste deel van ons empirisch onderzoek schatten we de technische outputefficiëntie bij variabele schaalopbrengsten voor 52 lage-inkomenslanden en lager-middeninkomenslanden. De publieke uitgaven worden gelinkt aan gezondheids- en onderwijsoutputs en aan outputs die de capaciteit om een goed beleid te voeren, evalueren. Bij ons weten is dit de eerste maal 93
dat een dergelijke comprehensieve efficiëntiemaatstaf wordt geschat voor een sample van ontwikkelingslanden. Op een aantal vlakken zijn deze schattingen een verbetering ten opzichte van een beperkt aantal gelijkaardige studies, die minder outputs beschouwen of minder zorgvuldig zijn in de keuze van variabelen. Outputs voor fysieke infrastructuur en inkomensongelijkheid worden, omwille van databeperkingen, niet opgenomen. Het opvallendste resultaat is de bijzonder hoge inefficiëntie voor de Democratische Republiek Kongo. Ook de andere Sub-Saharaanse landen doen het eerder slecht. De enige uitzondering is Malawi, dat tezamen met China, Sri Lanka en Rusland de beste resultaten laat noteren. Het tweede deel van het empirisch onderzoek bestaat uit een general to specific aanpak van regressie-analyse, waarin we op zoek gaan naar de belangrijkste determinanten van de overheidsefficiëntie. We vinden dat de analfabetismegraad voor volwassenen en de fractie jongeren in de bevolking positief gerelateerd zijn aan de overheidsinefficiëntie. Een opsplitsing van de efficiëntiemaatstaf naar de verschillende dimensies leert dat beide variabelen hun invloed vooral laten gelden in de gezondheids- en onderwijsdimensies. Voor de beleidsdimensie zijn deze variabelen niet van belang, wat consistent is met de verwachtingen. Latijns-Amerikaanse landen hebben een lagere inefficiëntie, terwijl voor SubSaharaanse landen net het omgekeerde geldt. Latijns-Amerika doet het vooral goed in de gezondheids- en beleidsdimensies. De zwakke prestatie van de landen in de regio onder de Sahara blijkt dan weer vooral met de onderwijsdimensie te maken te hebben. Verder vinden we dat overheden in landen met degelijke en door de bevolking gerespecteerde maatschappelijke regels efficiënter zijn. Hetzelfde gaat op voor politiek stabiele overheden. Controlerend voor deze factoren, zijn beperkingen op de beleidskeuzes van politieke actoren geassocieerd met meer inefficiëntie. Het specifieke model dat deze variabelen bevat, verklaart meer dan 80% van de variatie in de globale efficiëntiemaatstaf. Alle overblijvende variabelen zijn significant op het 5%significantieniveau en geen enkele variabele heeft een onverwacht teken. Het inkomen per capita is niet relevant als verklarende factor voor de overheidsefficiëntie. Er zijn lichte indicaties dat ontwikkelingshulp samengaat met meer inefficiëntie (voor de globale efficiëntiemaatstaf maar zeker voor de onderwijs- en beleidsdimensie) maar dit resultaat wordt enkel gedreven door endogeniteit: de exogene component van de ontwikkelingshulp haalt de finale specificaties niet. Regressies waarin we de complexe impact van etnische
94
fractionalisatie aan het licht trachten te brengen, leveren ook voor deze variabele geen significant verband op met de overheidsefficiëntie. De irrelevantie van het inkomen per capita legt voor een stuk de verantwoordelijkheid bij de overheden. Deze kunnen zich immers niet verschuilen achter een laag inkomensniveau om hun inefficiëntie te verklaren. Anderzijds is het zo dat het inkomen per capita sterk gecorreleerd is met analfabetisme en het aandeel jongeren in de populatie, die op korte tot middellange termijn voor de overheid gegeven zijn. Het is vooral belangrijk dat overheden zich concentreren op het waarborgen van de politieke stabiliteit en op het creëren van een maatschappij met faire, voorspelbare regels die door iedereen gerespecteerd worden. In zo’n omgeving kunnen teveel checks and balances bovendien nefast zijn voor de overheidsefficiëntie. Waar aan deze twee voorwaarden voldaan is, kan het met andere woorden aangewezen zijn de overheid voldoende vrijheid te geven om het beleid te bepalen. De zinvolle resultaten van ons empirisch onderzoek onderstrepen de praktische relevantie van DEA. Dit heeft belangrijke implicaties, zowel voor overheden in ontwikkelingslanden als voor donoren. Overheden en donoren kunnen aan de hand van DEA projecten op een meer rigoureuze manier evalueren. Ook om te beslissen over de allocatie van ontwikkelingshulp kan het van belang zijn over informatie te beschikken die de efficiëntie weergeeft waarmee middelen aangewend worden. We zijn ervan overtuigd dat Data Envelopment Analysis op vele vlakken kan bijdragen tot een beter begrip en een reductie van inefficiënties, zowel in de publieke sector als in de ontwikkelingssamenwerking. De lange termijn implicaties hiervan voor de economische ontwikkeling van de armste landen kunnen aanzienlijk zijn.
