Förmögenheter, skulder, löneledd och vinstledd tillväxt

När kapitalandelen ökar och löneandelen minskar eller tvärtom, vad kommer effekterna bli på ekonomin och BNP-tillväxten? Vissa skulle, liksom Kalecki (1954), säga att när löneandelen ökar så kommer efterfrågan öka eftersom anställda konsumerar en högre grad av sin inkomst än vad de med kapitalinkomster gör. (Jag har utforskat detta argument för dagens svaga ekonomiska utveckling i Västvärlden i en rapport för LO, "Samhällsekonomi i LO", 2015.) Å andra sidan kan man säga att när företagens vinster, en viktig del av kapitalandelen, ökar så har de mer pengar till att investera, och med mer investeringar kommer ekonomin växa snabbare. Nationalekonomerna Stephen Marglin och Amit Bhaduri ställde i en artikel 1990 (bloggad här) dessa två mekanismer mot varandra och gjorde en typologi av tillväxtregimer, där tillväxten kan vara antingen löneledd (dvs en stigande löneandel ökar BNP-tillväxten) eller vinstledd (dvs en ökning av kapitalandelen ökar BNP-tillväxten).

Engelbert Stockhammer och Rafael Wildauer gör i ett nytt paper i Cambridge Journal of Economics en intressant utveckling av Bhaduri-Marglin-modellen, som tar in fler variabler. En är den personliga inkomstfördelningen (alltså till skillnad från den s.k. funktionella inkomstfördelningen som är fördelningen mellan löneandel och kapitalandel). Vi vet ju att ojämlikheten ökat mycket sedan 1980-talet i de rika länderna: enligt Kaleckis gamla logik att låginkomsttagare konsumerar mer, borde detta ha en negativ effekt på efterfrågan. Å andra sidan har Robert Frank m fl hävdat att de vars inkomster inte ökar i takt med eliterna ökar sin konsumtion, lånefinansierat, allt mer, för att hänga med. Denna effekt kallar Stockhammer och Wildauer "expenditure cascades" eller "Veblen effects". En annan är finansssektorn och skuldsättningen: Minsky (1995) utvecklade teori om hur finanssektorn kunde orsaka svängningar i realekonomin, och detta har formaliserats av t ex  Charles (2008), Fazzari et al (2008), Keen (1995) och Ryoo (2013). Också i den s k stockflow consistent (SFC)-litteraturen betonas det att stockvariabler, som hushållsskuld, kan ha effekter på flödesvariabler (Godley och Lavoie 2007). S och W ser två brister med litteraturen här: dels råder oenighet om ifall det är företagslån eller hushållens lån som är viktiga och få inkluderar båda typerna samtidigt. Dels så har postkeynesianer mest resonerar om detta teoretiskt och gjort föga empiriskt; här laggar de efter mainstreamnationalekonomin där en hel del studier lagts fram om "förmögenhetseffekter" (wealth effects). Onaran et al (2011) är den enda postkeynesianska studien som kollar både på funktionell inkomstfördelning och effekter av hushållens förmögenheter och skulder, men den studien behandlar bara USA.

Konsumtionen C bestäms i deras modell av inkomster (Y), löneandelen (WS), inkomstojämlikhet (Q), boendeförmögenheter (WH), finansiella förmögenheter (WF) och hushållskuld (ΔHD). Effekten av Q på C bör vara negativ om de rikas konsumerar mindre, men enligt "consumtption cascades"-teorin från Frank (1985, 2015) kan Q ha en positiv effekt på C; detta har modellerats av Kapeller och Schütz (2014, i JPKE) och Belabed et al (2013). Effekterna av förmögenheter, särskilt de som beror på bostadspriser, på konsumtion är inte helt lätta att förutspå. William Buiter har t ex hävdat att även om de som äger sin bostad blir rikare när priserna går upp så blir de som hyr inte det och därför bör inte stigande bostadspriser ha någon positiv netto-effekt på konsumtionen.

Investeringarna I bestäms av Y, WS, Q, WH, WF och DH som ovan, men dessutom också av de långa realräntorna i och företagens lån DB. De skiljer på företagens investeringar (business investment) och byggnadsinvesteringar (residential investment). Löneandelen förväntas ha en negativ effekt på NX eftersom den är identisk med unit labor costs.

