En av de stora forskningsfrågorna i jämförande politisk ekonomi handlar om hur inkomstojämlikhetens omfattning i ett land hänger ihop med - påverkar och påverkas av - inkomstomfördelningens omfattning, och välfärdsstatens storlek. Nationalekonomer på 1970- och 80-talen (Meltzer & Richard 1981 m fl) brukade hävda att länder med högre marknads-inkomstojämlikhet skulle omdistribuera mer än länder med lägre marknads-inkomstojämlikhet, eftersom det skulle "behövas" mer för att nå en "lagom" nivå (jämvikt, eller något i den stilen).
Sedan har dock flera forskare, däribland Peter Lindert med hans "Robin Hood-paradox" med hjälp av växande dataset visat att det förhåller sig tvärtom: länder med lägre marknads-inkomstojämlikhet omdistribuerar mer, allmänt talat. Chicago-ekonomen Loukas Karabarbounis förklarar i ett mycket intressant nytt papper (pdf), utsett till bästa papper i Economic Journal under 2011, detta faktum med politisk ekonomi: ekonomiskt starkare låginkomsttagare ger politiskt starkare låginkomsttagare vilket ger mer omfördelning, medan ekonomiskt starkare höginkomsttagare ger politiskt starkare höginkomsttagare vilket ger mindre omfördelning eftersom de två grupperna, "the rich class" och "the poor class" som Karabarbounis på nationalekonomers naiva sätt och språk kallar grupperna, har olika politiska preferenser. Och mer pengar ger mer makt: "one dollar, one vote". (Se Aleman och Torres-Reyna 2011 för en annan approach.)
Jag tycker att det är problematiskt att denna litteratur blandar ihop "omfördelning" med "offentliga utgifter på välfärd", vilket jag tycker är två olika om än relaterade fenomen, men lämnar den invändningen åt sidan här. Vad jag är intresserad av här är nämligen: på vilken ledd förväntar vi oss att högre inkomstojämlikhet ger mindre omfördelning? Är det jämförande mellan länder, eller är det inom ett land över tid, eller gäller båda ledderna?
Vad som får mig att ta upp detta är diskussionen i ett metodologiskt paper av Sven Wilson och Daniel Butler (2008) om användande av time series cross section-data (TSCS), alltså data som har både en land-dimension (flera länder är med), och en tidsdimension (flera år per land är med). I TSCS-data kan man ju testa förhållandet mellan ojämlikhet och omfördelning/välfärdsutgifter både mellan länder och över tid, och hur ligger det då till: är högre inkomstojämlikhet associerad med mindre välfärdsstat mellan länder, inom länder över tid, eller båda två? Om vi inte skiljer på de två dimensionerna, utan bara gör en scatterplot med lite TSCS-statistik för 16 rika länder* 1980, 1985, 1990, 1995 och 2000 (n=71) med gini-koefficient från Luxembourg Income Study på x-axeln och offentliga sociala utgifter som % av BNP på y-axeln, så ser plotten ut så här:
Korrelationen är stark - -0,7 - och det finns goda teoretiska argument - one dollar one vote, osv - för att det faktiskt handlar om kausalitet och inte bara korrelation. (Problemet är väl omvänd kausalitet - förstås ger större välfärdsstat utifrån samma maktresursteori också jämlikare inkomstfördelning**. Att nyare papers som Alvarez och Torres-Reyna 2011 och Barth och Moene 2011 använder instrumentvariabler är inte förvånande.)
Men här är det som sagt hur relationen inkomstfördelning-välfärdsstat/omfördelning skiljer sig åt i tids- respektive och landsdimensionen som är intressant. Och här gör Wilson och Butler något gött i förhållande till ett gammalt paper (pdf) av Karl-Ove Moene och Michael Wallerstein, i American Political Science Review år 2001, om förhållandet mellan inkomstfördelning och välfärdsstatens storlek: W & B lägger in land-effekter i en scatterplot, vilket gör att vi får se korrelationerna/slopes för varje enskilt land i Moene och Wallersteins dataset, och inte bara den övergripande lutningen (som min -0,7 ovan). I plotten nedan är den feta heldragna linjen den regressionslinje man drar ur data med poolad analys, alltså att man klumpar ihop alla land-år-observationer och låtsas om att de är oberoende av varandra. Den feta streckade linjen är däremot den regressionslinje man får om man tar in land-dimensionen och analyserar varje lands förhållande över tid mellan fördelning och välfärdsstat, och därefter slår ihop varje lands regressionslinje till en stor.