95
8. Literatuurlijst Ablo E. en R. Reinikka, 1998, Do budgets really matter? Evidence from public spending on education and health in Uganda, World Bank Policy Research Working Paper No. 1926 Afonso A., L. Schuknecht en V. Tanzi, 2003, Public sector efficiency: an international comparison, European Central Bank, Working Paper No. 242 Aghion P. en P. Howitt, 1998, Endogenous growth theory, MIT Press, Cambridge, Massachusetts, Verenigde Staten, 694 p. Alesina A., R. Baqir en W. Easterly, 1999, Public goods and ethnic divisions, World Bank Policy Research Working Paper No. 2108 Alesina A., A. Devleeschauwer, W. Easterly, S. Kurlat en R. Wacziarg, 2002, Fractionalization, Harvard University, Weatherhead Center for International Affairs, Project on Religion, Political Economy, and Society, Working Paper No. 12 Armitage J. en R. Sabot, 1987, Efficiency and equity implications of subsidies to secondary education in Kenya, in D. Newbery en N. Stern (eds.), The theory of taxation for developing countries, Oxford University Press, New York, Verenigde Staten, p. 589-614 Avkiran N., 1999, An application reference for Data Envelopment Analysis in branch banking: helping the novice researcher, International Journal of Bank Marketing 17(5), p. 206-220 Azariadis C. en A. Drazen, 1990, Threshold externalities in economic development, Quarterly Journal of Economics 105 (2), p. 501-526 Barro R., 1990, Government spending in a simple model of endogenous growth, Journal of Political Economy 98 (5), p. 103-125
i
Barro R., 1991, Economic growth in a cross-section of countries, Quarterly Journal of Economics 106 (2), p. 407-443 Barro R., 1995, Inflation and economic growth, Bank of England Quarterly Bulletin, mei 1995, p. 166-176 Barro R., 1999, Human capital and growth in cross-country regressions, Swedish Economic Policy Review 6, p. 237-277 Barro R. en J. Lee, 2000, International data on educational attainment: updates and implications, Harvard University, Center for International Development, Working Paper No. 42, bijhorende data op Harvard University, 2004, Center for International Development, Research Datasets, URL: (18/03/2004) Barro R. en X. Sala-i-Martin, 1992, Public finance in models of economic growth, Review of Economic Studies 59, p. 645-661 Barro R. en X. Sala-i-Martin, 1995, Economic growth, McGraw-Hill, New York, Verenigde Staten, 539p. Bassanini A. en S. Scarpetta, 2001, Does human capital matter for growth in OECD countries? Evidence from Pooled Mean-Group estimates, Organization for Economic Cooperation and Development, Economics Department, Working Paper No. 282 Battese G., T. Coelli en D. Rao, 1998, An introduction to efficiency and productivity analysis, Kluwer Academic Publishers, Boston, Massachusetts, Verenigde Staten, 275p. Beck T., A. Demirgüç-Kunt, R. Levine en V. Maksimovic, 2001, Financial structure and economic development: firm, industry, and country evidence, in Demirgüç-Kunt A. en R. Levine (eds.), Financial structure and economic growth: a cross-country comparison of banks, markets and development, MIT Press, Cambridge, Massachusetts, Verenigde Staten, p. 189241
ii
Becker G., K. Murphy en R. Tamura, 1990, Human capital, fertility, and economic growth, Journal of Political Economy 98 (5), p. 12-36 Benhabib J. en M. Spiegel, 1994, The role of human capital in economic development: evidence from aggregate cross-country data, Journal of Monetary Economics 34, p. 143-173 Bidani B. en M. Ravallion, 1997, Decomposing social indicators using distributional data, Journal of Econometrics 77, p. 125-139 Bowlin W., 1998, Measuring performance: an introduction to Data Envelopment Analysis (DEA), Journal of Cost Analysis (herfst 1998), p. 3-26 Bräutigam D. en S. Knack, 2004, Foreign aid, institutions, and governance in Sub-Saharan Africa, Economic Development and Cultural Change 52 (2), p. 255-285 Burnside C. en D. Dollar, 2000, Aid, policies and growth, American Economic Review 90 (4), p. 847-868 Caselli F., G. Esquivel en F. Lefort, 1997, Reopening the convergence debate: a new look at cross-country growth empirics, Central Bank of Chile, Working Paper No. 3 Charemza W.W. en D.F. Deadman, 1992, New directions in econometric practice: general to specific modelling, cointegration and vector autoregression, Edward Elgar, Hants, Engeland, 370 p. Cherchye L. en W. Moesen, 1997, De macro-economische performantie van landen: meningen en metingen, Leuvense Economische Standpunten 1997/89 Collier P., 2001, Implications of ethnic diversity, Economic Policy 16 (32), p. 127-166 de la Fuente A. en R. Doménech, 2000, Human capital in growth regressions: how much difference does data quality make?, Organization for Economic Co-operation and Development, Economics Department, Working Paper No. 262
iii
