De impact van ongelijkheid op economische groei

UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE
ACADEMIEJAAR 2015– 2016
De impact van ongelijkheid op
economische groei
Masterproef voorgedragen tot het bekomen van de graad van
Master of Science in de Economische Wetenschappen
Thijs Vanhooren
Promotor: Prof. Tim Buyse
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of
gereproduceerd worden, mits bronvermelding.
Naam student: Thijs Vanhooren
Voorwoord
Deze masterproef stelt de eindhalte van mijn studie Economie aan de Universiteit Gent voor.
Ik wil in deze paper de verkregen kennis van mijn vierjarige studie verwerken.
Ik las het boek “Kapitaal in de 21ste eeuw” van Piketty in de zomer. Op het moment dat ik het
boek had uitgelezen kwamen de masterproefonderwerpen binnen. Mijn oog viel zowel op het
onderwerp van deze masterproef als op het bespreken van het boek. Uiteindelijk koos ik voor
het effect van ongelijkheid op economische groei, omdat juist dit deel ontbrak in Piketty’s
werk.
Het econometrische aspect was een uitdaging. Het gebruik van een schatter en het bestaan van
een bias, die voor mij ongekend waren, maakte het er niet makkelijker op. Ik moet dan ook
meerdere collega studenten bedanken voor de ondersteuning bij het schrijven van dit deel in
de paper. Ook mijn promotor, Tim Buyse bedank ik voor de vlotte samenwerking. Hij stond
altijd paraat voor het geven van advies en belangrijke opmerkingen. Ook moet ik Nees
Marquenie in het bijzonder bedanken, niet enkel voor het wijzen op flagrante taalfouten maar
ook voor algemene ondersteuning tijdens het schrijven van de masterproef. Als laatste bedank
ik mijn ouders, beiden hebben ze moeten lijden onder de slechte communicatie die het gevolg
was van het feit dat mijn focus soms enkel op de paper lag.
Graag wens ik u verder nog veel leesplezier.
Thijs Vanhooren
Inhoudsopgave
Abstract ................................................................................................................................................................... 1
Inleiding .................................................................................................................................................................. 2
Hoofdstuk 1: Ongelijkheid in OECD landen .......................................................................................................... 3
1.1. De Gini-coëfficiënt en andere maatstaven ................................................................................................... 3
1.2. Evolutie ........................................................................................................................................................ 3
1.3 Verklaren van ongelijkheid ......................................................................................................................... 12
1.3.1. Kuznets curve ...................................................................................................................................... 12
1.3.2. Andere Theorieën ................................................................................................................................ 14
1.4. Intergenerationele inkomensmobiliteit ....................................................................................................... 16
Hoofdstuk 2: Het effect van ongelijkheid op economische groei ......................................................................... 18
2.1. Theoretische verklaringen .......................................................................................................................... 18
Kanaal 1: Imperfecte Kapitaalmarkten .......................................................................................................... 18
Kanaal 2: Politieke economie & Sociopolitieke stabiliteit ............................................................................ 20
Kanaal 3: Voldoende vraag ........................................................................................................................... 21
Kanaal 4: Incentives ........................................................................................................................................ 3
Kanaal 5: Spaarquote .................................................................................................................................... 23
2.2. Kwaliteit van het gevoerde onderzoek ....................................................................................................... 23
2.3. Overzicht empirische literatuur .................................................................................................................. 26
Hoofdstuk 3: Empirisch onderzoek ....................................................................................................................... 31
3.1. Inleiding ..................................................................................................................................................... 31
3.2. Bespreking Data ......................................................................................................................................... 31
3.3. Schattingsmethode ..................................................................................................................................... 34
3.4. Resultaten ................................................................................................................................................... 35
3.4.1. Eerste indruk ....................................................................................................................................... 35
3.4.2. Regressie resultaten a.d.h.v. vijfjaarlijkse gemiddelden ......................................................................... 37
3.4.2.1. Vereenvoudigde Regressie ............................................................................................................... 37
3.4.2.2. Schatting van de basisregressie ....................................................................................................... 38
3.4.2.3. Uitgebreide regressie ....................................................................................................................... 40
3.4.2.4. Verklaren van de resultaten ............................................................................................................. 42
3.4.3. Regressie a.d.h.v. jaarlijkse data ............................................................................................................. 44
3.5. Beleidsimplicaties ....................................................................................................................................... 47
Conclusie............................................................................................................................................................... 49
Referenties ............................................................................................................................................................ 52
Figuren
Figuur 1: Opstellen van de Gini-coëfficiënt
Figuur 2: Ongelijkheid in Europa
Figuur 3: Gini-Coëfficiënt
Figuur 4: Gini-coëfficiënt voor herverdeling
Figuur 5: Kuznets curve uit Barro(2000)
Figuur 6: Great Gatsby curve uit Corak(2013)
Figuur 7: Het Solow model
Figuur 8: Scatterplot Gini-coëfficiënt en Log(GDP)
Figuur 9: BBP per capita
4
6
7
8
13
17
24
35
37
Tabellen
Tabel 1: de mate van ongelijkheid
Tabel 2: hoogste tarief inkomensbelasting in de Verenigde Staten
Tabel 3: samenvatting reeds gevoerde onderzoek
Tabel 4: Overzicht Gini-coëfficiënt data
Tabel 5: ADF unit root test
Tabel 6: Vereenvoudigde Basisregressies
Tabel 7: Basisregressies
Tabel 8: uitgebreide regressies
Tabel 9: Correlatiematrix
Tabel 10: test voor multicollineariteit
Tabel 11: Test voor coïntegratie, Gini na herverdeling
Tabel 12: Test voor coïntegratie, Gini voor herverdeling
Tabel 13: Regressie met jaarlijkse data
9
11
30
32
37
38
40
42
43
43
45
45
46
Abstract
De ongelijkheid onder OECD landen kent een toenemende trend de afgelopen veertig jaar. De
theorie van Kuznets kan hiervoor een verklaring zijn. Anderzijds kan deze evolutie uitgelegd
worden aan de hand van de toenemende voordelen die de hoogste inkomens naar zich toe
trekken. Dit ten nadele van de minder bedeelden in de samenleving. Een derde theorie die de
gestegen ongelijkheid verklaart, stelt dat dit een gevolg is van de toenemende globalisering en
de technologische vooruitgang. Naast de verandering van de ongelijkheid werd de
intergenerationele inkomensmobiliteit bekeken. Er wordt gevonden dat landen met een hoge
graad van ongelijkheid geassocieerd worden met een lage mate van intergenerationele
inkomensmobiliteit.
Volgende kanalen waarlangs inkomensongelijkheid een effect kan hebben op economische
groei zullen in volgorde besproken worden: de imperfecte kapitaalmarkten, de politieke
stabiliteit, de macro economische vraag, de incentives en de spaarquote.
Het gevoerde onderzoek was op basis van data van hoge kwaliteit. De gebruikte index was de
Gini-coëfficiënt en dit voor de periode 1970-2010. Uit de resultaten voor deze 40 jarige
periode valt geen hard besluit te maken. Wanneer de regressie gedaan werd voor gemiddelden
over een periode van vijf jaar werd een negatief effect van ongelijkheid op economische groei
gevonden. Maar dit effect is statistisch niet significant. Er is wel een statistisch significant
effect wanneer jaarlijkse data gebruikt worden. Het effect van ongelijkheid op economische
groei wordt positief. Zo zal een toename van de Gini-coëfficiënt met 1 punt voor een hogere
groei van 0.13 procent in de volgende periode zorgen.
De implicatie voor het beleid is dat ongelijkheid geen significante rol moet spelen bij
beslissingen, dit op basis van het effect van ongelijkheid op de groei. Toch zijn er andere
redenen die het belang van ongelijkheid aantonen. Zo kan ongelijkheid nefast zijn voor
bevolkingsgezondheid. Bovendien kan een hoge mate van ongelijkheid als onrechtvaardig
beschouwd worden. Uit de literatuur worden ook beleidsbeslissingen voorgesteld die
economische groei ondersteunen en gelijktijdig de algemene trend van een toenemende
ongelijkheid tegengaan. Een dergelijk voorstel is het aanmoedigen van scholing.
1
Inleiding
Inkomensongelijkheid is een fel bediscussieerd topic binnen de hedendaagse economische
wetenschap. Een bekende exponent hiervan is Piketty’s werk: Kapitaal in de 21ste eeuw. Ook
was ongelijkheid dit jaar een centraal thema in de jaarlijkse bijeenkomst van het Wereld
Economisch Forum in 2016. En heel recent werd de discussie rond de taxatie van de hogere
inkomens een centraal thema in de media, dit als gevolg van de Panama Papers. De persoon
die de documenten heeft gelekt verklaarde dat hij de informatie openbaar heeft gemaakt
vanwege zijn bezorgdheid rond mondiale ongelijkheid (Kattasova, 2016). Ongelijkheid speelt
ook een rol in de discussie rond de seculaire stagnatie. Deze hypothese stelt dat door enkele
structurele wijzigingen, zoals toenemende ongelijkheid, de wereldeconomie in een situatie
terecht gekomen is van lage groei. Deze mix van elementen zorgt ervoor dat ongelijkheid
binnen de economie een steeds belangrijkere rol aan het innemen is. Zo laten Heylen &
Kerckhove (2014) de gunstigheid van mogelijke beleidsingrepen afhangen van hun effect op
ongelijkheid. Dit onderzoek gaat mee in deze hedendaagse ontwikkeling.
Het belang van ongelijkheid is een onderwerp dat reeds teruggevonden wordt bij Adam
Smith. Hij zei namelijk “No society can surely be flourishing and happy of which by far the
greater part of the numbers are poor and miserable.” Dit komt erop neer dat wanneer een
maatschappij gekenmerkt wordt door grote ongelijkheid, er geen sprake kan zijn van een
gelukkige en ontwikkelende gemeenschap. Naast de ontwikkeling van inkomensongelijkheid
wordt ook empirisch het effect ervan op economische groei onderzocht. Er wordt aandacht
besteed aan de verklaringen voor dit effect. Deze verklaringen worden eerst theoretisch
uitgewerkt, waarna het totale effect van ongelijkheid op economische groei econometrisch
geschat wordt. De focus in deze paper zal liggen op ontwikkelde landen die lid zijn van de
OECD.
Een ander belangrijk element is de mogelijke rol die ongelijkheid moet spelen binnen het
beleid. Empirisch wordt er echter maar één reden voor het opnemen van ongelijkheid als
variabele binnen het beleid getest. Namelijk het effect op economische groei. Andere redenen
zoals volksgezondheid (Holmberg & Rothstein, 2011) of het effect van inkomensongelijkheid
op de verdeling van politieke macht (Dabla-Norris, Kochnar, Suphaphiphat Ricka, & Tsounta,
2015) worden hier niet getest.
2
Het uiteindelijke doel van deze paper is te kunnen antwoorden op volgende vragen:
1. Wat is de algemene trend van ongelijkheid binnen de ontwikkelde landen?
2. Is ongelijkheid nefast voor economische groei en wat is het effect van herverdeling op
economische groei?
3. Moet ongelijkheid een rol hebben binnen het beleid?
In hoofdstuk 1 wordt evolutie van ongelijkheid besproken, dit aan de hand van de resultaten
gevonden in de literatuur en op basis van eigen data. Nadat de evolutie bekeken is zal getracht
worden een hiervoor theoretische basis te vinden. Ook wordt het verband tussen ongelijkheid
en intergenerationele inkomensmobiliteit aangehaald. In het daaropvolgende deel zullen de
theoretische kanalen waarlangs ongelijkheid op economische groei een effect heeft worden
uiteengezet. Een overzicht van de empirie die in de literatuur gevonden wordt volgt. Dit nadat
er een bespreking is gedaan over de mogelijke problemen bij het voeren van het onderzoek. In
hoofdstuk 2 worden eigen resultaten getoond. De gebruikte data worden toegelicht en de
kwaliteit ervan besproken. Voor de eindconclusie wordt er nog ingegaan op de
beleidsimplicaties van de gevonden resultaten. Er wordt namelijk getracht te bepalen in welke
mate de overheden rekening moeten houden met ongelijkheid. De eindconclusie bevat de
essentie van elk onderdeel van deze paper.
Hoofdstuk 1: Ongelijkheid in OECD landen
In dit deel wordt de evolutie van de inkomensongelijkheid van landen weergegeven waarbij
de nadruk op de OECD landen zal liggen. Piketty (2014) stelt dat het inkomen uit kapitaal
ongelijker verdeeld is dan het inkomen uit arbeid, maar onderscheid tussen deze factoren
wordt in deze paper niet gemaakt. Een belangrijke variabele die de ongelijkheid meet is de
Gini-coëfficiënt (zie 1.1.). Deze houdt eveneens geen rekening met het verschil tussen arbeiden kapitaalinkomen. In sectie 1.2. wordt de evolutie enerzijds besproken aan de hand van
reeds gevoerd onderzoek en anderzijds op basis van eigen data. Het bekijken van een
specifiek land laat ons toe om de cijfers minder abstract te maken. Er wordt aangetoond hoe
ongelijkheid zich manifesteert, in dit geval zal België van naderbij bekeken worden.
1.1.De Gini-coëfficiënt en andere maatstaven
De Gini-coëfficiënt is een geaggregeerde index gebaseerd op de Lorenz-curve. Figuur 1 geeft
de Lorenz-curve weer van zowel een volledig egalitaire staat, als van 2 minder gelijke staten.
3
De curve is het verband tussen het deel van de populatie en het overeenkomstig cumulatieve
aandeel van het totale inkomen. Is een staat volledig egalitair, dan ontvangt de eerste
50 procent van de populatie ook 50 procent van het totale inkomen. De rode lijn is een rechte
die een hoek maakt van 45° met de horizontale as en overeen komt met de vooropgestelde
egalitaire situatie. Een meer realistisch beeld wordt weergegeven door de blauwe lijn. Deze
fictieve populatie is niet perfect egalitair. De curve is geen rechte meer en wijkt dus af van de
45° lijn.
Figuur 1: opstellen van de Gini-coëfficiënt
Een derde lijn (de groene) duidt op een andere fictieve staat met een grotere ongelijkheid
waardoor de curve een grotere afwijking van de 45° lijn kent. Om van de Lorenz-curve naar
de Gini-coëfficiënt te gaan wordt volgende formule gebruikt:
Index = A/ A+B
Met A de oppervlakte tussen de 45°-lijn en de gevormde curve (in dit geval de blauwe lijn).
De noemer bestaat uit de volledige oppervlakte onder de 45°-lijn. Voor de 45° lijn is volgens
de formule de index gelijk aan 0. Een staat waarin slechts één entiteit al het inkomen naar zich
toetrekt, zal gekenmerkt worden door een Gini-coëfficiënt van 1.
4
Beide uitersten zijn onrealistisch. De twee fictieve staten ertussen benaderen meer de realiteit.
De coëfficiënt stijgt naarmate de ongelijkheid ook stijgt. De voordelen van deze index zijn de
grote beschikbaarheid (zowel internationaal als op vlak van tijd), het feit dat hij rekening
houdt met de volledige distributie en het gemakkelijk gebruik ervan.
Toch mag deze index niet blindelings gebruikt worden, aldus Piketty (2014) die erop wijst dat
de Gini-coëfficiënt een te abstract en steriel beeld van de ongelijkheid geeft.Bovendien
moeilijk te interpreteren valt en geen duiding van de onderliggende reden van de wijziging
geeft.
Een andere index is de Theil-index, die net als de Gini-coëfficiënt een geaggregeerde index is.
Deze index heeft als voordeel heeft dat hij opgesplitst kan worden, bijvoorbeeld in regio’s. Bij
de Gini-coëfficiënt is dit niet mogelijk. Desondanks wordt de Theil-index minder gebruikt
door zijn onvoldoende beschikbaarheid.
Ook de P90/P10-index, de verhouding van het aandeel van het negentigste percentiel ten
opzichte van het tiende percentiel, kent problemen. Zo houdt deze index geen rekening met
wijzigingen binnen de twee percentielen, toch een belangrijk element. Deininger & Squire
(1996) verklaren dat de keuze van een welbepaalde index weinig effect heeft op de
uiteindelijke resultaten.