Nettoexporterna NX bestäms av Y, WS och WH men också av Yf som är reala inkomster i utlandet och den nominella valutakursen EX.

De räknar ut kortsiktiga effekter (och talar här också om "private excess demand", s 7) och multiplikatorer. De tar också fram marginaleffekter som är koefficienten gånger förändringen i den oberoende variabeln. (s 8)

De refererar en stor mängd tidigare empirisk litteratur som i huvudsak utgår från Bhaduri och Marglin (1990). Den första gruppen använder VAR-modeller för att kolla på relationen mellan fördelning och efterfrågan, men skiljer typiskt inte på effekter på konsumtion och investeringar. Hit hör Stockhammer och Onaran (2004) om USA, UK och Frankrike från 60-talet till 90-talet, Barbosa-Filho och Taylor (2006) om USA 1948-2002, Carvalho och Rezai (2014) om USA 1967-2010, och Kiefer och Rada (2014) för 13 OECD-länder från 70-talet till 2010. En annan inriktining i litteraturen använder en "single-equation approach" där konsumtion, investeringar och den externa sektorn skattas var för sig. Här ingår t ex Bowles och Boyer (1995) som kollar på fem OECD-länder från 1960-talet till 1987, Naastepad och Storm (2007) som kollar på åtta OECD-länder 1960-2000, Hein och Vogel (2008) med sex OECD-länder 1960-2005 (bloggat här), Stockhammer och Stehrer (2011) med 12 OECD-länder 1970-2007, och Onaran och Galanis (2014) med G20-länderna från 1960-till 2007. En tredje grupp använder panelmetoder: Hartwig (2014) använder en single equation approach på 31 OECD-länder från 1970 till 2011 och Kiefer och Rada (2014) skattar efterfrågan- och fördelningsekvationer för en panel med OECD-länder. Ingen av de två kontrollerar för förmögenheter eller personlig inkomstfördelning.

Den andra debatten som de refererar handlar om den relativa inkomsthypotesen; här finns det inte lika många empiriska studier men de refererar bl a Behringer och van Treeck (2013) som använder ojämlikhet för en variabel för att förklara current account positions såväl som hushållens sparande i G7-länderna 1972 till 2007.

Den tredje debatten handlar om "wealth effects" i en tid av snabbt växande finansiella och fastighetsbaserade förmögenheter. En rad studier (Girouard et al 2006, Ludwig och Slok 2004, Slacalek 2009) finner att marginalbenägenheten att konsumera är högre för husförmögenheter än för finansiella förmögenheter i USA och UK men att MPC för husförmögenheter är liten och/eller statistiskt insignifikant i Europa. Andra studier (Muellbauer 2007 och Aron et al 2012) finner att husförmögenheter ökar kredittillgången vilket ökar konsumtionen. De menar att den postkeynesianska litteraturen har börjat kolla på effekter av skuldsättning på tillväxt men inte direkt på konsumtion; Kim et al (2015) är ett undantag.

De menar att det papper som är närmst deras eget är Onaran et al (2011) som inkluderar boende- och finansiella förmögenheter i en Bhaduri och Maglin-modell, men bara kollar på ett land (USA 1962 till 2007). Också Nishi (2012) som gör en liknande modell kollar bara på ett land, Japan 1992-2010.

Datat omfattar 18 länder från 1980 till 2013. De mesta av variablerna kommer från EU-kommissionens AMECO-databas. Kredit till hushåll och näringsliv liksom reala fastighetspriser och valutakurser kommer dock från BIS. Gini-koefficienter och toppinkomstandelar tar de från University of Texas Inequality Project och World Income Inequality Database. Aktiepriserna kommer från  IMF:s International Financial Statistitsics och OECD:s Main Economic Indicators-databas (MEI). Dessa deflateras med KPI från AMECO. De använder reala fastighets- och aktiepriser som proxies för "housing wealth" och "financial wealth". (s 10) De har ett ganska litet tvärsnitt (N=18) och ganska korta tidsserier (T=33) och använder first differences som första skattningstyp; det räcker med en differentiering för att göra variablerna stationära. De konstaterar att de provat med kointegratiosnmetoder men att kointegrationsrelationerna var svaga och resultaten statistiskt också svaga; de kan fås från författarna om man frågar (s 11). För att se om resultaten är känsliga för deras "pooling assumption", antagandet att relationerna mellan variablerna är likadana i alla länder, så jänför de med resultaten med resultat från mean group (MG) estimator från Pesaran och Smith (1995). MG-metoden är att köra individuella modeller för varje land och därefter presentera genomsnittet för alla dessa (s 11).