De Smet S., 2002, Malmquist DEA: literatuurstudie en toepassing in de banksector, Scriptie voorgedragen tot het bekomen van de graad: licentiaat in de Toegepaste Economische Wetenschappen, academiejaar 2001-2002, Faculteit Economie en Bedrijfskunde, Universiteit Gent, 136p. De Tijd, 2004, Vroegere Zaïrese dictator Moboetoe een van meest corrupte politieke leiders, 27 maart 2004, p. 9 Devarajan S., V. Swaroop en H. Zou, 1996, The composition of public expenditure and economic growth, Journal of Monetary Economics 37, p. 313-344 Dollar D. en W. Easterly, 1999, The search for the key: aid, investment and policies in Africa, World Bank Policy Research Working Paper No. 2070 Dollar D. en J. Svensson, 2000, What explains the success and failure of structural adjustment programs?, The Economic Journal 110 (446), p. 894-917 Dürnecker G. en M. Zagler, 2003, Fiscal policy and economic growth, Journal of Economic Surveys 17 (3), p. 397-418 Easterly W., 2001, The elusive quest for growth: economists’ adventures and misadventures in the tropics, MIT Press, Cambridge, Massachusetts, Verenigde Staten, 342p. Easterly W., 2004, National policies and economic growth: a reappraisal, New York University, Development Research Institute, Working Paper No. 1 Easterly W. en S. Rebelo, 1993, Fiscal policy and economic growth: an empirical investigation, Journal of Monetary Economics 32, p. 417-458 Easterly W., R. Levine en D. Roodman, New data, new doubts: a comment on Burnside and Dollar’s “Aid, policies and growth” (2000), National Bureau of Economic Research, Working Paper 9846
iv
Economic
Measurement
and
Quality,
OnFront
demo
versie
2.01,
URL:
(01/02/2004) Enders W., 1995, Applied econometric time series, John Wiley & Sons, New York, Verenigde Staten, 433 p. Engelbrecht H., 2003, Human capital and economic growth: cross-section evidence for OECD countries, The Economic Record 79 (special issue), p. 40-51 Eriksson M., N. Gleditsch, M. Sollenberg, H. Strand en P. Wallensteen, 2002, Armed conflict 1946-2001: a new dataset, Journal of Peace Research 39 (5), p. 615-637, bijhorende data op World Bank, 2002, Research Programs and Projects, The Economics of Civil War, Crime and Violence,
URL:
(18/03/2004) Färe R. en S. Grosskopf, 2004, New directions: efficiency and productivity, Kluwer Academic Publishers, Boston, Massachusetts, Verenigde Staten, 174p. Filmer D., J. Hammer en L. Pritchett, 1997, Health policy in poor countries: weak links in the chain, World Bank Policy Research Working Paper No. 1874 Filmer D. en L. Pritchett, 1997, What education production functions really show: a positive theory of education expenditures, World Bank Policy Research Working Paper No. 1795 Filmer D. en L. Pritchett, 1999, The impact of public spending on health: does money matter?, Social Science & Medicine 49, p. 1309-1323; erratum, 2000, Social Science & Medicine 50, p. 1517-1518 Fischer S., 1993, The role of macroeconomic factors in growth, Journal of Monetary Economics 32, p. 485-512 Freedom House, 2004, Freedom in the World country ratings, 1972 through 2003, URL: (18/03/2004)
v
Gillis M., D. Perkins, S. Radelet, M. Roemer en D. Snodgrass, 2001, Economics of development, vijfde editie, W.W. Norton & Company, New York, Verenigde Staten, 761 p. Gujarati D., 2003, Basic econometrics, Internationale editie (vierde editie), McGraw-Hill, Boston, Massachusetts, Verenigde Staten, 1002 p. Gupta S., E. Tiongson en M. Verhoeven, 1999, Does higher government spending buy better results in education and health care?, International Monetary Fund, Working Paper WP/99/21 Gupta S. en M. Verhoeven, 2001, The efficiency of government expenditure: experiences from Africa, Journal of Policy Modeling 23, p. 433-467 Halme M., T. Joro en M. Koivu, 1998, Dealing with interval scale data in Data Envelopment Analysis, International Institute for Applied Systems Analysis, Interim Report IR-98-112 Henisz W., 2000, The institutional environment for economic growth, Economics and Politics 12 (1), p. 1-31, bijhorende data op World Bank, 2001, Indicators of governance and institutional
quality,
http://www1.worldbank.org/publicsector/indicators.htm>
(18/03/2004) Hoover K. en S. Perez, 2000, Truth and robustness in cross-country growth regressions, University of California Davis, Department of Economics, Working Paper Nr.01-1 International Monetary Fund, 1995, Unproductive public expenditure: a pragmatic approach to policy analysis, International Monetary Fund Pamphlet Series No. 48, Fiscal Affairs Department, Washington DC Islam N., 1995, Growth empirics: a panel data approach, Quarterly Journal of Economics 110 (4), p. 1127-1170 Kaufmann D., A. Kraay en M. Mastruzzi, 2003, Governance matters III: governance indicators for 1996-2002, World Bank Policy Research Paper No. 3106, bijhorende data op World Bank Institute, 2004, Governance & Anti-corruption, Publications and Research,
vi
Working
Papers
and
Articles,
URL:
