Bankovní institut vysoká škola Praha Katedra práva a veřejné správy
Komparace ekonomické úrovně vybraných členských států EU Diplomová práce
Autor:
Kateřina Chlebounová Finance, Evropská unie
Vedoucí práce:
Praha
Ing. Vladimír Karásek
červen, 2011
Prohlašuji, že jsem diplomovou práci zpracovala samostatně a v seznamu uvedla veškerou použitou literaturu. Svým podpisem ztvrzuji, že odevzdaná elektronická podoba práce je identická s její tištěnou verzí, a jsem seznámena se skutečností, že se práce bude archivovat v knihovně BIVŠ a dále bude zpřístupněna třetím osobám prostřednictvím interní databáze elektronických vysokoškolských prací.
V Praze dne 30. 6. 2011
Kateřina Chlebounová
2
Anotace: Diplomová práce s názvem: „Komparace ekonomické úrovně vybraných států Evropské unie“ se zabývá srovnáním hospodářské vyspělosti České republiky s Finskem a Řeckem. K tomuto srovnání, v první řadě využívá přímé komparace časových řad hlavních makroekonomických ukazatelů. Dále pak práce představuje metodiku hodnocení kvality podnikatelského a legislativního prostředí, které vychází z databáze World Bank a posléze pomocí regresní analýzy zkoumá vliv právě této kvality podnikatelského a legislativního prostředí na ekonomickou úroveň států. Tento vztah pomocí regresního modelu kvantifikuje a obdržené výsledky aplikuje na výše zmíněný výběr tří států Evropské unie. V poslední kapitole se práce věnuje predikci změny potenciálního HDP v závislosti na aktuálním vývoji kvality podnikatelského a legislativního prostředí.
Annotation: Diploma thesis called „Economics level comparison of chosen European Union member states“, deals with economics level comparison of Czech Republic with Finland and Greece. At first thesis uses direct comparison of main macroeconomic time series indicators. Next introduces methodology for business and legislative environment quality assessment, which is based on World Bank database and after that, employs regression analysis to examine effect of such business and legislative environment quality on economics level of states. This relation is at the end quantified with regression model and obtained results are applied on already mentioned three states selection from European Union. The last chapter is devoted to prediction of the changes of potential GDP, depending on the current development of quality business and legislative environment.
Klíčová slova: HDP, hrubý domácí produkt, podinkatelské a legislativní porstředí, makroekonomická analýza, komparace ekonomické úrovně států. Key words: GDP, gross domestic product, business and legislative environment, macroeconomics analysis, economics level comparison of states. 3
Poděkování: Na tomto místě bych ráda poděkovala panu Ing. Karáskovi za čas, který mé práci věnoval a za cenné připomínky, jimiž k vypracování této diplomové práce přispěl.
4
Obsah ÚVOD
6
1.
7
CHARAKTERISTIKA MAKROEKONOMICKÝCH UKAZATELŮ
1.1. HDP Způsoby výpočtu HDP
7 7
1.2.
Nezaměstnanost
9
1.3.
Platební bilance
10
2.
ANALÝZA MAKROEKONOMICKÝCH UKAZATELŮ
11
2.1. SROVNÁNÍ MAKROEKONOMICKÝCH UKAZATELŮ 2.1.1. Data 2.1.2. Ekonomická úroveň 2.1.3. Hospodářský růst 2.1.4. Faktory dlouhodobého hospodářského růstu 2.1.5. Podíl investic 2.1.6. Lidský kapitál a práce 2.1.7. Intenzita výzkumu a vývoje 2.1.8. Spotřeba státu 2.1.9. Výstup
13 13 13 15 17 17 18 21 23 25
2.2. Model vlivu legislativního a podnikatelského prostředí na HDP 2.2.1. Data 2.2.2. Metodologie 2.2.3. Model 1 2.2.4. Model 2 2.2.5. Model 3 2.2.6. Výsledky
27 27 44 46 50 55 60
3.
63
3.1.
PREDIKCE Modelová predikce
63
ZÁVĚR
65
SEZNAM POUŽITÉ LITERATURY
67
SOFTWARE
67
5
Úvod Cílem této diplomové práce je srovnání ekonomické úrovně vybraných státu EU včetně ČR a nalezení faktorů, které se na aktuálním hospodářském vývoji podílejí. K naplnění těchto vytyčených cílů práce využívá běžně užívané metody přímého srovnání základních makroekonomických ukazatelů, jakými jsou HDP, nezaměstnanost a podobně. Protože však prací s touto tématikou je mnoho a najdou se mezi nimi i velice kvalitní díla, nechci, aby tato práce pouze rozšířila tuto sbírku o jednu další obdobnou makro-analýzu. Srovnání hlavních makroekonomických ukazatelů v první polovině práce, spíše využívám jako popis ekonomického pozadí pro část následující a důležitější, kde se věnuji všeobecně méně známých ukazatelům s původem vzniku ve World Bank (přesněji divize Doingbusiness.org), hodnotících kvalitu podnikatelského a legislativního prostředí daných států. Zdaleka nejvíce prostoru a úsilí je věnováno zkoumání a modelaci vztahu mezi výše zmíněnými ukazateli kvality podnikatelského a legislativního prostředí a nejdůležitějším zástupcem ekonomické úrovně, tedy HDP per capita. Hlavním přínosem této práce tedy je v první řadě potvrdit anebo naopak vyvrátit hypotézu vlivu podnikatelského a legislativního prostředí států na jejich ekonomickou úroveň. V řadě druhé pak identifikovat hlavní faktory tohoto vlivu, a nakonec ve třetí řadě tyto faktory pomocí regresního modelu kvantifikovat. Jako kontrastní subjekty k ČR jsem si vybrala Finsko a Řecko. Prvně jmenovaný stát zastupuje příklad pozitivní a navíc pro ČR skýtá i zajímavé historické paralely. Řecko naopak poskytuje negativní příklad, což je ještě více umocněno jeho aktuálními problémy a rizikem státního bankrotu či možností vyloučení z eurozóny. První část této práce se věnuje popisu a charakteristice základních makroekonomických ukazatelů, se kterými práce v dalších částech hlouběji pracuje. V nejobsáhlejší, druhé části již probíhá základní makroekonomická analýza a zkoumání vlivu kvality podnikatelského a legislativního prostředí na ekonomickou úroveň za využití regresní analýzy. V části třetí, pak aplikuji výsledky předchozí části na predikci budoucího vývoje pro sledované státy. Na závěr shrnuji závěry této práce a snažím se odpovědět na otázky, které byly položeny jak v úvodu, tak v průběhu této diplomové práce.
6
1. Charakteristika makroekonomických ukazatelů Při posuzování výkonnosti ekonomiky země z pohledu makroekonomického jsou rozhodující čtyři veličiny - hrubý domácí či národní produkt, inflace, zaměstnanost a platební bilance. V této kapitole představím jen vybrané základní makroekonomické ukazatele, kterými se pro účely srovnání úrovně národních hospodářství ve své práci zabývám. Těmito vybranými veličinami jsou HDP, nezaměstnanost a platební bilance.
1.1.
HDP
Nejpoužívanějším měřítkem hospodářské úspěšnosti země je její schopnost vytvářet vysokou úroveň výroby ekonomických statků a služeb. Mírou celkového množství produkce vytvořené na území jednoho státu je hrubý domácí produkt. HDP je hodnota všech finálních statků a služeb vyrobených a poskytnutých v domácí ekonomice za určité období (zpravidla za jeden rok).1 HDP je možné měřit dvěma způsoby. Buď výpočtem v běžných neboli tržních cenách, a pak se nazývá nominální domácí produkt, který odráží změnu produkce i cen. Zatímco reálný domácí produkt můžeme měřit souborem stálých cen (například v cenách určitého výchozího-minulého období). Reálný domácí produkt je vyjádřením pouze změny množství produkce a proto se pro měření hospodářského růstu používá tento ukazatel (očištěný o inflaci).
Způsoby výpočtu HDP2 Pro měření domácího produktu existují tři základní přístupy: Výrobkový Důchodový Výdajový
1 2
Holman, R. Ekonomie Holman, R. Makroekonomie
7
Výrobková metoda vychází ze sumy hodnot výrobků a služeb vyprodukovaných v daném roce. Platí přitom, že se do domácího produktu započítává pouze produkce v daném roce a každý výrobek se započte jen jednou. Aby nedocházelo k dvojímu či vícenásobnému započítání produktů, započte se u každého výrobce pouze přidaná hodnota každého výrobku, neboli rozdíl mezi hodnotou jeho produkce a hodnotou jím používaných meziproduktů. Výrobkový způsob výpočtu HDP tak lze být vyjádřen jako součet přidaných hodnot z oblasti zemědělství, průmyslu, služeb a veřejné zprávy. ř ý
Důchodová metoda měření domácí produktu je založena na rovnosti mezi agregátními výdaji a agregátními příjmy. Tato rovnost je založena na logickém poznatku, že každý výdaj jednoho ekonomického subjektu na současnou či budoucí spotřebu je zároveň něčím důchodem. Agregátní důchody jsou tvořeny součtem příjmů firem a domácností, které označujeme jako celkový národní důchod. Jedná se o příjmy plynoucí z mezd, nájemného, úroků a zisků. Firma dále své zisky rozděluje na dividendy mezi podílníky, na odpisy a nerozdělený zisk. Ten používá k financování svých investic. Odpisy i nerozdělený zisk jsou přírůstkem majetku firmy a nahlíží se tak na ně jako na důchody (vlastníků firem). Při měření domácího produktu důchodovou variantou však musíme uvažovat i příjmy státního rozpočtu. Příjmy státu jsou daně, přímé i nepřímé. Nepřímé daně – daně ze spotřeby (spotřební daň a DPH) se zahrnují do výpočtu celkového domácího produktu samostatně. Přímé daně – daň z příjmů FO, PO včetně pojistného na sociální zabezpečení jsou součástí hrubých mezd (národního důchodu). ů ů
Výdajová metoda vychází z principu, že peněžní výdaje ekonomických subjektů na finální produkty jsou rovny hodnotě tohoto zboží. V úvahu se opět neberou meziprodukty a započítávají se pouze výdaje na zboží a služby v daném roce. ý ů 8
Agregátní výdaje jsou tvořeny výdaji soukromých subjektů na spotřebu zboží C domácí i zahraniční produkce, výdaji na investiční zboží I místní i z dovozu těchto subjektů, plus veřejnými výdaji G na domácí i zahraniční výrobky a služby a čistým vývozem zboží a služeb X (neboli rozdílem mezi vývozem a dovozem zboží a služeb). ý ů
1.2.
Nezaměstnanost
Nezaměstnanost je jedním z ústředních ekonomických a sociálních problémů každého moderního státu s tržním hospodářstvím. V ekonomickém pojetí je míra nezaměstnanosti další významnou makroekonomickou veličinou, která je charakterizována jako podíl nezaměstnaných na celkovém počtu lidí ochotných pracovat.3
Jeho vysoká míra je projevem plýtvání zdrojů a nevyužití potenciálu práceschopných obyvatel na pracovním trhu. Určitá míra nezaměstnanost (převis agregátní poptávky po práci nad agregátní nabídkou práce) je ovšem na trhu práce velice důležitá. Mluvíme o přirozené míře nezaměstnanosti jako o dlouhodobě nejvýše udržitelné úrovni zaměstnanosti, která zajišťuje zdravé prostředí na trhu práce a při které je pracovní trh v rovnováze. Přirozená míra nezaměstnanosti je složena z nezaměstnanosti frikční, dobrovolné a strukturální. Frikční nezaměstnanost vzniká z dobrovolných změn zaměstnání lidí a v důsledku existence neúplnosti informací o všech pracovních příležitostech či potenciálních zaměstnancích na trhu práce. Dobrovolná nezaměstnanost je vázána k lidem, kteří ve skutečnosti pracovat nechtějí a systém sociálních dávek a podpor v nezaměstnanosti zneužívají. Strukturální nezaměstnanost je vyvolána přeléváním pracovních příležitostí na trhu práce z důvodu expanze jednoho odvětví na úkor jiného - upadajícího odvětví. V podstatě odráží
3
Holman, R. Makroekonomie
9
pružnost přizpůsobení se poptávky po práci změně nabídky práce (spojeno s rekvalifikací, stěhováním). Souhrnně platí, že podstatný vliv na míru přirozené nezaměstnanosti mají dva faktory: neúplnost informací na trhu práce (typické pro nedokonalé trhy) a výše a doba státních podpor v nezaměstnanosti.
1.3.
Platební bilance4
Platební bilance je agregátní veličinou, jež zachycuje vnější rovnováhu ekonomiky státu. V obecné rovině se jedná o soustavu účtů vyjadřujících finanční toky mezi národními ekonomikami za určité období - zpravidla za jeden rok. Těmito účty jsou: běžný účet, finanční účet a změna měnových rezerv. Běžný účet zachycuje obchodní bilanci (vývozy/dovozy zboží), bilanci služeb, bilanci výnosů a jednostranné převody (například dary). Je-li saldo obchodní bilance či bilance služeb záporné (pasivní), převažuje import zboží ze zahraničí nad exportem do zahraničí. Kladné saldo obchodní bilance a bilance služeb pak odráží vyšší vývoz nad dovozem zboží. Má-li rozdíl mezi výnosy ze zahraničí a výnosy do zahraničí kladné znaménko, pak je i saldo bilance výnosů kladné (aktivní). Finanční účet zaznamenává na jedné straně investice do domácích aktiv ze zahraniční (dovozy kapitálu) a na straně opačné investice do zahraničních aktiv domácími subjekty (vývozy kapitálu). Měnové rezervy jsou v krátkém období nástrojem vyrovnání platební bilance. Jejich snížením (prodejem deviz) nebo zvýšením (nákupem deviz) se schodky či přebytky číselně vyrovnají. V dlouhém období jsou ovšem devizové rezervy vyrovnané. Podíváme-li se na platební bilanci z účetního hlediska je podle zásad podvojného účetnictví vždy vyrovnaná. Účetně vyrovnaná platební bilance ale není totéž co vnější rovnováha ekonomiky. Vnější rovnováha platební bilance existuje v případě, vykazují-li konečné stavy účtů rovnost opačných sald (či minimální schodky nebo přebytky na účtech).