1.2.Evolutie
Zonder te stellen dat er een consensus is, valt het op dat vele economisten een stijging van de
inkomensongelijkheid in de meeste OECD landen opgemerkt hebben (Atkinson, Piketty, &
Saez 2014; Cingano, 2014; Dabla-Norris et al. 2015; Mankiw, 2013; OECD, 2015; Berg,
Ostry & Tsangarides, 2014; Piketty, 2014;). De grootste verschillen die terug gevonden
worden bestaan vooral in het verklaren van die stijging, hier wordt dieper op ingegaan in
sectie 1.3.
Figuur 2 geeft een tijdslijn weer met de fluctuatie voor de ongelijkheid in Europa. Aangezien
de evolutie in Frankrijk gelijkaardig loopt met de andere Europese landen, gebruiken we dit
land als algemeen voorbeeld voor de uitleg van de figuur. De keuze voor Frankrijk wordt
gestaafd door Piketty (2014). De verticale as geeft het aandeel van het hoogste
inkomensdeciel van het totale inkomen in procent weer.
5
Deze maatstaf voor ongelijkheid is een onderdeel van de reeds besproken P90/P10-index en is
een alternatief voor de Gini-coëfficiënt.
Figuur 2: Ongelijkheid in Europa
Aandeel hoogste inkomensdeciel van het totale
inkomen
Ongelijkheid in Europa
50,0%
45,0%
40,0%
35,0%
(3)
(1)
(4)
30,0%
25,0%
(2)
20,0%
15,0%
10,0%
5,0%
0,0%
Jaren
Bron: Piketty (2014), Europa is een samenstelling uit Groot-Brittannië, Duitsland, Frankrijk en Zweden. Het
betreft het totale inkomen, uit arbeid en vermogen.
Er zijn extreme hoogten gekend in de jaren 1900. Zo ging om en bij de 40 procent van het
nationaal inkomen naar de top 10 procent. Tijdens de periode 1914-1945 kregen de 10 procent
rijksten zware klappen te verduren en hierdoor daalde de inkomensongelijkheid.
Weergegeven door (1). Dit werd ook veroorzaakt door de aanpak van de loonhiërarchie in
beide oorlogen. Tussen 1945 en 1967 kende Frankrijk een toename van de
inkomensongelijkheid die toe te wijzen was aan de extreem hoge lonen die hoogopgeleiden
kregen in vergelijking met de lonen van lage en middelmatig opgeleiden. Weergegeven door
(2). Van 1968 tot 1982 werd het minimumloon geïndexeerd. Het nam met 130 procent toe in
die periode. De productie groeide minder snel dan de loonsom en hierdoor daalde het aandeel
van inkomens uit vermogen in het totale inkomen. Daaruit volgde dat de
inkomensongelijkheid een sterke daling kende, weergegeven door (3). In 1982-1983 werden
de minimumlonen bevroren, waardoor de loonongelijkheid weer toenam. Ook het aandeel van
winst in het nationaal inkomen een werd groter.
6
De periode erna (1990-2010) wordt ook gekenmerkt door een toename van de ongelijkheid,
enerzijds door het toegenomen aandeel van kapitaal in het inkomen en anderzijds door een
nieuw ontstaan fenomeen: de ‘supermanagers’. Zo nam het aandeel van de lonen voor de top
1 procent in de jaren 1980-2010 toe met 30 procent (4) (Piketty, 2014). Uiteindelijk komt
Piketty tot het besluit dat het moderne Frankrijk eerder als ‘supermanagers-staat’ kan
gekenmerkt worden dan als renteniersstaat.
Wanneer we grafisch de vergelijking maken tussen de maatstaf gebruikt door Piketty (2014)
en de Gini-coëfficiënt voor de periode 1970-2010 dan merken we dat beide een gelijkaardig
beeld weergeven. In Figuur 3 is dezelfde stijging van ongelijkheid te merken in de jaren
1990-2010. Dit wijst erop dat de maatstaven van ongelijkheid kunnen leiden tot vergelijkbare
resultaten, ondanks het feit dat de methode die gebruikt wordt voor het berekenen
verschillend is.
Figuur 3: Gini-coëfficiënt
Gini-coëfficiënt
60
Gini-coëfficiënt
0-100
50
40
30
20
10
0
Jaren
Bron data: SWIDD. Gemiddelde van Duitsland, Frankrijk, Verenigd Koninkrijk en Zweden.
7
In Figuur 4 wordt de Gini-coëfficiënt vergeleken tussen 1970 en 2012 en dit voor alle landen
die in deze paper van belang zijn. Op deze manier wordt het duidelijk in welke mate de
ongelijkheid is geëvolueerd per land. Bovendien kunnen verschillen tussen landen bestudeerd
worden.
Figuur 4: Gini-coëfficiënt voor herverdeling
Evolutie ongelijkheid in OECD landen
Gini-coëfficiënt voor herverdeling
60
50
40
30
20
1970
10
2012
Zweden
Verenigde Staten
Verenigd Koninkrijk
Spanje
Turkije
Polen
Oostenrijk
Noorwegen
Nieuw-Zeeland
Mexico
Nederland
Luxemburg
Japan
Italië
Israël
Hongarije
Griekeland
Frankrijk
Finland
Duitsland
Canada
Denemarken
België
0
Bron data: SWIID, voor herverdeling van de overheid
Noot: *Data voor België is voor 1972 niet 1970 ** Data voor Canada is voor 2011 niet voor 2012 ***Data voor
Israël is voor 1979 niet 1970 en 2011 niet 2012 **** Data voor Japan is voor 2010 niet 2012 ***** Data voor
Turkije is voor 1966 en niet 1970.
Uit de tabel blijkt dat het Verenigd Koninkrijk, de Verenigde Staten en Spanje een enorme
toename kenden in ongelijkheid. Uit Figuur 4 valt op te maken dat slechts België, Mexico,
Nederland, Italië en Turkije de enige landen zijn die een daling kenden in de Gini-coëfficiënt.
De overige 18 landen vertonen allemaal een toename. Hieruit valt te besluiten dat de
ongelijkheid in de OECD landen toegenomen is. Deze toename is niet in elk land terug te
vinden.
Op basis van de data voor het jaar 2010 uit Figuur 4 kunnen de landen in een bepaalde
categorie ingedeeld worden. Deze indeling wordt gemaakt door Tabel 1.
8
Een land behoort tot de categorie van Grote ongelijkheid wanneer de Gini-coëfficiënt de
grenswaarde van 0.49 overschrijdt. Zo behoren Griekenland, Israël, Spanje, het Verenigd
Koninkrijk en de Verenigde staten tot deze categorie. Een gelijkaardige indeling werd al eens
gemaakt door OECD (2012). Het geeft een mogelijke interpretatie aan de waarden van de
Gini-coëfficiënt en maakt het makkelijker om landen te vergelijken. Zo is het vergelijken van
een Gini-coëfficiënt tussen landen eerder onduidelijk: in welke mate moet het verschil
aanzien worden als miniem en waar ligt de grens met economische relevantie?
Gebruik makend van Tabel 1 zien we dat er 3 landen een dermate grote toename van
ongelijkheid hebben gekend, waardoor ze in een hogere categorie terecht zijn gekomen. Daar
tegenover staat dat er 4 landen zijn die de omgekeerde beweging hebben gemaakt. Dit is
echter geen bewijs dat ongelijkheid eerder afnam in de periode 1970-2010. Zo daalde de Ginicoëfficiënt in Mexico slechts met 2.1 punt maar kwam het land wel in een lagere categorie
van ongelijkheid terecht volgens Tabel 1.
Tabel 1: de mate van ongelijkheid
Aandeel van de
verschillende groepen in het
totale inkomen in procent
Geringe
ongelijkheid
Middelmatige
ongelijkheid
Grote
ongelijkheid
Zeer grote
ongelijkheid
De rijkste 10 procent
25
35
50
60
De rijkste 1 procent
7
10
20
25
De rijkste 9 procent
18
25
30
35
De middelste 40 procent
45
40
30
25
De armste 50 procent
30
25
20
15
0.2
0.36
0.49
0.58
Bijhorende Gini-coëfficiënt
Bron: Piketty (2014)
Noot: Merk op dat de bevolking verdeeld wordt in hoogste klasse, middenklasse en lagere klasse. Piketty
verdedigt deze keuze door een verdeling van de maatschappij in twee groepen, de massa en de elite, als niet
meer relevant te beschouwen. De gegevens zijn altijd primair, dus voor belastingaftrek.
De interpretatie gaat als volgt, stel in dat de rijkste 1 procent van de bevolking 5 procent van het totale inkomen
toegedeeld krijgt. Bij een gemiddeld inkomen van 2000 betekent dit dat de rijksten 10.000 ontvangen, of vijfmaal
het gemiddelde. Gem * N = Totaal en 2000 * 100 = 200.000 van die 200.000 vijf procent komt overeen met
10.000 en dit resultaat vergelijken met 2000 bekomen we 5.
Wanneer het volledige verhaal bekeken wordt, is de algemene trend eerder een toename van
ongelijkheid. Zo kenden volgens Figuur 4 slechts 5 van de 23 landen een afname van
ongelijkheid. Afgezien daarvan worden meer landen in 2010 beschreven door een categorie
van lagere ongelijkheid dan in het jaar 1970.
9
Het is interessant om kort de hedendaagse situatie van een specifiek land na te gaan. Dit om
een minder abstract beeld van ongelijkheid te creëren. Zo is het nuttig om te bepalen vanaf
welk vermogensniveau men behoort tot het hoogste vermogensdeciel van een land. De focus
wordt gelegd op België. De drempelwaarde om tot de 10 procent meest vermogenden van het
land te behoren, bedraagt in België €686.700. De belangrijkste vermogenscomponent in
België is de eigen woning. Ongeveer 70 procent van de bevolking bezit een eigen woning .
Dit is één van de onderliggende redenen van de relatief lage ongelijkheid in dit land. Een feit
dat ook opvalt is dat naarmate men zich in een hoger vermogensdeciel begeeft de
vermogensportfolio gediversifieerder wordt. Zo nemen obligaties en aandelen pas een
significant deel uit van de vermogensportfolio bij de top 10 procent meest vermogenden
(Kuypers & Marx, 2014).
De vermogensongelijkheid wordt echter niet opgenomen in het empirische onderzoek, noch is
het de basis waarop de Gini-coëfficiënt berekend wordt. De analyse van de
inkomensongelijkheid in België wordt gedaan op basis van Horemans, Pintelon &
Vandenbroucke (2011). Deze paper gebruikt enquêtes in de plaats van fiscale data. Dit heeft
als voordeel dat er niet naar veranderingen in het belastingstelsel moet gekeken worden.
Daartegenover staat de mogelijkheid van onder rapportering van inkomsten uit vermogen. In
de periode 2003-2007 wordt gevonden dat het gemiddelde maandelijkse inkomen met 7.26
procent gestegen is. Zo bekomt men een gemiddeld maandelijks inkomen in 2007 van
€1649.56. Wanneer bekeken wordt welk deel van de bevolking het grootste deel van deze
stijging naar zich toe heeft getrokken vinden we geen grote winnaars. De groei van het
inkomen is eerder gelijk verdeeld over de inkomensdecielen. Hieruit valt te besluiten dat de
inkomensongelijkheid in België niet is toegenomen in de periode 2003-2007.
Wanneer we naar Figuur 4 kijken dan merken we op dat België één van de vijf landen is
waar de ongelijkheid, gemeten aan de hand van Gini-coëfficiënt, is afgenomen voor de
periode 1970-2010. Van alle landen opgenomen in de figuur heeft enkel Noorwegen een
lagere ongelijkheid. OECD (2012) stelt dat de ongelijkheid in arbeidsinkomen in België
vooral te wijten is aan de hoge werkloosheidsgraad.
In dit deel worden de veranderingen in de inkomensbelasting in de Verenigde Staten
nagegaan. We proberen een antwoord te geven op de vraag: steeg de belastingdruk voor de
hoogste inkomens, bleef ze stabiel of daalde ze? Piketty (2014) stelt dat de hoogste inkomens
10
een steeds kleiner aandeel moeten betalen op hun inkomen over de periode 1900-2013. De
analyse hier wordt gemaakt op basis van de inkomsten van een getrouwd koppel dat de
aangifte gezamenlijk doet. De eerste kolom van Tabel 2 geeft voor de periode 1970-2012
weer vanaf welk inkomen men het hoogste percentage inkomensbelastingen moest betalen.
Daarnaast toont de tabel het belastingpercentage voor de hoogste inkomensgroep, alsook de
regerende president. Enkel de belangrijkste wijzigingen in zowel de grenswaarde als het
percentage worden weergegeven. Vanaf 31 december 1984 werden de grenswaarden
aangepast aan de inflatie zodanig dat een individu geen hogere belastingen moest betalen
indien haar inkomen geïndexeerd werd.
Tabel 2: hoogste tarief inkomensbelasting in de Verenigde Staten
Jaar
1970
1982
1983
1986
1987
1988
1991
1993
2003
2013
Inkomen
$200.000
$85.600
$109.400
$175.250
$90.000
$29.750
$82.150
$250.000
$311.950
$450.000
Belasting
70 procent
50 procent
50 procent
50 procent
38,50 procent
28 procent
31 procent
39,60 procent
35 procent
39,60 procent
President
Richard Nixon
Ronald Reagan
Ronald Reagan
Ronald Reagan
Ronald Reagan
Ronald Reagan
George H. W. Bush
George H. W. Bush
George H. W. Bush
Barack Obama
Bron: www.taxfoundation.org
Gedurende het presidentschap van Ronald Reagan daalde zowel de grenswaarde als het
percentage dat men moest betalen op inkomen. Ondanks de verhoging van de grenswaarde in
1993, 2003 en 2013 is het belastingpercentage nog niet in de buurt van de vroegere 70
procent. In het jaar 1998 betaalden getrouwde koppels reeds het hoogste tarief van 28 procent
wanneer ze een inkomen boven $29.750 hadden. Het algemene besluit uit deze tabel is dat de
hoogste inkomens een gunstiger regime kennen dan veertig jaar geleden en dat tijdens Ronald
Reagan zijn presidentschap de belastingen kunnen beschouwd worden als amper progressief.
Maar ook buiten de Verenigde Staten werden de belastingsystemen minder progressief. Zo is
er ook binnen Europa sprake van een shift in de taxatie van de hoogste inkomens naar de
lagere inkomens Fitoussi & Saraceno (2010).
Samenvattend kunnen we stellen dat er een algemene toenemende trend is gevonden in de
ongelijkheid. Deze trend wordt, zoals reeds vermeld, ook in de literatuur teruggevonden.
11
In het volgende deel zal de gevonden trend in ongelijkheid aan de hand van de literatuur
verklaard worden.
1.3.Verklaren van ongelijkheid
Wanneer we in de literatuur kijken om de evolutie van ongelijkheid te verklaren zijn er
meerdere theorieën. Al deze theorieën worden door meerdere economen verdedigd en
bevatten een deel van waarheid. Ook zullen de verschillende karakteristieken van een land
ervoor zorgen dat een bepaalde theorie de evolutie van ongelijkheid voor dat land kan
verklaren maar niet bepalend is voor een ander land.
1.3.1. Kuznets curve
Kuznet(1955) was de eerste econoom die op basis van objectieve data ongelijkheid in kaart
probeerde te brengen en de evolutie ervan te verklaren. Zijn theorie gaat als volgt: hij stelt een
economie voor met twee sectoren, sector A en sector B. Sector A komt overeen met de
landbouwsector, deze wordt gekenmerkt door een lage ongelijkheid. Sector B kent dan weer
een hoger gemiddeld inkomen, het is de sector die de industrie in de stad voorstelt. Bij de
ontwikkeling van de economie zal het aandeel van sector A afnemen en deze van sector B
toenemen. Arbeiders van sector A die naar sector B gaan, zullen terechtkomen in de lage
inkomensgroep van de minder egalitaire sector. Aangezien het gewicht van de meer ongelijke
sector toeneemt, zal de ongelijkheid toenemen. Het relatieve verschil in inkomen tussen sector
A en sector B neemt niet af. De toename in ongelijkheid zal bij verdere ontwikkeling
afremmen en vervolgens zal de ongelijkheid verminderen. Deze daling is het gevolg van de
aanpassing van de migranten aan de nieuwe omgeving. Zo kan het zijn dat de zoon van een
migrant vaardigheden heeft ontwikkeld die nuttig zijn binnen de industrie. Zo kan het zijn dat
een zoon van een arme migrant zich ontwikkeld tot een rijke ondernemer. Hierdoor zal de
ongelijkheid dalen, aangezien individuen van de lage inkomensgroep een hogere inkomen
kunnen bekomen door hun verworven capaciteiten. Een andere reden voor de daling van de
ongelijkheid is de toenemende druk op overheden om het inkomen te herverdelen. De relatie
tussen economische ontwikkeling en ongelijkheid wordt dus gekarakteriseerd door een
omgekeerde U-curve.