(18/03/2004) Kneller R., M. Bleaney en N. Gemmell, 1999, Fiscal policy and growth: evidence from OECD countries, Journal of Public Economics 74, p. 171-190 Krueger A. en M. Lindahl, 2001, Education for growth: why and for whom?, Journal of Economic Literature 39, p. 1101-1136 Krugman P., 1990, Scale economies, product differentiation, and the pattern of trade, in P. Krugman, 1990, Rethinking international trade, MIT Press, Cambridge, Massachusetts, Verenigde Staten, p. 22-37 Krugman P. en A. Venables, 1995, Globalization and the inequality of nations, Quarterly Journal of Economics 110 (4), p. 857-880 Levine R., 1997, Financial development and economic growth: views and agenda, Journal of Economic Literature 35, p. 688-726 Levine R. en D. Renelt, 1992, A sensitivity analysis of cross-country growth regressions, American Economic Review 82 (2), p. 942-963 Love I., 2001, Financial development and financing constraints: international evidence from the structural investment model, World Bank Policy Research Working Paper No. 2694 Lucas R., 1988, On the mechanics of economic development, Journal of Monetary Economics 22 (1), p. 3-42 Lucas R., 2002, Lectures on economic growth, Harvard University Press, Cambridge, Massachusetts, Verenigde Staten, 204p. Mankiw N., D. Romer en D. Weil, 1992, A contribution to the empirics of economic growth, Quarterly Journal of Economics 107 (2), p. 407-438
vii
Matthijs H., F. Naert en J. Vuchelen, 2001, Handboek openbare financiën, tweede herwerkte druk, Intersentia, Antwerpen, België, 535 p. Mingat A. en J. Tan, 1998, The mechanics of progress in education: evidence from crosscountry data, World Bank Policy Research Working Paper No. 2015 Moesen W., 2000, Maatschappelijk kapitaal en economische performantie, Leuvense Economische Standpunten 2000/97 Musgrove P., 1996, Public and private roles in health: theory and financing patterns, Health, Nutrition and Population Discussion Paper, World Bank Human Development Department Nelson R. en E. Phelps, 1966, Investment in humans, technological diffusion, and economic growth, American Economic Review 61, p. 69-75 Newbery D., 1987, Taxation and development, in D. Newbery en N. Stern (eds.), The theory of taxation for developing countries, Oxford University Press, New York, Verenigde Staten, p. 165-204 Organization for Economic Co-operation and Development, Statistical Compendium, editie 01#2003 Post T., 1999, Finding the frontier: methodological advances in Data Envelopment Analysis, Tinbergen Institute Research Series No. 211, 179p. Rajan R. en L. Zingales, 1998, Financial dependence and growth, American Economic Review 88, p. 558-586 Rajkumar A. en V. Swaroop, 2002, Public spending and outcomes: does governance matter?, World Bank Policy Research Working Paper No. 2840 Reinikka R. en J. Svensson, 2001, Explaining leakage of public funds, World Bank Policy Research Working Paper No. 2709
viii
Rodrik D., 2003, Growth strategies, National Bureau of Economic Research, Working Paper 10050 Romer P., 1986, Increasing returns and long-run growth, Journal of Political Economy 94 (5), p. 1002-1036 Romer P., 1990, Endogenous technological change, Journal of Political Economy 98 (5), p. 71-102 Sala-i-Martin X., 1997a, I just ran two million regressions, American Economic Review 87 (2), p. 178-183 Sala-i-Martin X., 1997b, I just ran four million regressions, National Bureau of Economic Research, Working Paper 6252 Sengupta J., 2004, Estimating technical change by nonparametric methods, Applied Economics 36, p. 413-420 Solow R., 1956, A contribution to the theory of economic growth, Quarterly Journal of Economics 70 (1), p. 65-94 Storesletten K. en F. Zilibotti, 2000, Education, educational policy and growth, Swedish Economic Policy Review 7, p. 39-70 Tanzi V., 1987, Quantative characteristics of the tax systems of developing countries, in D. Newbery en N. Stern (eds.), 1987, The theory of taxation for developing countries, Oxford University Press, New York, Verenigde Staten, p. 205-241 Thanassoulis E., 2001, Introduction to the theory and application of Data Envelopment Analysis: a foundation text with integrated software, Kluwer Academic Publishers, Norwell, Massachusetts, Verenigde Staten, 281p. Topel R., 1999, Labor markets and economic growth, in O. Ashenfelter en D. Card (eds.), Handbook of labor economics, Elsevier, Amsterdam, Nederland, p. 2944-2984 ix
White
House,
2004,
The
Millennium
Challenge
Account,
URL:
(24/04/2004) World Bank, 2003, World development report 2004: making services work for poor people World Bank, 2004, Evaluating the Washington Consensus, 13 januari 2004, URL: (20/04/2004) World Development Indicators, 2003, World Bank Zilibotti F., 1999, A comment on Robert Barro: human capital and growth in cross-country regressions, Swedish Economic Policy Review 6, p. 279-287
x
Appendix
Tabel A10: Variabelen DEA studie, definitie en bron
Variabele
Definitie en bron
INPUT Publieke uitgaven
Overheidsuitgaven per capita, uitgedrukt in koopkrachtpariteiten. Product van de totale overheidsuitgaven als percentage van het BBP en
het
BBP
per
capita
uitgedrukt
in
koopkrachtpariteiten.