4
Holman, R. Makroekonomie
10
2. Analýza makroekonomických ukazatelů
Obrázek 1: HDP per capita v PPS. Zdroj: Eurostat 2011
V této části č práce budu porovnávat a analyzovat základní makroekonomické ukazatele, které mají logickou souvislost s ekonomickou ekonomickou úrovní zkoumaných států. Jak jsem již dříve zmínila, srovnávat rovnávat budu následující státy: Českou republiku, Řecko a Finsko. Ačkoliv by se na první pohled mohlo zdát, žžee se jedná o poměrně komplikovaný a nekonzistentní výběr, s malým množstvím vztyčných ploch, tak právě tento konkrétní výběr slouží naprosto konkrétnímu a lehce definovatelnému účelu. Česká republika je přirozeně hlavním objektem mého zájmu, ostatní státy pak slouží jako kontrastní subjekty vhodné pro srovnání. srovnání. Řecko se do mého výběru dostává jako zástupce „druhého výběru“ v rámci rozvoje ekonomické úrovně členů EU, což je společný rys s ČR. Dále 11
pak slouží jako negativní příklad, bereme-li v úvahu ekonomické dopady recese posledních dvou až tří let, kdy celkový propad ekonomické úrovně byl právě v případě Řecka velmi výrazný. Finsko, naproti tomu můžeme vnímat jako příklad vhodný k následování, protože historicky existují podobné paralely, kdy Finsko řešilo obdobné výzvy. Není náhodou, že právě Finsko je jedním z často zmiňovaných států i v případě doporučující závěrečné zprávy Národní ekonomické rady vlády (NERV) z roku 2009. Finsko je pro srovnávání s ČR obzvláště zajímavý stát i díky již zmiňovaným historickým paralelám, ze kterých mnohdy oba státy vycházely pomocí zcela odlišných „řešení“. Finsko například vyšlo z druhé Světové války na straně poražených a s určitou schizofrenickou příchutí. To vše z důvodu, že Finsko bylo již v první části druhé Světové války napadeno Sovětským svazem. Finsku se ze strany západního světa nedostalo příliš velké podpory (přirovnání s Mnichovem 1938 je celkem nasnadě), a když Finsko cítí nedostatek sil k úspěšné obraně, uchyluje se k účelovému spojení s nacistickým Německem. A přestože na konci války již Finsko bojuje i s Němci, které se snaží dostat mimo své území, je právě kvůli předchozímu spojení považováno za poražený stát a musí platit reparace. Z celé této situace vychází demokratické Finsko, což je právě na přímého souseda Sovětského svazu poměrně neobvyklé, ale na druhou stranu vzhledem k invazivní, nikoliv osvoboditelské roli východního souseda pochopitelné, ale na druhé straně ani nezůstává pouze orientované na západ, který svým pasivním přístupem v boji proti Sovětskému svazu také nebyl příliš přínosný a nehledě na to, musí Finsko platit západním sousedům reparace. Finsko možná i proto, zůstává částečně otevřené i východním trhům, obzvláště v oblasti těžkého a těžebního průmyslu. Z čehož plyne v porovnání s Československem (potažmo ČR) další zajímavá paralela, kdy v druhé polovině 80. let musí oba státy řešit rozpad velkého trhu pro svůj odbyt a oba mají oproti západním trhům určité technologické rezervy. Samozřejmě, ČR se mimo to ještě musí začátkem devadesátých let vyrovnat s transformačními procesy.
12
2.1.
SROVNÁNÍ MAKROEKONOMICKÝCH UKAZATELŮ
2.1.1. Data Všechna data užitá v této části pro potřeby srovnání předmětných států u vybraných makroekonomických ukazatelů pochází z databáze Eurostatu a World Bank. Drtivá většina časových řad je datována od roku 1995 až do roku 2009. Tento časový rozsah slouží především dvěma účelům. Jednak rok 1995 považuji za určité, alespoň částečné vyprchání nejpodstatnějších změn vyplývajících z transformace od centrálně plánované ekonomiky do kapitalistického prostředí volné soutěže. Za druhé je od tohoto roku nejširší možné pokrytí vybraných ukazatelů pro dané státy.
2.1.2. Ekonomická úroveň V první řadě tedy porovnejme předmětné státy v nejdůležitějším ukazateli pro vyjádření ekonomické úrovně států a tím i nejdůležitějšího ukazatele pro celou tuto práci, HDP per capita. 60000
HDP p.c. v USD
50000 40000 Česká republika 30000
Řecko Finsko
20000
Eurozóna
10000 0
Graf 1: HDP per capita v USD. Zdroj: World Bank 2011
Z grafu 1 je zcela zřetelné, že v rámci sledovaných států měla ČR v polovině devadesátých let minulého století nejhorší startovací pozici. Řecko bylo svou úrovní zhruba na polovině průměru 13
EU-15 a Finsko tento průměr dokonce lehce překračovalo. Až do roku 2001 není pro žádný stát ani referenční skupinu jasně patrný trend změny tohoto ukazatele. Ovšem od roku 2002 až do roku 2008, kdy se začaly projevovat určité dopady začínající recese, všechny státy včetně průměru EU-15 zaznamenaly podstatný růstový trend. Při detailnějším pohledu na růst můžeme zjistit, že růst je v absolutních hodnotách pro sledované státy velmi podobný, tudíž poměrově se jedná o podstatný růst s nižším základem. V roce 2009 už všechny státy i EU-15 zaznamenávají jednoznačný pokles. Obecný závěr pro sledované období a státy je, že dlouhodobě tento ukazatel vykazuje růstový trend s krátkodobými a střednědobými růstovými i poklesovými fluktuacemi. Abychom se mohli lépe zaměřit na srovnání ekonomické úrovně mezi předmětnými státy jako takové, je třeba extrahovat nerovnoměrnost kupní síly jednotlivých měn, potažmo cenových hladin sledovaných států. Toho dosáhneme pomocí srovnání za užití standardu parity kupní síly, který eliminuje rozlišnost cenových hladin mezi srovnávanými státy. Toto srovnání můžeme pozorovat na grafu 2. V porovnání s grafem předchozím, je možné tvrdit, že základní závěry jsou sice totožné, ale objevujeme několik velmi zajímavých rozdílů. Třeba v letech 1995 a 1996, je v PPS Finsko pod úrovní EU-15, ovšem během dvou let (1997 a 1998) tento rozdíl urychleně stahuje. V ty samé roky, tedy 1997 a 1998, ČR naopak zaznamenává určitý propad a to i přes skutečnost, že v nominálních hodnotách se tento pokles neprojevil. Řecko si tento nominálním hodnotám „skrytý“ pokles vybírá v roce 2005. Další výraznější odlišnost můžeme objevit na hodnotách pro rok 2009, kdy pokles v rámci PPS zaznamenává pouze Finsko a referenční hodnota EU-15 (tento poměrně pozitivní nález pro Řecko v roce 2010 již zcela jistě platit nebude). Jako poslední podstatný rozdíl sledujeme celkové snížení rozdílů mezi sledovanými státy. V případě srovnání nominálních veličin, byla v roce 2009 ČR přibližně na polovině, Řecko na 3/4 hodnot EU-15 a Finska. V případě srovnání HDP per capita v PPS je ČR na 3/4 a Řecko na 7/8 hodnot EU-15 a Finska v roce 2009. Tato skutečnost je způsobena především nižší cenovou hladinou v méně rozvinutých státech. Tento jev je vysvětlen především v rámci Balassa-Samuelson efektu, kterému se v rámci této práce nebudu blíže věnovat. Co je ovšem důležité pro tuto práci, je fakt, že z B-S efektu mimo jiné vyplývá, že s rostoucí ekonomickou úrovní úměrně roste i cenová hladina, což ve svém důsledku zpomaluje reálnou konvergenci mezi konvergujícími státy. Proto je tempo reálného růstu nižší než nominálního.
14
HDP p.c. v PPS (EU 27 = 100)
120 110 100 EU 15 90
Česká republika Řecko
80
Finsko 70 60
Graf 2: HDP p. c. v PPS, (EU-27 = 100). Zdroj: Eurostat 2011
2.1.3. Hospodářský růst Skrze dosavadní statickou komparaci se dostáváme k porovnání dynamiky reálného růstu HDP, jež můžeme pozorovat na grafu 3. 8 6 4 2
Česká republika
-4 -6 -8 -10 Graf 3: Reálný růst HDP v %. Zdroj: Eurostat 2011
15
2012e
2011e
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
-2
Řecko 1996
%
0
Finsko EU 15
Z hodnot zcela jasně potvrzujeme závěry, o nichž byla řeč v porovnání HDP per capita v PPS. Tedy v letech 1997 a 1998 mírný propad hodnot u ČR, naopak nejvýraznější nárůst pro Finsko. Roky 2001 až 2003 naopak pozitivně nad ostatními sledovanými státy vyčnívá Řecko, které ve vedoucí pozici růstu vystřídá v letech 2005 až 2007 ČR, s rekordními hodnotami pro sledované období přesahujícími 6 procentních bodů. V roce 2008 je již patrný určitý útlum pro všechny státy a v roce 2009 již všechny státy v záporných hodnotách, včetně referenční hodnoty EU-15. Rok 2010 zpátky v kladných číslech, s výjimkou již zmiňovaného Řecka. Tento graf navíc obsahuje odhady pro roky 2011 a 2012, které Řecku také příliš nefandí. Pojďme se ovšem na představené hodnoty podívat blíže a ve větším detailu. Období 1996 až 2010 jsem rozdělila do tří 5ti letých intervalů a spočítala průměrnou hodnotu reálného růstu HDP za daný interval, dále průměr všech let a také směrodatnou odchylku hodnot pro všechna období. 1996-2000
2001-2005
2006-2010
Průměr
Sm. odchylka
EU 15
2.88
1.68
0.72
1.76
1.91
Česká republika
1.48
3.76
2.74
2.66
2.94
Řecko
3.46
4.04
0.86
2.79
2.70
Finsko
4.8
2.62
1.06
2.83
3.40
Tabulka 1: Průměrné reálné růsty HDP. Zdroj: Eurostat 2011 a vlastní výpočty. Růstové ukazatele v %
Hodnoty z tabulky 1 potvrzují předchozí závěry o dominanci Finska v první pětiletce (především díky letům 1997 a 1998), naopak poslední místo ČR v tomto období. V druhém období dosáhlo nejvyšší hodnoty Řecko a v posledním období zase ČR, kdy už se ovšem v souhrnných hodnotách nepříznivě projevil rok 2010. Co je ovšem jinak velmi zajímavé a doposud z žádného grafu nebylo zcela jednoznačně patrné, je skutečnost průměrného reálného přírůstku za celých 15 let. Všechny státy dosáhly zhruba o jeden procentní bod vyšší hodnoty než referenční hodnota EU-15, ale tak trochu proti předpokladům reálné konvergence a tzv. "catching up“ procesu, dosáhl nejvyšší hodnoty nejrozvinutější stát, tedy Finsko. Druhé místo obsadilo prostředně rozvinutý stát, Řecko. A poslední pozici obsadila z vybraných států nejméně vyspělá ČR. Co je na druhou stranu potěšující je skutečnost, že rozdíl mezi prvním a posledním je 0.17 %, což ve skutečnosti není nikterak dramatické a navíc podle hodnoty směrodatné odchylky jsou změny v hodnotách reálného růstu pro ČR po Řecku na druhém místě z pohledu stability. Toto je ovšem také zajímavý výsledek především z pohledu Finska, u kterého jako nejvyspělejšího státu by se dalo předpokládat, že bude dosahovat nejvíce stabilních hodnot hospodářského růstu a opak je přitom skutečností. 16
2.1.4. Faktory dlouhodobého hospodářského růstu Až do tohoto bodu jsme se v rámci makro analýzy zabývali pouze statickou a dynamickou komparací hlavního ukazatele ekonomické či chcete-li hospodářské úrovně státu. Nyní se ovšem pojďme více soustředit na komparaci ukazatelů, které přímo tento hlavní ukazatel ovlivňují. Budu-li vycházet ze Solow modelu růstu, hlavními determinanty růstu výstupu, tedy HDP, jsou změny kapitálu, práce a technologického pokroku. Pro potřeby srovnání státu z pohledu vývoje faktorů ovlivňujících dlouhodobý hospodářsky růst, budu vycházet z jednodušeji uchopitelného rozdělení5, které ovšem sleduje stejnou logiku.
podíl investic
lidský kapitál a práce
intenzita výzkumu a vývoje
spotřeba státu
2.1.5. Podíl investic Tento ukazatel je vyjádřen podílem investic na HDP. Jedná se v podstatě o akumulaci kapitálu umožňující investiční činnost a tím podporu růstu hospodářské úrovně. Ovšem samotná výše podílu investic nestačí. Musí být mimo jiné podpořena jejich efektivním využitím a alokací. V tomto ohledu hraje velmi důležitou roli legislativní a podnikatelské prostředí daných států, ale tomuto tématu se budu velmi podrobně věnovat později v této práci. 30 25 % HDP
20 Česká republika
15
Řecko
10
Finsko
5
EU 15
0
Graf 4: Podíl investic v % HDP. Zdroj: Eurostat 2011 5
Bassanini et al. 2001
17
Při samotném srovnání podílu investic v grafu 4 jsou pro ČR hodnoty velmi optimistické. Ve všech sledovaných obdobích vykazuje nejvyšší podíl, z počátečních více jak 25 % až na 17.2 % v roce 2009. Ovšem právě ke konci sledovaného období se hodnoty pro všechny státy velmi výrazně vyrovnávají.