12
Galor & Tsiddon (1995) stellen dat de Kuznets curve zowel wordt tegengesproken als
ondersteund. Higgins & Williamson(1999) staan in overeenkomst met Barro(2008, 2000) en
bevestigen de omgekeerde klokcurve. Li, Squire & Zou(1998) vinden dan weer bewijs dat de
Kuznets curve verworpen moet worden ten voordele van een meer stabiele ongelijkheid
doorheen de tijd. Stiglitz(2015) stelt dat de relatie tussen ongelijkheid en de ontwikkeling van
de economie in overeenkomst was met Kuznets’s visie voor het jaar 1980 maar in de periode
erna het verband niet meer geaccepteerd kan worden.
Figuur 5 geeft de gevonden resultaten weer van Barro (2000), waarbij de omgekeerde
klokcurve teruggevonden wordt. Hij startte met het verklaren van de Gini-coëfficiënt. Waarna
hij de onverklaarde waarden uitgezet heeft ten opzichte van het logaritme van het BBP per
capita.
Figuur 5: Kuznets curve uit Barro(2000)
Bron: Barro(2000)
Modernere interpretaties van de theorie van Kuznets zijn mogelijk. Zoals het model dat werd
opgesteld door Galor & Tsiddon(1995) waarbij de focus meer gelegd wordt op menselijk
kapitaal. Volgens dit model is ongelijkheid een voorwaarde voor initiële accumulatie van
menselijk kapitaal. Het zullen bijvoorbeeld diegenen zijn die reeds menselijk kapitaal bezitten
13
die investeren in onderwijs. Dit heeft dan tot gevolg dat men via technologische vooruitgang,
gecreëerd uit de opgebouwde kennis, het andere deel van de bevolking aanzet tot hogere
investeringen in onderwijs. De ongelijkheid neemt gelijklopend toe met de verschillen in
menselijk kapitaal. Dit model verklaart de theorie van Kuznets vanuit een moderne invalshoek
en methode. Een model waar het menselijk kapitaal centraal staat en de generaties overlappen.
1.3.2. Andere Theorieën
Er zijn 2 andere belangrijke theorieën ter verklaring van de groeiende ongelijkheid in de
afgelopen decennia. Zo is er een eerder pessimistische visie, onder andere ten opzichte van
het gevoerde beleid door politici. Anderzijds is er een ander visie die eerder gebaseerd is op
de marginale productiviteitstheorie. De werkelijke verklaring zal eerder een combinatie van
de theorieën zijn.
1.3.2.1. Pessimistische visie
De eerste theorie stelt dat ongelijkheid te wijten is aan misbruik. Dit misbruik doet zich voor
in de markt, bijvoorbeeld door een monopoly positie. Maar ook in politieke kringen wordt
misbruik gemaakt van de machtspositie. Stiglitz (2015) beweert dat de toegenomen
ongelijkheid niet verklaard kan worden volgens de marginale productiviteitstheorie. Hij geeft
het voorbeeld van de financiële sector. Volgens hem heeft deze sector slechts weinig
stimulerend effect op de economie terwijl 40 procent van de bedrijfswinsten door deze sector
werd ingepalmd in de jaren voor de financiële crisis. Dit hoge aandeel in de winsten kan
echter niet verklaard worden aan de hand van de bijdrages van de financiële markt. Het is
eerder te wijten aan meerdere vormen van misbruik waarvan insider trading een voorbeeld is.
Ook de overheden hebben een rol gespeeld. Zo verkochten farmaceutische bedrijven
medicijnen aan de Amerikaanse overheid zonder te hoeven onderhandelen over de prijs.
CEA (2016) stelt dat de mogelijkheden tot misbruik is toegenomen. Zo worden meer en meer
industrieën gekenmerkt door enkele grote en invloedrijke bedrijven. Deze bedrijven krijgen
door hun marktmacht steeds meer mogelijkheden om over te gaan tot misbruik. Het rapport
vindt ook eenzelfde evolutie op de arbeidsmarkt. Doordat de vakbonden steeds minder
onderhandelingsmacht hebben kunnen bedrijven de lonen drukken. Het grotere verschil tussen
de bijdrage en de kost van de werknemer heeft voor toegenomen winsten gezorgd.
14
Het resultaat is dus dat de lonen gedaald zijn, de belangrijkste inkomensbron van de laagste
inkomensgroep. En dat de winsten zijn toegenomen, aandelen zijn eerder in handen van de
meer vermogenden. Dit is nog een mogelijke verklaring van de toegenomen ongelijkheid.
1.3.2.2 Technologie en globalisering
De tweede theorie stelt dat door technologische vooruitgang en globalisering vaardigheden
meer ontwikkeld en beloond kunnen worden. Technologische vooruitgang heeft ervoor
gezorgd dat mensen met uitgebreide vaardigheden, bijvoorbeeld door een hoog
scholingsniveau, relatief meer gingen verdienen. Dus de toegenomen ongelijkheid is eerlijk in
die zin dat de inkomens verdeeld worden naargelang de bijdrages van de individuen. Door
globalisatie zal de competitiviteit van een land toenemen en de efficiëntie gestimuleerd
worden. Maar daartegenover staat dat door offshoring en arbeidsbesparende technologieën
ongelijkheid kan toenemen.
In de literatuur stelt Mankiw (2013) dat de eerste theorie onvoldoende is om de stijging van
ongelijkheid in de Verenigde Staten te verklaren. Er is namelijk geen voldoende reden om aan
te nemen dat er meer opportuniteiten zijn voor uitbuiting in vergelijking met de decennia
ervoor. Stiglitz (2015) verdedigt de eerste theorie. Hij gaat ervan uit dat als de inkomsten
worden toegekend volgens de marginale productiviteitstheorie het gemiddelde loon zou
moeten stijgen, gelijklopend met de productiviteit. Aangezien de lonen eerder stagneerden
kan de tweede theorie niet opgaan. Technologie en globalisering spelen volgens hem evenwel
een rol maar eerder in de vergroting van de opportuniteiten om meer uit te buiten. Daarbij
komt nog eens dat overheden een belangrijker deel worden van de economie. Zodoende is er
ook via het beïnvloeden van het beleid een mogelijkheid tot meer uitbuitingen. Een
bijkomend argument voor het verwerpen van de tweede theorie is het grote verschil in de
evolutie van inkomensongelijkheid tussen landen. Dit ondanks hun gelijkaardige economische
structuur. Dit wijst erop dat ongelijkheid in grote mate beïnvloed wordt door het gevoerde
beleid.
Ook Piketty (2014) verwerpt de marginale productiviteitsverschillen als mogelijk argument
voor de toegenomen ongelijkheid. Hij stelt dat er geen voldoende verschillen in productiviteit
zijn tussen de rijkste 9 procent en de rijkste 1 procent.
15
Dit terwijl de inkomensverschillen tussen beide groepen sterk toenamen. Een voorbeeld van
de invloed is de mate waarin beleid integratie van migranten bevordert en in welke mate
discriminatie op de arbeidsmarkt wordt tegengegaan (OECD, 2012). Ondanks de argumenten
tegen de tweede theorie stel Dabla-Norris, et al.(2015) dat technologische verandering samen
met financiële globalisering de grootste oorzaken zijn van de verandering in ongelijkheid.
1.4. Intergenerationele inkomensmobiliteit
In dit deel wordt de intergenerationele mobiliteit van inkomen behandeld. De vraag die hier
gesteld wordt is: in welke mate beïnvloed het inkomen van de ouders het inkomen van de
nakomelingen? De keuze van de overheid om hierin in te grijpen is niet enkel gebaseerd op
economische argumenten maar ook op het principe van rechtvaardigheid. Centraal hierin staat
dat er gelijkheid van opportuniteit moet zijn. Zo zouden de omstandigheden waarop een
individu geen invloed heeft, geen effect mogen hebben op het verkregen inkomen.
De empirie wijst in de richting van immobiliteit van de inkomsten over generaties
(Solon, 1992). Dit betekent dat een significant deel van inkomens bepaald wordt door de
inkomens van de ouders. Dit op zich is onvoldoende om als overheid in te grijpen.
Mankiw (2013) wijst er immers op dat genetica ervoor kan zorgen dat de immobiliteit te
rechtvaardigen valt op basis van de marginale productiviteitstheorie. Zo wordt IQ in sterke
mate bepaalt door genen. Hieruit volgt dat er een groter aantal van de nakomelingen van
hoger opgeleiden hogere studies aanvatten dan bij de nakomelingen van lager opgeleiden. De
hogere productiviteit bekomen door scholing zorgt dan op zijn beurt voor een hoger inkomen.
Naast het IQ zijn er meerdere erfelijke factoren die bepalend zijn voor iemands inkomen,
bijvoorbeeld de mate waarin iemand zich kan concentreren. In dit opzicht valt de immobiliteit
van het inkomen te rechtvaardigen. Corak (2013) lijkt hier niet akkoord mee te gaan. Hij wijst
erop dat de prestaties van ondernemingen dalen bij opvolging van een familielid. Dit gegeven
gaat dus in tegen de veronderstelling dat vaardigheden zondermeer overgeërfd worden.
Het verband met ongelijkheid en intergenerationele inkomensmobiliteit wordt grafisch
weergegeven aan de hand van de Great Gatsby curve. Figuur 6 toont dergelijke curve. Op de
verticale as staat de intergenerationele inkomenselasticiteit. Wanneer deze maatstaf een
waarde heeft van 0.4 betekent dit dat 40 procent van het inkomen van een zoon bepaalt wordt
door het inkomen van de vader. Dus hoe groter de waarde hoe immobieler de maatschappij is.
16
Figuur 6: Great Gatsby curve uit Corak(2013)
Bron: Corak(2013). Intergenerationele mobiliteit wordt gemeten als de elasticiteit tussen het vaderlijke inkomen
en het inkomen van de zoon. Een hogere waarde op de grafiek gaat samen met minder mobiliteit. Data voor
Gini-coëfficiënt rond het jaar 1985. Intergenerationele data voor inkomen rond midden 1990.
Een positieve helling van de curve stelt dat hogere ongelijkheid samenhangt met een lagere
mobiliteit van het inkomen over generaties. Dit verband wordt ook in deze figuur
teruggevonden. Een oorzaak van de immobiliteit is dat bij families met lage inkomens er
onvoldoende geïnvesteerd wordt in scholing. Piketty (2014) stelt dat dit in de Verenigde
Staten het gevolg is van het feit dat de universiteit de keuze maakt of een leerling al dan niet
wordt toegelaten op basis van de potentiële schenkingen van de familie.
Dus ook vanuit deze invalshoek is het onderzoek naar ongelijkheid en het begrijpen van de
ontwikkeling nodig en interessant.
17
Hoofdstuk 2: Het effect van ongelijkheid op economische groei
2.1. Theoretische verklaringen
Het doel is om in dit deel de kanalen waarlangs ongelijkheid een effect kan hebben op groei te
duiden. Het reeds gevoerde onderzoek wordt per kanaal uiteengezet en de mogelijke
verbeteringen en uitbereidingen worden benadrukt. Zodoende bevat dit deel de basis voor het
empirische onderzoek.
In tegenstelling tot Forbes (2000) maar in overeenkomst met Cingano(2014) wordt er
verondersteld dat er vijf mogelijke theorieën zijn die het effect van ongelijkheid op
economische groei beschrijven.
Kanaal 1: Imperfecte Kapitaalmarkten
Het eerste kanaal waarlangs ongelijkheid een effect kan hebben op economische groei kent
zijn oorzaak bij het imperfect werken van de kapitaalmarkten. Door asymmetrische informatie
en imperfecte instituties zal de mate waarin iemand beroep kan doen op de financiële
markten, om aan voldoende krediet te raken voor een investering, afhankelijk zijn van haar
inkomen en vermogen.
Asymmetrische informatie komt voor bij het afsluiten van een lening. Bijvoorbeeld eens het
krediet is overgemaakt dan heeft de lener mogelijks een incentive om meer risicovolle acties
te ondernemen. Instituties spelen dan weer een rol in de mate waarin contracten kunnen
worden afgedwongen. Zijn de instituties onvoldoende ontwikkeld dan bestaat er een rem op
het uitgeven van leningen. Zo zal een bank minder leningen uitgeven indien er weinig
garanties zijn voor het terugeisen van het geleende bedrag.
Het resultaat is dat bij het uitgeven van leningen niet enkel gekeken wordt naar de mogelijke
investering maar ook naar het inkomen en vermogen van de ontlener. Een imperfect werkende
kapitaalmarkt zorgt er dus voor dat niet alle mogelijke productieve investeringen zullen
plaatsvinden. Aangezien individuen met een te laag inkomen of vermogen onvoldoende
kapitaal kunnen bekomen bij de banken. Het uitblijven van die investeringen zorgt ervoor dat
de groei afgeremd wordt.
Indien een deel van de bevolking niet in staat is om aan voldoende krediet te komen om
studies te bekostigen, zal er onvoldoende menselijk kapitaal opgebouwd worden. Dit staat ook
bekend als de human capital accumulation theory (Cingano, 2014).
18
Barro(2000) argumenteert dat dit effect tegengewerkt zal worden door hoge opstartkosten.
Indien een economie gekenmerkt wordt door hoge opstartkosten en imperfecte financiële
markten dan is ongelijkheid een noodzaak om investeringen uit te lokken. Slechts de
individuen met een hoog inkomen kunnen deze hoge opstartkosten overbruggen. Via dit effect
heeft ongelijkheid een positief effect op groei. Hij stelt ook dat als financiële markten zich
verder ontwikkelen en instituties verbeteren het effect van ongelijkheid op groei zal afnemen.
Arme landen, waar de financiële markten minder ontwikkeld zijn, zouden meer beïnvloed
worden door dit eerste kanaal dan rijke landen.
Bernstein(2013) stelt dat niet enkel het gemiddeld aantal jaar scholing telt maar ook de
kwaliteit van die scholing. Het resultaat is dat de minder vermogenden in de samenleving niet
enkel minder geschoold zijn maar ook dat de verkregen scholing van lagere kwaliteit is.
Beiden leiden tot lagere productiviteit. Deze lagere productiviteit leidt dan tot lagere groei,
wat ervoor zorgt dat ongelijkheid nefast is voor economische groei. Castells-Quintana &
Royuela (2014) suggereren dat naast het onvoldoende opbouwen van menselijk kapitaal ook
een hogere volatiliteit een resultaat is van zowel de imperfect werkende kapitaalmarkt als van
de bestaande ongelijkheid. Deze volatiliteit heeft dan weer een negatief effect op de lange
termijn groei. In de literatuur wordt een hoge correlatie tussen inschrijvingen in het
secundaire onderwijs en ongelijkheid gevonden. Dit is echter geen bewijs van causaliteit. Er
wordt ook aangehaald dat het negatieve effect van ongelijkheid op menselijk kapitaal
toeneemt naarmate de financiële markt minder ontwikkeld is (OECD, 2015).
Perotti(1994) gaat in zijn empirisch onderzoek na of twee landen met een verschillende
Gini-coëfficiënt eenzelfde economische groei verwezenlijken. Dit terwijl er gecontroleerd
wordt voor kapitaalmarkt imperfecties. De focus ligt in zijn paper dus niet op menselijk
kapitaal. Hij vindt dat wanneer de laagste twee inkomensdecielen een hoger aandeel krijgen in
het totale inkomen de investeringen toenemen. Dit effect daalt echter wanneer de
kapitaalmarkt zich verder ontwikkelt. Dus is de conclusie dat ongelijkheid een negatieve
impact heeft op economische groei wanneer er imperfecties in de kapitaalmarkt bestaan.
Dit eerste kanaal kent dus enerzijds een negatief effect van inkomensongelijkheid op
economische groei doordat er onvoldoende krediet ter beschikking gesteld wordt voor
productieve investeringen. Anderzijds zal ongelijkheid noodzakelijk zijn in een economie met
hoge opstartkosten en imperfecte kapitaalmarkten.