Overheidsuitgaven slaan enkel op de centrale overheid en bevatten geen overheidsleningen, terugbetalingen aan de overheid of verwerving van aandelen voor publieke doeleinden. Gemiddelde over de periode 1990-1994. Bron: eigen berekeningen, op basis van World Development Indicators, 2003. OUTPUTS Immunisaties
Percentage van kinderen jonger dan één jaar die een vaccinatie tegen
mazelen
mazelen hebben ontvangen. Gemiddelde over de periode 1995-1999. Bron: World Development Indicators, 2003
Kindersterfte
Aantal kinderen per duizend levendgeborenen die sterven voor de leeftijd van één jaar. Gemiddelde over de periode 1995-1999. Bron: World Development Indicators, 2003
Analfabetismegraad
Percentage van de bevolking tussen 15 en 24 jaar die niet in staat zijn
jongeren
een eenvoudige, korte verklaring over hun alledaagse leven te schrijven en te begrijpen. Gemiddelde over de periode 1995-1999. Bron: World Development Indicators, 2003
Bruto
De verhouding van de totale inschrijvingen, ongeacht de leeftijd van
inschrijvingsgraad
de ingeschrevene, ten opzichte van de totale populatie in de
secundair onderwijs
leeftijdsgroep
die
officieel
overeenkomt
met
het
betrokken
onderwijsniveau. Gemiddelde over de periode 1995-1999. Bron: World Development Indicators, 2003 Government
Een maatstaf voor de kwaliteit van de voorziening van publieke
xi
Variabele
effectiveness
Definitie en bron
diensten, de kwaliteit van de bureaucratie, de deskundigheid van publieke ambtenaren, de mate waarin deze ambtenaren onafhankelijk zijn van politieke druk en de geloofwaardigheid van het overheidsbeleid. Een hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003
Regulatory quality
Een maatstaf voor het voorkomen van marktonvriendelijke ingrepen (prijscontroles, inadequate banksupervisie,…) en de perceptie van last opgelegd door excessieve overheidsregulering (in o.a. buitenlandse handel en de ontwikkeling van bedrijven). Een hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003
xii
Tabel A11: Sample en resultaten DEA studie
Land
Efficiëntiemaatstaf
INEFFIC6
INEFFIC3
INEFFIC1
Algerije
1.05165 (32)
1.47942 (44)
1.67517 (38)
Bolivia
1 (7)
1.07184 (16)
1.38301 (25)
Bulgarije
1 (1)
1 (5)
1.04709 (5)
Burkina Faso
1.08382 (36)
1.2722 (34)
2.15138 (43)
Burundi
1.24022 (45)
1.92602 (50)
2.46341 (50)
China
1 (4)
1 (3)
1 (2)
Colombia
1 (17)
1.05007 (14)
1.11663 (10)
Dominicaanse Rep.