2.1.6. Lidský kapitál a práce Do této kategorie spadá investice do vzdělání, jež je spolu s technologickým pokrokem stěžejním motorem zvyšování produktivity práce. S dostatečnou nabídkou kvalifikované pracovní síly a technologickou vyspělostí je možné efektivněji využívat výrobní faktory a ekonomiku zaměřit na technologicky náročnější odvětví a činnosti, které mají vyšší přidanou hodnotu. Také do tohoto tématu je zcela jistě třeba zahrnout zaměstnanost (resp. nezaměstnanost), jakožto ukazatel efektivního využívání potenciálu pracovní síly v produktivním věku. 16 14 12 %
10
Česká republika
8
Řecko
6
Finsko
4
EU 15
2 0
Graf 5: Nezaměstnanost v % pracovní síly. Zdroj: Eurostat 2011
Nejprve srovnejme nezaměstnanost pracovní síly u sledovaných států. Z grafu 5 pozorujeme opět poměrně optimistické hodnoty pro ČR, která se všechny roky nachází pod ostatními sledovanými státy a většinu let i pod referenční hodnotou EU-15. Z pohledu Finska byly problémové roky 1996 a 1997, Řecko naopak dosahuje nejvyšší nezaměstnanosti na konci sledovaného období, a to v roce 2010.
18
HDP v PPS na zaměstnance (EU 27 = 100)
120 110 100 90
EU 15
80
Česká republika Řecko
70
Finsko
60 50
Graf 6: Produktivita práce na zaměstnance (EU-27 = 100). Zdroj: Eurostat 2011
Naopak srovnání produktivity práce se z pohledu ČR zdá být značně problematický ukazatel. I když v grafu 6 sledujeme pro ČR rostoucí tendenci, tak na celém sledovaném období vykazuje velký odstup od ostatních sledovaných států. Je možné, že se na tomto stavu lehce podepisuje i výstup z minulého grafu nezaměstnanosti, kde je možná přetrvávající lehká přezaměstnanost některých státem vlastněných podniků a institucí. V každém případě, v ohledu produktivity práce má ČR stále co dohánět oproti zbylým sledovaným státům. 8 7
% HDP
6 5 4
Česká republika
3
Řecko Finsko
2 1
Graf 7:Veřejné výdaje na vzdělání jako % HDP. Zdroj: Eurostat 2011
19
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
0
Při pohledu do grafu 7 zobrazující veřejné výdaje na vzdělání, je možné sledovat, že ČR i Řecko se pohybují hluboko pod investicí do vzdělání Finska. To vydává průměrně mezi 6 a 7 procenty HDP. ČR se zpravidla pohybuje těsně nad hranicí 4 % a Řecko oproti tomu pod touto hranicí. Jasný dlouhodobý trend bohužel v grafu sledovat nelze, hodnoty v podstatě oscilují kolem svých průměrů. Osobně tento ukazatel považuji za velmi podstatný, a proto udělám ještě následující srovnání mezi průměrnými investicemi do vzdělání v jednom desetiletí a průměrnou výší HDP per capita v PPS v desetiletí následujícím, pro výběr 25-ti evropských států. Vzhledem ke skutečnosti, že investice do vzdělání má delší časový odstup od samotného projevu této investice na HDP, snažím se tento časový nesoulad postihnout odstupem průměrných hodnot sledovaných ukazatelů o jedno desetiletí. Z grafu 8 můžeme pozorovat poměrně přesvědčivý pozitivní vztah mezi těmito dvěma proměnnými. Poprvé také pozorujeme výraznou pozitivní odchylku od lineární trendové přímky pro případ Řecka, což se i dále v práci bude potvrzovat. To je důležité především proto, že celý tento stav lze také interpretovat jako nerovnovážnou polohu, kdy Řecko produkuje vyšší HDP než by napovídala jeho investice do vzdělání, což předjímá případnou korekci poklesem HDP.
20
180
HDP p.c. v PPS 2001-2009 průměr
160 140 120
Finsko
100 Řecko 80
ČR
60 40 20 2
3
4
5
6
7
8
9
Veřejné výdaje do vzdělání % HDP 1991 1991-1999 1999 průměr
Graf 8: Závislost veřejných výdajů na vzdělání a HDP p. c. v PPS. Zdroj: Eurostat 2011 a vlastní výpočty. výpočty
2.1.7. Intenzita výzkumu a vývoje Jako nejdůležitější činitel ovlivňující současný růst celosvětového výstupu je označován právě technologický pokrok. V tomto bodě v podstatě přirozeně navazuji na předchozí téma investic do vzdělání, protože kvalifikovaná pracovní síla a vědecký potenciál akademického prostředí jde s technologickým pokrokem ruku v ruce. Jinak řečeno, je zapotřebí kvalifikovaných profesionálů, aby obsluhovali a formovali nejmodernější technologie a naopak je zapotřebí moderní technologie, aby aby pomohla vytvářet prostor a prostředky pro růst odborných pracovišť, kde bude možné objevovat nové vědecké profesionály, kteří tuto spirálu otočí zase o trochu dále. Nejprve se podíváme na hrubé domácí výdaje na výzkum a vývoj, zastupující právě téma inve investic daného státu do technologického pokroku. Dále pak porovnáme podíl vysoce technologického zboží na celkovém exportu, což naznačuje současný stav technologického rozvoje daného státu.
21
5
% HDP
4 3
Česká republika Řecko
2
Finsko EU 15
1 0
Graf 9: Hrubé domácí výdaje na R&D jako % HDP. Zdroj: Eurostat 2011 (některé hodnoty pro Řecko byly imputovány váženým průměrem okolních hodnot)
Z grafu 9 je na první pohled jasně viditelné, že Finsko této kategorii naprosto jednoznačně vévodí. Ve všech sledovaných obdobích se pohybuje nejen nad svými konkurenty, ale také nad referenční hodnotou EU-15, a to v roce 2009 skoro dvojnásobně. Česká republika během se sledovaného intervalu trochu nesměle přibližuje právě k průměru EU-15, v roce 2009 se pohybuje přibližně na 3/4 referenční hodnoty. Jasně nejslabší ohledně rozvoje technologií je Řecko. Nejen, že ve všech sledovaných obdobích obsadilo poslední příčku, ale za celý interval ani není patrný žádný růstový trend. Nyní se již podívejme na podíl vysoce technologického zboží na exportu, jež by mělo předchozí závěry reflektovat a naznačit současný stav rozvoje technologií v rámci jednotlivých států.
22
25
% Exportu
20 15
Česká republika Řecko
10
Finsko EU 27
5
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
0
Graf 10: Podíl High-tech zboží na celkovém státním exportu. Zdroj: Eurostat 2011
Graf 10 naznačuje podobné výsledky jako graf předcházející, s pouhými dvěma odlišnostmi. Jednak Finsko nyní referenční hodnotou nepřevyšuje tolik jako v případě výdajů na vědu (nutno ovšem přiznat že tentokrát je referenční hodnota EU-27, nikoliv EU-15, která nebyla dostupná) a jednak je to výraznější růstový trend v případě ČR. Tento podstatný nárůst tedy pravděpodobně spíše souvisí se zahraničními investicemi spojenými s výrobou vysoce technologického zboží. I tak se ovšem jedná o pozitivní informaci pro ČR.
2.1.8. Spotřeba státu V této části se především zaměřím na financování těchto státních nákupů, protože je to i fiskální stabilita, která výraznou měrou pozitivně stimuluje soukromé investice a tím podporuje hospodářský růst. Přitom právě růst státních deficitů a tím prohlubování celkového zadlužení je především v současné Evropě (v Řecku především) velmi aktuální téma.
23
140 120
% HDP
100 80
Česká republika
60
Řecko Finsko
40
EU 27
20 0
Graf 11: Hrubý konsolidovaný vládní dluh jako % HDP, zdroj: Eurostat 2011
Z grafu, jenž ukazuje celkové zadlužení jednotlivých států, jsou patrné tři velmi důležité závěry. První je takový, že Řecko jako nejzadluženější stát v našem výběru velmi dlouho balancovalo na hraně žiletky, až nakonec v roce 2009 i díky nepříznivému vývoji HDP přepadlo na stranu, kam jistě nechtělo. Problémem se v jeho situaci stává i samotná obsluha samotného dluhu a velmi se prodražuje případné dobývání finančních prostředků těmito nástroji (toto demonstruji v příloze grafem růstu ceny CDS na Řecké dluhopisy). Za druhé ČR reprezentuje ještě stále nejméně zadlužený stát našeho výběru a to i v porovnání oproti referenční hodnotě EU-27, ovšem rostoucí trend tohoto ukazatele je řekněme lehce alarmující. Od roku 2000 do roku 2009 se zadlužení ČR téměř zdvojnásobilo. A nakonec za třetí, Finsko v polovině devadesátých let začínalo s dluhem lehce pod 60 % HDP, což i odpovídá dlouhodobému průměru EU-27, ale v následujících 12-14ti letech se podařilo tuto hodnotu snížit na konečných zhruba 40 % HDP, což je na tak krátkém intervalu velmi povzbuzující výsledek. Pro potvrzení těchto závěrů se ještě podívejme na následující graf naznačující deficity veřejných rozpočtů jednotlivých států. Tento graf v podstatě potvrzuje a dokresluje předchozí závěry. Řecko od roku 2004 vytváří největší deficity ze skupiny sledovaných států a v roce 2009 dokonce překonává hodnotu ČR v roce 1995. Vysoké deficity z počátku první dekády nového tisíciletí byly pokrývány růstem HDP, o druhé polovině již bohužel podobný závěr udělat nelze. ČR se drží v záporných hodnotách po celé sledované období s deficity nad 5 % v letech 1995, 2001-2003 a 2009. Velmi pozitivní příklad ostatním státům
24
ovšem dává Finsko, které celých jedenáct let v řadě (1998-2008) drží přebytky státního rozpočtu a snižuje svůj státní dluh. Následně totiž není takový problém v období recese financovat některé státní nákupy na dluh a ulehčit tak hospodářství od výpadku soukromé poptávky. 10 5
% HDP
0
Česká republika Řecko
-5
Finsko EU 27
-10 -15 -20 Graf 12: Bilance státního rozpočtu v % HDP. Zdroj: Eurostat 2011
2.1.9. Výstup Na závěr makroekonomické analýzy bych ještě porovnala hlavní zástupce vybraných faktorů dlouhodobého růstu a samotný reálný růst HDP pro sledované období. Přestože neznáme váhy vlivu jednotlivých faktorů na celkový růst, je možné v jednotlivých letech (a obdobích) alespoň extrahovat hlavní faktor sledované změny HDP.
25
15 10
%
5
^ zamestnanost Realny rust HDP ^ investice
2009
2008
2007
2006
2005
2004
2003
2002
-5
2001
2000
0
^ produktivita na hodinu
-10 -15 Graf 13: Reálný růst HDP, změna investic, změna zaměstnanosti, a změna produktivity práce na hodinu všechny ukazatele pro ČR. Zdroj: Eurostat 2011
Pro ČR je hlavním faktorem reálného růstu HDP růst produktivity práce v letech 2001, 2003 a 2004. Růst investic je převládajícím růstovým faktorem v letech 2000, 2006 a 2007 (v tomto roce ovšem působí vzájemné symbióze všechny tři faktory) a naopak hlavním faktorem poklesu je v roce 2009. V tabulce 2 můžeme pozorovat všechny zprůměrované hodnoty pro všechny tři státy. %
ČR
^ investice 0.72
2000-2004
2005-2009
Reálný růst HDP
Reálný růst HDP
3.22 ^ produktivita na hodinu 2.99
^ zaměstnanost
^ investice
-0.02
-0.27
Reálný růst HDP Řecko
^ investice 5.26
Finsko
4.48 ^ produktivita na hodinu 1.92
3.59 ^ produktivita na hodinu 1.94
^ zaměstnanost 1.12
Reálný růst HDP
^ zaměstnanost
^ investice
1.30
-2.96
2.16 ^ produktivita na hodinu -0.03
Reálný růst HDP
Reálný růst HDP
3.1
1.06
^ zaměstnanost 1.06
^ investice
^ produktivita na hodinu
^ zaměstnanost
^ investice
^ produktivita na hodinu
^ zaměstnanost
2.77
0.55
0.96
1.86
-0.27
0.84
Tabulka 2: Celkový přehled reálného růstu HDP, změny investic, změny produktivity práce na hodinu, změny zaměstnanosti pro dané státy a období. Zdroj: Eurostat 2011 a vlastní výpočty.