Och vi ser att regressionslinjen för modellen med land-effekter (fixed effects) har motsatt lutning jämfört med den enkla modellen! Inom länderna så är ökad inkomstojämlikhet korrelerad med större välfärdsstat. Så det som driver den negativa korrelationen i datasetet som helhet mellan inkomstojämlikhet och välfärdsstatens storlek är skillnader mellan länder, inte inom länder över tid. För inom de rika länderna över de senaste trettio åren har inkomstojämlikheten ökat samtidigt som välfärdsstaterna vuxit, vilket innebär att korrelationen i tidsdimensionen är positiv medan korrelationen i land-dimensionen är negativ.
(motsvarande korrektion, land-effekter inlagda, utifrån de data som använts i det hemsnickrade exceldiagrammet ovan, ser ut så här:
Här är det bara Danmark som har en tydlig förväntad negativ korrelation mellan (postskattochtransfer) gini och välfärdsstatens storlek, medan till exempel Australien visar exakt motsatt, positiv korrelation.)
Och det här är ju samhällsteoretiskt väldigt intressant. Om vi köper maktresursteorin och "one dollar, one vote", och det gör vi ju i grund och botten, så borde korrelationen större inkomstojämlikhet - mindre välfärdsstat hålla över tid inom länder, och inte bara mellan länder. Så varför gör den inte det? Mitt snabba svar har två delar***. Ett, välfärdsstaten är á la Iversen en försäkringsmaskin och inte bara en klasskampsföreteelse (även om den är det också). Och även om välfärdsstaterna inte har krympt rent kvantitativt, så har de antagligen blivit mindre omfördelande sedan 1980. Två, "new politics of the welfare state": att avskaffa välfärdsstaten är en seg process eftersom överallt där den skapats är den populär. Denna seghet gör att den förväntade negativa korrelationen ännu inte syns i tidsdimensionen, men att den antagligen kommer att göra det om tio-tjugo år om inkomstojämlikheten kommer att fortsätta öka.
Not
*Länderna är: Australien, Österrike, Belgien, Kanada, Danmark, Finland, Frankrike, Tyskland, Irland, Italien, Nederländerna, Norge, Sverige, Spanien, Storbritannien och USA.
**Det är också problematiskt att jag använt post-skatt och transfer-gini som mått, eftersom det till synes är tautologiskt relaterat till "omfördelning". Men "omfördelning" är ju ovan omdefinierat till "välfärdsstatens storlek". Och för politisk styrka, den underliggande variabel som jag är intresserad av, är det post- inte pre-inkomstfördelning som räknas.
***En tredje väg att gå: detta är bara enkla regressioner. Finns det andra variabler som förklarar bristen på det förväntade negativa förhållandet inom länder sedan 1980? En är valsystem (jfr Iversen och Soskice, pdf).
Statistik
LIS, gini
OECD, "Social expenditure - Aggregated data"
OECD, "Gini coefficient (before taxes and transfers)"
Artiklar
Loukas Karabarbounis, "One Dollar, One Vote" (pdf), Economic Journal juni 2011
Sven E. Wilson och Daniel M. Butler, "A Lot More to Do: The Sensitivity of Time-Series
Cross-Section Analyses to Simple Alternative Specifications" (pdf), Political Analysis, nr 2 2007
---
jfr 7 april 2011, "Omfördelar länder med lägre marknadsinkomst-ojämlikhet mer?"
se också 1 juli 2011, "Har välfärdsstaten krympt?"
Intressanta inlägg. Har försökt läsa lite, men kommer nog att fördjupa mig mer. Tror att jag kan ha nytta av din blogg i plugget. Alltså inte som källhänvisning, men för att få mer insyn inom politisk ekonomi. Så tack för en bra och läsvärd blogg. Bara fortsätt!
SvaraRaderaGott att höra att du gillar bloggen och tack för kommentaren!
SvaraRadera/Erik