Tabellen nedan visar resultaten för konsumtionsmodellerna.

De fyra första modellerna är huvudmodellerna som använder first differences. Modell 5 använder mean group-estimatorn och modellerna 6 och 7 är dynamiska specifikationer. Att BNP (Y) har en positiv korrelation med konsumtionen är ju inte så konstigt -- snarare är det nästan konstigt att ha med en sådan variabel i regressionerna (men man kanske kan se den som en kontrollvariabel). Att lönenandelen har en positiv effekt i tre av fyra FD-modeller är mer intressant, även om författarna konstaterar att effekterna är små. Huspriserna (PP) har bara statistiskt signifikant effekt i en av fyra huvudmodeller och aktiepriserna inte i någon. Hushållens skuldsättning har alltid en positiv effekt; observera att modell 4 har med både nivån på och förändringen i skuldsättningen. Ojämlikhetsvariablerna har inga effekter, vilket författarna tolkar som att konsumtionskaskader-hypotesen inte får något stöd. Författarna konstaterar att de dynamiska specifikationerna har statistiska problem men refererar ändå gärna till de långsiktiga effekterna som beräknas därur (jfr mitt inlägg om dynamiska modellspecifikationer och även inlägget om Swank och Steinmos artikel om bolagsskatter).

I investerings-modellerna har löneandelen ingen effekt i FD-specifikationerna men små negativa effekter i de dynamiska. Realräntan är konsekvent negativ för investeringarna. (Bestäms de båda av någon bakomliggande, icke inkluderad variabel?) Fastighetspriserna är positivt korrelerade med investeringarna, vilket de tolkar som att när huspriserna stiger så ökar investeringarna i byggande (s 16). Hushållens och näringslivets skulder har otydliga effekter, även om de vill hävda att hushållsskulden har en negativ effekt, vilket de tolkar som att hushållsskulder hindrar folk från att köpa bostäder (s 16). Inte heller aktiepriser har några statistiskt signifikanta effekter.

I export- och importmodellerna får de fram några väntade resultat: löneandelen är negativt korrelerad med exporter, liksom stigande valutakurs (s 17). Hushållspriser har positiva effekter på importerna vilket de tolkar som att hushållspriserna kan driva upp inhemska priser och därför öka incitamenten att köpa utländskt (s 17).

De använder marginaleffekter från modell 1 i regressionstabellerna för att räkna ut tillväxtbidrag (growth contributions) från förändringarna i de olika variablerna. För en förändring i löneandelen ser uträkningen av tillväxtbidraget ut så här:

 

Där Y_ped är "private excess demand". Koefficienten på konsumtion av löneandelen relateras till genomsnittliga nivån på konsumtion som andel av BNP i de olika länderna (inom parantes), och så vidare. Den totala effekten på tillväxten är summan av effekterna på konsumtion, investeringar och nettoexporter; detta syns i tabellen nedan:

Utifrån detta menar de att större länder som USA, Frankrike och Tyskland har löneledd tillväxt medan den mindre och mycket öppna ekonomin Nederländerna är vinstledd (s 18). De går vidare med att utforska tillväxtregimerna de tio åren före 2008 års ekonomiska kris började. Här kollar de på hela panelen liksom på fyra landgrupper: engelskspråkiga, norra euroområdet, södra euroområdet, och nordeuropeiska länder utanför EMU. De förväntar sig att tillväxten ska vara skulddriven i engelskspråkiga och sydeuropeiska länder men exportdriven i norra Europa (Stockhammer 2009, Hein 2012). Deras tabell visar att konsumtion och investeringar växte mycket långsammare i norra euroområdet än i de andra länderna.