26
2.2. Model vlivu legislativního a podnikatelského prostředí na HDP Až do této chvíle jsem se soustředila především na komparaci vybraných států ve výsledcích hlavních makroekonomických ukazatelů. V této části ovšem budu zkoumat vliv kvality podnikatelského a legislativního prostředí na ekonomickou úroveň daných států, což by mělo umožnit hlubší porozumění současné situace těchto států. K popsání tohoto vztahu využiji regresní analýzy aplikované na širší výběr nejrůznějších států, kdy vysvětlované proměnné odhadnu pomocí ukazatelů převzatých z datových zdrojů World Bank (divize Doingbusiness.org) a Transparency International. Vysvětlovaná proměnná zastupující ekonomickou úroveň států pak bude hrubý domácí produkt per capita v amerických dolarech, opět z datových zdrojů World Bank. Vysvětlující proměnné pro odpovídající komparabilitu převedu na procentuální stupnici. Vyšší a kvalitnější úroveň daného faktoru bude odpovídat vyššímu procentuálnímu hodnocení. Hypotéza pozitivního vlivu podnikatelského a legislativního prostředí na ekonomickou úroveň daných států bude potvrzena kladnou hodnotou koeficientů modelu, a samozřejmě splněním validity celého modelu. Validní model postavený na dostatečně signifikantních vysvětlujících proměnných umožní modelovou predikci vývoje HDP per capita námi sledovaných států. Musíme samozřejmě vzít v potaz, že model neobsahuje některé důležité exogenní makro ukazatele, které se jednak prokazatelně podílí na celkovém vývoji národního produktu, ale také na cyklu ve kterém se ekonomika nachází. Tudíž je třeba výsledky interpretovat spíše s důrazem na možný potenciál HDP při aktuálním vývoji ukazatelů modelem obsažených.
2.2.1. Data Jak jsem již v předchozí kapitole uváděla, hlavním datovým zdrojem pro modelaci vztahu podnikatelského a legislativního prostředí a ekonomické úrovně bude databáze World Bank. Z tohoto zdroje čerpám vysvětlovaný ukazatel HDP p. c. v USD, který v modelu slouží jako měřitel ekonomické úrovně testovaných subjektů. Dále ze specializovaného portálu Doingbusiness.org provozovaného také World Bank, čerpám naprostou většinu proměnných 27
vysvětlujících. Tyto ukazatele zastupují kvalitu daňového systému, obtížnost získání stavebních povolení, úroveň finančních služeb (získání úvěru), vymahatelnost smluvních vztahů a mnohé další. Blíže se těmto ukazatelům budu věnovat v následující podkapitole, kde je detailněji popíši a vysvětlím metodu jejich konverze na procentuální ukazatel. Tato konverze je důležitá především z důvodu, že primárně data Doingbusiness.org slouží k vytváření žebříčků mezi jednotlivými státy. Taková data jsou ovšem pro můj model zcela nevhodná, protože smazávají velikost rozdílů mezi jednotlivými státy. Například rozdíl mezi 3tím a 4tým státem v žebříčku je kvalitativně několikrát větší než rozdíl mezi 17tým a 18tým, ovšem vyjádření tohoto rozdílu v datovém souboru je pro oba poměřované rozdíly stejný, a to jedna pozice. Tato skutečnost pak může mít neblahý vliv na zkoumané vztahy a vyjádření míry těchto vztahů. Proto jsou podkladové informace, na základě kterých se zmiňované žebříčky tvoří, jednoduchým algoritmem převedeny na procentuální škálu, kdy 100% znamená maximální možnou kvalitu daného faktoru a naopak 0% kvalitu nejnižší. Posledním zdrojem dat je portál Transparency Interntional. Z tohoto zdroje je čerpána poslední vysvětlující proměnná, tedy Corruption Perception Index (dále CPI) jako zástupce ukazatele korupčního prostředí daného státu. Zkoumaný data set je tvořen ukazateli pro 150 států6 ze všech trvale obydlených kontinentů celého světa. Obsaženy jsou jak vyspělé státy OECD, tak i státy Subsaharské Afriky a dalších částí celého světa. Všechna data jsou platná pro rok 2009. Tento rok poskytuje současně možnost dostatečně obsáhlého datového výběru při zachování dostatečné aktuálnosti sledovaných parametrů.
2.2.1.1. Jednotlivé vysvětlující ukazatele V této části se budu výlučně věnovat vysvětlujícím ukazatelům legislativního a podnikatelského prostředí, jež jsou zaměstnány dále v modelech. Protože je metodologie jejich stavby a vzniku, v případě bližšího zájmu, velmi detailně popsána na internetových stránkách odkud jsem tato data čerpala, nebudu se v této části tolik věnovat jejich detailnímu popisu a kompletně vypustím předpoklady jednotlivých ukazatelů. Vždy krátce shrnu tvorbu jednotlivých složek, které užívám ke stavbě souhrnného procentního ukazatele jako vysvětlující proměnné. Dále popíši rovníkový
6
Seznam 150 státu v apendixu
28
mechanismus tvorby souhrnného ukazatele a na závěr každého ukazatele co nejjednodušeji popisuji logiku, která stojí za zahrnutím ukazatele do modelu. Obecně pro všechny vzorce popisující konstrukci jednotlivých ukazatelů platí, že složky s následujícími písmeny zastupují tyto prvky: c
náklady/cena
t
čas/počet procedur v čase
s
hodnocení uměle vytvořeného ukazatele
Při převodu některých ukazatelů na procentuální ukazatel, využívám transformaci pomocí hodnot devátého kvantilu relevantní složky daného ukazatele, jež se jeví jako výhodnější vztažný prvek oproti mnohdy extrémním irelevantním hodnotám maxim. Z tohoto faktu ovšem vyplývá, že hodnoty některých států pro daný ukazatel mohou nabývat záporných hodnot. Pro všechny záporné hodnoty jsou do datového souboru imputovány 0, protože hodnoty maxim jsou často velmi extrémní a při jejich zachování by hrozilo nevhodné nadhodnocení vlivu těchto několika konkrétních hodnot na výsledky celého modelu.
Construction Permits7 Doing Business zaznamenává všechny postupy potřebné pro vybudování standardizovaného skladu. Tyto postupy zahrnují předložení veškerých projektových dokumentů (například stavební plány, katastrální dokumentace) příslušným orgánům; získání všech potřebných povolení, licencí a potvrzení; splnění všech požadovaných a nezbytných kontrol. Doing Business také zaznamenává postupy pro získání připojení elektřiny, vody, kanalizace, pevné linky; dále postupy nutné k registraci nemovitosti či pozemku tak, že jej lze použít jako zástavu nebo převést na jinou osobu. Přehled rozděluje proces budování skladu do různých procedur, počítá čas a náklady na dokončení každého postupu v praxi za normálních okolností. Tyto informace jsou shromažďovány od odborníků z oblasti stavebnictví - architektů, stavebních právníků, stavebních firem, poskytovatelů doplňkových/pracovních služeb a služeb veřejných činitelů, kteří se zabývají stavebními předpisy včetně schválení a kontroly.
7
http://www.doingbusiness.org/methodology/dealing-with-construction-permits
29
Procedury (t1) Procedury zahrnují interakce zaměstnanců společnosti nebo jejích manažerů s orgány veřejné správy, notáři, pozemkovým úřadem, katastrem nemovitostí, podniky veřejných služeb a veřejnými i soukromými kontrolory a technickými odborníky, kteří jsou nezávislí na podnikových architektech a inženýrech. Jedná se například o procedury, které společnost musí podstoupit pro připojení elektrické energie, vody, kanalizace, telefonní služby, a jiné, které jsou pro budování skladu obvyklé či z právního hlediska povinné. Do postupů se nepočítají interakce mezi zaměstnanci společnosti jako je vývoj skladových plánů a kontroly prováděné zaměstnanci.
Čas (t2) Čas je zaznamenán v kalendářních dnech. Zachycuje střední dobu trvání, kterou místní odborníci naznačují, jako nutnou k dokončení postupu v praxi. Předpokládá se, že minimální čas potřebný pro každý postup je 1 den. Přestože postupy mohou probíhat současně, nemohou začít ve stejný den (to jsou, simultánní postupy, které sice běží současně, ale pro jejich spuštění je třeba odlišné dny). Pokud postup lze urychlit legálně za příplatek, je vybrán nejrychlejší postup. Předpokládá se, že stavební společnost nemusí ztrácet čas a zavazuje se dokončení každého zbývající řízení bez odkladu. Čas, který stráví stavební společnost na shromažďování informací je ignorována. Předpokládá se, že stavební společnost si je vědoma všech stavebních požadavků a jejich pořadí od začátku.
Náklady (c1) Pořizovací cena je zaznamenávána jako procento z ekonomického příjmu na jednoho obyvatele. Do pořizovací ceny jsou zahrnuty pouze oficiální náklady. Počítá se se všemi náklady spojenými s dokončením postupů, které legálně souvisí s vybudováním – jako jsou náklady vzniklé ze získání povolení na užívání pozemků a povolení průkazních řízení; přijímání kontroly před, během a po výstavbě; získání užitkového připojení a registrace skladovaného majetku. Dále jsou zaznamenávány i jednorázové poplatky požadované pro dokončení projektu včetně nákladů na sklad. Informace jsou čerpány ze stavebního zákona, od místních odborníků a ze zvláštních předpisů souvisejících s náklady stavby. V případě neshody hodnot uvedených několika místních zdrojů je použita střední vykázaná hodnota.
30
(1)
!",$% &!",' !",
%$
!(,$% &!(,' !(,
%$
)",$% &)",' )",
%$* /3
Souhrnného ukazatele je dosaženo prostou střední hodnotou podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. Construction Permits je uvažován jako ukazatel obtížnosti realizace kapitálově extenzivních investic jako je například vybudování nové továrny, anebo office-facility.
Registering Property8 Doing Business zaznamenává úplnou sekvenci postupů nezbytných pro koupi nemovitosti a převod vlastnictví na jméno kupujícího tak, že kupující může použít nemovitost pro rozšíření své činnosti, použít nemovitost jako zástavu při přijímání nových půjček, nebo, je-li to nutné, prodat nemovitost jinému subjektu. Místní advokáti z oblasti realit, notáři a realitní makléři poskytují informace o postupech, čase i nákladech na dokončení celé sekvence postupů.
Procedury (t1) Procedura je definována jako jakákoli interakce kupujícího či prodávajícím, jejich zástupců (pokud je právně nebo v praxi požadováno) s jinými externími stranami, včetně vládních agentur, inspektorů, notářů a advokátů. Interakce mezi úředníky a zaměstnanci společnosti nejsou brány v úvahu. Zaznamenány jsou všechny postupy, které jsou právně nebo v praxi nutné pro registraci nemovitostí, i když ty mohou být ve výjimečných případech přeskočeny. Předpokládá se, že kupující se řídí nejrychlejšími právní možností, která je k dispozici.
Čas (t2) Čas je zaznamenáván v kalendářních dnech, přičemž se bere v úvahu, že minimální čas pro každý postup je jeden den. Přestože postupy mohou probíhat současně, nemohou začít ve stejný den. Předpokládá se, že kupující nemusí a nechce ztrácet čas a zavazuje se k dokončení každého zbývajícího řízení bez odkladu a pokud postupy mohou být prováděny současně, tak jsou. Dále je předpokladem, že zúčastněné strany si jsou vědomy všech předpisů a jejich pořadí od samého
8
http://www.doingbusiness.org/methodology/registering-property
31
začátku (čas strávený na shromažďování informací se neuvažuje). Opět, v případě odlišných odhadů některých zdrojů je použita střední hodnota těchto odhadů.
Náklady (c1) Pořizovací cena je zaznamenávána jako procento z hodnoty nemovitosti, která je (podle předpokladu) vyjádřena jako 50ti násobek průměrného příjmu obyvatele. Zaznamenávány jsou pouze oficiální náklady požadované zákonem, včetně poplatků - daň z převodu nemovitostí, kolkovné a jiné platby. Jiné daně, jako daň z kapitálových zisků nebo daň z přidané hodnoty, jsou z těchto nákladů vyloučeny. Všechny náklady hradí kupující a ty, které nese prodávající, jsou v ceně. Pokud se odhady mezi jednotlivými parametry liší, je použita střední vykázaná hodnota.
(2) -
!",$% &!",' !",
%$
!(,$% &!(,' !(,
%$
)",$% &)",' )",
%$* /3
Souhrnného ukazatele je dosaženo prostou střední hodnotou podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. Tento ukazatel zastupuje míru náročnosti převedení majetku na nového majitele, a tím opět jiný druh adaptace investičních aktivit.
Getting Credit9 Doing Business sleduje zákonná práva dlužníků a věřitelů s ohledem na zajištěné transakce prostřednictvím jednoho souboru ukazatelů a sdílení informací o úvěrech prostřednictvím jiného. První soubor ukazatelů popisuje, jak dobře zajišťují zákony o úpadku usnadnění poskytování úvěrů. Druhý soubor opatření pokrývá rozsah a dostupnost informací o úvěrech dostupných prostřednictvím veřejných úvěrových registrů a soukromých úvěrových registrů.
Pevnost zákonných práv (s1) Síla zákonných práv měří, do jaké míry zajištění a úpadkové právo jsou schopné chránit práva dlužníků a věřitelů, a tím usnadnit půjčky. Sílu zákonných práv vyjadřuje index, který zahrnuje 8 aspektů týkajících se zákonných práv v zajištění, právní aspekty a také zákon o konkursu. Index 9
http://www.doingbusiness.org/methodology/getting-credit
32
se pohybuje od 0 do 10, přičemž vyšší hodnota znamená, že zajištění a úpadkové právo jsou navrženy tak, aby lépe sloužily k přístupu k úvěrům.
