De impact van gasprijzen op de economische
groei
Nederland en de OECD landen in vergelijkend perspectief
Bachelor thesis Algemene Economie Naam: Sytske de Jong
Studentnummer: 10088180 Universiteit van Amsterdam Faculteit Economie & Bedrijfskunde
Begeleider: Ron van Maurik Datum 26 juli 2015
Abstract
In de wetenschappelijke literatuur is er veel aandacht voor het effect van olieprijsstijgingen op de economische groei. Veel schaarser zijn de theoretische en empirische onderzoeken naar het effect van een gasprijsstijging op de reële activiteit. Energieconsumptieprognoses stellen dat de grootte van het aandeel van gas en olie in de economie in 2035 grofweg gelijk zal zijn. Het is daarom van belang om te identificeren in welke mate de gasprijs een significant effect heeft op het BBP. Eerder theoretisch en empirisch onderzoek focuste zich voornamelijk op het degeaggregeerde level en veronderstelde geen of een zwak negatieve relatie tussen beide variabelen. In dit onderzoek wordt met behulp van een paneldataset bestaande uit de OECD landen een significante relatie gevonden tussen de gasprijs en de economische groei. De veronderstelde relatie is in tegenstelling tot eerdere onderzoeken licht positief en reflecteert op deze wijze de veranderende rol van gas in de wereldeconomie.
Inhoudsopgave
1. Introductie 4
2. Literatuuronderzoek 5
2.1 Het effect van de olieprijs op economische groei
2.1.1 Theorie – mechanismes 2.1.2 Empirische resultaten
2.2 Het effect van de economische groei op de olieprijs 2.3 Empirische relatie gasprijzen en economische groei 2.4 De relatie tussen gasconsumptie en de economische groei 2.5 Concluderend 2.6 Hypothese 3. Methodologie 14 3.1 Data 3.2 Validiteit Dataset 3.3 Paneldata regressiemodellen
3.4 Endogeniteit in het model
3.5 Regressiemodellen 4. Resultaten 31 5. Conclusie 42 6. Discussie 43 6.1 Resultaten 6.2 Onderzoek en methode 7. Literatuurlijst 45 8. Appendix 54 8.1 Grafieken
8.2 STATA – Output
8.2.1 Beschrijvende statistiek – voor transformaties 8.2.2 Fisher-type unit-root test – voor transformaties 8.2.3 Lineaire plots na ln en log10 transformaties
8.2.4 Fisher-type unit-root test – na transfromaties 8.2.5 Beschrijvende statistiek – na transformaties 8.2.6 Test naar multicollineariteit – VIF
8.2.7 Testen naar heteroscedasticiteit 8.2.8 Test voor autocorrelatie in panel data 8.2.9 Test voor seriecorrelatie in panel data 8.2.10 OLS- regressies MR model
8.2.11 Land fixed- regressies MR model 8.2.12 Land en tijd fixed- regressie MR model 8.2.13 Test naar tijd fixed effecten
8.2.14 Random effect regressies MR model
8.2.15 8.2.15: Hausman test Random en Fixed effects model
8.2.16 Land fixed en land en tijd fixed effects regressies voor Nederland, België, Zweden.
8.2.17 Testen Instrumenten op relevantie 8.2.18 Testen Instrumenten op exogeenheid
1. Inleiding
In de financiële verslaggeving en de economische literatuur is er altijd bovenmatig veel aandacht geweest voor de stijging van de olieprijzen. Dit is een resultante van de heersende gedachte dat energieprijzen, anders dan andere prijzen in de economie, een veel
fundamenteler effect op de geaggregeerde output en dus de economische groei hebben. Het aantal studies naar de macro-economische effecten van een olieprijsschok is dan ook
onuitputtelijk. Energie technisch leven we momenteel in een interessant tijdsgewricht , olie en kolen hebben jarenlang de energiemarkt gedomineerd maar energieconsumptieprognoses stellen nu dat de grootte van het aandeel van gas en olie in de economie in 2035 grofweg gelijk zal zijn (grafiek 8.1.4). Het is in de toekomst daarom ook van belang om te
identificeren in welke mate de gasprijs een significant effect heeft op het BBP. Vanuit dit oogpunt bekeken is het vreemd dat het aantal theoretische en empirische onderzoeken naar het effect van een gasprijsstijging op de reële activiteit zo schaars is. Centrale vraagstelling in dit onderzoek is dan ook of de gasprijs een significante impact heeft op de economische groei. Kan de economische groei verklaard worden aan de hand van veranderingen in de gasprijs? Leidt een prijsstijging tot verschillende welvaartseffecten voor importerende en gas-exporterende landen?
Deze vragen zullen gradueel en aan de hand van verschillende analyse technieken beantwoord worden. Het onderzoek start met het identificeren van de verscheidene
transmissie mechanismes die een rol spelen bij het effect van energieprijzen op de economie in het algemeen en de economische groei in het bijzonder. Vervolgens zal de theoretische literatuur bestudeerd worden wat gevolgd wordt door de bespreking van eerdere relevante empirische onderzoeken. Deze literatuurstudie, met zowel een theoretische als een empirische component, zal de opmaat vormen van het opzetten van een eigen onderzoek naar het
empirische effect van de gasprijs op de economische groei. In paragraaf drie wordt de dataset toegelicht en de methodologie uiteengezet. Aansluitend worden de resultaten van het
2. Literatuuronderzoek
In dit gedeelte van het onderzoek zal de relatie tussen gasprijzen en de economische groei onderzocht worden aan de hand van de bestaande theoretische en empirische literatuur. Het theoretisch kader geeft zowel een goed besef van de directe effecten van
energieprijsfluctuaties op de aanbod- en vraagzijde van de economie als inzage in hoe prijzen via de economische transmissiemechanismes een indirect effect kunnen hebben op de
geaggregeerde output. Aan de hand van de resultaten van verscheidene empirische onderzoeken kan bestudeerd worden of én in welke mate de relatie significant is.
De klassieke economische theorie voorspelt dat een grote stijging in de relatieve prijs van energie de eenheidskosten van de geproduceerde output verhogen en daarmee eveneens de aanbodprijzen van diverse producten in de economie (Mankiw, 2011). In het standaard tekstboekmodel leidt een stijging van de energieprijzen, in afwezigheid van een monetaire en fiscale reactie, tot een reductie in de geaggregeerde output (het BBP) en een stijging van het algemene prijspeil. Wat, gegeven de Keynesiaanse assumptie van rigide lonen, een stijging van de werkloosheid als gevolg heeft (Hamilton, 2003) en op haar beurt weer resulteert in tweede-ronde effecten die wederom het BBP en de economische groei beïnvloeden. Volgens de klassieke theoretische modellen van onder andere Solow (1980) en Pindyck (1980), die zich vooral focussen op de vraagzijde effecten van prijsfluctuaties, is er een lineaire negatieve relatie tussen de energieprijs en de economische groei. Dit betekend dat een energieprijsstijging leidt tot een reductie in de geaggregeerde output en een aanhoudende energieprijsdaling een economische boom zal aanwakkeren. Met name de relatie tussen de olieprijs en haar effect op verscheidene macro-economische variabelen heeft veel aandacht gekregen in de economische literatuur. Er is echter veel minder onderzoek gedaan naar de relatie en eventuele causaliteit tussen gasprijzen en de reële economische activiteit. Ondanks het feit dat veel industrieën en een groeiend aantal huishoudens afhankelijk zijn van gas.