De får fram att effekter av stigande tillgångspriser förklarar 20 procent av BNP-tillväxten i engelskspråkiga länder och 13 procent i södra europområdet, men bara 1.4 i norra EMU och 3 procent i icke-euro-norden. (s 19) "The direct effects of distributional shifts were negligble. Property prices and household debt played dominant roles in explaining growth prior to the crisis." (s 20) "This is in line with the hypothesis of an asset price-driven (or debt-driven) growth model in explaining growth prior to the 2007 crisis." (s 20)

Referens

Engelbert Stockhammer och Rafael Wildauer (2015) "Debt-driven growth? Wealth, distribution and demand in OECD countries", Cambridge Journal of Economics.

Kapitalandelen i Japan före 1950

I arbetet med ett papper tillsammans med Daniel Waldenström om kapitalandelar och ojämlikhet på lång sikt har jag kämpat en del med Japan före 1950. Efter 1950 har Piketty och Zucman beräknat av allt att döma tillförlitliga faktorandelar för näringslivet, baserat på officiella nationalräkenskaper. Men perioden före 1950 är knepigare. För 1940-talet finns det pga krigets förstörelse knappast några uppgifter, men längre bak än 1940 finns det en hel del. Nästan för mycket, faktiskt! På 1970-talet pågick ett stort projekt om historiska nationalräkenskaper som arbetade med data från 1880-talet till 1940, och i volymen Patterns of Japanese Economic Development: A Quantitative Appraisal (Yale UP, 1979) presenteras resultaten på engelska.

Det forskarlaget var ambitiöst nog att göra nationalräkenskaperna på alla tre sätt: från inkomstsidan (anställda, företag och egenföretagare), från utgiftssidan (konsumtion, investeringar, exporter och importer) och från produktionssidan (jordbruk, industri, tjänster). För att beräkna löne- och kapitalandelar behöver man förstås data från inkomstsidan. Och det presenterar de snällt: tabell A47 "Factor incomes in Nonagriculture, 1906-40 and 1953-70" presenterar "distributed income" såväl som löneinkomster, inklusive egenföretagarnas tillskrivna arbetsinkomster. Kapitalandelen utifrån dessa data syns i diagrammet längst upp. Så allt är gott? Nja! Eftersom denna beräkning har fördelade inkomster i nämnaren är det ett netto-mått -- kapitalförslitningen har räknats bort från företagens inkomster. Och vi vill ha både brutto- och netto-mått för att kunna påvisa att resultaten håller med bägge definitionerna. (Se t ex Bridgmans "Is labor's loss capital's gain?" från 2014 för en diskussion om detta.) Då måste vi kunna relatera lönesumman, som är justerad och fin, till ett brutto-mått på nationalinkomsten.

Här börjar problemen! Ohkawa och Shinoharas volym presenterar nämligen olika skattningar av de centrala variablerna. För BNP presenteras två olika serier, i tabell A7 och tabell A2. De är liknande varandra men inte identiska, och täcker olika år: den första åren 1901-1940 och den andra 1930-71. Också för den offentliga sektorn, som vi vill räkna bort för att få måttet jämförbart med netto-måttet, finns två olika mått, i tabell A1 (1901-40) och tabell A2 (1930-71). Med den andra serien ser den offentliga sektorn mycket större ut i slutet av 30-talet. Också för jordbrukets produktion finns två olika serier, i tabell A10 och tabell A11. Båda tabllerna har alltså nettonationalproduktserier och diagrammet nedan visar jordbrukets storlek (i miljoner yen) och andel av ekonomin enligt de två tabellerna.

För att räkna ut en brutto-löneandel vill jag ha något att relatera till lönesumman. Det kan tänkas vara:

BNP-jordbruket-offentlig sektor

eller

NNP+avskrivningarna

Det borde därför inte vara så konstigt att ta BNP ur tabell A7, räkna bort jordbrukets andel av ekonomin utifrån dess andel av NNP uträknat från tabell A10 och därefter räkna bort offentlig sektor i yen utifrån tabell A1. Men kruxet är att denna uträknade BNP utan jordbruk och offentlig sektor blir för liten: upprepade gånger är distributed income från A47 större vilket ju ska vara omöjligt. Det kan bero på att jordbruket är en större del av NNP än av BNP eftersom avskrivningarna är lägre i jordbruket än i övrig privat sektor. När man räknar ut distr inc (non-agri) som andel av hela BNP så är den låg, runt 0.6 till 0.7, vilket ju är rimligt eftersom jordbruket, som är 20-40 procent av ekonomin, är med i BNP men inte i lönesumman.