1.04968 (31)
1.24225 (31)
1.33212 (23)
Ecuador
1.13186 (40)
1.28661 (35)
1.30288 (20)
Egypte
1 (10)
1.24486 (32)
1.31627 (22)
Ethiopië
1.02648 (26)
1.13634 (23)
1.76697 (40)
Fiji
1.04013 (29)
1.14628 (25)
1.20064 (15)
1 (12)
1 (9)
1.11457 (9)
Gambia
1.05375 (34)
1.51111 (47)
1.71406 (39)
Ghana
1.13435 (41)
1.14243 (24)
1.45821 (28)
India
1.11897 (39)
1.13567 (22)
1.49921 (32)
Indonesië
1.00286 (22)
1.01508 (11)
1.22963 (17)
1 (14)
1.40591 (41)
1.45721 (27)
1.17772 (43)
1.19274 (27)
1.76922 (41)
1 (19)
1.00974 (10)
1.08253 (7)
1.43374 (49)
1.50125 (45)
1.88098 (43)
1 (20)
1.07263 (17)
1.16813 (13)
Kameroen
1.65933 (51)
1.89247 (49)
2.42812 (49)
Kenya
1.20669 (44)
1.40405 (40)
1.64677 (36)
Kongo, Dem. Rep.
3.0341 (52)
4.33178 (52)
20.87565 (52)
Kongo, Rep.
1.28441 (47)
1.42833 (43)
2.42446 (48)
Lesotho
1.05287 (33)
1.29904 (38)
1.66513 (37)
Madagaskar
1 (11)
1.21224 (29)
1.8509 (42)
Malawi
1 (16)
1 (4)
1 (4)
1.04711 (30)
1.22963 (30)
1.46122 (29)
Filippijnen
Iran Ivoorkust Jamaica Jemen Jordanië
Marokko
xiii
Land
Efficiëntiemaatstaf
INEFFIC6
INEFFIC3
INEFFIC1
Mongolië
1 (15)
1.10781 (20)
1.25608 (18)
Namibië
1.00828 (24)
1.03766 (12)
1.56018 (34)
Nepal
1.09672 (37)
1.18605 (26)
1.4707 (30)
Nicaragua
1.03497 (27)
1.33308 (39)
1.47457 (31)
Pakistan
1.41326 (48)
1.40827 (42)
2.02677 (44)
Papoea-Nieuw-Guinea
1.48376 (50)
1.6223 (48)
2.37494 (46)
Paraguay
1.00731 (23)
1.19828 (28)
1.28261 (19)
Peru
1 (13)
1.0503 (15)
1.12981 (11)
Roemenië
1 (18)
1.11433 (21)
1.19606 (14)
Rusland
1 (9)
1 (7)
1 (3)
Rwanda
1.25595 (46)
1.94409 (51)
2.39761 (47)
Sri Lanka
1 (5)
1 (6)
1 (1)
Swaziland
1.11495 (38)
1.25259 (33)
1.50762 (33)
Syrië
1.01294 (25)
1.28989 (36)
1.45212 (26)
1 (3)
1 (8)
1.06183 (6)
Tsjaad
1.05943 (35)
1.29885 (37)
2.65798 (51)
Tunesië
1 (8)
1.0426 (13)
1.22549 (16)
Turkije
1.03597 (28)
1.09656 (18)
1.36269 (24)
Vietnam
1.0009 (21)
1.09734 (19)
1.16726 (12)
1 (2)
1 (2)
1.09444 (8)
Zimbabwe
1.15304 (42)
1.50468 (46)
1.58979 (35)
Zuid-Afrika
1 (6)
1 (1)
1.31322 (21)
1.125
1.293
1.886
Minimum
1
1
1
1ste kwartiel
1
1.048
1.189
1.03
1.189
1.455
3 kwartiel
1.122
1.35
1.727
Maximum
3.034
4.322
20.876
Standaardafwijking
0.305
0.491
2.72
Thailand
Wit-Rusland
Beschrijvende statistieken
Gemiddelde
Mediaan e
xiv
Noot: INEFFIC6, INEFFIC3 en INEFFIC1 zijn maatstaven voor de overheidsefficiëntie, geschat aan de hand van DEA. Het gaat om de technische outputefficiëntie bij variabele schaalopbrengsten. Een hogere waarde komt overeen met meer inefficiëntie. De input is telkens de publieke uitgaven per capita van een land, uitgedrukt in koopkrachtpariteiten. Voor INEFFIC6 zijn 6 outputs apart opgenomen: de inverse van de kindersterfte, de immunisaties tegen mazelen, de inverse van de analfabetismegraad onder jongeren, de bruto inschrijvingsgraad in het secundair onderwijs, government effectiveness (geprojecteerd op een [0,1]-interval) en regulatory quality (geprojecteerd op een [0,1]-interval). Voor INEFFIC3 zijn deze outputs herleidt tot drie dimensies (gezondheid, onderwijs en de capaciteit om een goed beleid te voeren). Elke outputdimensie wordt berekend door het gemiddelde te nemen van de twee oorspronkelijke outputs uit elke dimensie, nadat deze eerst op een [0,1]interval geprojecteerd werden om ze op een gelijkaardige schaal te brengen. Voor INEFFIC1 zijn deze outputdimensies op hun beurt herleid tot 1 output, die het ongewogen gemiddelde is van de drie outputdimensies. Variabelen voor de DEA studie zijn beschreven in tabel A10 in appendix. Tussen haakjes is de plaats van elk land in de rangorde weergegeven. Deze rangorde wordt in de eerste plaats bepaald op basis van de efficiëntiescore. Voor de efficiënte landen geeft het aantal keren dat het betrokken land als referentiepunt wordt gebruikt bij het construeren van de hypothetische DMU waarmee inefficiënte landen worden vergeleken, de doorslag.