Gas is na olie en kolen de belangrijkste mondiale energiebron en wint de laatste jaren steeds meer aan importantie (grafiek 8.1.1). Er wordt verwacht dat de gasconsumptie binnen 10 jaar de kolenconsumptie voorbij zal streven en vanwege de gelijktijdige daling van de olieconsumptie dus een steeds belangrijkere mondiale inputfactor zal worden op zowel economisch micro (huishoudens) als macro niveau (British Petroleum Company, 2015). De literatuur naar de relatie tussen gasprijs en het BBP is echter schaars. Binnen dit
literatuuronderzoek ligt dan ook de nadruk op de bestaande literatuur naar de relatie tussen olie en het BBP. Naar analogie van Kliesen (2006) wordt aangenomen dat het effect van een
stijging of daling van de gasprijs op de economische groei binnen het klassieke
tekstboekmodel conceptueel gelijk is aan die van een fluctuatie in de olieprijs. Wel kan men verwachten dat de effecten marginaler zijn, omdat binnen de globale energiemix er nog steeds meer olie dan gas geconsumeerd wordt (respectievelijk 33 en 24 procent)(grafiek 8.1.2).
2.1 Het effect van de olieprijs op economische groei 2.1.1 Theorie – mechanismes
Olie is zowel in volume als waarde het meest verhandelde goed, om deze reden is de olieprijs voor beleidsmakers, economen en beursanalisten altijd een van de belangrijkste economische indicatoren geweest. De oliemarkt is ongereguleerd, de prijs komt tot stand door vraag en aanbod en reflecteert op deze wijze goed de staat van de economie. De prijs van olie is
daarnaast gelinkt aan andere energieprijzen. Om deze redenen is de heersende gedachte onder economen dat er een sterke relatie is tussen de olieprijs en de economische groei en in
verscheidene theoretische onderzoeken zijn de verschillende transmissie mechanismes geïdentificeerd die een rol spelen in de relatie tussen energieprijzen en het BBP.
Fluctuaties in de olieprijzen hebben zowel een direct als een indirect effect op de reële output via eveneens de vraag – als aanbodzijde van de economie. In de literatuur wordt er dan ook onderscheid gemaakt tussen verschillende transmissiemechanismes.
Zoals eerder beschreven leidt een olieprijsstijging tot hogere productiekosten met als resultaat een daling van de productie en productiviteit. De prijsstijging heeft een klassiek schokeffect op de aanbodszijde van de economie zoals bestudeerd door Barro (1984). Tweede ronde effecten van de dalende productiegroei zijn een stagnering van de groei van het
arbeidsloon en een hogere werkloosheid. Als economische agenten verwachten dat de
olieprijsstijging tijdelijk is, of de netto effecten op het BBP op de korte termijn groter zijn dan het effect op de lange termijn, zal het consumptiepatroon niet aangepast worden en wordt het tijdelijke hogere prijspeil gefinancierd door gedurende een korte periode minder te sparen of meer te lenen om niet aan koopkracht in te boeten. (Lee en Ni, 2002). Het resultaat is een dalende rentevoet en analoog naar de formule van Fisher (1932) een stijging van de reële interest voet (Brown en Yucel, 2002). Met een stagnerende output groei en een stijging van de reële rentevoet, valt de reële vraag naar valuta wanneer het monetaire beleid ongewijzigd blijft. Het gevolg is stijgende inflatie. Binnen de klassieke economische aanbodszijde schok theorie leidt een olieprijsstijging dus tot een reductie van de economische groei en een stijging van de reële rentevoet en de inflatie. Als men uitgaat van de Keynesiaanse assumptie
van rigide lonen leidt de daling van de BBP groei tot een stijging van de werkloosheid met als tweede-ronde effect een verdere reductie van de economische groei.
De verschuiving in koopkracht van olie importerende naar olie exporterende landen is een ander kanaal waarbij een olieprijsfluctuatie effect heeft op de reële economie. Het tweede transmissiemechanisme beschrijft de inkomenstransfer van olie importerende naar olie
exporterende landen als gevolg van een stijging van de olieprijs en een veranderende ruilvoet. De heersende gedachte onder economen is dat prijselasticiteit negatief is; de vraag daalt met een aantal procentpunten als de prijs met een aantal procentpunten stijgt. Een olieprijsstijging heeft een positief effect op het BBP van een olie-exporterend land en een negatief effect op een olie importerend land. De transfer kan gedeeltelijk terugstromen naar het olie
importerende land als het olie exporterende land de olie inkomsten in de importerende landen herinvesteerd (Sill, 2007). Het netto effect op de wereldeconomie hangt dient gevolge af van de mate waarin en de wijze waarop het exporterende land de oliewinsten besteedt. Dohner (1981) concludeerde dat de inkomenstransfer de handelsbalans beïnvloedt omdat de olie exporterende landen de neiging hebben minder te consumeren dan de olie importerende landen. Het netto mondiale effect op de economische groei van een olieprijs stijging is dus altijd negatief omdat de neiging om te consumeren hoger is in de importerende landen dan in de exporterende landen.
Een olieprijsstijging heeft ook via het monetaire transmissie mechanisme een effect op de geaggregeerde output. De prijsstijging van een belangrijke productiefactor leidt tot een stijging van de vraag naar valuta wanneer het consumptiepatroon op korte termijn niet aangepast kan worden. Aangenomen wordt dat economische agenten niet plotsklaps hun energiepatroon kunnen veranderen. Energiecontracten zijn op de korte termijn namelijk vast en huishoudens kunnen er niet zomaar voor kiezen om minder olie te gebruiken om naar het werk te rijden of hetzelfde huis met significant minder aardgas te verwarmen. Pierce en Enzler (1974) stellen dat om als gevolg van de vraagstijging naar valuta in economische evenwicht te blijven de monetaire autoriteiten het monetaire aanbod moeten verruimen. Mork en Mysen (1994) en Brown en Yucel (2002) concludeerden echter dat het onvermogen van de centrale banken om accuraat op deze stijgende valutavraag te reageren leidt tot een stijging van de interestvoet met als resultaat een stagnatie van de economische groei vanwege het effect op de totale investeringen via het rentekanaal.
Een olieprijsstijging leidt tevens tot onzekerheid over de stand van de huidige en toekomstige economie. Zowel huishoudens als firma’s kunnen niet inschatten wat de aard van de schok is en in welke mate en voor welke termijn de prijsstijging het huidige en
toekomstige inkomen gaat beïnvloeden. Deze onzekerheid leidt er volgende de studie van Kilian (2007) bij de vraagzijde van de economie er toe dat economische agenten de aankoop van duurzame goederen zullen uitstellen omdat er redelijkerwijs een kans is dat de
inkomensdaling permanent is. Wanneer de prijsstijging als permanent wordt gezien zal de consument haar huidige bestedingspatroon reduceren zoals in de literatuur eerder is
beschreven door Modigliani in zijn life-cycle hypothesis (1966). Aan de aanbodszijde van de economie zal de prijsstijging leiden tot meer onzekerheid bij firma’s rondom de toekomstige kosten en winsten. Hooker (1996) en Dixit en Pindyck (1994) beschrijven dat deze
onzekerheid er toe zal leiden dat firma’s minder investeren in bedrijfskapitaal. Dus ook via het onzekerheidsmechanisme leidt een olieprijsstijging tot een reductie in de economische groei.