Pga dessa problem, som ju bl a springer ur att Ohkawa och Shinohara aldrig presenterar jordbrukets produktion brutto utan bara netto, så tänker jag att den bästa vägen framåt är att kringgå BNP-skattningarna per sektor och istället göra brutto-justeringen på ett enklare sätt. Jag tar distributed income och lägger till summan av avskrivningarna och får då alltså ett slags "brutto-inkomst". Därefter tar jag lönesumman ur denna och räknar resultatet som brutto-löneandel. 100 minus denna blir då brutto-kapitalandelen. Som med allting annat finns det två olika serier för avskrivningarna.

Till distributed income lägger jag kapitalförslitningen från tabell A7 för åren 1906 till 1940 och från tabell A8 från 1950 och framåt. Så här ser brutto-kapitalandelen ut då, jämfört med netto-kapitalandelen som visats längst upp samt med kapitalandelen av faktor-pris-nationalinkomsten från Piketty från 1955 och framåt.

Resultaten ser fullt rimliga ut: brutto-kapitalandelen är förstås högre än netto-kapitalandelen, och min uträkning av netto-kapitalandelen är i princip identisk med Pikettys. Sen vill jag ju kunna föra fram brutto-skattningen till 2010 också. Piketty och Zucman jobbar bara med netto-faktorandelar, men de officiella japanska nationalräkenskapsdata som de redovisar i fliken "JapanData" i deras Japan-excelark (här) innehåller all information som man behöver för att kunna räkna ut brutto-andelar om man vill det.

Exportledd tillväxt i Kanada?

Kan man säga att bra export-performance driver god BNP-tillväxt? Vi förstår intuitivt att dessa två ofta händer samtidigt: ett land som har stark exporttillväxt har antagligen också stark BNP-tillväxt. Men är det exporterna som driver BNP-tillväxten? Antagligen, säger Irene Henriques och Perry Sadorsky i början av sitt paper om exporter och tillväxt i Kanada, så kan båda påverka varandra. Att reda ut om de båda orsakar förändringar i varandra eller om kausaliteten är enkelriktad är en grannlaga uppgift för nationalekonomer. Henriques och Sadorsky använder vektor-autoregressioner (VAR) för att testa för Grangerkausalitet och finner att (a) real BNP-tillväxt, reala terms of trade och reala exporter är kointegrerade det vill säga att det finns en långsiktig relation mellan dem, och (b) att BNP-tillväxt orsakar förändringar i exporter, men inte tvärtom.

Litteraturen de utgår ifrån handlar helt enkelt om relationen mellan exporttillväxt och BNP-tillväxt och kommer, säger de, i två former: en ström handlar om utvecklingsländer, och en annan om rika länder. Det handlar om papers från det sena 1970-talet, 1980-talet och i någon mån 1990-talet. Några intressanta resonemang:

"Models by Grossman and Helpman (1991), Rivera-Batiz and Romer (1991), and Romer (1990) posit that expanded international trade increases the number of specialized inputs, increasing growth rates as economies become open to international trade.2 Buffie (1992) considers how export shocks can produce export-led growth." (s 541f)

Bhagwati (1988), Kunst och Marin (1989) har å andra sidan gjort argumentet att det är BNP-tillväxt som driver exporter, inte tvärtom. Bhagwati (1988), Grossman och Helpman (1991) med flera har utvecklat idén om feedback mellan de två variablerna.

Det är en i grund och botten mycket enkel undersökning, om hur BNP-tillväxt och exporttillväxt hänger ihop. Men de tar i alla fall in en variabel till: terms of trade. De definierar TOT så här:

"Terms of trade are defined here as export unit value divided by import unit value. Terms of trade are included to control for export growth which results from price competitiveness. Price competitiveness in this case reflects fluctuations in the real exchange rate and possible trade policies (in the form of tariff and non-tariff barriers). Terms of trade is an especially important variable for a small open economy such as Canada, which is highly susceptible to changes in world prices. In fact, recent reports have cited the lower Canadian dollar as one reason Canada has had higher economic growth than other nations, including the United States." (s 542)

Och genast så komplicerar de resonemanget i en fotnot:

"Helpman and Krugman (1985), however, make it clear that the effect of trade on technical efficiency is not conclusive in models of imperfect competition and increasing returns to scale. In such cases the trade effect depends on the type of competition assumed on the domestic market, entry, and exit and on how market structures will change in response to a trade disturbance. As a result, the effect of trade on technical efficiency is an empirical issue."