19
Kanaal 2: Politieke economie & Sociopolitieke stabiliteit
Het tweede kanaal waarlangs ongelijkheid een effect zal hebben op groei verloopt zowel via
de invloed op beleidswijzigingen als op het vertrouwen in de overheid. Wanneer ongelijkheid
toeneemt kan dit ervoor zorgen dat de bevolking hogere belastingen en strengere regelgeving
zal eisen van de overheid (Cingano, 2014). Zo wordt empirisch aangetoond dat landen met
een hogere ongelijkheid ook meer herverdelen (Berg, et al., 2014). De eis tot meer
herverdeling zou leiden tot lagere groei aangezien de overheid inefficiënt herverdeelt. Dit
betekent dat niet het totale bedrag dat getaxeerd werd, bij het armere deel van de bevolking
terecht zal komen. Er is dus een daling van efficiëntie in de economie.
Hierover is echter geen consensus. Indien de overheid de return op land zou taxeren zal de
ongelijkheid dalen en de groei niet af- maar toenemen (Stiglitz 2015). Ander onderzoek vindt
dat herverdeling eerder geen negatieve effecten heeft op groei of slechts wanneer herverdeling
de grens van 14 procentpunten van de Gini-coëfficiënt overstijgt. (Berg, et al., 2014). Als men
een onderverdeling maakt tussen actieve en passieve herverdeling dan wordt actief beleid
geassocieerd met een positief effect op groei en passief beleid met een negatief effect
(OECD, 2012). Forbes (2000) stelt dat grotere inkomensongelijkheid de druk om meer te
taxeren tot meer investeringen in publieke scholing zal leiden. Het resultaat is dan dat
inkomensongelijkheid een positief effect heeft op groei door de grotere hoeveelheid menselijk
kapitaal.
De wijziging in overheidsbeleid komt er door de veronderstelling dat politieke invloed meer
verspreid is over de bevolking dan economische. Dit zou het geval moeten zijn in een
democratie. De mediaanstemmer, de beslissende stemmer, zal meer geneigd zijn om voor een
grotere herverdeling te stemmen wanneer het gemiddelde inkomen stijgt en het mediaan
inkomen niet. Dit gaat evenwel niet op als een individu met een hoog inkomen een grotere
impact heeft op politieke beslissingen dan een individu met een laag inkomen
(Berg et al., 2014). Zo stellen Li, et al. (1998) dat de rijke minderheid, bij sterke ongelijkheid,
het beleid zo kan beïnvloeden dat de arme meerderheid benadeeld zal worden ten voordele
van de rijke minderheid. Dus dan zal grotere ongelijkheid geen grotere herverdeling
teweegbrengen maar eerder een ontmoedigend effect hebben op de individuen met een lager
inkomen. Empirisch wordt het effect van de mediaanstemmer verworpen door Perotti (1994).
20
Een tweede mechanisme waarin de overheid een rol speelt is het vertrouwen van de bevolking
in de leiding van het land. Bij grote ongelijkheid zal het arme gedeelte van de bevolking
zonder voldoende ondersteuning van de overheid, zich sneller wenden tot criminaliteit en
andere verstorende activiteiten voor de economie (Barro, 2000). Dit werd empirisch getest.
Alensina & Perotti (1996) stelden zichzelf de vraag of ongelijkheid voor grotere politieke
instabiliteit kan zorgen en of politieke instabiliteit een afname in investeringen teweeg kan
brengen. De eerste link is er wanneer ongelijkheid dermate toeneemt dat een groot deel van de
bevolking die relatief arm is radicale veranderingen eisen. Grootschalig vandalisme en
staatsgrepen zijn daardoor meer te verwachten in landen die te kampen hebben met een
grotere inkomensongelijkheid. De link tussen politieke instabiliteit en investeringen is
drieledig. Ten eerste zal er verwacht worden dat er hogere taksen komen waardoor de return
op investeringen zal dalen. Ten tweede kan politieke instabiliteit voor verstoring van de
productie zorgen en verlaging van de productiviteit door bijvoorbeeld de verwoesting van
fysiek kapitaal. Als laatste is er een toename van onzekerheid voor de investeerders wanneer
een land in een staat van politieke onrust verkeerd. De auteurs vonden op beide vragen
positief antwoord. Enerzijds werd er een negatief effect van ongelijkheid op politieke
stabiliteit gevonden. Anderzijds zal een stijging van één standaard deviatie in de index van
politieke instabiliteit voor een daling, van het aandeel van de investeringen in groei, van 6
procent zorgen. Via deze weg kan ongelijkheid een negatief effect hebben op economische
groei.
Samenvattend kan gesteld worden dat via het tweede kanaal de economische groei een
negatief effect van ongelijkheid ondervindt. Enerzijds door de hogere vraag naar meer
herverdeling via taxatie van de hogere inkomens, anderzijds door politieke instabiliteit. Deze
laatste ligt aan de basis van drie mogelijke effecten. Ten eerste een verwachte stijging van de
belastingen, ten tweede is er de mogelijkheid op een lagere productiviteit door verwoesting
van het kapitaal en als laatste speelt de hogere graad van onzekerheid een belangrijke rol voor
investeerders.
Kanaal 3: Voldoende vraag
Het derde mechanisme waarbij ongelijkheid de economische groei gaat beïnvloeden verloopt
via de geaggregeerde vraag in de economie. Niet iedereen consumeert eenzelfde deel van zijn
inkomen. Een in de empirie teruggevonden assumptie is dat individuen met een hoger
21
inkomen een kleiner deel van hun inkomen consumeren (Carvalho & Rezai, 2014; Dynnan,
Skelder & Zennes, 2000, Fitoussi & Saraceno, 2010, Summers 2014).
Wanneer ongelijkheid stijgt zal er een hogere portie van het totale inkomen gespaard worden
ten koste van consumptie. Het negatieve effect op groei komt door de lagere incentive om te
investeren bij een lage consumptiequote. Immers wanneer verwacht wordt dat consumptie zal
afnemen wordt investeren minder aantrekkelijk en zodoende zal de groei lager uitvallen
(Bernstein, 2013). Het uitvallen van de macro economische vraag is volgens Summers (2015)
een structurele verandering die mede verantwoordelijk is voor de seculiere stagnatie waarin
zowel Europa als de Verenigde Staten zich bevinden. Zo speelt de omgekeerde wet van Say
een rol. Namelijk de uitval van de vraag zorgt voor een daling van de investeringen in de
volgende periode. Door de verlaagde investeringen zal ook het economische potentieel laag
blijven.
Specifieker kan de ontwikkeling van technologie afhangen van de vraag. Investeringen in
nieuwe technologie zullen pas plaatsvinden als er een voldoende vraag naar de output ervan
verwacht wordt (OECD, 2015).
Bernstein (2013) vindt evenwel dat macro economische consumptie niet daalt wanneer
ongelijkheid toeneemt. Toch argumenteert hij dat de recente financiële crisis harder en
langduriger was door de toegenomen ongelijkheid. Armere gezinnen zouden reeds meer
consumeren en de economie zou sneller hersteld zijn. Voor de macro economische
consumptie vindt hij dat wanneer de top 1 procent, 1 procentpunt meer van het totale inkomen
krijgt, er een verhoging van de macro economische consumptie plaatsvindt van 0.4 procent.
Dit gevonden resultaat kan echter het gevolg zijn van variabelen die niet in het model
opgenomen werden. Fitoussi & Saraceno (2010) wijzen erop dat de private consumptie
weinig wijzigde in de Verenigde Staten door deregulatie van de financiële markten. Dit
zorgde ervoor dat consumptie gefinancierd werd met schulden en dus daalde de consumptie
niet. Deze deregulatie samen met de groeiende ongelijkheid zijn volgens hen de oorzaken van
de financiële crisis. Ze stellen dat door een te lage vraag het monetair beleid de rente
verlaagde om de economie te stimuleren. Dit leidde dan weer tot een verhoging van de private
schulden. Ook heeft ongelijkheid volgens hen ervoor gezorgd dat er een bubble ontstond in de
vastgoedmarkt. Vermogenden gingen namelijk op zoek naar grotere rendementen en de hoge
prijzen van de activa gaven een fout gevoel van veiligheid.
22
Volgens dit derde kanaal heeft een toename van ongelijkheid een negatieve impact op
economische groei. Dit verloop via het consumptiegedrag.
Kanaal 4: Incentives
Een kanaal dat voor een positief effect van ongelijkheid op economische groei kan zorgen is
het incentive-kanaal. Het toelaten van ongelijkheid kan mensen ertoe aanzetten om harder te
werken, risico’s te nemen en te innoveren. Zo zal een belasting op de inkomsten van kapitaal,
in functie van herverdeling, ervoor zorgen dat het rendement daalt en er dus een kleinere
incentive is om te investeren.
Een voorbeeld van dit kanaal is de accumulatie van menselijk kapitaal. Wanneer er
loonverschillen bestaan tussen hoger en lager opgeleiden dan is er een incentive om verder te
studeren.. Dit leidt tot een toename van het aanbod van hoger opgeleiden en dus een stijgende
productiviteit wat leidt tot extra groei (Cingano, 2014). Ook Persson & Tabellini(1994)
vinden een gelijkaardig resultaat. Namelijk wanneer een land de incentives negeert en minder
private toe-eigening toelaat dan zal er minder menselijk kapitaal opgebouwd worden. De
kosten zijn immers even groot als voorheen maar de opbrengst daalt door het gewijzigde
beleid.
Een ander voorbeeld is de farmaceutische industrie. Deze sector wordt gekenmerkt door zeer
hoge investeringen en een kleine kans op een hoog rendement. Daardoor zullen investeerders
pas in deze sector willen investeren indien er de mogelijkheid is op een hoog rendement. Het
gevolg is dat er grote inkomensverschillen kunnen ontstaan tussen investeerders in deze
industrie. Indien de overheid deze ongelijkheid wil verminderen en de hoge rendementen gaat
belasten dan ontstaat de mogelijkheid dat investeerders het hoge risico niet meer willen lopen.
Het toelaten van ongelijkheid kan er dus voor zorgen dat investeringen die anders niet zouden
plaatsvinden toch kunnen doorgaan. Het uiteindelijke effect op economische groei is dus
langs dit kanaal positief.
Kanaal 5: Spaarquote
In lijn met het derde kanaal wordt in het laatste kanaal ook veronderstelt dat een individu met
een hoger inkomen een hogere spaarquote heeft en dus proportioneel minder consumeert dan
een individu met een lager inkomen. Hierdoor zou een ongelijkere economie een hogere
spaarquote moeten kennen.
23
Wanneer een economie grotendeels afhankelijk is van binnenlandse spaartegoeden om te
investeren zou ongelijkheid investeringen aanmoedigen (Barro, 2000). Een hogere spaarquote
zou dus leiden tot hogere groei, dit komt overeen met het Solow model.
Figuur 7 toont het effect van een toename van de spaarquote op de economische groei
volgens het Solow model. Volgens het model zal een hogere spaarquote, als gevolg van de
hogere ongelijkheid, voor een hogere evenwichtsouput per efficiëntie-eenheid zorgen. Totdat
die hogere output bereikt is zal de economie een hogere groei kennen. Grafisch komt dit neer
op een verschuiving van de gerealiseerde investeringen, de kapitaalstock per efficiëntieeenheden neemt toe en daarmee zal het outputniveau Ye2 bereikt worden.
Figuur 7: Het Solow model
Barro(2000) vindt dit kanaal niet terug in zijn empirisch onderzoek. Hij stelt dat er geen
relatie gevonden wordt tussen de spaarquote en ongelijkheid en dus zou er geen link zijn
tussen ongelijkheid en groei via dit kanaal.
Maar zoals reeds vermeld bij het derde kanaal zijn er veel auteurs die wel een verhoging van
de spaarquote als gevolg van de gestegen ongelijkheid terugvonden.
Volgens dit kanaal zal een toename van ongelijkheid voor een hogere spaarquote zorgen.
Deze toename zou plaatsvinden doordat individuen met een hoger inkomen een lager
marginaal nut toekennen aan consumptie en dus een groter deel van hun inkomen zullen
24
sparen. Deze toename van de spaarquote ligt dan weer aan de basis van de tijdelijk hogere
economische groei. Dit kanaal is het laatste kanaal en zou voor een positief effect van
ongelijkheid op groei kunnen zorgen.
2.2. Kwaliteit van het gevoerde onderzoek
Na het bespreken van de kanalen waarlangs ongelijkheid een invloed kan hebben op de
economische groei van een land wordt een empirisch literatuuroverzicht gegeven. Verschillen
in het gevonden effect van ongelijkheid kunnen door meerdere redenen verklaard worden.
Centraal hierin staat de kwaliteit van de data, maar ook andere mogelijkheden worden hier
besproken.
Deininger & Squire (1996) proberen via het opstellen van 3 criteria een basis te leggen voor
het opbouwen van een goede dataset. Hiermee wordt getracht om op een duidelijke manier
voorwaarden op te stellen voor het bekomen van een kwaliteitsvolle dataset. De drie criteria
zijn:
1. Data van huishoudens of individuen als eenheid.
Zo is data van nationale rekeningen onvoldoende aangezien er assumpties
aangenomen moeten worden die men niet eenvoudig kan nagaan. Hierdoor moet men
zich richten tot data gevonden uit enquêtes.
2. Uitgebreide en representatieve dataset van de bevolking.
De verzamelde gegevens moeten uit elke laag van de bevolking komen. Wanneer dit
echter niet het geval is, introduceert men een bias. De veronderstelling dat deze bias
constant is over de tijd wordt verworpen. Zodoende is er geen aanvaardbare reden om
de gegevens van een subgroep te gebruiken en die te veralgemenen naar de volledige
populatie.
3. Voldoende verschillende eenheden van inkomen of uitgaven.
Buiten het arbeidsinkomen moeten er andere bronnen van inkomen opgenomen
worden in de dataset. Het probleem hieromtrent is dat niet-monetaire inkomsten, zoals
pensioen, amper of zeer moeilijk meetbaar zijn en zorgen voor een lagere
Gini-coëfficiënt.
25
Wanneer deze drie criteria onvoldoende gevolgd worden kunnen conclusies hieruit getrokken
incorrect zijn. Volgens Deininger & Squire (1996) is de negatieve relatie van
inkomensongelijkheid en groei, gevonden door Persson & Tabellini (1995), te wijten aan het
gebruik van een dataset die van onvoldoende kwaliteit is. Forbes(2000) stelt dat het gevoerde
onderzoek resultaten naar voor brengt die niet geaccepteerd kunnen worden. Zo zijn de
gevonden resultaten niet robuust, zijn de gebruikte data van onvoldoende kwaliteit of is de
foute schatter gebruikt. In sectie 3.3. wordt de correcte schatter voor dit onderzoek besproken.
Als laatste is er de keuze van de gebruikte maatstaf voor ongelijkheid. De meest gebruikte
index is de Gini-index. Het belangrijkste voordeel voor het gebruiken van deze coëfficiënt is
de grote beschikbaarheid van data. Andere voordelen werden reeds aangehaald. Ook de keuze
voor de variabelen die in de regressie worden inbegrepen is belangrijk.
Kort samengevat staan drie keuzes centraal, de data, de schattingsmethode en de keuze van
variabelen. Verschillen in het gevonden effect van inkomensongelijkheid op groei in de
literatuur vallen terug te brengen op deze keuzes.
2.3. Overzicht empirische literatuur
Barro (2000) vindt geen effect van ongelijkheid op economische groei bij het gebruik van een
uitgebreide dataset van 84 landen en met de three stage least squares schatter. Ook het effect
van ongelijkheid op investeringen is insignificant. Dit betekent dat er geen statistische reden
is om te verwerpen dat ongelijkheid geen effect heeft op economische groei en investeringen.
Er wordt pas een significant effect gevonden wanneer er een opsplitsing gemaakt wordt tussen
rijke, BBP per capita boven 2070$ en arme landen. Voor een arm land heeft een reductie van
ongelijkheid een positief effect. Een daling van de Gini-coëfficiënt met 1 standaard deviatie
zorgt voor een economische groei van 0.33 procent per jaar. Voor een rijk land geldt dat een
stijging van de Gini-coëfficiënt met 1 standaard deviatie voor een stijging van de
economische groei met 0.54 procent zorgt. Deze resultaten kunnen verklaard worden aan de
hand van het eerste kanaal, de imperfecte kapitaalmarkten. In arme landen zijn de
kapitaalmarkten minder ontwikkeld en domineert het negatieve effect van het eerste kanaal. In
rijke landen is ongelijkheid nodig om de hoge opstartkosten te kunnen financieren, dus wordt
voor deze landen een positief effect van ongelijkheid op economische groei gevonden.