Een olieprijsschok heeft daarnaast ook een indirect effect op de productiestructuur van firma’s. De prijsstijging leidt tot een daling van de winstgevendheid van de industrieën waarin olie een belangrijk element in het productieproces is. Tegelijkertijd worden olie en energie arme industrieën relatief winstgevender. De prijsstijging dwingt de energie intensieve industrieën om nieuwe bedrijfsstrategieën en olie- productie en –consumptie methodes te ontwikkelen (Loungani, 1986). Er zal een reallocatie van kapitaal en arbeid plaatsvinden tussen energie-intensieve en niet energie-intensieve sectoren binnen de economie volgens de dispersie hypothese van Lilien (1982). Fricties in de arbeids- en kapitaalmarkt zullen leiden tot een inefficiënte reallocatie van kapitaal en een stijgende (tijdelijke) werkloosheid. De olieprijsstijging zal via deze aanpassingskosten wederom een negatief effect hebben op de groei van de geaggregeerde output.
2.1.2 Empirische resultaten
De consensus in de theoretische literatuur is dat het netto effect van een olieprijsstijging een negatief effect heeft op de economische groei. Voor individuele olie exporterende landen die baat hebben bij een stijging van de olieprijs is dit verband echter positief. Op mondiaal niveau wordt dit positieve effect desalniettemin altijd teniet gedaan door de hogere bereidheid tot consumeren van de landen die een stagnering van de economische groei ervaren in
vergelijking met de landen die extra oliewinsten verkrijgen als gevolg van een prijsschok. Theoretische economische studies voorspellen een negatieve relatie, er is echter geen consensus in de empirische literatuur over de mate en significatie van dit verband. De heersende gedachte is dat een stijging in de olieprijs leidt tot een reductie in de groei van het BBP voor enkele kwartalen. Maar verschillende empirische onderzoeken hebben een andere
schatting over de sterkte en significantie van het effect. De eerste empirische onderzoeken naar het effect van een olieprijsschok op het geaggregeerde outputlevel bevestigen de lineaire negatieve relatie die doormiddel van de theoretische transmissiemechanismes verondersteld werd. Zo vonden onder meer Darby (1982), Bruno en Sachs (1985) en Gisser en Goodwin (1986) een negatieve lineaire relatie tussen de olieprijs en de economische groei voor olie importerende landen. Hamilton’s onderzoek (1983) waarin hij aan de hand van empirisch onderzoek een robuuste relatie vond tussen olieprijsstijgingen en negen van de tien economische recessies na de Tweede Wereldoorlog in de Verenigde Staten werd
leidinggevend in de literatuur. Deze veronderstelde lineaire relatie verloor halverwege de jaren ’80 echter aan significantie in de empirische onderzoeken. De olieprijsdalingen
halverwege dit decennium hadden een kleiner positief effect op de economie dan eerder was voorspeld door de theoretische literatuur en de empirische lineaire modellen (Ghalayini, 2011). Deze discrepantie werd aanvankelijk verklaard door te beargumenteren dat de economie als geheel energie-efficiënter aan het worden was maar deze lezing kon niet het gehele verschil tussen de voorspellingen en uitkomsten duiden.
Hooker (2006) concludeerde dat Hamiltons resultaten minder significant werden na het jaar 1986, het jaar waar er een onverwachte scherpe olieprijsdaling plaatsvond. Hooker beargumenteerde dat de olieprijs en macro-economie relatie instabiel werd omdat Hamilton in zijn onderzoek impliciet een symmetrisch effect in de lineaire relatie veronderstelde voor zowel een prijsstijging als daling. In later werk concludeerde Hamilton (1988) dan ook dat deze afbreuk na 1986 in de veronderstelde relatie veroorzaakt werd door haar asymmetrisch aard. Hamilton (1988) verklaarde de asymmetrie in de relatie theoretisch aan de hand van aanpassingskosten. Mork’s (1989) reactie op Hamilton’s publicatie waarin hij deze asymmetrie empirisch onderzocht zette een nieuwe norm in de literatuur rondom dit onderwerp. Mork specificeerde de stijgingen en dalingen van de olieprijzen als aparte variabelen in zijn econometrisch onderzoek en vond dat olieprijsstijgingen weliswaar een significant negatieve impact hebben op de Amerikaanse economie maar dat olieprijsdalingen geen significant positief effect hebben op de economische groei. Later zouden Mork en Mysen (1994) tot een zelfde conclusie komen voor de meeste OECD landen. Jiminez – Rodriguez en Sanchez (2005) vond eveneens een significante relatie tussen olieprijzen en macro-economische variabelen voor de olie-importerende OECD landen, met uitzondering van Japan. Hij verkreeg zijn resultaten met behulp van een Granger Causality test, gevolgd door een multivariabele VAR- analyse.
Sinds de publicatie van Mork (1989) is de algemene consensus in de empirische literatuur dat de relatie tussen de olieprijs en de economische groei niet- lineair is door haar asymmetrische aard. In de theoretische literatuur is echter alleen via de eerdergenoemde dispersie hypothese van Lilien (1982) een verklaring voor deze asymmetrie te vinden; een stijging van de olieprijs leidt tot een economische groei in de energie efficiënte industrieën en visa versa. Maar omdat de aanpassingskosten van een reallocatie van arbeid en kapitaal tussen industrieën op korte termijn kostbaar zijn, werkt dit effect asymmetrisch op de bedrijfscyclus. Bij een olie prijsstijging verergeren deze aanpassingskosten de economische contractie, terwijl deze fricties bij een olie prijsdaling de economische groei limiteren.
2.2 Het effect van de economische groei op de olieprijs
Ghalayini (2011) onderzocht de relatie tussen de olieprijs en de economische groei voor zowel de G7 en OPEC-landen in het algemeen en Rusland, China en India in het bijzonder. Aan de hand van Granger Causality testen wordt geconcludeerd dat de interactie tussen prijs en groei voor de meeste landen niet significant is. Voor de G7 landen wordt er echter een significant verband gevonden, de causaliteit van de richting loopt enkel van de olieprijs naar de economische groei. Deze enkele causaliteit is in overeenstemming met de eerdere
besproken empirische onderzoeken.
Recent onderzoek door Barksy en Kilian (2002) suggereert echter dat er in de
specifieke olieprijs-groei relatie sprake is van simultane causaliteit. Sterke economische groei zorgt voor een stijging in de vraag naar olie wat vervolgens weer leidt tot een stijging van de olieprijs volgens de klassieke vraag en aanbod theorie. Barsky en Kilian beargumenteren dat mondiale macro-economische condities een belangrijke impact hebben de olieprijs door verschuiving van de olie vraagcurve. Zij stellen dat deze zienswijze van simultane causaliteit al langer ondersteund wordt door economen die specifiek in de olie- industrie gespecialiseerd zijn en verwijzen onder andere naar het onderzoek van Marbo (1998) naar de simultane causaliteit. Maar daarnaast stellen Barksy en Kilian dat het bestaan van simultane causaliteit en de endogeniteit van de olieprijs veelal genegeerd wordt in de mainstream economische modellen en de meeste empirische onderzoeken.