xv
Tabel A12: Variabelen regressie-analyse, definitie en bron
Variabele
Definitie en bron
Analfabetismegraad
Percentage van de bevolking ouder dan 15 jaar die niet in staat zijn
volwassen (ANALF)
een eenvoudige, korte verklaring over hun alledaagse leven te schrijven en te begrijpen. Gemiddelde over de periode 1990-1994. Bron: World Development Indicators, 2003
BBP per capita
BBP per capita uitgedrukt in koopkrachtpariteiten. Gemiddelde over
(BBPCAP)
de periode 1990-1994 Bron: World Development Indicators, 2003
Control of
Meet de perceptie van terugdringing van corruptie, gedefinieerd als
corruption
het uitoefenen van publieke macht voor private doeleinden. Een
(CONTROLCORR)
hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003
DLAM
Dummy voor de landen in Latijns-Amerika. Bron: World Development Indicators, 2003
DSAFR
Dummy voor de landen in Sub-Saharaans Afrika. Bron: World Development Indicators, 2003
Etnische
De kans dat twee willekeurig gekozen individuen in een land tot
fractionalisatie
verschillende etnische groepen behoren. Deze maatstaf wordt
(ETHNIC)
berekend als 1 min de Herfindahl index van de aandelen van de etnische groepen. Etnische groepen worden afgebakend op basis van linguïstische en raciale kenmerken. Voor de meeste landen heeft deze maatstaf betrekking op het begin van de jaren ’90. Bron: Alesina, Devleeschauwer, Easterly, Kurlat en Wacziarg, 2002
Politieke rechten
Rating voor politieke rechten, gebaseerd op een checklist van 3
(FHPOLRIGHTS)
subcategorieën die elk bestaan uit 10 vragen. Aan elke vraag wordt een waarde van 0 tot 4 toegekend. Het puntentotaal wordt herleid naar een schaal van 1 tot 7, waarbij een hogere score wijst op minder politieke vrijheid. De maatstaf evalueert onder andere het recht om te stemmen en zelf op te komen voor een politiek ambt, en het recht om vertegenwoordigers te kiezen die de publieke beslissingen kunnen beïnvloeden. Gemiddelde over de periode 1990-1994. Bron: Freedom House, 2004 xvi
Variabele
Definitie en bron
Burgerlijke vrijheid
Rating voor de burgerlijke vrijheid, gebaseerd op een checklist van 4
(FHCIVILLIB)
subcategorieën die elk bestaan uit 15 vragen. Aan elke vraag wordt een waarde van 0 tot 4 toegekend. Het puntentotaal wordt herleid naar een schaal van 1 tot 7, waarbij een hogere score wijst op minder burgerlijke vrijheid. De maatstaf evalueert onder andere de vrijheid om meningen, instituties en persoonlijke autonomie te ontwikkelen zonder staatstussenkomst. Gemiddelde over de periode 1990-1994. Bron: Freedom House, 2004
Rule of law (LAW)
Meet de mate waarin individuen vertrouwen hebben in de regels van de maatschappij en deze regels navolgen. Het gaat onder andere om waarnemingen van het voorkomen van misdaad, de effectiviteit en voorspelbaarheid van de rechterlijke macht en de afdwingbaarheid van contracten. Deze indicatoren zijn een barometer voor het succes waarmee een maatschappij een omgeving heeft gecreëerd waarin rechtvaardige en voorspelbare regels de basis vormen voor economische en sociale interacties, en voor de mate waarin eigendomsrechten beschermd worden. Een hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003
Netto
Netto ontvangen officiële ontwikkelingshulp per capita uitgedrukt in
ontwikkelingshulp
koopkrachtpariteiten.