Deze resultaten worden gedeeltelijk teruggevonden in Barro(2008). Het grote verschil is
echter dat wanneer er geen opsplitsing wordt gemaakt tussen hoge en lage inkomenslanden.
26
Er is dan een significant negatief effect van ongelijkheid op economische groei. Het negatieve
effect neemt af en verdwijnt zelfs wanneer er een opsplitsing gemaakt wordt tussen hoge en
lage inkomenslanden. Zo wordt het teken van ongelijkheid positief voor de landen met een
hoog BBP per capita wanneer de grenswaarde voor het behoren tot een hoog inkomensland
$11.900 overschrijdt. Dit effect is echter gebaseerd op weinig observaties en daardoor is de
conclusie eerder dat het negatieve effect van ongelijkheid niet opgaat voor rijke landen.
Ook ander empirisch onderzoek vindt dat ongelijkheid geen significant effect heeft op
economische groei tenzij dat ongelijkheid opgesplitst wordt in structurele ongelijkheid en
markt ongelijkheid. De eerste is het gevolg van slechte instituties en zou leiden tot lagere
economische output. De laatste is dan eerder gelinkt aan ongelijke uitkomsten in een vrije
markt. Wanneer deze opsplitsing gemaakt wordt in het empirische gedeelte wordt een negatief
effect van structurele ongelijkheid gevonden. Maar de markt gedreven ongelijkheid kent een
positief effect (Castells-Quintana & Royuela, 2014).
Een andere manier om te controleren wat het effect van ongelijkheid op groei is, is door naar
de relatieve factorovervloedigheid van de landen te kijken. Easterly (2006) vergelijkt landen
die geschikt zijn voor productie van suikerriet met landen die meer aangepast zijn voor de
productie van tarwe. De productie van suikerriet is volgens de auteur geassocieerd met
schaalvoordelen en het gebruik van slaven. Tarwe daarentegen leent zichzelf beter voor de
productie binnen familiebedrijven. Hierdoor ligt de focus op het vergelijken van structurele
ongelijkheid en kan de rol van markt ongelijkheid uitgesloten worden. Deze twee categorieën
blijken de Gini-coëfficiënten voldoende te kunnen voorspellen. Het voordeel van het gebruik
van deze variabelen is dat ze omgekeerde causaliteit uitsluiten. Het gevonden effect is dat
ongelijkheid de oorzaak is van zwakke instituties en onvoldoende menselijk kapitaal. Deze
zorgen op hun beurt dat de economische groei lager uitvalt.
Forbes (2000) gaat niet akkoord met een negatief effect van ongelijkheid op economische
groei. In haar empirisch onderzoekt vindt ze namelijk dat wanneer de Gini-coëfficiënt met 10
punten stijgt de gemiddelde jaarlijkse economische groei over vijf jaar met 1.3 procent
toeneemt. De beleidsimplicatie is dat er een trade-off is tussen hogere economische groei en
een meer gelijke verdeling van het inkomen. Zoals reeds vermeld in het deel over de kwaliteit
van het gevoerde onderzoek, staat ze wantrouwig tegenover resultaten uit ander empirisch
onderzoek.
27
Li, Squire, & H. Zou, (1998) vinden dat ongelijkheid eerder een verklaring kan zijn voor
verschillen in economische groei over landen heen, maar dat het een variabele is die eerder
stabiel is over de tijd. Wanneer men ongelijkheid doet afnemen zal dit amper een invloed
hebben op economische groei. Dabla-Norris et al. (2015) lijken hiermee niet akkoord te gaan.
In hun onderzoek met 156 landen wordt een negatief teken gevonden voor de
Gini-coëfficiënt na herverdeling. Ook voeren de auteurs een regressie uit waarbij een
opsplitsing gemaakt wordt tussen vijf inkomensgroepen. Elke groep stelt 20 procent van de
bevolking voor, ingedeeld naar het aandeel in het totale inkomen. De resultaten tonen dat
wanneer er een groter deel van het totale inkomen naar het hoogste kwintiel gaat de
economische groei afremt. Zo zal de jaarlijkse groei met 0.08 procent afnemen voor de
volgende vijf jaar wanneer er 1 procentpunt van het totale inkomen meer naar het hoogste
kwintiel gaat.
Aghion & Bolton (1997) vinden door het opstellen van een theoretisch model hetzelfde
resultaat. Herverdeling zou volgens het model ervoor zorgen dat de minder begunstigden in
de maatschappij minder moeten lenen om te investeren. Hierdoor zou herverdeling voor een
verhoging van de investeringen zorgen en dus een verhoging van de economische groei. Het
resultaat van hun model komt overeen met het hierboven beschreven kanaal van imperfect
werkende kapitaalmarkten.
Berg & Ostry (2011) gaan na of ongelijkheid voor een kortere of langere periode van
economische groei zorgt. Ze probeerden een verklaring te vinden voor het feit dat landen
langere periodes van groei kennen en hoe landen met kortere groeiperiodes deze kunnen
verlengen. Volgens de auteurs is het gemakkelijker om economische groei te bekomen dan
om deze voor langere tijd te behouden. Uit hun analyse volgt dat inkomensongelijkheid een
bepalende rol speelt in de duurtijd van groeiperiodes. Andere factoren die de duurtijd van een
groeiperiode beïnvloeden zijn instituties en openheid voor handel. Dus ze besluiten dat
wanneer een land een langere periode van groei wil ondervinden het de
inkomensongelijkheid moet aanpakken. Berg, et al. (2014) bevestigen de gevonden resultaten.
Zo zou een toename van 1 procentpunt van de Gini-coëfficiënt ervoor zorgen dat de kans dat
economische groei stopt in het volgende jaar met 6 procent stijgt.
Onderzoek dat in lijn ligt met het onderzoek dat in deze paper gevoerd zal worden is
Cingano(2014). De focus ligt immers op OECD landen wat ook in dit onderzoek het geval is.
28
Het gevonden effect van ongelijkheid gemeten met de Gini-coëfficiënt op groei is negatief en
significant. Het onderzoek wijst er ook op dat de focus voor herverdeling niet enkel mag
liggen op de allerlaagste inkomens. De focus moet ook liggen op lage inkomens. Het
reduceren van ongelijkheid in de hoogste inkomens zou niet voor extra groei zorgen. Dit in
tegenstelling tot een reductie van ongelijkheid bij lagere inkomens. De verklaring die hiervoor
gegeven wordt, is dat ongelijkheid onder de hoogste inkomens een teken is van een hoog
rendement op investeringen. Terwijl de ongelijkheid bij lagere inkomens vooral gekoppeld
kan worden aan de kanalen die een negatief effect zullen hebben op groei.
In deze paper zal onderzoek gevoerd worden in dezelfde lijn als Barro (2000) en
Cingano (2014) met een meer recente dataset en de meest gepaste schatter. Uit de
literatuurstudie komt geen duidelijke conclusie naar voor. Soms wordt er een negatief effect
gevonden van ongelijkheid maar anderzijds wordt er een niet-significant effect uit de data
gehaald of zelfs een positief effect. Tabel 3 geeft een samenvatting van alle papers die een
empirisch onderzoek gevoerd hebben. De tabel geeft ook de gebruikte schatter weer alsook de
dataset en de maatstaf van ongelijkheid.
29
Tabel 3: samenvatting reeds gevoerde onderzoek
Alesina &
Perotti(1996)
71 landen
Politieke stabiliteit
Perotti(1996)
2SLS
Stijging van 1 standaard variatie
in de index van politieke
instabiliteit zorgt voor een daling
van het aandeel van investeringen
in groei voor 6 procent
84 landen
Gini index
3SLS
Positief in rijke landen en negatief
in arme
1965-1995
Deininger en Squire
92 landen
GINI-coëfficiënt
1960-2000
United Nations en
Deininger en Squire
Threestage leastsquares
Economische groei neemt af met
0.4 procent per jaar als
ongelijkheid toeneemt met 1
standaarddeviatie
51 landen
GINI index
1970-2007
Gruen en Klasen(2008)
Control
function
approach
Negatief effect van structurele
ongelijkheid op lange termijn
economische groei
GMM
schatter
Verlagen van de gini coefficient
met 1 procent zorgt voor een
groei van 0.8 procent in de
volgende vijf jaar
GMM
schatter
de groei zal met 0.08 procent
afnemen in de volgende vijf
jaar wanneer er 1 procentpunt
meer naar de hoogste kwintiel
gaat
Geen significante relatie
gevonden
Deininger en Squire
dataset
Correlatie
tussen
economisc
he groei en
Gini index
Gini index
OLS
Significant negatief effect van
ongelijkheid op economische
groei
Deininger en Squire
(1996)
GMM
schatter
Toename van tien procentpunt
van de Gini coefficient zorgt voor
1.3 procent meer groei in de
gemiddelde groei over 5 jaar
GINI coefficient
GMM
schatter
Negatief effect van ongelijkheid
op groei, Leaky-bucket wordt niet
teruggevonden
OLS
Negatief effect van ongelijkheid
op groei
1960-1985
Barro(2000)
Barro(2008)
CastellsQuintana &
Royuela, (2014)
Penn World table World
bank development
indicator database Sala-iMartin et al.(2004)
Cingano(2014)
31 OECD
landen
GINI index
IDD OECD
1970-2010
Dabla-Norris
et al. (2015)
156 landen
GINI coëfficiënt en
kwintielen
1980-2012
UNU-WIDER World
Income Inequality
Database
Deininger &
Squire(1996)
Easterly (2006)
66/87 landen
1960-1998
Gini coefficient
WIDER(2000)
Forbes(2000)
45 landen
1970-1995
Berg, et
Al.(2014)
153 landen
1960-2010
SWIID
Persson, &
Tabellini (1994)
56 landen
Aandeel inkomen van top
20 procent
1960-1985
Paukert
30
Hoofdstuk 3: Empirisch onderzoek
3.1. Inleiding
In dit deel zal eigen empirisch onderzoek gepubliceerd worden. Eerst zal de gebruikte data
besproken worden, daarna wordt de schattingsmethode uitgelegd en ten slotte zullen de
gevonden resultaten gerapporteerd worden. Zoals reeds vermeld is de keuze voor de landen in
overeenkomst met Cingano (2014), enkel Hongarije is weggelaten aangezien voor dit land
onvoldoende data van hoge kwaliteit gevonden werd.
3.2. Bespreking Data
De landen waarvoor data gebruikt wordt, zijn gekozen omdat ze enerzijds allen OECD landen
zijn die beschreven kunnen worden als ontwikkelde landen. Anderzijds zijn het die landen
waarvoor hoogwaardige en volledige data ter beschikking is. De gekozen periode is
1970-2010, voor deze periode is er voor elke variabele en elk land genoeg data terug te
vinden. Het resultaat is een homogene dataset voor een tijdspanne van 40 jaar.
De gekozen Gini-coëfficiënt is afkomstig van de Standardized World Income Database
(SWIID), deze staat garant voor zijn uitermate kwaliteitsvolle en uitgebreide data. Zo wordt er
in deze dataset rekening gehouden met de criteria die Deininger en Squire opstelden.
Solt (2014) haalt bijvoorbeeld aan dat data slecht opgenomen wordt wanneer het gebaseerd is
op de volledige populatie. Hij toont ook aan dat de SWIID dataset de observaties van de
Luxembourg Income Study (LIS) goed kunnen voorspellen. Deze laatste wordt aanzien als de
gouden standaard voor het opstellen van een databank met ongelijkheidsindicatoren. Zowel de
Gini-coëfficiënt voor als na herverdeling werd enuit deze dataset opgenomen. Uit het verschil
tussen de twee indicatoren wordt informatie gehaald uit de mate van herverdeling. De data
werd omgezet van jaarlijkse gegevens naar een vijfjarig gemiddelde. Op die manier worden
korte termijn fluctuaties eruit gehaald (Forbes, 2000). De focus ligt op de structurele impact
van ongelijkheid op economische groei. Een andere reden voor het nemen van deze
gemiddelden is bekomen van een homogene dataset.
Tabel 4 toont de data van de gebruikte Gini-coëfficiënt na herverdeling. Wat opvalt is dat de
Scandinavische landen gekenmerkt worden door een lage coëfficiënt . De periode loopt van
1970 tot 2010 en door het nemen van gemiddelden over vijf jaar bekomen we 9 observaties
voor elk land, Turkije en Israël zijn hier een uitzondering op. Een laatste opmerking bij de
tabel is dat de verschillen tussen de hoogste en laagste coëfficiënt relatief klein zijn wanneer
31
de vergelijking wordt gemaakt met de cross sectie verschillen. Dit is in overeenkomst met
Berg, & Ostry (2011) want ook in die paper waren de veranderingen over de tijd kleiner dan
de verschillen over de landen heen.
Tabel 4: Overzicht Gini-coëfficiënt data
COUNTRY
Austria
Belgium
Canada
Denmark
Finland
France
Germany
Greece
Israel
Italy
Japan
Luxemburg
Mexico
Nederland
New Zealand
Norway
Spain
Sweden
Turkey
United
Kingdom
United states
All
Mean
26.41585
24.95569
29.01499
23.69150
23.21721
30.45340
27.74634
34.31002
32.76582
33.55039
26.83182
25.63154
48.15643
25.79445
29.36016
23.50711
31.51037
22.28025
43.97517
Median
26.47250
25.10027
28.68309
23.62796
23.66152
29.62951
27.90431
34.17774
31.40728
33.21717
26.83690
25.64844
47.86097
25.40200
28.14033
23.67231
31.88353
22.72026
43.75226
Max
28.03303
26.43548
31.69455
25.88711
26.23196
34.77948
29.77396
36.77146
37.35439
37.36989
30.46800
27.31431
52.12149
29.50541
33.54059
24.63461
34.35225
25.92849
49.42287
Min.
24.09825
23.28802
25.54248
21.47112
20.16447
27.51620
26.20355
32.48486
30.27150
30.87786
23.16854
24.11036
44.89940
24.52436
25.30295
22.02599
27.78288
19.42707
38.49833
Std. Dev.
1.067094
1.211766
1.944125
1.554705
2.172815
2.400177
1.067133
1.254643
2.728753
2.157686
2.337275
1.139008
2.776893
1.583451
3.475347
0.915155
2.306791
2.288589
3.595384
Obs.
9
9
9
9
9
9
9
9
7
9
9
9
9
9
9
9
9
9
7
30.77053
33.77033
29.70758
31.65650
33.05482
27.88921
35.64461
37.52542
52.12149
26.10553
30.19145
19.42707
3.936164
2.866783
6.663035
9
9
185
Bron: Standardized World Income Inequality Database, SWIID v5.0
Voor de economische groei werden data van de Wereldbank databank gehaald. Er is ook een
andere dataset voor economische groei. Enerzijds zal deze gebruikt worden om de resultaten
te controleren. Anderzijds bevat deze meer data voor bepaalde landen. Zo is er aanvullende
data voor Oostenrijk, Luxemburg, Israël en Turkije. Het nadeel van deze data is dat het BBP
per capita data zijn vanaf het jaar 1970. Hierdoor kan er geen groei berekend worden voor de
vijfjarige periode van 1970. De tweede dataset van economische groei is afkomstig van de
OECD databank.
Een andere variabele is menselijk kapitaal, gemeten als gemiddeld aantal jaar doorgebracht op
de schoolbanken uit de Barro-Lee dataset. Deze data wordt veel gebruikt en is van hoge
kwaliteit en ook zeer uitgebreid. De data worden als vijfjarige gemiddelden gepubliceerd. Dit
is een extra voordeel voor het gebruik ervan in deze analyse. Er wordt verwacht dat menselijk
kapitaal een positieve impact heeft op economische groei. Naarmate er meer scholing in een
land aanwezig is zou de productiviteit stijgen en hierdoor de economie stimuleren.
32
Economische vrijheid is een derde variabele die opgenomen wordt in de vergelijking. Deze
index bepaalt in welke mate economische agenten binnen een land zijn eigendommen kan
alloceren zonder invloed van een bepaalde autoriteit. Data hiervoor werd uit een dataset
gehaald die is opgesteld door The Fraser Institute. Voor deze variabele worden jaarlijkse
cijfers gepubliceerd vanaf het jaar 2000. Ervoor gaat het om vijf jarige gemiddelden. Het
vooropgestelde effect van deze variabele is een positieve invloed op economische groei. Zo
zullen er meer investeringen plaatsvinden wanneer er zekerheid is over het feit dat het
rendement toegeëigend kan worden.