2.3 Empirisch onderzoek naar de relatie tussen gasprijzen en economische groei
De literatuur naar de relatie tussen gasprijs en economische groei is schaars. Het kleine aantal studies wat er onderzoek naar doet centreert zich meestal rondom de welvaartseffecten op het niet geaggregeerde niveau; het welvaartseffect van een gasprijsstijging voor een gemiddeld
Amerikaans huishouden. Onder andere Leone (1982) deed onderzoek naar het effect van een gasprijsstijging op de regionale economische activiteiten en Stockfish (1982) deed een vergelijkbaar onderzoek omtrent de potentiele inkomenstransfer van huishoudens naar gasproducenten als gevolg van een prijsstijging. Beide concludeerden dat het effect niet significant was. Cullen, Friedberg en Wolfram (2005) onderzochten het effect van een verwachte en onverwachte stijging van de gasprijs op de energiekosten en het besteedbaar inkomen van Amerikaanse huishoudens. Zij concludeerden dat enkel een onverwachtse schok een reductie in de energieconsumptie tot gevolg had, dit gold bovendien enkel voor
huishoudens met een laag inkomen. Kliesen (2006) onderzocht namens de Federal Reserve Bank van St. Louis het effect van een gasprijsstijging op de groei van de verwerkende Amerikaanse industrie. Gas is bij veel van de firma’s die hij onderzocht één van, zo niet de, belangrijkste productiefactor. Aan de hand van een least-squares regressie concludeert hij dat de gasprijzen slechts bij een handjevol industrieën een significante voorspeller is van de economische groei, wanneer Kliesen zijn analyse van micro naar macro niveau overhevelt moet hij echter concluderen dat de fluctuaties in de gasprijzen geen significant effect hebben op het reële BBP. Dit is in strijd met een eerdere studie op het geaggregeerde niveau van het Energy Modeling Forum (1987) waarin geconstateerd werd dat een gasprijsstijging van 10% na twee jaar grofweg hetzelfde effect heeft op de groei van het reële BBP als olieprijsstijging van 20%. In dat zelfde onderzoek veroorzaakte een olieprijsschok van 50% een daling van het reële BBP met 1.5% na één jaar en 3.0% na twee jaar. Een recentere studie van het
Economics and Statistics Administration (2005) concludeerde dat een permanente stijging van de gasprijs met $1 over de periode 2000-2004 leidde tot een reductie van de jaarlijkse economische groei met 0.1%.
2.4 Empirische relatie tussen gasconsumptie en de economische groei
Vanwege de groeiende importantie van gas als energiebron is er veel onderzoek gedaan naar de relatie tussen gasconsumptie en de economische groei. Door het mondiale streven naar een duurzamer energiebeleid is er recentelijk meer wetenschappelijke aandacht voor de richting van de causaliteit in de relatie tussen de consumptie van fossiele brandstoffen en de
economische groei. De richting en de significantie van dit effect leidt namelijk tot belangrijke implicaties in het uiteenzetten van een efficiënt energiebeleid (Alem e.a., 2015).
Er is nog geen consensus over de richting van de causaliteit. In de theoretische
literatuur worden er vier hypotheses aangehangen; de conservatie-, de groei-, de feedback- en de neutrale hypothese.
De conservatie hypothese beargumenteerd dat de er enkel causaleit loopt van gasconsumptie naar economische groei, visa versa is er geen significant effect. Deze zienswijze wordt ondersteund door o.a. Zhang en Cheng (2009) en Oh en Lee (2004).
De groei hypothese stelt daarentegen dat gasconsumptie een significant positief effect heeft op de economische groei en dat een reductie in de gasconsumptie een negatief effect zal hebben op de economische groei. De studies van Alam e.a. (2010), Apergis en Payne (2010), Solarin en Shabaz (2015) hangen na uitvoerige paneldata regressie de groei hypothese aan.
De feedback hypothese suggereert dat er Granger causaliteit tussen beide variabelen is. Het onderzoek van Tsani (2010), hangt onder meer deze stelling aan evenals het onderzoek van Farhani en anderen (2014). Interessant aan het laatste onderzoek is dat de studie zich compleet op Frankrijk richt, daar waar veel van de empirische literatuur rondom dit thema onderzoek doet naar ontwikkelingslanden. Farhani e.a. concluderen aan de hand van een ARDL Bound test en een VECM Granger Test dat zowel de gasconsumptie een significantie positieve invloed heeft op de economische groei en visa versa.
De neutrale hypothese stelt dat er geen enkele causaliteit is tussen gasconsumptie en economische groei.
Het vakgebied wat onderzoek doet naar deze relatie is relatief jong er is dan ook nog geen sprake van een heersende consensus. Ook is er nog niet expliciet onderzoek gedaan naar de implicaties van de gasconsumtpiehypotheses voor de gasprijs.
2.5 Concluderend
Samenvattend kan er geconcludeerd worden dat er in de economische wetenschap nog erg weinig bekend is over de effecten van een gasprijsschok op de economische groei. De empirische studie van Cullen, Friedberg en Wolfram (2005) naar die relatie op het niet
geaggregeerde niveau wees uit dat een gasprijsschok enkel een licht significant effect heeft op het huishoudensniveau wanneer de prijsstijging onverwacht is. Dit is overeenstemming met de neoklassieke economische theorie waarin er van uitgegaan wordt dat economische agenten rationeel zijn en agenten, en dus economische variabelen die zij beïnvloeden, enkel reageren op onverwachte schokken.
Er is geen wetenschappelijke consensus over de effecten van een gasprijsfluctuatie op de economische groei op het macroniveau. De literatuur daarnaar is schaars en de resultaten zijn ambigue. Zo vond Kliesen (2006) dat de gasprijs geen significant effect heeft op het reële BBP en dus ook niet op de economische groei. Dit is in strijd met de bevindingen van het Economics and Statistics Administration (2005) die concludeerden dat een prijsstijging van
$1 een significante daling van de jaarlijkse economische groei met 0.1% als gevolg had. Op basis van het laatste onderzoek kan er dus geconcludeerd worden dat de relatie tussen beide variabelen negatief is, hetzij erg zwak.
Omdat de literatuur op zowel theoretisch als empirisch vlak schaars is wordt de relatie tussen de olieprijs en de economische groei in ogenschouw genomen. Gas is na olie en kool de belangrijkste energiebron en de prognoses zijn dat de importantie van gas in de fossiele energiematrix alleen maar zal toenemen gegeven alle geopolitieke en duurzame
ontwikkelingen. Er wordt verondersteld dat gas via dezelfde transmissie mechanismes effect heeft op economische groei als olie. De verwachting is dat de richting van het effect gelijk zal zijn, dit is mede ingegeven door het feit dat er vanwege historische redenen een hoge
correlatie is tussen de gas- en olieprijzen (grafiek 8.1.3). Wel kan men aannemen dat de sterkte van de impact van gas op groei marginaler zal zijn. Dit omdat tot op de dag vandaag olie weliswaar een vergelijkbare, maar een omvangrijkere rol speelt in de economie.
In de theoretische literatuur heerst de consensus dat een olieprijsstijging een negatief effect heeft op de economische groei van olie importerende landen, maar dat de olie
exporterende landen juist een stijging in de economische groei ervaren. De resultaten van een extensief aantal empirische onderzoeken zijn ambigue. In het onderzoek van voor de jaren ’80 heerste er algemene consensus. Dit brokkelt de laatste jaren echter steeds meer af. In het algemeen verondersteld men een negatieve relatie, maar de sterkte en de significantie van het effect verschillen per model en per econometrische methode. Een enkeling zoals Prasad e. a. (2007) veronderstellen zelfs een positieve relatie, al richt dit onderzoek zich wel op een kleine open eiland- economie.
Pionier in het vakgebied is de econoom Hamilton, die meerdere belangrijke bijdragen aan de literatuur heeft geleverd. Maar ook zijn zienswijze op de relatie is de afgelopen decennia veranderd. Tot halverwege de jaren ’80 was de consensus dat de relatie negatief en lineair was. Na de plotselinge olieprijsdaling in 1986 bleek deze theorie in de werkelijkheid niet meer geheel accuraat. De norm is nu dat er een non-lineaire relatie is tussen de olieprijs en de economische groei, ingegeven door de asymmetrische aard van het verband. Maar met het voortschrijdend statistische inzicht wordt het steeds lastiger om één vaste waarde aan de relatie te hangen. Zo schreef Hamilton in 2008 dat “The relationship between oil price change
and economic growth is hard to determine, at least trough statistical analysis. There might be another force affecting both economic growth and oil price that is currently undetactble.”