Hloubka úvěrových informací (d1) Znamená hloubku informací o úvěrech, které jsou k dispozici buď prostřednictvím veřejného úvěrového registru, nebo registru soukromého. I v tomto případě se vychází z hodnoty indexu, který je tvořen z následujících 6ti vlastností veřejného nebo soukromého úvěrového registru (jeden bod je započítán za každou z těchto vlastnost veřejného a/nebo soukromého úvěrového registru): -
Zdali registr obsahuje jak pozitivní úvěrové informace (výše a způsob včasného splácení), tak i údaje negativního charakteru (opožděné platby, počet a objem nesplácených úvěrů a bankrotů).
-
Zdali jsou údaje o firmách a fyzických osobách rozděleny.
-
Zdali jsou k dispozici data z obchodů a veřejných služeb, stejně jako finančních institucí.
-
Zdali jsou k dispozici historické údaje za více než 2roky
-
Zdali jsou k dispozici i údaje o úvěrech nižších než 1% z průměrného příjmu jednoho obyvatele.
-
Zdali mají dlužníci podle zákona právo na přístup ke svým datům v největším úvěrovém registru, nebo kanceláři v ekonomice
Index se pohybuje mezi hodnotami od 0 do 6, a čím vyšší skóre, tím lepší je hloubka a dostupnost dat v úvěrových registrech. Pokud ovšem úvěrový registr neexistuje nebo není funkční, popř. má pokrytí méně než 0,1% dospělé populace, skóre hloubky indexu úvěrových informací je 0.
Pokrytí veřejného úvěrového registru (r1) Pokrytí veřejného úvěrového registru ukazuje počet jednotlivců a firem uvedených ve veřejném úvěrovém registru s údaji o jejich úvěrové historii za posledních 5let. Číslo je vyjádřeno jako procento dospělé populace. Veřejným úvěrovým registrem je definována databáze spravována veřejným sektorem (obvykle centrální bankou nebo dozorcem bank), který shromažďuje informace o úvěruschopnosti dlužníka (jednotlivce nebo firmy) ve finančním systému a usnadňuje výměnu informací o úvěrech mezi bankami a ostatními finančními institucemi. Pokud žádný veřejný registr neexistuje, pokrytí má hodnotu 0. 33
Pokrytí soukromého úvěrového registru (r2) Pokrytí soukromého úvěrového registru ukazuje počet jednotlivců a firem uvedených v soukromém úvěrovém registru s údaji o jejich úvěrové historii za posledních 5let. Číslo je vyjádřeno jako procento dospělé populace. Soukromý úvěrový registr je definován jako soukromá firma, nebo nezisková organizace, která udržuje databázi o bonitě dlužníků (jednotlivců nebo firem) ve finančním systému a usnadňuje výměnu informací o úvěrech mezi bankami a ostatními finančními institucemi. Pokud žádný soukromý registr neexistuje, hodnota pokrytí je 0. (3) .
/",'
/",012
3
4",'
4",012
5",' 65(,' 788
9/2* /2
Souhrnného ukazatele je dosaženo za využití středních hodnot podílů konkrétní hodnoty a maximální hodnoty dané složky ukazatele. Možnost a snadnost získání finančních prostředků v podobě úvěrů je esenciální složkou investičního jednání a možného rozvoje podnikatelských aktivit.
Investors Protection10 Doing Business měří sílu ochrany minoritních akcionářů před zneužitím ředitelů podnikového majetku pro osobní zisk. Ukazatele rozlišují 3 dimenze ochrany investorů: průhlednost (rozsah zveřejnění), osobní odpovědnost (rozsah odpovědnosti ředitele) a schopnost akcionářů žalovat úředníky a ředitele pro porušení pracovních povinností (žalovatelnost). Údaje pocházejí z průzkumu společností a mezi právníky. Dále jsou založeny na předpisech o cenných papírech, firemních předpisech a pravidel dokazování v rámci soudního procesu.
Rozsah zveřejnění (s1) Rozsah zveřejnění vyjadřuje index, který je tvořen 5ti oddíly:
10
-
Zda a jak může korporace poskytnout dostatečné právní schválení transakce.
-
Zda je nutné okamžité zveřejnění transakce firmy pro veřejnost.
http://www.doingbusiness.org/methodology/protecting-investors
34
-
Zda a jaké informace je nutné zveřejnit ve výroční zprávě společnosti.
-
Nutnost zveřejnit informace střetu zájmů členů představenstva.
-
Zda je požadováno, aby externí subjekt, například externí auditor, přezkoumal transakce společnosti před jejich realizací.
Index se pohybuje od 0 do 10, vyšší hodnoty indexu označují větší zpřístupnění relevantních informací o společnosti.
Rozsah odpovědnosti ředitele (s2) Rozsah indexu odpovědnosti ředitele společnosti má 7 částí: -
Zda a kdy je akcionář schopen žalovat předsedu představenstva odpovědného za obchodní transakce, které způsobí společnosti škodu.
-
Zda a kdy je akcionář schopen žalovat schvalující představenstvo jako celek odpovědný za obchodní transakce, které způsobí společnosti škodu.
-
Zda může soud zrušit transakci po úspěšné reklamaci akcionáře-žalobce.
-
Zda odpovědný člen představenstva zaplatí náhradu škody způsobené společnosti při nárokování akcionáře.
-
Zda odpovědný člen představenstva splatí zisky z této transakce na nárok akcionáře.
-
Zda obě pokuty a odnětí svobody je možné použít proti odpovědným členům představenstva.
-
Zda a kteří akcionáři jsou schopni žalovat přímo nebo odvozeně za škodu způsobené transakcemi společnosti.
Index se pohybuje od 0 do 10, vyšší hodnoty indexu značí větší odpovědnost jednatelů.
Žalovatelnost (s3) Žalovatelnost má 6 částí pro výpočet indexu: -
Kolik dokumentů je zapotřebí na žalujícího akcionáře a svědka při trestním řízení.
-
Zda žalobce může přímo zkoumat žalované strany a svědky v průběhu řízení.
-
Zda žalobce může získat příslušné dokumenty ze strany žalovaného bez identifikace každého dokumentu zvlášť.
-
Zda akcionáři vlastnící 10% nebo méně kapitálu společnosti mohou požadovat vyšetřování obchodní transakce bez podání žaloby u soudu. 35
-
Zda akcionáři vlastnící 10% nebo méně kapitálu společnosti mají právo nahlížet do spisu transakce v průběhu podání žaloby.
Index se pohybuje od 0 do 10, vyšší hodnoty označují větší pravomoci společníků vznést námitky proti transakci. (4) ; <
/",' =8
/(,' =8
>?,' =8
@ /3
Souhrnného ukazatele je dosaženo za využití prosté střední hodnoty podílů konkrétní hodnoty a maximální hodnoty dané složky ukazatele. Tento ukazatel zastupuje míru legislativní ochrany investorů/věřitelů ohledně dostupnosti finančních prostředků, které v dobré víře investovali/propůjčili.
Taxes11 Doing Business tvoří záznamy daní a povinných odvodů, které středně velké společnosti musí zaplatit v daném roce, jakož i opatření administrativní zátěže daní a výdajů spojených s placením daní. V rámci projektu byl vyvinut a realizován ve spolupráci s Price Waterhouse Coopers. Jedná se o měření daně z příjmů právnických osob (daně z dividend, z kapitálových příjmů, příspěvky na sociální zabezpečení a státní politiku zaměstnanosti placené zaměstnavatelem, daně majetkové, daně z finančních transakcí), daně ekologické, silniční daň a všechny jiné malé daně a poplatky. Doing Business měří všechny daně a poplatky, které jsou státem realizovány (na úrovni státní či místní) a vztahují se na standardizované obchodní činnosti, které mají dopad na účetní závěrku. Doing Business tak přesahuje tradiční definici daně. I tak se ovšem dodržuje standardní dělení ukazatele na časový a nákladový.
Čas (t1) Čas je zaznamenáván v hodinách za rok. Ukazatel měří čas potřebný k přípravě, propočtu, podání a platbě 3 hlavních druhů daní a odvodů: daně z příjmu a pojistného na sociální zabezpečení, daně z přidané hodnoty nebo daně z prodeje. Doba přípravy zahrnuje čas na sběr všech informací potřebných k výpočtu splatné daně. Podání pak zahrnuje čas na vyplnění všech potřebných 11
http://www.doingbusiness.org/methodology/paying-taxes
36
formulářů daňových přiznání požadovaných finančním úřadem. Platba zase čas potřebný k provedení platby směrem k daňovým orgánům, kdy je zahrnuto obvyklé zpoždění při bankovních převodech.
Celková daňová sazba (c1) Celková daňová sazba je částka daní a povinných odvodů, které se hradí při podnikání v druhém roce provozu, vyjádřena jako podíl na komerčním zisku. Celková výše daní je součtem všech různých daní a odvodů placených po zohlednění odpočtů a přípustných osvobození. Zahrnuté daně mohou být rozděleny do 5 kategorií: zisk nebo daň z příjmu, příspěvky na sociální zabezpečení a státní politiku zaměstnanosti placené zaměstnavatelem (jsou zahrnuty všechny povinné příspěvky, i když jsou vypláceny soukromým subjektům, jako je např. penzijní fond), daně z majetku, obratu aj. Celková daňová sazba je navržena tak, aby sloužila jako komplexní daňové náklady všech činností spojených s podnikatelskou činností. Liší se od platné daňové sazby, která pouze stanoví faktor, jež je použit na základ daně.
(5) AB
!",$% &!",' !",
%$3C
)",$% &)",' )",
%$* /4
Souhrnný ukazatel je tvořen pomocí vážené (s větším důrazem na náklady) střední hodnoty podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. Ukazatel taxes zastupuje hodnocení obtížnosti daňového systému a jeho efektivní procentuální zátěže na činnost podnikání.
Enforcing Contracts12 Ukazatel o prosazování smluv měří účinnost soudního systému při řešení obchodních sporů. Údaje jsou postaveny na základě „krok-za-krokem“ vývoje sporu komerčního prodeje před místními soudy. Údaje jsou shromažďovány prostřednictvím zkoumání kodexů občanského soudního řízení a dalších soudních předpisů, jakožto i z průzkumů dokončených místních sporů za účasti místních právníků a soudců. 12
http://www.doingbusiness.org/methodology/enforcing-contracts
37
Procedury (t1) Seznam a celkový počet procesních kroků sestaven pro každou ekonomiku separátně tak, aby zachovával stopy chronologie obchodního sporu před příslušným soudem. Procedura je definována jako jakékoli interakce, které vyžaduje zákon nebo běžně používaná praxe mezi participujícími stranami, mezi participující stranou a soudcem nebo jeho zástupcem. To zahrnuje kroky ke sběru a přípravě informací, kroky pro projednání a rozhodnutí a kroky nutné k prosazení rozsudku. Některé procesní úkony, které probíhají současně nebo jsou obsaženy v ostatních procesních krocích, se do celkového počtu procedur nepočítají.
Čas (t2) Čas je zaznamenáván jako celkový počet kalendářních dní, počítáno od okamžiku, kdy žalobce rozhodne podat žalobu u soudu až do soudního vyrovnání. To zahrnuje jak dny, kdy akce probíhá, tak čekací doby mezi nimi. Zaznamenána je průměrná doba trvání jednotlivých fází řešení sporů, jako je: ukončení doručování a započetí soudního sporu, vydání rozhodnutí (čas na hodnocení a získání rozsudku) a okamžik úhrady (čas výkonu rozhodnutí).
Náklady (c1) Náklady jsou zaznamenány jako procento z pohledávky, která je ekvivalentem 200% průměrného příjmu na hlavu. Jsou účtovány tři typy nákladů: soudní náklady, náklady na vymáhání a průměrné náklady právního zastoupení. Soudní náklady zahrnují veškeré náklady na soudní a znalecké poplatky, které prodávající (žalobce) musí zaplatit předem, bez ohledu na konečné náklady. Honoráře odborníků, pokud to vyžaduje zákon nebo běžně používaná praxe, jsou do soudních nákladů také zahrnuty. Náklady na vymáhání jsou všechny náklady, které prodávající (žalobce) musí zaplatit předem v souladu s vykonáním rozsudku prostřednictvím veřejného prodeje movitého majetku kupujícímu, bez ohledu na konečné náklady pro prodávajícího. Průměrné náklady právního zastoupení jsou poplatky, které prodávající (žalobce) musí předem uhradit místnímu advokátovi k zastupování v soudním sporu bez ohledu na konečné náklady.
38
(6) E
!",$% &!",' !",
%$
!(,$% &!(,' !(,
%$4C
)",$% &)",' )",
%$* /6
Souhrnný ukazatel je tvořen pomocí vážené (s větším důrazem na náklady) střední hodnoty podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. Vymahatelnost smluvních vztahů je opět velmi důležitá složka zdravého podnikatelského prostředí, která umožňuje rozvoj oboustranně prospěšných a férových obchodních vztahů a tím i celého zdravého hospodářského růstu.
Closing Business13 V rámci tohoto ukazatele Doing Business studuje čas, náklady a výsledky konkurzního řízení, jež se týká tuzemských subjektů. Údaje jsou odvozeny z průzkumu odpovědí místních insolvenčních správců a jsou ověřeny prostřednictvím studia právních a správních předpisů.
Čas (t1) Čas pro věřitele získat své prostředky je zapsána v kalendářních letech. Doba měřená Doing Business je počítána od bankrotu společnosti až do zaplacení některého nebo všech dlužných částek. Potenciální zpoždění vyplývající z taktiky dlužné strany, jako je například podání odvolání, odkladu nebo žádosti o prodloužení řízení jsou brány v úvahu.