Fertiliteit is een andere variabele. De data werd gehaald van de Wereldbank en staat voor het
aantal kinderen per vrouw. Verwacht wordt dat er een negatief effect van deze variabele is op
economische groei. De middelen die ter beschikking worden gesteld voor de scholing van een
kind neemt af naarmate de moeder meer kinderen heeft. Er moet immers een gelijke
hoeveelheid bezittingen verdeeld worden over meer personen. De lagere scholing leidt dan tot
een lagere productiviteit en dus een lagere economische groei per capita
(Castells-Quintana & Royuela, 2014). De andere twee variabelen zijn: investeringen en
overheidsconsumptie, beiden in procent van BBP. Beide zijn afkomstig uit de WereldBank
databank die bestempeld worden als kwaliteitsvol. Een toegenomen kapitaalstock zou ervoor
zorgen dat de productiviteit binnen een land verhoogd. Er wordt dus een positief effect van
deze variabele verwacht. Overheidsconsumptie zouden inefficiënte uitgaves voorstellen.
Hierdoor is de hypothese dat deze variabele een negatief effect zal hebben.
Het eindresultaat is een panel dataset. Dit omdat er zowel een cross sectie dimensie als een
tijdsdimensie is. Het gebruik van panel data kent meerdere voordelen. De meest voor de hand
liggende is de uitbereiding van de dataset. Er kan nu immers zowel data over de tijd heen als
data van verschillende landen opgenomen worden. Een tweede manier waarop panel data de
efficiëntie van schatters verhoogd is de grotere variabiliteit. Er is immers variatie over landen
heen alsook door de tijd. Een derde voordeel is het elimineren van mogelijke individuele
heterogeniteit. Daartegenover staat dat er vaak data niet geobserveerd is. Ook de keuze van
zowel periode als de landen is mogelijks gebaseerd op subjectieve factoren. Mankiw (2013)
duidt op het gevaar dat het effect van ongelijkheid mogelijks beïnvloed wordt politieke
aspiraties. Het gevolg is dat de resultaten leiden tot foute conclusies.
33
3.3. Schattingsmethode
Het effect van ongelijkheid op economische groei wordt nagegaan aan de hand van een
basisregressie. De regressie is in overeenkomst met Cingano(2015) en is van de vorm:
𝒍𝒏 𝒚𝒊,𝒕 − 𝒍𝒏 𝒚𝒊,𝒕−𝟏 = 𝜶 𝒍𝒏 𝒚𝒊,𝒕−𝟏 + 𝜷𝑰𝒏𝒆𝒒𝒊,𝒕−𝟏 + 𝜸𝑬𝒅𝒖𝒄 𝒊,𝒕−𝟏 + 𝜹𝒊𝒏𝒗𝒆𝒔𝒕𝒎𝒆𝒏𝒕𝒊,𝒕−𝟏 + 𝝁𝒕 + 𝝁𝒊 + 𝜺𝒊,𝒕
Waarbij aan de linkerkant van het gelijkheidsteken de economische groei staat. Rechts van het
gelijkheidsteken staan de variabelen die de gemiddelde economische groei over vijf jaar
verklaren. Zo staat Ineq voor ongelijkheid en Educ voor het gemiddeld aantal jaar scholing.
De verklarende variabelen worden gemeten aan het begin van de groeiperiode, dit om
omgekeerde causaliteit uit te sluiten. De tweede regressie is gebaseerd op Barro(2000) waarbij
de regressie uitgebreid wordt met alle variabelen die hierboven zijn besproken. Dit zorgt
ervoor dat er meer coëfficiënten geschat moeten worden en daardoor is er een groter verlies
aan vrijheidsgraden. In deze regressies met een eerder beperkte aantal observaties kan dit
ertoe leiden dat de uiteindelijke conclusie incorrect is.
Een belangrijke keuze voor het bekomen van de juiste coëfficiënten in de regressie is de
keuze van de meest gepaste schatter. In deze paper worden meerdere schatters gebruikt om de
verschillen in coëfficiënten te kunnen vergelijken. De Ordinary Least Squares (OLS) schatter
is de eerste schatter die gebruikt wordt. Deze schatter houdt echter geen rekening met
specifieke effecten binnen een land doorheen de tijd en effecten over landen heen. Hierdoor
zullen de coëfficiënten niet correct geschat worden. Een veel gebruikte methode om hieraan
tegemoet te komen is de Fixed-Effects schatter. Deze schatter zal het voordeel hebben dat het
land en tijd specifieke effecten uit de data zal halen. Het nadeel is echter wel dat er een
dummy moet toegevoegd worden per land en per tijdstip. Zo zal het aantal vrijheidsgraden
snel dalen. Een ander nadeel dat voor deze paper belangrijk is, is dat variatie over de landen
heen wordt geëlimineerd. Deze variatie wordt immer opgenomen door de individuele
effecten. Dit verlaagd de variatie van de Gini-coëfficiënt en kan dus voor een minder
efficiënte schatter zorgen. Het grootste probleem is dat de gevonden coëfficiënten kunnen
echter niet geaccepteerd worden. De schatter is immer biased. Deze bias is bekend als de
Nickell-bias en komt voor bij dynamic panel regressies. In het geval van regressie 1 spreken
we van dergelijke regressie. Aangezien er een endogene lag variabele in het rechterlid van de
vergelijking staat. Door het toepassen van de Fixed-Effects schatter zal deze variabele
gecorreleerd zijn aan de error terms. Deze bias zou verdwijnen naarmate t, het aantal periodes,
naar oneindig gaat. In deze paper zijn er negen periodes zoals te zien is in tabel 4, en zal deze
34
bias zeker niet verdwijnen. Om voor deze bias te controleren wordt een andere schatter
gebruikt, de Generalised method of moments(GMM). Deze schatter gebruikt waarde van de
onafhankelijke variabelen in vorige periodes als instrumenten om een consistente schatter te
bekomen. Door deze methode toe te passen wordt zowel gebruik gemaakt van variaties
binnen een land als tussen landen onderling. Het is ook de methode gebruikt door
Cingano (2015).
3.4. Resultaten
In dit deel worden de resultaten van het gevoerde onderzoek weergegeven en besproken. Deze
resultaten worden ook vergeleken met het reeds gevoerde empirische onderzoek. Er wordt
eerst aan de hand van enkele figuren een eerste indruk gegeven van het mogelijke effect van
ongelijkheid op economische groei.
3.4.1. Eerste indruk
Het eerste empirische resultaat dat hier geanalyseerd wordt is een scatterplot van de
Gini-coëfficiënt voor herverdeling en de economische groei. Van BBP per capita wordt het
natuurlijk logaritme genomen. Deze ingreep wordt gedaan om de ontwikkeling van BBP per
capita lineair te maken. Deze plot geeft een eerste inzicht in het mogelijke verband tussen
inkomensongelijkheid en economische ontwikkeling. Als we naar Figuur 8 kijken valt er
geen relatie uit op te maken, ongelijkheid lijkt niet af te nemen naarmate een economie zich
verder ontwikkelt. Dit sluit echter geen causaal verband van de Gini-coëfficiënt naar
economische groei uit.
Figuur 8: Scatterplot Gini-coëfficiënt en Log(GDP)
55
50
GINI
45
40
35
30
35
25
3.6
3.8
4.0
4.2
4.4
LOG GDP
4.6
4.8
5.0
Voordat de uiteindelijke resultaten weergegeven en geanalyseerd worden, wordt grafisch de
afhankelijke variabele, namelijk de economische groei, weergegeven. De getoonde data zijn
de jaarlijkse groeivoeten. Figuur 9 geeft deze weer. Wat uit de grafiek valt op te maken is dat
bijvoorbeeld in laatste periode er een algemene negatieve trend is. Dit wijst op de financiële
crisis die op alle landen opgenomen in de dataset een nefast effect heeft gehad op de
economische groei. Dit is een indicatie dat het gebruiken van een tijdsdummy van belang kan
zijn. Ook zijn er duidelijke verschillen tussen landen onderling, deze individuele
heterogeniteit valt echter weg bij het gebruiken van de GMM schatter.
Figuur 9: BBP per capita groei
8
6
4
2
0
-2
-4
1970
1975
1980
Austria
Denmark
Germany
Italy
Mexico
Norway
Turkey
1985
1990
1995
Belgium
Finland
Greece
Japan
Nederland
Spain
United Kingdom
2000
2005
2010
Canada
France
Israel
Luxemburg
New Zealand
Sweden
United states
bron: World Bank Databank
Deze figuur is ook een eerste indicatie voor het stationair zijn van de variabele. Als we naar
de figuur kijken is er op het eerste gezicht eerder sprake van een stabiel verloop en zeker
stationair. De ADF test bevestigde deze veronderstelling dat er geen sprake is van een
unit root proces. Tabel 5 geeft de gevonden resultaten hiervoor weer. De nul hypothese dat de
variabele bepaald wordt door een unit root proces wordt verworpen.
36
Tabel 5: ADF unit root test
Method
ADF - Fisher Chi-square
ADF - Choi Z-stat
Statistic
61.2280
-3.55291
Prob.**
0.0028
0.0002
3.4.2. Regressie resultaten a.d.h.v. vijfjaarlijkse gemiddelden
3.4.2.1. Vereenvoudigde Regressie
Aan de hand van een eerste versimpelde vorm van de basisregressie worden alle schatters die
hierboven vermeld werden toegepast. Tabel 6 geeft de resultaten hiervoor weer. De eerste
kolom stelt het gevonden resultaat van de OLS schatter voor. Deze is niet de gepaste schatter
en als we de vergelijking maken met de GMM schatter zien we significante verschillen. Het
gevonden effect is positief. Het resultaat is significant en wordt als volgt geïnterpreteerd: een
toename van ongelijkheid na herverdeling met 1 procent zorgt voor een stijging in de
economische groei met 0.057 procent voor de opeenvolgende vijr jaar. Het model is een
slechte benadering voor de data. De R-kwadraat is immers negatief wat erop wijst dat het
model een slechtere benadering is voor de data dan een horizontale rechte.
Wanneer de Fixed-Effects schatter toegepast wordt, verandert het effect van ongelijkheid. Het
is niet enkel insignificant maar ook het teken is gewijzigd. Dit betekent dat er statistisch
gezien geen reden is om te verwerpen dat ongelijkheid geen invloed heeft op economische
groei. De economische output in de vorige periode kent wel een significant effect, het effect
op economische groei is negatief. Dit gevonden resultaat komt overeen met het Solow model.
Landen die reeds een hoge output kennen, zullen in de volgende periodes minder snel groeien.
Er is met andere woorden convergentie tussen landen met een hoge en een lage output.
37
Tabel 6: Vereenvoudigde Basisregressies
Method:
LS
LS
TSLS
GMM
GINIPOST(-1)
0.057324
(0.0094)**
0.055294
(0.0441)
-0.129832
(0.0977)
-0.138075
(0.0982)
GDP(-1)
0.000004
(0.0000)
-0.000138
(0.0000)**
-0.000213
(0.0001)**
-0.000217
(0.0001)**
3.902539
(1.5258)*
11.464659
(2.7964)**
11.801258
(2.9449)**
135
0.5713
5.8111
0.0000
102
0.6058
5.3659
0.0000
102
0.6020
NA
NA
C
Observations:
R-squared:
F-statistic:
Prob(F-stat):
135
-0.1592
NA
NA
De derde schatter, de Two stage Least Squares (TSLS), vindt ook een negatief teken en een
significante coëfficiënt voor de output per capita in de vorige periode. Het teken voor de
Gini-coëfficiënt is negatief maar niet significant. Daardoor kunnen we niet besluiten dat
ongelijkheid een effect heeft op economische groei. De instrumenten die gebruikt worden
voor het toepassen van deze schatter en ook voor de GMM schatter zijn de onafhankelijke
variabelen in de vorige 2 periodes. Wanneer de test voor overidentificatie wijst op zwakke
instrumenten werd een extra vertraagde variabele toegevoegd. De gevonden resultaten voor
de laatste schatter wijken amper af van de resultaten van de TSLS schatter. Zo komen alle
tekens overeen tussen de GMM en de TSLS schatters, slechts de grote van de effecten van de
variabelen verschillen. De interpretatie voor de Gini-coëfficiënt, bij het toepassen van de
GMM schatter, is dat een toename van 1 punt voor een daling van de gemiddelde
economische groei over vijf jaar met 0.13 procent zorgt. Deze interpretatie gaat echter niet op
aangezien er geen significantie gevonden werd.
Samenvattend kan dus gesteld worden er een negatief effect gevonden wordt voor de initiële
output per capita en dat er geen significant effect gevonden wordt van ongelijkheid op
economische groei.
3.4.2.2. Schatting van de basisregressie
Na het schatten van een vereenvoudigde versie wordt nu overgegaan naar de basisregressie.
Daarna zal ook een regressie geschat worden die meer aanleunt bij de regressie die toegepast
werd door Barro(2000). Deze regressies bevatten meer variabelen, dit zorgt ervoor dat het
38
aantal vrijheidsgraden daalt. Dit taste de efficiëntie van de schatters aan, in een dataset die
beperkt is in grootte moet hiermee rekening gehouden worden.
Tabel 7 geeft de gevonden resultaten weer, de kolommen zijn op dezelfde manier ingedeeld
als in de vorige tabel. Ook hier zijn er sterke verschillen tussen de resultaten. De extra
variabelen zijn Capi(-1) wat overeenkomt met de investeringen van de vorige periode.
Education(-1) is het gemiddeld aantal jaar scholing in de vorige periode. De laatste extra
variabele is het verschil tussen de Gini-coëfficiënt voor en na herverdeling. Hoe groter het
verschil tussen beiden hoe meer een land herverdeeld.
Als we naar het effect van de herverdeling op economische groei bekijken, dan kent de
coëfficiënt een positief teken maar wordt er wederom geen significantie gevonden. Het effect
van ongelijkheid op economische groei is ongewijzigd gebleven. Er is met name geen
significant effect. Het resultaat dat echter robuust blijkt is het effect van de initiële output. Zo
blijkt dit effect negatief en significant te zijn voor alle schatters. Zo zou volgens de GMM
schatter een verhoging van de initiële output per capita met 10 punten ervoor zorgen dat in de
volgende periode de groei vertraagd met 0.00243 procent. De convergentie gevonden in
Tabel 5 wordt hier bevestigd. Voor zowel de investeringen als het menselijk kapitaal wordt
er geen significantie gevonden. Beide coëfficiënten kennen wel een positief teken, dit komt
overeen met de verwachtingen omtrent deze variabelen.
39
Tabel 7: Basisregressies
Method:
LS
LS
TSLS
GMM
GINIPOST(-1)
0.043916
(0.0108)**
0.006865
(0.0610)
-0.214551
(0.2687)
-0.214551
(0.2687)
0.098985
(0.0221)**
0.026286
(0.0433)
0.161050
(0.1960)
0.161050
(0.1960)
CAPI(-1)
0.008618
(0.0041)*
-0.002226
(0.0086)
0.026861
(0.0482)
0.026861
(0.0482)
EDUCATION(-1)
0.077556
(0.0765)
-0.288840
(0.2503)
-0.967930
(0.9815)
-0.967930
(0.9815)
GDP(-1)
-0.000069
(0.0000)**
-0.000134
(0.0000)**
-0.000243
(0.0001)**
-0.000243
(0.0001)**
7.513994
(3.5032)*
20.774033
(14.7623)
20.774032
(14.7623)
135
0.5771
5.1660
0.0000
101
0.5454
4.8028
0.0000
101
0.5454
NA
NA
GINI(-1)GINIPOST(-1)
C
Observations:
R-squared:
F-statistic:
Prob(F-stat):
135
0.0571
NA
NA
3.4.2.3. Uitgebreide regressie
Tabel 8 geeft de meest uitgebreide regressies weer, fertiliteit wordt in het model opgenomen
samen met gov_c(-1) en Economic_freedom(-1). De eerste geeft de overheidsconsumptie in
procent van het BBP weer. De laatste is een index die bepaalt in welke mate economische
agenten vrij zijn om hun keuzes over hun bezittingen zelf te bepalen. Beide variabelen zijn als
vertraagde variabelen in de vergelijking opgenomen. Ook wordt van het BBP het natuurlijk
logaritme genomen. Het kwadraat van deze waarde wordt ook in de regressie toegevoegd.