2.6 Hypothese
In dit verslag wordt onderzoek gedaan naar het macro-economische effect van de gasprijzen op de economische groei in de OECD landen in het algemeen en Nederland in het bijzonder. Daarnaast worden ook België en Zweden bestudeerd als controlegroepen. Er wordt verwacht dat de richting van het effect voor de OECD landen gelijk zal zijn aan effect van een olieprijs schok. Naar analogie van de olieliteratuur kan er verondersteld worden dat enkele individuele landen baat hebben bij de prijsstijging maar dat het netto mondiale effect altijd negatief zal zijn wegens het verschil in bereidbaarheid om te consumeren en de daaropvolgende
ruilvoetverslechtering. Voor Nederland specifiek wordt verwacht dat het effect van een gasprijsstijging op de economische groei positief is, dit omdat Nederland netto gas exporteur is en de gasproductie daarnaast voorziet in een aanzienlijk deel van de Nederlandse
Rijksbegroting. Voor België wordt verwacht dat het effect negatief zal zijn; zowel de Belgische huishoudens als de industrie gebruiken relatief veel gas maar het land moet alles importeren. Voor Zweden wordt verwacht dat het effect 0 of insignificant zal zijn. Zweden staat bekend als een energiezuinig land en het gebruikt nauwelijks aardgas en heeft daarnaast geen gasproductie.
Desalniettemin wordt verwacht dat de effecten analoog zijn aan de effecten van een olieprijsschok, maar in tegenstelling tot haar fossiele partner geen significant effect op de economische groei zal hebben. Dit omdat de bestaande, weliswaar schaarse, literatuur veelal wijst op een significantie of zeer lichte significantie. Om een zelfde reden wordt eveneens geen significante simultane causaliteit verwacht.
3. Methodologie
In het empirisch gedeelte van het onderzoek worden verschillende landen over een langere periode bestudeerd: de dataset heeft een panelstructuur en wordt dan ook met behulp van panelregressietechnieken in STATA geanalyseerd. In deze paragraaf wordt de methodologie van het empirisch onderzoek uitgediept; methodologische keuzes worden verantwoord en de verschillende methodes en hun onderliggende assumpties worden bestudeerd. Ook volgt een uiteenzetting van de verscheidene variabelen uit het empirisch onderzoek.
Dit onderzoek focust zich op de macro economische effecten van een verandering in de gasprijs, de schaarse empirische onderzoeken rondom deze relatie focuste zich
gasprijzen op de economische groei te meten wordt manueel met behulp van Excell een dataset geconstrueerd van de 34 OECD landen over een periode van 31 jaar (1983-2013). De gegevens worden vervolgens geïmporteerd naar het statistische software programma STATA. De dataset bestaat uit 1054 observaties en bevat alfanumerieke waarden (landnamen). Deze waarden worden in STATA naar numerieke waarden getransformeerd om zo het regressen mogelijk te maken. In tabel 8.2.1 is de samenvatting van de beschrijvende statistiek van het meervoudige regressiemodel (MR-model) te zien.
Het MR-model bestaat naast de hoofdvariabelen uit meerdere controlevariabelen. Deze zijn gekozen op basis van de meest relevante studies in de huidige literatuur naar de economische groei en haar drijfveren, de paper van Bassanini en Scarpetta (2010) was hierin leidend.
Naar analogie van Wolf en Lang (2006) wordt ook in dit onderzoek gekozen voor jaarlijkse observaties in plaats van kwartaalcijfers. Wolf en Lang tonen in hun onderzoek naar het effect van de gasprijsstijging op de economische groei van Rusland aan dat het grootste effect op de economische groei niet door de directe maar door de indirecte effecten van de verscheidene transmissiemechanismes wordt veroorzaakt. Aan de hand van jaarlijkse observaties worden deze indirecte effecten beter gevangen.
3.1 Data
De afhankelijke variabele in het empirisch onderzoek is de economische groei, de onafhankelijke variabele van belang is de gasprijs. Daarnaast zullen er ook verschillende economische, financiële en demografische controlevariabelen in het econometrisch onderzoek opgenomen worden. Deze controlevariabelen oefenen elk op hun beurt invloed uit op de economische groei, het weglaten van deze variabelen zou leiden tot minder accurate resultaten. De variabelen worden voor de regressieanalyse uitvoerig bestudeerd, er wordt gekeken of de variantie van deze variabelen stijgt naarmate de tijd vordert. De variabelen zullen getransformeerd moeten worden met behulp van een logaritme om tot de juiste schatters te komen wanneer dit het geval is .
De afhankelijke variabele
De jaarlijkse groei in het Bruto Binnenlands Product wordt als indicator gebruikt voor de economische groei. Het BBP is de waarde van alle goederen en diensten die in één jaar door een bepaald land worden geproduceerd (Mankiw, 2011). Het jaarlijkse BBP wordt in
Amerikaanse Dollars weergeven en de data is afkomstig van de OECD National Accounts data file.
De onafhankelijke variabele
Er bestaat geen universele gasprijs (GP), de gasmarkt is gesegmenteerd langs geografische grenzen (grafiek 8.1.5). Door de natuurlijke barrières heeft elke regio haar eigen gasprijs die de graadmeter vormt voor beleggingen, onderzoek en prijsbepaling. Overeenkomstig met de methodologie van de British Petroleum Company (2015) wordt er in dit onderzoek uitgegaan van de vijf belangrijkste gasprijzen; de LNG – Japan CIF, de Natural Gas – US Henry Hub, de Natural Gas- Alberta Canada, de Natural Gas – UK Heren NBP Index en de European Average Import Border Price. De data is afkomstig van BP (2015). In de econometrische analyse is de LNG- Japan CIF de heersende gasprijs voor de landen in Azië en Oceanië, de Natural Gas – US Henry Hub voor de VS en de Midden- en Zuid- Amerikaanse landen, de Natural Gas – Alberta Canada gasprijs is leidinggevend voor Canada, de UK Heren NBP Index voor Ierland en het Verenigd Koninkrijk en de European Average Import Border Price voor Turkije, Israel en de Europese landen. Zie tabel 8.1.6. voor een gedetailleerdere
uitwerking van de geldende gasprijzen per OECD land in de gebruikte regressies.
Controlevariabelen
Zowel het huidige BBP als de huidige gasprijs worden beïnvloedt door de waarden die het BBP en de gasprijs hadden voordat de huidige tijdsperiode aanbrak. Om deze reden dienen de vertraagde waardes van deze twee variabelen (lagGP en lagBBP) als control variabelen in het onderzoek.
Bassanini en Scarpetta (2010) identificeren “the exposure of countries to foreign
trade” als een belangrijke drijver achter economische groei. Als een land minder importeert
dan dat het exporteert stijgt het BBP. Om deze reden wordt de variabele NettoHandel aan het model toegevoegd. Netto handel is de waarde van de geëxporteerde goederen minus de waarde van de geïmporteerde goederen in een biljoen Amerikaanse dollars. In dit onderzoek is de variabele NettoHandel geconstrueerd als percentage van het totale BBP. Door deze manuele transformatie in Excell is de variabele NettoHandel (NH) onafhankelijk gemaakt van de tijd. De data is afkomstig van de OECD National Accounts data file.