De har data på de tre variablerna för Kanada från 1870 till 1991 och kollar dels på hela perioden, dels på två subperioder: 1877-1945 och 1946-1991. De använder naturliga logaritmer av variablerna. De börjar analysen med att testa för unit roots med Augmented Dickey-Fuller-test (ADF) och Phillips-Perron-tester. (Jfr bloggen om dynamiska tidsserieanalyser här.) Icke så förvånande så är ingen av variablerna stationära i nivåer. Däremot så räcker det med en differentiering för att göra dem stationära, de är allså I(1). Kointegrationsanalysen utgår från VAR-approachen från Johansen (1988, 1991) och Johansen och Juselius (1990).

där y_t är en vektor av I(1) eller I(0)-variabler och μ en vektor är en nx1 vektor konstanter. Lagglängden ρ väljs för att alla fel ska bli iid. Rank r för den långsiktiga matrisen anger hur många linjära kombinationer av y som är stationära. Om r=n är alla y stationära medan om r=0 så är Δy stationära och y är I(1). När r är ett värde mellan 0 och n finns det r linjära kombinationer där variablerna y är kointegrerade. Då kan Π räknas αβ där β är error correction-mekanismerna och α är "adjustment parameters". Detta är Grangers representationsteorem, presenterat i Engle och Granger (1987). Johansen och Juselius (1990) utvecklar denna analys. Cointegrating rank r kan räknas ut med två olika tester: maximum eigenvalue-test och trace test. En vidare diskussion har fokuserat på vad för lag-längd man ska ha för att kunna räkna ut r. Henriques och Sadorsky gör kointegrationstesterna på sina tre variabler för hela perioden och subperioderna med lagglängden (ρ) 3 eller 4.

Med lagglängd 3 finner de kointegration för hela perioden och för subperioderna; med lagglängd 4 för hela perioden och 1946-1991, men inte för 1870-1945. Sims, Stock och Watson (1990) har sagt att det är enkelt att testa för Grangerkausalitet med kointegrerade variabler. Med lagglängd ρ=3 får de fram att BNP-tillväxt Granger-orsakar exporttillväxt för hela perioden och båda underperioderna, men att exporttillväxt aldrig Granger-orsakar BNP-tillväxt. För 1946-1991 får de fram att BNP-tillväxt Granger-orsakar TOT, vilket förvånar mig. Resultaten med ρ=4 är i princip samma. Den enda tidigare studien av exporttillväxt och BNP-tillväxt i Kanada är Serletis (1992) om perioden 1870 till 1985; Serletis använder en single equation approach och finner att de två är orelaterade. H och S hävdar att deras egen studie är bättre genom att (a) de kontrollerar för terms och trade och (b) de använder en mer avancerad tidsseriemodellering.

Den mesta mödan i artikeln är lagd på själva tidsseriemodelleringen och metoden, och de säger inte särskilt mycket substantiellt eller om kontexten. Slutsatserna är också sparsmakade:

"It is important to realize that our study of Granger causal orderings of export and GDP does not identify causal directions but instead asks the question whether movements in exports tend to precede or to follow movements in GDP. Our empirical results for Canada, like those of Kunst and Marin (1989) for Austria, suggest that changes in growth precede changes in exports. This is in accord with the development of a small open economy, since a small economy developing efficiently in line with its comparative advantage will specialize and hence turn to foreign markets for exports of goods that use its most abundant factor of production most intensively." (s 552)

Detta känns lite ad hoc och underutvecklat: folk har ju gjort starka argument för exportledd tillväxt tidigare och borde man då inte bemöta dem här, när nu studien antyder att exportledd tillväxt i alla fall inte varit fallet för Kanada?

Referens

Henriques, Irene och Perry Sadorsky (1996) "Export-led growth or growth-driven exports? The Canadian Case", Canadian Journal of Economics.