Het uiteindelijke model wordt geschat met de schatter die Barro(2000) toepaste, de TSLS
schatter. Deze schatter toonde gelijkaardige resultaten met de GMM schatter. Als er enkel
naar de tekens gekeken wordt dan heeft ongelijkheid een positief effect op economische groei
volgens dit model en de TSLS schatter. Ook een hogere index omtrent economische vrijheid
zal een stimulans zijn voor de groei. Hetzelfde teken wordt ook voor het gemiddelde aantal
jaar scholing gevonden. Negatieve effecten zijn er voor fertiliteit en investeringen. Het effect
van fertiliteit kan verklaard worden aan de hand van de investeringen in menselijk kapitaal.
Toch is geen enkele variabele significant. Het model kent, ondanks de niet gevonden
40
significantie van de variabelen, een relatief hoge R kwadraat. Dit kan wijzen op het probleem
van multicollineariteit. Ook in de andere twee regressies waarbij de GMM schatter weer
toegepast wordt, is er de mogelijkheid dat multicollineariteit zich voordoet.
De derde kolom verschilt van de tweede door het gebruik van een andere afhankelijke
variabele. Het is namelijk op basis van de data gevonden in de OECD databank. Een ander
verschil tussen de tweede en derde kolom is de variabele die de ongelijkheid meet. In de
tweede kolom wordt het effect nagegaan voor herverdeling in de derde kolom na
herverdeling. Beiden hebben een negatief teken maar ook zijn ze beiden niet significant.
41
Tabel 8: uitgebreide regressies
Method:
TSLS
GMM
GMM
C
369.321393
(189.5340)
20.774032
(14.7623)
0.079089
(0.0524)
GINIPOST(-1)
0.256142
(0.2347)
CAPI(-1)
-0.010861
(0.0548)
0.026861
(0.0482)
0.000042
(0.0002)
EDUCATION(-1)
0.633963
(0.6187)
-0.967930
(0.9815)
-0.004375
(0.0034)
LOG(GDP(-1))
-57.794692
(36.1390)
GINI(-1)
-0.214551
(0.2687)
0.000425
(0.0007)
GDP(-1)
-0.000243
(0.0001)**
-0.000001
(0.0000)**
LOG(FERTILITY(1))
LOG_GDP(1)*LOG_GDP(-1)
ECONOMIC_FREE
DOM(-1)
GOV_C(-1)
-0.821527
(0.9352)
10.673995
(8.8379)
0.024052
(0.7169)
0.072276
(0.1892)
GINI(-1)GINIPOST(-1)
Observations:
R-squared:
F-statistic:
Prob(F-stat):
-0.001036
(0.0016)
0.375601
(0.4329)
102
0.6922
5.1985
0.0000
101
0.5454
NA
NA
123
0.3780
NA
NA
3.4.2.4. Verklaren van de resultaten
De gevonden resultaten, geen significante variabelen en toch een hoge verklarende kracht,
kunnen het gevolg zijn van multicollineariteit. Dit komt voor wanneer de verklarende
variabelen in zeer hoge mate gecorreleerd zijn. Voor het testen of er inderdaad sprake is van
multicollineariteit bekijken we eerst de onderlinge correlaties van de variabelen. Zeer hoge
42
correlaties komen niet voor, de hoogste correlatie is tussen de maatstaf van herverdeling en de
Gini-coëfficiënt. Ook de correlatie tussen scholing en BBP per capita is een mogelijke bron
voor multicollineariteit. Tabel 9 geeft echter slechts een indicatie van het mogelijks bestaan
van een probleem. Als test voor het nemen van de beslissing over het al dan niet bestaan van
multicollineariteit gebruiken we de Variance inflation factor (VIF).
Tabel 9: Correlatiematrix
GDP
GDP
1,00
GINI*
-0,41
Scholing
Investeringen
HERVERDELING
GINI*
-0,41
1,00
Scholing Investeringen HERVERDELING
0,61
-0,09
0,52
-0,38
-0,14
-0,67
0,61
-0,38
1,00
0,05
0,45
-0,09
-0,14
0,05
1,00
-0,15
0,52
-0,67
0,45
-0,15
1,00
noot: GINI staat voor de gini-coëfficiënt na herverdeling
Voor het berekenen van de VIF moeten er eerst hulpregressies uitgevoerd worden. Deze
geven weer in welke mate een onafhankelijke variabele verklaard kan worden door de andere
onafhankelijke variabelen. Wanneer de VIF statistiek hoger is dan 10 dan is er wordt er
gesteld dat er sprake is van multicollineariteit. Soms wordt de grenswaarde lager gesteld,
namelijk op 5. De volgende vergelijking geeft de hulpregressie weer voor het BBP per capita.
𝑮𝑫𝑷𝒊,𝒕 = 𝑬𝒅𝒖𝒄𝒂𝒕𝒊𝒐𝒏𝒊,𝒕 + 𝑮𝒊𝒏𝒊𝒊,𝒕 + 𝑰𝒏𝒗𝒆𝒔𝒕𝒆𝒓𝒊𝒏𝒈𝒆𝒏𝒊,𝒕 + 𝑯𝒆𝒓𝒗𝒆𝒓𝒅𝒆𝒍𝒊𝒏𝒈𝒊,𝒕
Tabel 9 geeft de R kwadraat weer van de hulpregressies en de bijhorende VIF waarde. Geen
van beide grenswaarden, 5 of 10, wordt overschreden in het gebruikte model. De hoogste
test-statistiek wordt gevonden bij de hulpregressie waarbij het BBP per capita ingesteld wordt
als de afhankelijke variabele. Toch overschrijdt ook voor deze regressie de VIF waarde de
kritieke waarde van 5 niet. De conclusie is dus dat er geen multicollineariteit gevonden wordt.
Tabel 10: test voor multicollineariteit
Afh. Variabele
GDP
Gini*
Scholing
Investeringen
Herverdeling
R-Squared
0,46
-1,14
0,34
0,0045
0,32
VIF
1,85
0,47
1,52
1,00
1,47
noot: GINI staat voor de gini-coëfficiënt na herverdeling. De formule voor het berekenen van de test-statistiek:
VIF = 1/(1-R2).
43
Een andere verklaring voor het vinden van algemene insignificantie is de beperkte grote van
de dataset. Het nemen van gemiddelden over vijf jaar en het opnemen van enkel ontwikkelde
landen zorgt ervoor dat de grootte van de dataset gelimiteerd is.
Een mogelijkheid om extra data te verwerven is door het toevoegen van extra landen. Het
voordeel van de toegevoegde observaties moet dan worden afgewogen met het mogelijk
verlies aan kwaliteit. Ook kan er zich een probleem voordoen wanneer landen die minder
ontwikkeld zijn in de analyse worden toegevoegd. Zo vindt Barro (2000) dat ongelijkheid een
ander effect heeft voor arme dan voor rijke landen. Het uitbreiden van de dataset door
toevoegen van langere tijdsreeksen is een andere optie om het aantal observaties te verhogen.
Echter is ook hier weer de vraag of data van voor het jaar 1970 van voldoende kwaliteit is.
Er bestaat nog een andere mogelijkheid die in het volgende deel besproken zal worden.
Namelijk het gebruik van jaarlijkse data. Het besluit uit voorgaande deel is dat ongelijkheid
geen significant effect heeft op economische groei. Het teken van de coëfficiënt dat wordt
teruggevonden is negatief. Er werd ook gevonden dat slechts één variabele een significant
effect heeft. Namelijk het initiële BBP per capita. Zo is het effect ervan negatief en wordt dus
convergentie volgens het Solow model gevonden.
3.4.3. Regressie a.d.h.v. jaarlijkse data
Er is een mogelijkheid om het aantal observaties uit te bereiden zonder een nieuwe databron
te moeten gebruiken. In de plaats van het nemen van vijfjarige gemiddelden kan de
basisregressie ook uitgevoerd worden op jaarlijkse data. Wanneer de regressie significante
resultaten oplevert moet dit toch met enige voorzichtigheid geïnterpreteerd worden.
Aangezien voor het bekomen van jaarlijkse data interpolatie frequent toegepast moet worden.
Zo is er geen jaarlijkse data voor economische vrijheid voor de periode 1970-2000. De data
voor deze periode zijn is slechts per vijf jaar. Het zelfde geldt voor het gemiddeld aantal jaar
scholing. Dus de gevonden resultaten zijn mogelijk het gevolg van interpollatie. Deze
techniek werd toegepast voor het bekomen van een volwaardige dataset.
Voordat de regressie met jaarlijkse data wordt uitgevoerd Moet er eerst nagegaan of de
economische groei gecoïntegreerd is met de Gini-coëfficiënt. Wanneer dit niet het geval is
dan is er geen mogelijkheid dat ongelijkheid en economische groei een lange termijn relatie
44
hebben. Voor het nagaan of er sprake is van coïntegratie wordt de Fischer-test toegepast op
zowel de Gini-coëfficiënt voor- als na herverdeling. De test wijst op het feit dat de twee
variabelen gecoïntegreerd zijn en dus een lange termijn relatie hebben. Dit werd niet
nagegaan voor de regressie met de vijfjaarlijkse gemiddelden. De reden hiervoor is dat er te
meer observaties doorheen de tijd nodig zijn voor het uitvoeren van de test. Er wordt
coïntegratie met de economische groei gevonden voor zowel de Gini-coëfficiënt voor als na
herverdeling. Tabel 11en tabel 12 geven deze resultaten weer. De kans dat er geen
coïntegratie is tussen de variabelen is voor beide testen 0, er is dus sprake van coïntegratie.
Tabel 11: Test voor coïntegratie, Gini na herverdeling
Fischer Cointegratietest no trend ginipost en groeiwb
Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Fisher Stat.*
(from trace test)
Prob.
Fisher Stat.*
(from max-eigen test)
Prob.
None
At most 1
160.4
18.83
0.0000
0.9836
170.8
18.83
0.0000
0.9836
Tabel 12: Test voor coïntegratie, Gini voor herverdeling
Fischer cointegratie test no trend ginipre en groeiwb
Hypothesized
No. of CE(s)
Fisher Stat.*
(from trace test)
Prob.
Fisher Stat.*
(from max-eigen test)
Prob.
None
At most 1
196.2
36.45
0.0000
0.3554
196.5
36.45
0.0000
0.3554
Tabel 13 toont de resultaten van de twee regressies die gedaan werden op basis van jaarlijkse
data. Het gevonden effect van ongelijkheid in de vorige periode op economische groei komt
overeen met Barro (2000) en Forbes (2000). Zo zal bij een toename van de Gini-index met 1
punt de economische groei in het volgende jaar 0.17 procent hoger uitvallen. Deze toename is
zowel statistisch als economisch significant. Dit resultaat is robuust want het wordt ook
teruggevonden wanneer het model wordt uitgebreid. Dus kan gesteld worden dat het resultaat
robuust is.
Ook in deze regressies wordt de convergentie teruggevonden. Het effect van herverdeling, in
tabel 13 weergegeven als GINI_pre(-1) – GINI_post(-1), is negatief. Maar pas significant
bij de meest uitgebreide regressie. Dit wilt zeggen dat indien de overheid een grotere
herverdeling nastreeft er in de volgende periode minder groei zal zijn. Er is met name een
trade-off tussen economische groei en ongelijkheid. Een ander resultaat dat in lijn ligt met
45
Barro(2000) is het effect van fertiliteit op economische groei. Naarmate het gemiddeld aantal
kinderen per moeder stijgt neemt de economische groei af. Dit effect is echter niet significant.
Een positief effect wordt gevonden bij economische vrijheid. Wanneer deze index toeneemt
met 1 punt dan zal de groei in de volgende periode toenemen met 0.95 procent dit resultaat is
net zoals bij de Gini-coëfficiënt zowel statistisch als economisch significant.
Samenvattend kan gesteld worden dat er een positief effect uitgaat van ongelijkheid op
economische groei. Het effect wordt echter pas gevonden wanneer de regressie wordt
uitgevoerd met jaarlijkse data. Zoals hierboven besproken kan de regressie vertekend zijn
door de lagere kwaliteit van de dataset.
Tabel 13: Regressie met jaarlijkse data
Method:
GMM
GMM
C
3.208300
(1.5169)*
3.783567
(4.3906)
GINI_POST(-1)
0.174855
(0.0460)**
0.136296
(0.0629)*
GDPC(-1)
-0.000191
(0.0000)**
-0.000187
(0.0000)**
-0.069015
(0.0400)
-0.097759
(0.0441)*
GINI_PRE(-1)GINI_POST(-1)
EDUC(-1)
-0.051590
(0.1975)
FREEDOM(-1)
0.951688
(0.2366)**
CAPITAL(-1)
-0.166045
(0.0433)**
GOVC(-1)
-0.074363
(0.0740)
FERTILITY(-1)
-0.000981
(0.0215)
Observations:
R-squared:
640
0.4703
640
0.4903
In het volgende deel zullen de mogelijke ingrepen besproken worden die een beleidvoerder
kan doorvoeren. Ook wordt besproken of een overheid ongelijkheid als een belangrijke
46
variabele moet beschouwen. Uit het empirische gedeelte wordt besloten dat economische
groei afhankelijk is van het initiële BBP per capita. Naarmate het initiële BBP per capita
stijgt, daalt de economische groei. Deze convergentie is robuust en wordt zowel voor
vijfjarige gemiddelden als voor jaarlijkse data teruggevonden. Het effect van ongelijkheid
daarentegen is minder eenduidig. Wanneer het effect op basis van vijfjarige gemiddelden
onderzocht wordt dan wordt een negatief teken gevonden maar geen significantie. Bij de
regressies met jaarlijkse data wordt het effect van ongelijkheid op groei positief en significant.
3.5. Beleidsimplicaties
In de inleiding kwamen drie vragen naar voren die behandeld zouden worden in deze paper.
In dit deel is het de bedoeling om op de laatste vraag te antwoorden. De vraag was of
overheden ongelijkheid al dan niet moeten opnemen als belangrijke variabele in hun beleid.
De bedoeling is om objectieve redenen te geven voor het positief en negatief antwoorden op
die vraag. Mankiw (2013) stelde al in zijn paper dat het thema bijzonder gevoelig is voor
subjectiviteit en als gevolg zou men tot verkeerde conclusies kunnen komen.
Een eerste reden voor het opnemen van ongelijkheid als belangrijk element is het principe van
rechtvaardigheid (Dabla-Norris, et al. 2015). Dit uit zich op meerdere manieren. Enerzijds is
het belangrijk om na te gaan of de grotere ongelijkheid al dan niet toe te wijzen is aan hogere
uitbuiting (Stiglitz, 2015). Anderzijds speelt sociale mobiliteit ook een grote rol in het
rechtvaardigen van ongelijkheid. Wanneer een maatschappij gekenmerkt wordt door een zeer
lage intergenerationele inkomensmobiliteit dan wijst dit op het feit dat een grote groep een
nadeel ondervindt van omstandigheden waar ze geen invloed op kunnen uitoefenen. Wanneer
dit het geval is dan spreken we van een onrechtvaardige maatschappij. Zo vond Corak(2013)
dat landen met grote ongelijkheid geassocieerd worden met lage inkomensmobiliteit. Ook kan
grotere ongelijkheid ervoor zorgen dat politieke invloed niet meer volledig gelijk verdeeld is
(Dabla-Norris, et al. 2015). Dit kan ertoe leiden dat ongelijkheid aanzien wordt als
onrechtvaardig. Dus volgens dit eerste argument moet ongelijkheid een belangrijke rol spelen
in maken van beleidsbeslissingen.
Toch moet er nog ruimte gegeven worden voor het bestaan van ongelijkheid. Anders worden
incentives om te investeren in bijvoorbeeld menselijk kapitaal afgeremd waardoor ook de
economische groei eronder zou lijden. Dit argument verdedigt bestaan van ongelijkheid.
47
Een ander argument dat het belang van ongelijkheid aantoont is de mogelijke nefaste werking
op de publieke gezondheid. Zoals in gesteld wordt door Holmberg en Rothstein kan
toenemende ongelijkheid een oorzaak zijn van de slechtere gezondheid van de bevolking. Zo
zouden in landen met een hoog niveau van ongelijkheid er vijf maal meer gevallen zijn van
mentale ziektes. Dit is dus een duidelijke reden waarom ongelijkheid een rol zou moeten
spelen in het beleid.