Levine en Zervos (1998) hebben aangetoond dat de hoogte van het binnenlandse krediet aan de private sector positief gerelateerd is aan economische groei. Bassanini en Scarpetta stellen daarnaast dat “indicators measuring financial development ” belangrijke
determinanten zijn van de groei in het BBP. Levine, Ross, Loayza en Beck (2000) concludeerden in hun uitgebreide panelonderzoek naar financiële intermediairs en economische groei dat PrivaatKrediet (PK) de variabele is die om verscheidene
methodologische redenen de voorkeur heeft boven andere financiële indicatoren. Om deze reden wordt de controlevariabele PrivaatKrediet dan ook aan de regressie toegevoegd. Deze variabele meet het binnenlandse krediet wat via de financiële intermediairs uitstaat bij de private sector en meet zo dus ook indirect de mate van investeringen. In dit onderzoek wordt gebruik gemaakt van het Private Krediet als fractie van het BBP berekend door de
Wereldbank.
Hoe hoger het aantal inwoners in een land, des te meer er bijgedragen kan worden aan goederen en services, de componenten van het BBP zoals Mankiw ze beschreven heeft. De bevolkingsgroei is ook een van de belangrijkste pijlers in het Solow groei model. De jaarlijkse procentuele groei in de bevolkingsaantallen (PG) wordt dan ook toegevoegd aan de regressie om het effect van de beroepsbevolking op economische groei te filteren. De data is afkomstig van United Nations Population Dataset.
Het inflatielevel (I) is een van de belangrijkste mechanismes in de economie. Fisher (1932) stelde al dat de reële interestvoet daalt als de inflatie stijgt. Huishoudens gaan meer lenen en investeren als de reële interestvoet laag is. Inflatie kan de economie dus aanjagen en zo het BBP verhogen. Agenten zijn echter wel schuw voor hyperinflatie, maar ook voor een te laag inflatielevel. Als de economie in een deflatoire spiraal zit stellen agenten hun aankopen uit vanwege het dalende prijspeil. Dit kan effect hebben op het BBP. Inflatie kan dus voor fluctuaties in het BBP zorgen, om deze reden is het belangrijk dat er voor het effect van inflatie gecontroleerd wordt. In dit onderzoek wordt inflatie gemeten aan de hand van de stijging in het CPI, data is afkomstig van de OECD National Accounts data file.
De wisselkoers (W) is in dit onderzoek gedefinieerd als de prijs van een lokale valuta in Amerikaanse dollars. De waarde wordt bepaald door de nationale monetaire autoriteiten of op de valutamarkt. Wanneer een munt deprecieert, worden de goederen van dat bewuste land goedkoper en dus aantrekkelijker voor landen met een sterkere valuta. Het gevolg is een stijging van de exporten en een daling van de importen van het land met de gedeprecieerde valuta. Het gevolg is een stijging van het BBP, dus ook voor deze verandering moet
gecorrigeerd worden door de wisselkoers aan het MR-model toe te voegen. Data is afkomstig van het IMF.
In veel economische groeimodellen is Menselijk Kapitaal (MK) een belangrijke determinant. Menselijk kapitaal is de overkoepelende term voor de competenties, kennis en
vaardigheden die een mens kan gebruiken om (hoogwaardige) arbeid te verrichten. In dit onderzoek word het aantal leerlingen dat voor secundair onderwijs ingeschreven staat als indicator voor Menselijk Kapitaal gebruikt. De variabele wordt weergegeven als percentage van de totale populatie die de secundaire school leeftijd heeft. Omdat bij het aantal
ingeschreven studenten ook individuen met een lagere of hogere leeftijd dan de secundaire schoolgaande leeftijd wordt meegenomen kan de variabele de 100% overstijgen. Data komt van de Wereldbank.
De Rente (R) fungeert als een van de belangrijkste economische variabelen en wordt dus ook in dit onderzoek gebruikt als controlevariabele. De short-term interest rates zijn afkomstig van het IMF. De rente heeft invloed op het BBP via verschillende monetaire transmissie mechanismes.
Naar analogie van het onderzoek van Chen e.a. (2015) wordt er onderscheid gemaakt tussen gas- importerende en exporterende landen. Er is veelvuldig onderzoek gedaan naar het verschil in het effect op het BBP van een olie importerend en een olie exporterend land bij een gelijke verandering in de olieprijs. Dat verschil is significant. Een olieprijsstijging heeft een positieve invloed op het BBP van een olie-exporterend land en een negatief effect op het BBP van een olie-importerend land. Met behulp van de variabele NettoGasExport (NGX) wordt dit effect gevangen. De variabele is manueel geconstrueerd in Excell. Met behulp van de gasimport en gasexport waardes uit de IAE Natural Gas Dataset (via IAE Natural Gas Information 2008 & 2014) is de netto gas export waarde voor elk OECD- land berekend in een biljoen m3. Met behulp van Excell is dit omgezet naar MMbtu waar 1Gm3 gas gelijk staat aan 35687347.874265 MMBtu. De gasprijzen worden gedefinieerd in MMbtu en met behulp van de gasprijs per regio is de totale waarde van de netto gasexport per land bepaald. Met behulp van Excell is deze variabele vervolgens stationair gemaakt door de netto gas exporten als percentage van het BBP te nemen. In tegenstelling tot het onderzoek van Chen wordt er niet sec onderscheid gemaakt tussen importerende en exporterende landen maar word er gekeken naar de netto-balans. Zo produceert en exporteert Duitsland aardgas maar importeert het land tegelijkertijd meer. Verwacht wordt dan ook dat Duitsland meer voordelen dan nadelen ondervind van een prijsdaling.
3.2 Validiteit dataset
Het effect van de aardgasprijs op de economische groei wordt bestudeerd aan de hand van een meervoudig regressiemodel (MR-model), eerst voor de OECD – landen in het algemeen en aansluitend voor Nederland, België en Zweden in het bijzonder. Door middel van
verschillende statistische en econometrische analyses zal de relatie tussen beiden variabelen gekwantificeerd worden. In dit onderzoek wordt gewerkt met een significantieniveau van 95 procent en met de OLS, Fixed Effects en Instrumentele Variabele (IV) regressie technieken.
Voordat de OLS-, fixed- effect- en IV-regressie analyse toegepast kunnen worden moet bepaald worden of én in welke mate de gebruikte data aan de onderstaande Least- Squares Meervoudige regressie assumpties voldoet (Stock en Watson, 2012). De OLS- schatters zijn unbiased, consistent en asymptotisch normaal verdeeld wanneer aan deze vier condities is voldaan.
1) E(u|X,…Xn) = 0 2) (Y, X, … Xn) – i.i.d.
3) 0< E(X41i)< ∞, … , 0< E(X4ki)< ∞ & 0< E(Y4i)< ∞ Grote outliers zijn onwaarschijnlijk
4) Geen perfecte multicollineariteit
Bijna geen enkele dataset voldoet aan bovenstaande condities omdat de observaties niet gegenereerd zijn door een ideaal experiment. De condities vormen dan ook voornamelijk het theoretische benchmark waardoor men bewust is van de assumpties die aan de OLS- regressie analyse techniek ten grondslag liggen. Een schending van een van de condities leidt tot
minder accurate schatters, men moet zich hier in het onderzoek bewust van zijn en daar waar nodig de dataset aanpassen om tot unbiased en consistente resultaten te komen. De Least- Squares assumpties plaatsen geen restrictie met betrekking tot de conditionele variantie van de fout-term. Wanneer de variantie van de fout-term niet gelijk is voor elke waarde van de onafhankelijke waarde is er sprake van heteroscedasticiteit. Dit heeft geen effect op de
unbiasedheid, constistentie en asymptotisch normaal verdeeldheid van de schatters maar heeft wel degelijk een invloed op de efficiëntie van de geschatte resultaten. De OLS geschatte standaardfouten zijn incorrect wanneer er sprake is van heteroscedasticiteit met als resultaat incorrecte betrouwbaarheidsintervallen t- waardes en F-statistieken. Om deze reden is het van belang dat de dataset aan verschillende testen onderwerpen wordt om te beoordelen in hoeverre de regressies valide resultaten opleveren.