per capita
ontwikkelingshulp in Amerikaanse dollars wordt vermenigvuldigd
(ODACAP)
met de bilaterale wisselkoers van elk land met de Verenigde Staten (lokale
munt
per
ontwikkelingshulp
De
totale
dollar). in
lokale
Deze munt
ontvangen
netto wordt
netto
ontvangen gedeeld
officiële
officiële door
de
koopkrachtpariteit (lokale munt per dollar), en daarna gedeeld door de bevolking om de netto officiële ontwikkelingshulp per capita uitgedrukt in koopkrachtpariteiten te bekomen. Gemiddelde over de periode 1990-1994. Voor Wit-Rusland wordt de wisselkoers voor 1995 gebruikt. Bron: eigen berekeningen, op basis van World Development Indicators,
2003
(bevolking,
koopkrachtpariteit
en
bilaterale
xvii
Variabele
Definitie en bron
wisselkoers met de Verenigde Staten) en OECD, Statistical Compendium, editie 01#2003, Development and Aid, Geographical Distribution of Financial Flows to Aid Recipients – Flows, Total official development assistance net Politieke restricties
Geeft aan in welke mate politieke agenten beperkt zijn in hun huidige
(POLCON)
en toekomstige beleidskeuzes. De maatstaf houdt rekening met het aantal actoren met onafhankelijke vetomacht en de mate waarin de meerderheidspartij in de uitvoerende tak van de overheid ook de macht heeft in de andere takken. De maatstaf ligt tussen 0 en 1, een hogere waarde duidt op meer beperkingen. Gemiddelde over de periode 1990-1994. Bron: Henisz, 2000
Political stability and Combineert verschillende indicatoren die de perceptie van de kans dat the absence of
de regerende overheid wordt gedestabiliseerd of ten val wordt
violence
gebracht op een niet-constitutionele en/of gewelddadige wijze
(POLSTAB)
(inclusief binnenlands geweld en terrorisme) meten. Een hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003
Aandeel jongeren
Percentage van de totale bevolking in de leeftijdsgroep 0 tot 14 jaar.
(POPJONG)
Bron: World Development Indicators, 2003
Private uitgaven
Private uitgaven per capita voor gezondheid, uitgedrukt in
gezondheid
koopkrachtpariteiten. Berekend als het product van het BBP per capita
(PRIVGEZ)
in koopkrachtpariteiten met de private uitgaven voor gezondheid als percentage van het BBP. Gemiddelde over de periode 1990-1999. Bron: eigen berekeningen, op basis van World Development Indicators, 2003
Urbanisatie
Percentage van de bevolking dat leeft in stedelijke gebieden.
(URBAN)
Gemiddelde over de periode 1990-1999. Bron: World Development Indicators, 2003.
Voice and
Geeft voornamelijk de politieke rechten en burgerlijke vrijheden weer.
accountability
Bevat onder andere indicatoren van de onafhankelijkheid van de
(VOICE)
media en de mate waarin de bevolking kan participeren in de keuze en
xviii
Variabele
Definitie en bron
controle van de overheid. Een hogere waarde wijst op een betere prestatie. Waarneming voor 1996. Bron: Kaufmann, Kraay en Mastruzzi, 2003 WAR
Dummy die de waarde 1 aanneemt voor landen die betrokken waren in een gewapend conflict dat ofwel doorliep tot na 1989 of begon voor 1995, met meer dan 1000 conflictgerelateerde sterfgevallen per jaar. Bron: Eriksson, Gleditsch, Sollenberg, Strand en Wallensteen, 2002 ALTERNATIEVE MAATSTAVEN VOOR ONTWIKKELINGSHULP
ODACAPWDI
Netto ontvangen officiële ontwikkelingshulp per capita uitgedrukt in koopkrachtpariteiten. Berekend als het product van hulp als percentage van het Bruto Nationaal Inkomen met het Bruto Nationaal Inkomen per capita uitgedrukt in koopkrachtpariteiten. Gemiddelde over de periode 1990-1994. Bron: eigen berekeningen, op basis van World Development Indicators, 2003
ODACAP$
Netto
ontvangen
officiële
ontwikkelingshulp
per
capita,
in
Amerikaanse dollars. Bron: World Development Indicators, 2003 (bevolking) en OECD, Statistical Compendium, editie 01#2003, Development and Aid, Geographical Distribution of Financial Flows to Aid Recipients – Flows, Total official development assistance net
xix
Tabel A13: Beschrijvende statistieken verklarende variabelen
Variabele
Statistieken
Observaties
Gemiddelde
Mediaan
Standaardafwijking
ANALF
52
31.74
26.68
22.236
BBPCAP
52
2815.15
2297
1953.67
CONTROLCORR
46
0.588
0.602
0.189
ETHNIC
51
0.516
0.54
0.239
FHPOLRIGHTS
52
4.463
4.6
1.571
FHCIVILLIB
52
4.456
4.3
1.159
LAW
52
0.639
0.642
0.168
ODACAP
52
136.12
95.11
145.38
POLCON
52
0.235
0.209
0.243
POLSTAB
52
0.668
0.678
0.176
POPJONG
52
38.74
40.73
7.417
PRIVGEZ
52
30.03
25.23
20.21
URBAN
51
41.11
43.17
19.84
VOICE
52
0.463
0.48
0.189
ALTERNATIEVE MAATSTAVEN VOOR ONTWIKKELINGSHULP ODACAPWDI
52
133.85
95.01
147.91
ODACAP$
52
41
35.09
35.14
Noot: voor een beschrijving van de variabelen, zie tabel A12 in appendix.
xx