Náklady (c1) Náklady na řízení je zaznamenáváno jako procento z hodnoty dlužníkova majetku. Cena je vypočtena na základě průzkumu mezi relevantními subjekty a zahrnuje soudní poplatky, poplatky insolvenčních správců, dražební poplatky, náklady hodnotitelů a právníků a všechny další poplatky a náklady. Respondenti poskytují odhady nákladů z následujících možností: méně než 2%, 2-5%, 5-8%, 8-11%, 11-18%, 18-25%, 25-33%, 33-50%, 50-75% a více než 75% hodnoty majetku.
13
http://www.doingbusiness.org/methodology/closing-a-business
39
Návratnost (c2) Návratnost je zaznamenána jako počet centů na dolar, jež jsou věřiteli kompenzovány prostřednictvím reorganizace, likvidace nebo vymáhání dluhů v řízení. Při výpočtu se bere v úvahu výsledek: zda se obchodní subjekt vynoří z bankrotního řízení zpět ve své činnosti (možnost návratnosti v rozsahu 100%), nebo jsou aktiva prodána po částech (maximální návratnost v rozsahu 70% původní hodnoty). Pak jsou náklady řízení odečteny (1 cent za každý procentní bod na hodnotu majetku dlužníka). V úvahu je brána i hodnota, jež je ztracena v důsledku časového vázání peněz v insolvenčním řízení, včetně ztráty hodnoty v důsledku znehodnocení aktiv v čase. (7) G
H 7
C
)",$% &)",' )",
%$H
C 7
)(,$% &)(,' )(,
%$
!",$% &!",' !",
%$* /4
Souhrnný ukazatel je tvořen pomocí vážené (s větším důrazem na náklady) střední hodnoty podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. Kvalitní nastavení legislativního rámce pro situaci bankrotu umožňuje efektivní alokaci výrobních faktorů (Ronald Coase – Coaseho teorém).
International Trade14 Doing Business kompiluje procesní požadavky pro export a import standardizovaného nákladu zboží námořní dopravy. První složkou jsou dokumenty, což je počet dokumentů související s každou oficiální procedurou vyplývající ze smluvního ujednání mezi 2 stranami o dodání zboží. Dále jsou sledovány čas a náklady na dokončení všech činností souvisejících s exportem a importem zboží. Pro export zboží jsou zahrnuty postupy v rozsahu od balení zboží ve skladu až k jejich odjezdu z přístavu na lodi. U dovozu zboží, jsou zase zahrnuty postupy v rozsahu od připlutí plavidla do přístavu až po dodání zboží na sklad. Čas a náklady pro námořní dopravu se nezahrnují. Platba se provádí akreditiv, čas a náklady na doklady potřebných pro vydání nebo poradenství akreditivu jsou brány v úvahu. Informace pro tento ukazatel poskytují místní speditéři, lodní linky, celníci, přístavní úředníci a banky. Všechny jednotlivé ukazatele jsou kalkulovány pro import a export zvlášť. 14
http://www.doingbusiness.org/methodology/trading-across-borders
40
Dokumenty (t1, t3) Zaznamenávány jsou všechny dokumenty potřebné na přepravu vývozu a dovozu zboží. Předpokládá se, že smlouva již byla dohodnuta a podepsána oběma stranami. Brány v úvahu jsou dokumenty potřebné pro schválení ministerstev, celních orgánů, orgánů přístavů a kontejnerových terminálů, zdravotních a technických kontrol agentur a bank. Vzhledem k tomu, že způsobem platby je akreditiv, všechny dokumenty požadované bankami pro vydání nebo zajištění akreditivu jsou také vzaty v úvahu.
Čas (t2, t4) Čas pro export a import je zaznamenáván v kalendářních dnech. Výpočet času začíná od okamžiku, kdy je zahájena a běží první relevantní procedura, dokud není zboží kompletně vyloženo anebo naloženo. Pokud může být postup urychlen za příplatek a je k dispozici pro všechny obchodní společnosti, je zvolen nejrychlejší právní postup. Fast-track postupy týkající se firem nacházejících se v zóně exportního zpracování nejsou brány v úvahu, protože nejsou k dispozici pro všechny obchodní společnosti. Doba přepravy po oceánu není zahrnuta. Předpokládá se, že ani vývozce ani dovozce zbytečně neztrácí čas a zavazuje se dokončit všechny zbývající řízení bez zbytečného odkladu. Postupy, které lze absolvovat paralelně se měří jako současné. Čekací doba mezi jednotlivými postupy, například při vyložení nákladu je součástí kalkulace.
Náklady (c1, c2) Kalkulovány jsou všechny náklady spojené s dokončením postupů pro vývoz nebo dovoz zboží. Patří mezi ně náklady na dokumenty, správní poplatky za celní odbavení a technické kontroly, poplatky za obsluhu terminálu a pozemní dopravy a další. Náklady nezahrnují celní sazby a poplatky spojené s námořní dopravou. Poplatky jsou stanoveny pro 20-kontejner15 a to v amerických dolarech.
389 ;A J
K",$% LK",' K(,$% LK(,' M",$% LM",' 6 6 * K",$% K(,$% M",
%$H
15
Kontejner měřící 20 stop = 6,1 metrů
41
K?,$% LK?,' KN,O% LKN,' M(,$% LM?,' 6 6 * K?,$% KN,$% M?,
%$H
P /2
Souhrnného ukazatele je dosaženo prostou střední hodnotou podílů rozdílů za užití konkrétní hodnoty a hodnoty devátého kvantilu dané složky ukazatele. V dnešním vysoce globalizovaném světě je mezinárodní obchod kruciálně důležitou součástí zdravého konkurenčního prostředí podněcující technologické inovace a současně možnost přístupu možností neobyčejně velkého trhu, tedy odbytiště výroby, služeb a dalších nejrůznějších produktů dané ekonomiky.
Corruption Perception16 Tento ukazatel jako jediný vysvětlující prvek je z jiného datového zdroje než všechny předchozí ukazatele. Je přebrán od mezinárodní organizace Transparency International. CPI 2009 je konstruován na základě dat z roku 2008 a 2009. Ke své kalkulaci využívá 13 zdrojů od 10 nezávislých institucí, jež měří celkový rozsah korupce ve veřejném a politickém sektoru jednotlivých států. Tyto instituce mají expertní kořeny jak v neziskovém, tak business sektoru a jedná se jak o rezidentní experty daného státu, tak experty nerezidentní. Technika výpočtu střední hodnoty pro konkrétní stát využívá standardizace percentilového pořadí států v rámci studií jednotlivých nezávislých zdrojů. Přestože je určitá část informace z těchto studií touto kompilační procedurou ztracena, umožňuje udržet hodnoty mezi 0 a 10, a tím zachovává jednoduchý proces srovnávání jednotlivých států. Na takto konstruovaná data je následně aplikovaná betatransformace, díky níž se předchází ztrátě variability meziročních výsledků. Všechny takto standardizované hodnoty jsou posléze průměrovány a určují finální skóre konkrétního státu. (9) Q <
/",' =8
@
Vzhledem ke konstrukci výchozího ukazatele pomocí škály 0-10 v negativním vztahu s mírou vnímané korupce je konstrukce souhrnného procentního ukazatele velmi jednoduchá, a tedy dělení relevantní hodnoty hodnotou maximální a to 10. Korupce, vnímána jakožto velmi podstatný narušitel zdravého konkurenčního prostředí a vývoje celé ekonomiky, a to na všech úrovních a patrech celé ekonomiky. Tento ukazatel v modelu zastupuje míru korupčního jednání v jednotlivých ekonomikách. 16
http://www.transparency.org/policy_research/surveys_indices/cpi/2009/methodology
42
2.2.1.2. Hodnocení souhrnných ukazatelů vybraných států GDP
lnGDP
Constr
Regist
Gettin
Invest
Enforc
Closin
Intern
Corrupt
pc200
pc200
uctioP
eringPr
gCredi
orsPro
ingCo
gBusi
ational
ionPerc
státy
9USD
9USD
ermits
operty
t
tection
Taxes
ntracts
ness
Trade
eption
ČR
18139
9.81
39.7%
52.4%
59.6%
50.0%
15.4%
40.4%
33.3%
57.1%
49.0%
Finsko
44581
10.71
70.1%
76.0%
57.7%
56.9%
39.4%
69.0%
89.9%
73.3%
89.0%
Řecko
29240
10.28
65.2%
45.2%
36.5%
33.1%
41.8%
55.5%
66.0%
52.5%
38.0%
11863
8.30
48.3%
49.7%
43.4%
50.9%
42.2%
41.0%
55.9%
44.2%
40.9%
Průměr (150 států)
Tabulka 3. Zdroj: Doingbusiness.org, TransparencyInternational.com a vlastní výpočty.
Tabulka 3 by zcela jistě zasluhovala podrobnější analýzu a komentář, ale tyto dílčí výsledky hodnocení kvality legislativního a podnikatelského prostředí v předmětných státech pro nás není hlavním zájmem v této práci. Tou je vliv těchto ukazatelů na celkovou míru hospodářské úrovně. Proto se popisu těchto hodnot bude věnovat jen velmi stručně. Z tabulky 3 je naprosto jasné, že nejlépe hodnocený stát až na dvě kategorie je Finsko, má tedy modelově nejlepší předpoklady na nejvyšší ekonomickou úroveň. Jedinými dvěma oblastmi, kde nedosahuje nejlepších výsledků, jsou daně a úvěrové prostředí. Oblast daní je vzhledem k příslušnosti ke Skandinávské skupině států s vysokým daňovým zatížením poměrně pochopitelná, v druhém ukazateli je hned za ČR o necelé 2 %, tudíž se nejedná o výrazný rozdíl. Navíc Finsko jako jediné kromě jedné kategorie dosahuje nadprůměrných hodnot ve všech kategoriích. Oba zbylé státy se často pohybují jak nad průměrem, tak i pod ním. To pro oba státy není příliš dobrá předzvěst, když vezmeme v ohledu i srovnání hodnot HDP p. c. s celkovým průměrem. Souboj o druhé místo mezi vybranými třemi státy těsně (5 ku 4) vyhrála ČR nad Řeckem, i když opět v rámci závislé proměnné, jíž je HDP p.c. vykazuje Řecko výrazně vyšší hodnotu.
43
2.2.2. Metodologie Vliv podnikatelského a legislativního prostředí na ekonomickou úroveň státu budu testovat pomocí lineárně regresních modelů za využití metody nejmenších čtverců (OLS). Tento postup umožní popsat validitu a míru vlivu jednotlivých proměnných na celkovou ekonomickou úroveň sledovaných států. Pro korektní fungování zvolené metody OLS je u jednotlivých modelů třeba ověřit následující předpoklady: 1) Vysvětlující proměnné pocházejí z náhodného výběru celkové populace 2) Vysvětlující proměnné neobsahují chybu měření 3) Model je lineární v parametrech: RS je lineární pro všechna T 1, … , W
4) Podmíněná očekávaná hodnota disturbancí je nulová: E3XY|[= , … , [\ 9 0 5) Plná hodnost matice pozorování, tj. žádný vektor není lineární kombinací jiného vektoru (multikolinearita) 6) Homoskedasticita disturbancí: ^B_3XY|[= , … , [\ 9 ` 7 7) Normalita disturbancí: Y~b30, ` 7 9
První předpoklad sice v podstatě splněn není, ovšem výběr subjektů zahrnutých do datového výběru je logicky naprosto konzistentní, není tedy třeba se tímto nedostatkem více znervózňovat. Druhý předpoklad je splněn za předpokladu správnosti metodologie stavby vysvětlujících ukazatelů z dílny World Bank a Transparency International. Budu tedy předpokládat, že tento předpoklad je splněn. Třetí a čtvrtý předpoklad je automaticky splněn z povahy užité metody a software. Poslední tři předpoklady (tj. 5tý až 7mý) budu testovat pro každý model zvlášť.