De data wordt eerst getest op multicollineariteit. Er is sprake van multicollineariteit als de onafhankelijke variabelen sterk met elkaar gecorreleerd zijn. De Variance Inflation Factor (VIF, A) meet dit en wordt berekend als 1 / ( 1 – R² ) , waarbij R² het aandeel (%) is van de
totale variantie in de afhankelijke variabele verklaard door het model. Consensus in de
economische literatuur stelt dat er sprake is van multicollineariteit als de VIF-waarde groter is dan 10. Wanneer er sprake is van multicollineariteit moeten er variabelen uit het model geëlimineerd worden om valide resultaten te krijgen.
(A) H0: VIF < 10
Met behulp van de White test (B) wordt er getest op heteroscedasticiteit. Het verschijnsel waarbij de variantie van de afhankelijke variabele stijgt als de onafhankelijke variabele groter wordt.
(B) H0: Homoscedasticiteit
Daarnaast wordt er ook getest op heteroscedasticiteit aan de hand van de aangepaste Wald test (Chi2- verdeeld, C) voor groepswijze heteroscedasticiteit in Fixed- Effect regressies. Er is sprake van heteroscedasticiteit als de gevonden p- waarde significant is.
(C) H0: Σ2 = Σ2 voor alle i
Heteroscedasticiteit leid tot unbiased OLS schatters, maar de standaardfouten berekend met de normale OLS-procedure zijn wel incorrect. Er zijn twee mogelijke methodes om dit probleem te verhelpen. De intensieve oplossing vergt een aanpassing van de dataset, dit is arbeidsintensief en in sommige gevallen ook niet mogelijk. In de economische literatuur wordt er daarom vaak voor de ‘makkelijke’ en ‘robuuste’ oplossing gekozen. Met gebruik van de White Heteroscedastische Standaard Fouten wordt er gecorrigeerd voor potentiele
heteroscedasticiteit.
Ook is het van belang dat er bestudeerd wordt of de variabelen stationair of niet-stationair zijn. Een variabele is niet-stationair als de kansverdeling van de reeks niet veranderd gedurende verschillende tijdsperioden. Bij een niet-stationaire reeks zijn het gemiddelde, de variantie en de covariantie van de tijdreeks afhankelijk van de tijdstip van de meting. De trend van de reeks is random en varieert over tijd; ook wel een stochastische trend genoemd.
Granger (1969) heeft aangetoond dat statistische methoden ontworpen voor stationaire
tijdsreeksen tot onbetrouwbare resultaten kunnen leiden wanneer ze worden toegepast op niet-stationaire tijdsreeksen. Om deze reden is het van belang om te bestuderen of de gebruikte
variabelen een stochastische trend hebben. De verdeling van de variabelen hebben dan een unit-root en de reeks is niet-stationair. Er zijn verschillende statistische methodes om te testen of een model een unit-root heeft. Volgens Maddala en Wu (1999) kan bij een niet gebalanceerde panel data set het beste de Fisher-type unit-root test (D) gebruikt worden. Deze test is ontwikkeld door Choi en is gebaseerd op de methode ontwikkelt door Fisher (1932) waarin p -waardes van unit-root tests van individuele panels uit de dataset gecombineerd worden. De Fisher-type unit-root test wordt uitgevoerd in STATA. Er wordt bij het regressen gebruik gemaakt van de optie [demean], STATA verwijderd dan de cross-sectie gemiddelden van de serie om het effect van cross-sectie correlatie te verminderen. Een verschijnsel wat onvermijdelijk is in een macro panel dataset; de OECD- economieën bewegen over de jaren heen sterk met elkaar mee. De nulhypothese van de Fisher-type unit-root test stelt dat alle panels (dus alle OECD landen) een unit-root hebben en dus niet stationair zijn.
(D) H0 : Alle panels hebben een unit root.
De tijdreeks moet stationair gemaakt worden om via OLS-,FE- en IV-regressie betrouwbare schatters te produceren. De meest gebruikte methodes in de literatuur zijn het toepassen van het Difference Stationary Process (DSP) en logtransformaties. Bij de DSP methode wordt de differentiaal van de eerste orde genomen van de afhankelijke variabele (Yt). Stock en Watson
(2011) tonen aan dat het nemen van de differentiaal van de gehele regressie leidt tot de eliminatie van de random walk trend in de gehele serie (zie formule [3.2.1] en [3.2.2]).
[3.2.1] Yt = β0 + Yt-1 + ut [3.2.2] Δ Yt = β0 + ut
Gebaseerd op de karakteristieken van de variabelen BBP, GP, lagBBP en lagGP wordt een logtransformatie voorgesteld aangezien de variantie van deze variabelen vermoederlijkerwij stijgt met de tijd en ze naar verwachting dus niet stationair zijn. Door een logtransformatie wordt de jaarlijkse procentuele verandering in de variabelen gemeten en daarnaast de heteroscedasticiteit verminderd naar analogie van Farhani (2012) . In de economische literatuur gebruikt men zowel logtransformaties met het grondtal 10 (Briggse logaritme) als met grondtal e: het natuurlijke logaritme. Gujarati (2006) stelt dat zowel een log10 - als een ln-
transformatie bij paneldata - regressies gebruikt kan worden. Gelman en Hill (2007) concluderen daarnaast dat een transformatie met het natuurlijke logaritme te prefereren is
omdat de coëfficiënten op de natuurlijke logaritme schaal directer te interpreteren zijn. De default optie in STATA is eveneens het natuurlijke logaritme. Zo werken de commando’s
log(X) en ln(X) allebei met het grondtal e. Alleen het commando log10(X) werkt met het
Briggse logaritme. In de eerste stap van het empirisch onderzoek zal aan de hand van een lineaire plot van de panel data bestudeerd worden welke logtransformatie meer stationaire resultaten oplevert.
Afsluitend wordt de eventuele autocorrelatie en serie-correlatie binnen de dataset bestudeerd met behulp van de Woolridge test (E) voor autocorrelatie in paneldate en de Cumby-
Huizinga test voor autocorrelatie (F). Met de laatste test wordt bestudeerd of er serie-correlatie in de dataset is.
(E) H0 : Geen eerste- orde autocorrelatie
(F) H0 : q=0, de serie is ongecorreleerd
Als er sprake is van serie-correlatie zijn de fout-termen met elkaar gecorreleerd, de observaties zijn niet onafhankelijk van elkaar. Serie-correlatie komt frequent voor bij tijdreeksdata. De fout-term omvat alle variabelen die niet expliciet in het model opgenomen zijn. Als er vervolgens een verandering plaats vindt in één van deze ongeobserveerde variabelen in bijvoorbeeld het jaar 1986 is het vrij plausibel dat een gedeelte van dat effect doorwerkt in het jaar 1987. De implicatie van serie-correlatie is gelijk aan de effecten van heteroscedasticiteit op de OLS- schatters. De schatters zijn nog steeds unbiased maar wel inefficiënt en de geschatte standaardfouten zijn incorrect. Net als bij het heteroscedasticiteit -probleem is er een ‘robuuste’ oplossing; heteroscedasticiteit en autocorrelatie consistente standaardfouten (HAC). De White robuuste variantie schatter produceert consistente standaardfouten voor de OLS-regressie coëfficiënten wanneer er sprake is van
heteroscedasticiteit. De Newey- West variantie (1987) schatter is een extensie op de White methode en produceert consistente schatters wanneer er naast heteroscedasticiteit ook sprake is van autocorrelatie.