Een derde argument is het effect van ongelijkheid alsook het effect van hogere herverdeling
op economische groei. Dit is het argument dat werd nagegaan in deze paper. De gevonden
resultaten suggereren dat het streven naar een hogere herverdeling zorgt voor lagere
economische groei. Daarom is het opnemen van ongelijkheid als factor voor het nemen van
beleidsbeslissingen niet te verdedigen vanwege een groei vergrotend effect. Dit stemt overeen
met de Leaky-bucket theorie en met de empirische bevindingen van Barro(2000) en
Forbes(2000).
Andere papers gaan hiermee niet akkoord en stellen voor dat overheden acties moeten
ondernemen om ongelijkheid aan te pakken. Zo stelt Bersntein(2013) specifiek voor de
Verenigde Staten dat ongelijkheid een belangrijk fenomeen is dat het de nodige aandacht
verdient. Daarbij stelt hij voor om ongelijkheid te laten afnemen door: een grotere invloed van
vakbonden, een hoger minimumloon, progressieve taksen, hoger belang voor industrie ten
opzichte van financiën en het creëren van extra jobs. Nog andere papers leggen de focus meer
op gelijkheid van scholing (OECD, 2012). Zo zou het aanmoedigen van tertiaire scholing
ertoe leiden dan niet enkel ongelijkheid afneemt maar ook dat economische groei toeneemt.
Een ander voorstel is het bestrijden van discriminatie. Aangezien de loonverschillen tussen
man en vrouw en tussen immigrant en migrant gelinkt zijn aan discriminatie kan het
bestrijden ervan ervoor zorgen dat ongelijkheid daalt en economische groei toeneemt. Ook
Berg et al. (2014) wijzen op het belang van ongelijkheid voor het voeren van beleid. Ze
pleiten dan ook voor het opnemen van ongelijkheid in de agenda van overheden. Dabla-Norris
et al. (2015) wijzen erop dat arbeidsmarkten noch te flexibel noch te strikt gereguleerd mogen
worden. Overheden moeten ervoor zorgen dat markt imperfecties weggewerkt worden en dit
zou dan op zijn beurt voor job creatie en een daling in ongelijkheid zorgen. Andere auteurs
halen aan dat ongelijkheid een belangrijke rol kan spelen in het vermijden van een vraaguitval
waardoor seculiere stagnatie vermeden kan worden (Summers, 2015, 2014; Fitousi &
Saraceno, 2010).
48
Samenvattend kan gesteld worden dat naast het effect van ongelijkheid op economische groei
er ook rekening gehouden moet worden met de publieke gezondheid en het basisidee van een
rechtvaardige maatschappij. Voorstanders van het opnemen van ongelijkheid als belangrijke
variabele voor het nemen van beslissingen stellen enkele beleidsingrepen voor. Deze
mogelijke ingrepen focussen zich op scholing en arbeidsmarkt imperfecties. Deze ingrepen
zouden moeten resulteren in hogere economische groei alsook in lagere ongelijkheid.
Tegenstrijdig daarmee wordt in deze paper een negatief effect gevonden van een hogere
herverdeling op economische groei. Dit resultaat gaat echter alleen op bij het gebruik van
jaarlijkse data.
Conclusie
Deze paper heeft getracht in de eerste plaats de evolutie van ongelijkheid te beschrijven en die
te verklaren. Er werd een stijgende trend gevonden van ongelijkheid in de 23 OECD landen
die werden opgenomen in deze paper. De oorzaak van deze evolutie was minder eenduidig.
Een mogelijke theorie is die van Kuznets, deze wordt zowel tegengesproken als
teruggevonden. Het nagaan van de omgekeerde klokcurve werd in deze paper niet gedaan, het
is een mogelijke uitbereiding. Ook worden moderne interpretaties opgesteld met hetzelfde
basisidee. Een andere theorie was gebaseerd op het bestaan van een toegenomen mogelijkheid
tot uitbuiting. Een derde theorie ging eerder uit van toegenomen globalisering en
technologische vooruitgang. Talent en menselijk kapitaal worden volgens deze theorie meer
gecompenseerd volgens hun marginale productiviteit. Er werd ook nog gekeken naar
intergenerationele inkomensmobiliteit. Er werd aangetoond dat landen met hoge ongelijkheid
geassocieerd worden met lage intergenerationele mobiliteit.
In het tweede deel van de paper werden de theoretische kanalen waarlangs ongelijkheid een
effect zou kunnen hebben op economische groei behandeld. Er werden vijf belangrijke
kanalen uiteen gezet en ook de literatuur omtrent de kanalen werd besproken. Net zoals bij het
verklaren van de evolutie van ongelijkheid, is er geen consensus over de effecten van de
beschreven kanalen. Zo kan hogere ongelijkheid ervoor zorgen dat het beleidsvoorstel van
hogere herverdeling meer ondersteuning krijgt. Deze herverdeling zou kunnen leiden tot een
positief effect op economische groei wanneer de focus op het stimuleren van scholing ligt. De
hogere verdeling zou echter ook een negatief effect kunnen hebben op economische groei, de
overheid zou immers een inefficiënt apparaat zijn.
49
Nadat de kanalen werden uiteengezet, werd de kwaliteit van het reeds gevoerde empirisch
onderzoek besproken. Hieruit werd duidelijk dat het gebruik van data die van lage kwaliteit
zijn tot verkeerde conclusies kan leiden. Ook het toepassen van de verkeerde schatter kan tot
incorrecte resultaten leiden. Een laatste belangrijke keuze is de variabelen die opgenomen
moeten worden in de regressie. Zo zijn er meerdere indexen die ongelijkheid beschrijven.
Na het beschrijven van de mogelijke problemen bij het reeds gevoerde onderzoek werd een
overzicht van de literatuur gegeven. Uit dit overzicht werd duidelijk dat er geen consensus is
tussen economen over het effect van ongelijkheid op economische groei. Er werden twee
papers centraal gesteld die voor het empirische onderzoek ook belangrijk waren. Barro (2000)
was daar één van. Hij vond een positief effect in ontwikkelde landen. Het andere werk ging
hiermee niet akkoord. Cingano (2015) vind een negatief effect van ongelijkheid op
economische groei. Op basis van de gebruikte regressies in beide papers werd het empirische
onderzoek in deze paper gevoerd.
Voordat de resultaten werden getoond, werden de gebruikte data beschreven. Zo werd de
kwaliteit van de data geanalyseerd en de redenen voor het gebruik van bepaalde databronnen
uitgelegd. Ook gaven figuren een eerste indicatie van de gebruikte variabelen. Zo werd een
scatterplot van de Gini-coëfficiënt en het BBP per capita getoond. Uit die figuur kwam geen
duidelijke relatie naar voor. Toch kan een dergelijke figuur geen causaliteit uitsluiten.
In het empirisch onderzoek werden verschillende schatters toegepast. Dit om aan te tonen dat
het gebruiken van een incorrecte schatter tot verkeerde conclusies kan leiden. Zo zal bij het
gebruik maken van een Ordinary Least Squares (OLS) een coëfficiënt naar voor komen van
ongelijkheid die niet geaccepteerd mag worden. De schatter houdt namelijk geen rekening
met de mogelijke individuele heterogeniteit. Om hiervoor te controleren kan een
Fixed-Effects schatter soelaas bieden. Toch is ook deze schatter niet de meest gepaste
schatter. Immers zal bij het gebruik van deze schatter bij een dynamische panel regressie met
een dataset waarbij het aantal tijdsperioden gelimiteerd is zich een bias introduceren. Deze
bias wordt de Nickell-bias genoemd en leidt tot verkeerde resultaten. De oplossing is de
Generalized method of moments (GMM) schatter. Dit is dan ook de meest gepaste schatter en
daarom werd deze in het empirische onderzoek toegepast.
Er werd in dit onderzoek geen robuust effect gevonden van ongelijkheid op economische
groei. Bij het gebruik van vijfjaarlijkse gemiddelden was het gevonden teken van de Gini50
coëfficiënt na herverdeling steeds negatief. toch werd er geen statistische significantie van het
effect gevonden. Convergentie van rijke en arme landen was het meest robuuste resultaat. Zo
werd ook een negatief en significant effect gevonden van het initiële BBP per capita in de
vorige periode wanneer er gebruik gemaakt werd van jaarlijkse data. Bij de regressie met
jaarlijkse data werd een positief en significant effect van ongelijkheid op economische groei
gevonden. Ook werd een negatief effect gevonden van een hogere herverdeling door de
overheid. Dit komt overeen met de veronderstelling dat de overheid inefficiënt herverdeeld.
Een tekortkoming in dit onderzoek is dat enkel de Gini-coëfficiënt gebruikt werd in het
empirische onderzoek. Zo kan het onderzoek uitgebreid worden met het opnemen van een
andere index zoals de P90/P10 of de Theil-index.
De rol van de overheden werd daarna nog besproken. Uit het eigen onderzoek kan men niet
besluiten dat ongelijkheid een belangrijke variabele moet zijn voor overheden. Toch zijn er
ook andere redenen voor het opnemen van ongelijkheid in beleidsbeslissingen buiten het
effect op economische groei. Zo is rechtvaardigheid een belangrijk argument om ongelijkheid
aan banden te leggen. Wanneer het ervoor zorgt dat individuen een nadeel ondervinden van
omstandigheden waar ze geen invloed op hebben, is er een reden om in te grijpen. Een andere
reden is de volksgezondheid. Er werd op het negatieve effect van ongelijkheid op de
gezondheid van de bevolking gewezen. We kunnen dus stellen dat er ook verder moet
gekeken worden dan naar economische ontwikkeling voor het besluiten over de rol van
ongelijkheid binnen het beleid.
51
Referenties
Aghion, P., & Bolton, P. (1997). A theory of trickle-down growth and development. Review
of economic studies 64(2), 151-172.
Alesina, A., & Perotti, R. (1996). “Income distribution, political instability, and investment.”
European economic review 40(6), 1203-1228
Atkinson, A., Piketty, T., & Saez, E. (2011). Top incomes in the long run of history. Journal
of economic literature, 49(1), 3-71.
Barro, R. J. (2000). Inequality and Growth in a Panel of Countries. Journal of Economic
Growth, 5(1), 5–32.
Barro, R.J. (2008). Inequality and growth revisited. (Working Papers Series on Regional
Economic Integration No. 11). Geraadpleegd via Asian Development Bank website:
http://aric.adb.org/pdf/workingpaper/WP11_ procent20Inequality_and_Growth_Revisited.pdf
Berg, A., & Ostry, D. J. (2011). Inequality and unsustainable growth: two sides of the same
coin IMF Staff Discussion note 11/08, Washington: International Monetary Fund.
Berg, A., Ostry, D.J., & Tsangarides, G. C., (2014). “Redistribution, inequality and growth.”
IMF staff discussion note 14/02, Washington: International Monetary Fund.
Bernstein, J,. (2013). The Impact of inequality on Growth. Center for American Progress,
1-33.
Carvalho, L., & Rezai, A. (2014). Personal Income Inequality and Aggregate Demand.
University of São Paulo: São Paulo.
Castells-Quintana, D. & Royuela, V. (2014). Tracking positive and negative effects of
inequality on long-run growth. Barcelona: University of Barcelona.
Cingano, F. (2014). Trends in income inequality and its impact on economic growth, OECD
Social, emploment and migration working papers, no. 163,OECD Publishing.
http://dx.doi.org/10.1787/5jxrjncwxv6j-en
Corak, M., (2013). Income inequality, equality of opportunity, and intergenerational mobility.
Journal of economic perspectives, 27(3), 79-102.
Council of Economic Advisors (CEA) (2016). Economic Report of The President.
Geraadpleegd via:
https://www.whitehouse.gov/sites/default/files/docs/ERP_2016_Book_Complete%20JA.pdf
52
Dabla-Norris, E., Kochlar, K., Suphaphiphat, N., Ricka, F., & Tsounta, E. (2015). Causes
and consequences of income inequality: a global perspective, IMF Staff discussion note,
Washington: International Monetary Fund.
Deininger, K. and Squire L. (1996). A new development data base. The world bank economic
review, 10(3), 565-591.
Dynan, E. K., J. Skinner, P.S. Zeldes, (2000). Do rich save more? National bureau of
Economic research, 112(2), 397-444.
Easterly, W. (2007). Inequality does cause underdevelopment: Insights from a new
instrument, Journal of development economics, 84(2), 755-776.
Fitoussi, J.-P. & Saraceno, F. (2010). Inequality and macroeconomic performance. Parijs:
Observatoire Francais des Conjonctures Economiques (OFCE)
Forbes, K. J. (2000). A reassessment of the relationship between inequality and growth.
American Review 90(4), 869-887.
Galor, O., & Tsiddon, D. (1996). Income distribution and Growth: the Kuznets hypothesis
revisted, Londen school of economics and Suntory and Toyota International centres for
Economics and related disciplines, 63(250), 103-117.
Heylen, F., & Van de Kerckhove, R. (2014) Heterogeneous ability and the effects of fiscal
policy on employment, income and welfare in general equilibrium. (FEB Working Paper
No. 898). Geraadpleegd via de UGent website:
http://wps-feb.ugent.be/Papers/wp_14_898.pdf
Higgins, M. and Williamson, J.G. (1999). Explaining inequality the world round: Cohort size
Kuznets Curves, And openness (NBER Working Paper No. 7224). Geraadpleegd via de NBER
website: http://www.nber.org/papers/w7224.pdf.
Holmberg, S. en Rothstein, B. (2011). Dying of corruption, Health econonomics, Policy and
law, 6(4), 529-547. doi:10.1017/S174413311000023X
Horemans, J., Pintelon, O., & Vandenbroucke, P., (2011). Inkomens en Inkomsenverdeling op
basis van Belgische enquêtegegevens: 1985-2007. Geraadpleegd via website CBS:
http://www.centrumvoorsociaalbeleid.be/sites/default/files/D%202011%206104%2002_augus
tus%202011.pdf
Kottasova, I. (6 mei 2016). Panama Papers' 'John Doe' says inequality concerns drove leak.
Geraadpleegd via website CNN: http://money.cnn.com/2016/05/06/news/economy/panamapapers-john-doe-manifesto/
53
Kuypers, S. & Marx I., (2014). De verdeling van vermogens in België. Geraadpleegd via
website CBS:
http://www.centrumvoorsociaalbeleid.be/sites/default/files/D%202014%206104%2001_mei%
202014_0.pdf
Kuznets, S., (1955). “Economic Growth and Income Inequality.” The American
Economic Review, 45(1), 1 - 28.
Li, H., Squire, L., & Zou, H. (1998). “Explaining international and intertemporal variations in
income inequality.” The economic journal, 108(446), 26-43.
Mankiw, G. (2013). Defending the one percent, Jounral of economic perspectives, 27(3), 2134.
Mirrlees, J. (1971). An exploration in the theory of optimum income taxation, Review of
economic studies, 38(114), 175-208.
OECD (2012). Economic Policy Reforms 2012: Going for Growth. OECD Publishing.
http://dx.doi.org/10.1787/growth-2012-en
OECD (2015). In It Together: Why Less Inequality Benefits All, OECD Publishing, Paris.
http://dx.doi.org/10.1787/9789264235120-en
Piketty, T. (2014), Capital in the twenty-first century. Parijs: Editions du Seuil
Perotti, R., (1994). Income distribution and investment. European economic review, 38(3-4),
827-835.
Persson, T. & Tabellini, T. (1994). Is inequality harmful for growth. The American Economic
Review 84(3), 600-621.
Rothschild, M. and J. Stiglitz, (1973). Some further results on measurement of inequality,
Journal of economic theory, 6(2), 188-204
Solon, G., (1992). Intergenerational mobility in the United States, The American economic
review,82(3),393-408
Solt, F., (2014). The Standardized World Income Inequality Database. Geraadpleeg via:
http://myweb.uiowa.edu/fsolt/papers/Solt2014.pdf
Summers, L (2014). U.S. Economic Prospects: Secular Stagnation, Hysteresis, and the Zero
Lower Bound. National Association for Business Economics, 49(2). Doi: 10.1057/be.2014.13
54
Summers, L. (2015). Demand side secular stagnation. The American Economic review,
105(5), 60-65.
Stiglitz, J., (2015). The origins of inequality, and policies to contain it. National tax journal
68(2), 425-448.
55