Seznam proměnných v jednotlivých modelech: Construction Permits hodnocení obtížnosti udělení stavebního povolení v % Registering Property hodnocení obtížnosti přepsání majetku v % Getting Credit.
hodnocení legislativního prostředí v oblasti poskytování úvěrů v %
Investors Protection hodnocení legislativního prostředí ochrany investorů v % 44
Taxes
hodnocení obtížnosti a výše platby daní v %
Enforcing Contracts hodnocení legislativního vymáhání dodržování smluvních vztahů v % Closing Business
hodnocení bankrotního legislativního prostředí v %
International Trade hodnocení podnikatelského prostředí umožňující mezinárodní obchod v % Corruption Perception hodnocení vnímání korupčního jednání v % GDPpc2009USD
hrubý domácí produkt per capita za rok 2009 v USD
lnGDPpc2009USD
přirozený logaritmus hrubého domácího produktu per capita za rok 2009 v
USD
45
2.2.3. Model 1 Model 1 je uvažován následující rovnicí (10): (10) .c dQ2009fgc h R= ijkl_YQlTij m_ Tlk R7 -mnTklm_Tjn _idm_lo RH .mllTjn _mpTl Rq ;jrmkli_k _ilmQlTij Rs AB[mk
Rt Ejui_QTjn ijl_BQlk Rv wikTjnGYkTjmkk Rx ;jlm_jBlTijBwA_Bpm Ry i__YdlTij m_QmdlTij Y
Model 1: OLS, using observations 1-150 Dependent variable: GDPpc2009USD
Coefficient
Std. Error
t-ratio
p-value
const
-15130.8
3467.12
-4.3641
0.00002
Construction Permits
27.4104
4801.31
0.0057
0.99545
Registering Property
-566.597
4458.44
-0.1271
0.89906
Getting Credit
-8067.68
6424.09
-1.2558
0.21126
Investors Protection
-10461.3
6888.97
-1.5186
0.13113
Taxes
741.764
4328.1
0.1714
0.86417
Enforcing Contracts
5676.95
5240.43
1.0833
0.28054
Closing Business
5734.85
4296.67
1.3347
0.18414
Corruption Perception
71064.2
6368.71
11.1583
<0.00001
International Trade
2689.81
5466.08
0.4921
0.62343
46
***
***
Mean dependent var
11862.88
S.D.dependent var
18051.68
Sum squared resid
1.41e+10
S.E. of regression
10030.62
R-squared
0.709890
Adjusted
0.691240
R-
squared F (9, 140) Log-likelihood
38.06399
P-value(F)
2.03e-33
-1589.676
Akaike criterion
3199.352
3229.458
Hannan-Quinn
3211.583
Schwarz criterion
U modelu 1 nám celkové výsledky modelu vyšly velice nepříznivě. Přestože R-kvadrát kolem 70 % je poměrně slušný výsledek, naprostá většina hypotéz o vlivu jednotlivých proměnných (kromě korupce) se nepotvrdila. Konstanta vyšla jako záporná hodnota, což také není velmi realistické. Dříve než však budu výsledky detailněji analyzovat, je třeba se podívat na splnění předpokladů metody OLS. Hned první na seznamu testovaných předpokladů se nám objevuje závažný problém. Na 99 % hladině významnosti zamítáme hypotézu konstantního rozptylu, což může podstatnou měrou narušit validitu výsledků modelu. I když můžeme říci, že vzhledem k povaze distribuční funkce vysvětlované proměnné, kdy je patrné pravostranné zešikmení způsobené omezením DPH p.c. zleva nulou a zprava žádné logické omezení neexistuje. Dále je spodní polovina pozorování ohraničena hodnotami 159,6 USD v minimu a 3 892,5 USD v maximu, což znamená rozsah 3 732,9 USD oproti hodnotám z horní poloviny subjektů s minimem 4 028,5 USD a maximem 105 043,6 USD, což znamená rozsah přesahující 100 000 USD. Tyto hodnoty již jasně napovídají na možné nesnáze a jsou pouze potvrzeny Chow testem o strukturálním zlomu. I v případě testování normality reziduí jasně zamítáme nulovou hypotézu a model se tímto pro nás stává v podstatě nepoužitelným. Možná cesta jak eliminovat porušení těchto základních předpokladů, je aplikovat přirozený logaritmus na vysvětlující proměnné a tím snížit rostoucí rozdíly mezi zvyšujícími se hodnotami. Logaritmus vysvětlující proměnné nám sice znesnadňuje snadnou přímočarou interpretaci obdržených hodnot, což ovšem v našem případě není zásadní problém, protože především
47
sledujeme trend. Na vysvětlovanou proměnnou pro případ následujícího modelu aplikujeme transformaci přirozeného logaritmu.
A) White's test for heteroskedasticity Null hypothesis: heteroskedasticity not present Test statistic: LM = 107.799 with p-value p value = P (Chi-Square Square (54) > 107.799) = 1.90811e 1.90811e-005 005
Graf 14, rezidua rezidua, Model 1
B) Test for normality of residual Null hypothesis: error is normally distributed Test statistic: Chi Chi-square (2) 2) = 48.4591 with p-value p value = 3.00081e-011 3.00081e 011 48
Histogram 1: rozložení reziduí, Model 1
C) Chow test for structural break at observation 75 Null hypothesis: no structural break Test statistic: F (10, 130) = 2.5292 with p-value p value = P (F (10, 130) > 2.5292) = 0.00813313
49
2.2.4. Model 2 V případě modelu 2 již do rovnice modelu zaměstnáme transformovanou vysvětlující proměnou, model 2 vychází z následující rovnice (11): (11)
wj.c dQ2009fgc
h R= ijkl_YQlTij m_ Tlk R7 -mnTklm_Tjn _idm_lo RH .mllTjn _mpTl
Rq ;jrmkli_k _ilmQlTij Rs AB[mk Rt Ejui_QTjn ijl_BQlk
Rv wikTjnGYkTjmkk Rx ;jlm_jBlTijBwA_Bpm Ry i__YdlTij m_QmdlTij Y
Model 2: OLS, using observations 1-150 Dependent variable: lnGDPpc2009USD
Coefficient
Std. Error
t-ratio
p-value
const
4.80999
0.257982
18.6446
<0.00001
***
Construction Permits
0.846804
0.357257
2.3703
0.01914
**
Registering Property
0.209296
0.331745
0.6309
0.52914
Getting Credit
1.32164
0.478006
2.7649
0.00646
Investors Protection
-0.449409
0.512597
-0.8767
0.38213
Taxes
-0.113994
0.322047
-0.3540
0.72390
Enforcing Contracts
1.47796
0.389932
3.7903
0.00022
Closing Business
0.229645
0.319708
0.7183
0.47377
Corruption Perception
3.3406
0.473885
7.0494
<0.00001
***
International Trade
1.30863
0.406722
3.2175
0.00161
***
50
***
***
Mean dependent var
8.298849
S.D. dependent var
1.551828
Sum squared resid
77.98789
S.E. of regression
0.746362
R-squared
0.782653
Adjusted R-squared
0.768681
F (9, 140)
56.01460
P-value(F)
4.72e-42
-163.7847
Akaike criterion
347.5693
377.6757
Hannan-Quinn
359.8006
Log-likelihood Schwarz criterion
Výsledky v případě modelu 2 již vycházejí oproti předchozímu modelu výrazně více optimisticky. Pět z celkových devíti vysvětlujících proměnných se ukázalo jako signifikantní a koeficienty těchto signifikantních proměnných mají kladnou hodnotu, což je v souladu s našimi předpoklady. Navíc celkový R-kvadrát dosahuje velice slušné hodnoty 78,3 % (adjustovaný ukazatel 76,9 %) a i ostatní ukazatele a kritéria vykazují pro kvalitu modelu výhodnější hodnoty. Podívejme se nyní na testy předpokladů, zda jsou splněny a zda logaritmická transformace vyřešila komplikace modelu 1. Nejprve test konstantního rozptylu. Nulovou hypotézu (homoskedasticita) se poměrně přesvědčivě nepodařilo zamítnout, což je rozhodně pozitivní zpráva. Totéž platí i pro test normality reziduí, což je další pozitivní informace. Poslední důležitý předpoklad deklarující správnost výsledků modelu je test multikolinearity, tedy lineární závislosti vysvětlujících proměnných, což se také nepotvrdilo, takže model můžeme prohlásit za relevantní a poskytuje nám hodnotnou informaci. V poslední řadě je dobrá zpráva i výsledek Chow testu zamítající přítomnost strukturálního zlomu, což byl problém v případě modelu 1.
51
A) White's test for heteroskedasticity Null hypothesis: heteroskedasticity not present Test statistic: LM = 55.4952 with p-value = P ((Chi-Square Square (54) (54) > 55.4952) = 0.418151
Graf 15,, rezidua rezidua, Model 2
B) Test for normality of residual Null hypothesis: error is normally distributed Test statistic: Chi Chi-square (2) = 2.37309 with ith p-value value = 0.305273
52
Histogram 2,, rozložení reziduí, Model 2
C) Chow test for structural break at observation 75 Null hypothesis: no structural break Test statistic: F (10, 130) = 1.37335 with p-value value = P (F (10, (10, 130) > 1.37335) = 0.199548
D) Variance Inflation Factors Minimum possible value = 1.0 Values > 10.0 may indicate a co linearity problem Construction Permits 1.555 Registering Property 1.590 Getting Credit 2.305 53
Investors Protection 1.615 Taxes 1.212 Enforcing Contracts 1.644 Closing Business 1.622 Corruption Perception
2.664
International Trade 1.893 VIF (j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient between variable j and the other independent variables Properties of matrix X'X: 1-norm = 774.71043 Determinant = 90915941 Reciprocal condition number = 0.0013711242
54
2.2.5. Model 3 Ve třetím modelu již ponechávám pouze vysvětlující proměnné, které se v modelu 2 prokázali jako statisticky signifikantní. Tento postup nám ulehčí celkovou orientaci ve výsledcích modelu a ulehčí jeho celkovou interpretaci. Model 3 vychází z následující rovnice (12): (12)
wj.c dQ2009fgc h R= ijkl_YQlTij m_ Tlk R7 .mllTjn _mpTl
RH Ejui_QTjn ijl_BQlk Rq ;jlm_jBlTijBwA_Bpm Rs i__YdlTij m_QmdlTij Y
Model 3: OLS, using observations 1-150 Dependent variable: lnGDPpc2009USD
Coefficient
Std. Error
t-ratio
p-value
const
4.71948
0.193583
24.3797
<0.00001
***
Construction Permits
0.849041
0.344167
2.4669
0.01480
**
GettingCredit
1.34056
0.395251
3.3917
0.00090
***
EnforcingContracts
1.6272
0.354833
4.5858
<0.00001
***
InternationalTrade
1.25042
0.397985
3.1419
0.00204
***
CorruptionPerception
3.34409
0.445753
7.5021
<0.00001
***
Mean dependent var
8.298849
S.D. dependent var
1.551828
Sum squared resid
79.09123
S.E. of regression
0.741110
R-squared
0.779578
Adjusted R-squared
0.771925
F (5, 144)
101.8585
P-value(F)
1.69e-45
Log-likelihood
-164.8383
Akaike criterion
341.6766
Schwarz criterion
359.7404
Hannan-Quinn
349.0153
55
Výsledky modelu 3 v podstatě opisují hodnoty modelu 2, pouze s rozdílem eliminace nesignifikantních vysvětlujících proměnných. Všechny proměnné jsou tedy signifikantní v následujícím sestupném pořadí: Corruption Perception, Enforcing Contracts, GettingCredit, InternationalTrade a poslední Construction Permits Permits. Model si uchoval vysokou hodnotu RR kvadrátu 78,0 % (adjustovaná hodnota 77,2 %), je tedy schopen vysvětlit téměř 4/5 variability vysvětlované pro proměnné, měnné, což je velice slušná hodnota. Ostatní ukazatele a kritéria popisující celkovou kvalitu modelu oproti výsledkům modelu (2) zaznamenaly ještě nepatrného zlepšení. A i všechny předpoklady jako homoskedasticita, normalita reziduí a nepřítomnost multikol multikolinearity inearity jsou splněny s poměrně slušnou rezervou. Dosáhli jsme tedy kýženého cíle, tedy modelu vysvětlujícího ekonomickou úroveň státu pomocí jednotlivých ukazatelů zastupujících různé faktory podnikatelského a legislativního prostředí.
Model 1:lnHDP lnHDP per capita v závislosti dvou nejvýznamnějších proměnných
56
A) White's test for heteroskedasticity Null hypothesis: heteroskedasticity not present Test statistic: LM = 25.851 with p-value value = P (Chi-Square Square (20) > 25.851) = 0.170791 0.170791
Graf 16: rezidua, Model 3
B) Test for normality of residual Null hypothesis: error is normally distributed Test statistic: Chi Chi-square (2) = 2.18582 with p-value value = 0.33524
57
Histogram 3: rozložení reziduí, Model 3
C) Chow test for structural break at observation 75 Null hypothesis: no structural break Test statistic: F (6, 138) = 0.930075 With ith p-value p value = P (F (6, 138) > 0.930075) = 0.475528
D) Variance Inflation Factors Minimum possible value = 1.0 Values > 10.0 may indicate a co linearity problem Construction Permits 1.464 Getting Credit 1.598 Enforcing Contracts 1.381 International Trade 1.839 58
Corruption Perception
2.391
VIF (j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient between variable j and the other independent variables Properties of matrix X'X: 1-norm = 476.75114 Determinant = 277391.32 Reciprocal condition number = 0.0027257577
59
2.2.6. Výsledky Za užití regresní analýzy jsem testovala vliv jednotlivých ukazatelů z oblasti legislativního a podnikatelského prostředí na ekonomickou úroveň daných států. V rámci prvního modelu jsem sice měla problémy se splněním základních předpokladů, ale po transformaci vysvětlující proměnné pomocí přirozeného logaritmu se již v rámci druhého modelu podařilo prokázat pozitivní závislost u vybraných proměnných. Do posledního, třetího modelu jsem zařadila již pouze ukazatele, jež v předchozím modelu vyšly jako signifikantní. Ukazatelem s největším vlivem na celkovou ekonomickou úroveň se ukázal být Corruption Perception, tedy ukazatel zastupující úroveň míry korupce. Pomyslné vítězství tohoto ukazatele není až tak velkým překvapením, protože základní logika všech zkoumaných modelů je založena na západním kapitalistickém vnímání světa, kdy nejdůležitější jsou právě tržní principy volné soutěže. No a právě pro bezvadné fungování těchto tržních principů je jedním z největších narušitelů právě korupční jednání. Toto ovšem pro Českou republiku, Řecko není příliš pozitivní informace, protože mezi vyspělými státy jsou v hodnocení Corruption Perception jedny z nejslabších. Dalšími relevantními ukazateli v sestupném pořadí dle důležitosti jsou: Enforcing Contracts (tedy hodnocení
smluvní
vymahatelnosti),
Getting
Credit(hodnocení
úvěrového
prostředí),
International Trade (hodnocení prostředí pro mezinárodní obchod) a nakonec Construction Permits (úroveň náročnosti stavebních povolení). U všech těchto ukazatelů se v podstatě potvrdily hypotézy, na základě kterých byly do modelů zařazeny, a jež jsou popsány v kapitole 2.2.1.1. a není tedy třeba tyto hypotézy opakovat. Naopak dává smysl se více do detailu věnovat skupině proměnných, které se v modelu 2 nepotvrdily jako signifikantní a jejich vliv na celkovou ekonomickou úroveň je tedy zanedbatelný, protože u nich z nějakého důvodu právě předpokládaná hypotéza v celkovém modelu nebyla potvrzena. Mezi tyto proměnné patří Registering Property, Investors Protection, Taxes a Closing Business. Při bližším pohledu na povahu dat v rámci jednotlivých ukazatelů se naskytnou následující vysvětlující hypotézy. Registering Property – ukazatel, jenž v modelu zastupuje obtížnost převedení majetku na nového majitele, se pravděpodobně nepotvrdil jako signifikantní z důvodů poměrně vysoké byrokratické zátěže (vyjádřené vysokým počtem procedur a časové náročnosti) v některých vyspělých státech (např. Slovinsko, Belgie a Francie). Oproti tomu u některých rozvojových států jako například v Gruzii, Thajsku a Arménii, jež se v rámci tohoto ukazatele umístili na 2., 5. 60
respektive na 7. místě, byrokracie v tomto procesu klade pouze minimální odpor a tyto příklady a jim podobné výrazně mluví proti logice pozitivního vlivu tohoto ukazatele na ekonomickou úroveň státu. Investors Protection – ukazatel zastupující míru ochrany investora. Při bližším prozkoumání tohoto ukazatele se nakonec ukazuje, že metodika konstrukce tohoto ukazatele bude pravděpodobně větším problémem, než by se zprvu mohlo zdát. Hodnoty této proměnné jsou výhradně konstruovány ze škálových proměnných a oproti všem ostatním proměnným má celkově zhruba poloviční rozptyl (0,022 oproti běžným 0,04 až 0,06), což znamená, že celkově nese nižší míru variability. Tento ukazatel tedy není vhodný konstrukčně, a proto z něj nebudu dělat žádný analytický závěr ohledně jeho vlivu na ekonomickou úroveň států. Taxes – u ukazatele hodnotícího náročnost daňového systému je situace velmi podobná jako u ukazatele ochrany investorů. V datech totiž existuje výrazná skupina skandinávských států a kontinentálních států západní Evropy, které mají poměrně vysokou efektivní míru zdanění, díky níž se v celkovém hodnocení tohoto ukazatele i přes vysokou míru ekonomické vyspělosti umisťují spíše v druhé polovině seznamu hodnocených států. Skutečnost, že tento ukazatel není pro model podstatný je dobrá zpráva také pro Českou republiku, kdy se umístila na celkově 21. místě od konce. Closing Business – ukazatel hodnotící legislativní prostředí v oblasti bankrotu naznačující schopnost ekonomiky efektivně alokovat výrobní kapitál. Skutečnost, že se tento ukazatel neprojevil signifikantním, osobně považuji za největší překvapení. Při bližším zkoumání má tato proměnná ve srovnání s ostatními ukazateli srovnatelné polohové charakteristiky průměru i rozptylu. I při pohledu na nejlépe hodnocené státy v rámci tohoto ukazatele se jedná skoro výlučně o ekonomicky nejvyspělejší státy světa. Jako poslední možné vysvětlení nám zůstává fakt, že v momentě, kdy se odstraní nejlepších 50 států v rámci tohoto ukazatele, jasný trend ve výši HDP per capita se vytrácí (vyjádřeno poklesem Pearsonova korelačního koeficientu z 0,66 na 0,26). Při pohledu na konkrétní výsledky pozorujeme, že případy Řecka i České republiky mají dle modelu velmi výrazné pozitivní rezidua naznačující vyšší ekonomickou úroveň, než by napovídala
kvalita
legislativního
a
podnikatelského
prostředí.
Tato
skutečnost
je
nejpravděpodobněji vysvětlena existencí velmi těsných obchodních vztahů se západními nejbohatšími státy, což má pozitivní vliv na ekonomickou úroveň mimo myšlený model. Ovšem 61
tento stav posléze přispívá vysoké sensitivitě těchto států na hospodářský vývo vývojj právě těchto partnerských zemí. Dlouhodobě může docházet ke dvěma různým konvergenčním pohybům, kdy buď s Řeckem budeme urychleně zvyšovat kvalitu legislativního a právního prostředí (a tím vyplňovat vzniklý rozdíl zdola) anebo naopak bude klesat naše ek ekonomická onomická úroveň (tedy vyplňovat rozdíl shora), což je jistě ta méně vítaná varianta. V případě Řecka aktuálně velmi hmatatelná méně vítaná varianta.
Graf 17 modelové vs. empirické hodnoty vysvětlující proměnné, Model 3
62
3. Predikce 3.1.
Modelová predikce
Jak jsem již dříve uvedla, odhadování budoucího vývoje HDP per capita pro sledované státy pomocí modelu z předchozí kapitoly je v podstatě možné, protože hodnoty, ze kterých tento model vychází, jsou známy již i pro rok 2011 (mimo Corruption Perception, jenž je aktuální pro rok 2010). Podstatným omezením ovšem zůstává skutečnost, že se jedná především o odhad potenciálních hodnot, pro které je ekonomika za uvedených parametrů podnikatelského a legislativního prostředí v rovnovážném stavu. Zkoumané ukazatele tedy vnímám sice jako podstatné, ale pouze pomocné faktory, které při pozitivní konfiguraci mohou zesílit dlouhodobé růstové efekty v průběhu globální makroekonomické konjunktury a současně působit jako brzda erozivních procesů, jež jsou přítomny v období globální recese. Naopak negativní konfigurace podnikatelského a legislativního prostředí působí zcela opačně, a to v době všeobecného růstu kýžený pokrok zpomaluje a v době globální recese se veškerý těžce dosažený pokrok velmi rychle rozpadá v prach. Zkoumání jednotlivých ukazatelů u vybraných států v čase nám spíše napovídá stav a vývoj jejich připravenosti na konfrontaci s budoucími globálními výzvami a schopnosti využít této konfrontace ve svůj prospěch. Nyní se již ale pojďme podívat na samotný vývoj v čase u signifikantních ukazatelů z modelu 3 námi sledovaných států.
Construction Permits státy
2009
2011
Getting Credit 2009
2011
Enforcing
International
Corruption
Contracts
Trade
Perception
2009
2011
2009
2011
2009
2010
ČR
39.7% 42.5% 59.6% 59.6% 40.4% 41.1% 57.1% 60.8% 49.0% 46.0%
Finsko
70.1% 70.1% 57.7% 57.7% 69.0% 66.7% 73.3% 73.9% 89.0% 92.0%
Řecko
65.2% 65.2% 36.5% 40.7% 55.5% 55.5% 52.5% 54.1% 38.0% 35.0%
Tabulka 4. Zdroj: DoingBusiness.org, Transparency International a vlastní výpočty
Z tabulky 4 je jasně patrné, že Česká Republika si mezi roky 2009 a 2011 u třech ukazatelů z pěti v hodnocení polepšila, u jednoho zůstalo na počáteční hodnotě a u jednoho došlo ke zhoršení. 63
Bohužel pro ČR došlo ke zhoršení u modelově nejdůležitějšího ukazatele, a to vnímání korupce. Řecko si oproti tomu mezi zmíněnými roky polepšilo u dvou ukazatelů, ve stejném počtu případů hodnoty stagnovaly a opět u nejdůležitějšího ukazatele došlo ke zhoršení. Stejná statistika platí také pro Finsko, ovšem s tím rozdílem, že jedno ze dvou zlepšení nastalo právě v případě již několikrát zmíněného vnímání korupce, jakožto modelově nejdůležitějšího ukazatele. Nyní se podívejme, co výše diskutované změny u jednotlivých ukazatelů znamenají pro vysvětlovanou proměnnou a to HDP per capita.
2009
2011 EST
Model3lnH
Model3H
Model3lnH
Model3H
Model3HDPpc
DPpc
DPpc
DPpc
DPpc
+RES
$18,139
8.87
$7,087
8.85
$6,950
$17,790
Finsko
$44,581
11.1
$66,392
11.17
$71,241
$47,837
Řecko
$29,240
8.59
$5,398
8.57
$5,270
$28,545
stát
HDP p.c.
ČR
Tabulka 5. Zdroj: World Bank, Model 3 – vlastní výpočty
Jak již bylo dříve řečeno, případy Řecka i České republiky mají dle modelu velmi výrazné pozitivní rezidua naznačující vyšší ekonomickou úroveň, než by napovídala kvalita legislativního a podnikatelského prostředí. Pro potřeby predikce jsou tedy dvě varianty jak v tomto případě postupovat. Jedna varianta je přímočaře se soustředit na hodnoty, které nám na základě aktuálních vstupních dat vzejdou přímo z modelu. Tato varianta ovšem obzvláště v případě, kdy modelové hodnoty zpětně zbavujeme přirozeného logaritmu, není příliš vhodná právě pro nízkou pravděpodobnost, že existující reziduum bude v tak krátkém časovém horizontu odstraněno. Proto se přikláním k druhé interpretační variantě, a to k modelem přiřknutým hodnotám opětovně reziduum z roku 2009 připočítat. I tak mi vychází pokles 500$, resp. 700$ pro Českou republiku a Řecko. Tento pokles je přes vylepšení některých ukazatelů zapříčiněn meziročním pohoršením nejdůležitějšího ukazatele vnímání korupce. Naopak Finsko v případě tohoto ukazatele zaznamenalo výrazné vylepšení, a tak i po odečtení jeho negativního rezidua jako jediné zaznamenává nárůst potencionálního HDP per capita přes 3 000 $.
64
Závěr Na závěr bych shrnula nejdůležitější závěry a poznatky z celé práce. Nejprve se v rámci analýzy základních makroekonomických ukazatelů potvrdila dominance Finska nad ČR i Řeckem v hlavním ukazateli ekonomické úrovně, tedy HDP per capita. V případě dynamiky růstu tohoto ukazatele trochu překvapivě na sledovaném úseku nebyl mezi státy významný rozdíl. Tento závěr je zajímavý především ze dvou důvodů. Prvním je fakt, že tato skutečnost v podstatě vyvrací existenci beta konvergence hospodářské úrovně v případě těchto států. Toto není příliš pozitivní zpráva pro ČR, která by měla jako nejméně rozvinutý stát v tomto výběru vykazovat nejvyšší dynamiku růstu, což bohužel není pravda. Druhým je pak spíše ironické poznamenání, že v následujících letech již tato rovnost v případě Řecka vysoce pravděpodobně platit nebude. Z makroekonomické analýzy dále vyplynul obrovský náskok Finska před ČR i Řeckem v oblastech veřejných výdajů na vzdělání, podpory výzkumu a vývoje a podílu high-tech zboží na celkovém exportu. Řecko oproti tomu vydobylo smutné prvenství v případě výše státního dluhu. ČR i Finsko jsou na tom v této oblasti výrazně lépe, ovšem i přes skutečnost, že celkovou výši dluhu (v % k HDP) má ČR nižší než Finsko, trend změny tohoto ukazatele hraje v neprospěch právě ČR. V další části byl pomocí regresní analýzy poměrně přesvědčivě potvrzen vliv podnikatelského a legislativního prostředí na ekonomickou úroveň států. Nejvíce pak v případě následujících faktorů v sestupném pořadí: vnímaní korupce, vymáhání smluvních vztahů, úvěrové prostředí a podmínek pro mezinárodní obchod. Tyto výsledky nejsou příliš optimistické jak pro případ ČR tak především Řecka, protože právě v prvních dvou faktorech s největším vlivem na ekonomickou úroveň dosahují v rámci evropského prostředí velmi podprůměrných hodnot. Tato skutečnost se projevuje ve vysoké hodnotě modelového rezidua pro oba státy, což indikuje vyšší ekonomickou úroveň než by odpovídala stavu podnikatelského a legislativního prostředí. Dostat se do modelově rovnovážné polohy je pak možné dvěma způsoby, jednak snížením ekonomické úrovně (čehož jsme svědky v případě Řecka) anebo zkvalitněním podnikatelského a legislativního prostředí, což jak pevně doufám budeme svědky v případě ČR. Z výsledků modelu 65
a vstupních hodnot vyplývá, že by se ČR měla v první řadě soustředit na potírání korupce a zvýšení smluvní vymahatelnosti, tedy zefektivnění funkčnosti soudního aparátu. Jedině tak je možné vyhnout se následování negativního příkladu Řecka a naopak navázat na pozitivní příklad Finska.
66
Seznam použité literatury HOLMAN, Robert. Ekonomie. 4. vyd. Praha: C. H. Beck, 2005. ISBN 80-7179-891-6. HOLMAN, Robert. Makroekonomie: Středně pokročilý kurz. 1. vyd. Praha: C. H. Beck, 2004. ISBN 80-7179-764-2.
BASSANINI, Andrea; SCARPETTA, Stefano and HEMMINGS, Philip. Economic GrowthN: The Role of Policies and Institutions. Panel Data Evidence from OECD Countries. OECD Economics Department Working Paper No. 283, 2001.
GREEN, William H. Econometric Analysis. 5th ed. Prentice Hall, 2003, ISBN: 0130661899.
WOOLDRIDGE, J. M. Econometric analysis of cross section and panel data. MIT Press, 2002. ISBN 9780262232197.
http://www.doingbusiness.org/methodology
http://www.imfbookstore.org/statistical.asp http://www.transparency.org/policy_research/surveys_indices/cpi/2009/methodology 12.02.2011>
Software Gretl 1.8.5
67