3.3 Paneldata regressie-modellen
Naar aanleiding van bovenstaande testen vind er een eventuele transformatie en/ of eliminatie van de variabelen plaats. Vervolgens worden de verschillende paneldatasetregressiemodellen
getest op relevantie. Om paneldata te analyseren bestaan verschillende econometrische methodes. In de economische literatuur zijn de meest voorkomende methodes de OLS, Fixed Effects (FE) en Random Effects (RE) regressies.
De OECD dataset bestaat uit 1054 jaarlijkse observaties van verschillende variabelen over een periode van 31 jaar (1983-2013). De dataset is ongebalanceerd; niet élke variabele is waargenomen voor élke periode en alle 34 landen. Om deze reden worden de ontbrekende observaties niet meegenomen in de Ordinairy Least Squares regressie, met als gevolg dat de OLS- estimators van de regressiecoëfficiënten last hebben van omitted variable bias. Om deze reden zal het MR-model ook geanalyseerd worden aan de hand van een Fixed Effect
regressiemodel. Met FE regressie wordt er gecontroleerd voor missende waarden zonder dat de observaties waargenomen zijn (Stock en Watson, 2011). In dit onderzoek vindt er zowel een Land-Fixed Effect als een Land Fixed Effect gecombineerd met Tijd-Fixed Effect
regressie plaats. Met behulp van het STATA commando [testparm i.Tijd] zal er getest worden of een model gecombineerd met Tijd-Fixed Effect nodig is of dat een Fixed Effect regressie enkel gericht op landen volstaat. In deze procedure wordt getest of alle jaar intercepten (onderdeel van de Tijd-Fixed Effect regressie) simultaan gelijk zijn aan 0. Wanneer de
gevonden p-waarde significant is verwerpen we deze nulhypothese en wordt er geconcludeerd dat één of meerdere jaardummies niet gelijk zijn aan 0 waardoor het gecombineerd model tot betere schatters leidt.
(G) H0: alle jaar intercepten = 0
Het OLS- regressiemodel is het meest eenvoudige model maar er wordt verwacht dat de OLS – schatters minder accuraat zullen zijn omdat er binnen het OLS-model niet gecorrigeerd wordt voor de individuele verschillen tussen landen die een significant effect hebben op de economische groei. Deze niet geobserveerde heterogeniteit kan in het geval van een OLS-regressie tot een foutieve schatting leiden. Om deze reden raadt Baltagi (2013) het Fixed Effect model aan. Met het Fixed- Effect model kan voor deze land specifieke missende waarden wél gecontroleerd worden. Paneldata modellen onderzoeken simultaan cross-sectie- (landen) en tijdsreeks- effecten. Deze effecten kunnen fixed of willekeurig (random) zijn. Fixed-effect modellen veronderstellen dat individuele landen en/of jaren een verschillende intercept hebben in de regressieformule. Een Random- effect model daarentegen vangt de verschillen tussen landen en/of jaren in de fout-term. Het Random Effect model zal dus efficiënter schatten maar dit kan wel tot meer inconsistente resultaten leiden. In dit onderzoek
worden het Fixed Effect – en het Random Effect- model doormiddel van een Hausman test vergeleken. De nulhypothese is dat het effect niet gecorreleerd is met de andere
onafhankelijke variabelen, of anders gesteld; het verschil in de coëfficiënten is niet
systematisch. Wanneer de Hausman test een significante p-waarde (Chi2 verdeeld) genereert betekent dat dat het Random Effect model een van de Gaus Markov assumpties schendt en dat de regressie tot biased en inconsistente schatters zal leiden. Dit in tegenstelling tot schatters verkregen via de OLS methode, deze zullen nog steeds unbiased en consistent zijn mits men de juiste standaardfouten hanteert. Omdat de Fixed Effect schatter uiteindelijk via de OLS methode wordt geconstrueerd valt de keuze op het FE-model boven het RE- model wanneer de nulhypothese verworpen wordt.
(H) H0: verschil in coëfficiënten is niet systematisch
3.4 Endogeniteit in het model
In de economische literatuur is er nog geen consensus over het effect van de economische groei op de olieprijzen. Recente studies tonen aan dat er een significant effect is waardoor er geconcludeerd kan worden dat er sprake is van simultane causaliteit in de relatie tussen de economische groei en de olieprijzen. Bij simultane causaliteit werkt de causaliteit twee richtingen uit. Niet alleen de regressors hebben effect op de afhankelijke variabele, ook de afhankelijke variabele heeft effect op (één van) de regressors. Er kan bij voorbaat niet
uitgesloten worden dat economische groei geen effect heeft op gasprijs of één van de andere variabelen. Om deze reden wordt er in dit onderzoek dan ook getest op de endogeniteit van de variabelen aan de hand van een Instrumentele Variabele- regressie analyse (IV-regressie).
Wanneer de controlevariabelen in ogenschouw worden genomen kan aan de hand van de bestaande economische theorieën gesteld worden dat de economische groei potentieel ook een effect kan hebben op de inflatie. Een stijging van het BBP zorgt er immers voor dat economische agenten meer producten kunnen aanschaffen. Dit leidt in het klassieke economische model op de korte termijn tot een hoger besteedbaar inkomen van de consumenten terwijl het productieaanbod gedurende een korte periode gelijk blijft. Het resultaat is een prijsstijging en dus een verandering in het inflatielevel. Om deze reden kan verwacht worden dat de controlevariabele inflatie in dit regressiemodel endogeen is.
Wanneer er sprake is van endogeniteit wordt de eerste OLS assumptie geschonden waardoor E(u|X) ≠ 0 geld. Het gevolg is unbiased en inconsistente schatters. In veel
potentiële endogeniteit. De IV methode veronderstelt dat een van de variabelen endogeen is; dat is het uitgangspunt van de analyse. In een later stadium kan vervolgens aan de hand van een Durbin- Wu - Hausman test gecontroleerd worden of de bewuste variabele daadwerkelijk endogeen is.
Bij IV-regressie wordt een instrument, een niet aan de fout-term gecorreleerde variabele, toegevoegd aan de regressie om het effect van de gasprijs en/of inflatie op de economische groei te meten zonder de storing van de correlatie met de errorterm. Een goede instrumentele variabele moet volgens Stock en Watson aan twee voorwaarden voldoen; het instrument (Zi,t)
moet relevant en exogeen zijn volgens formules [3.4.1] en [3.4.2].
[3.4.1] Een instrument is relevant als à Correlatie (Zi,t, Xi,t) ≠ 0 [3.4.2] Een instrument is exogeen als à Correlatie (Zi,t, ui,t) = 0
Een instrument is relevant als de variatie in het instrument gecorreleerd is aan de variatie in de te bestuderen regressor. Als een instrument daarnaast ook exogeen is, is het gedeelte van de variantie in de regressor wat gevangen wordt door de instrumentele variabele ook exogeen. Een goed instrument vangt dus de bewegingen in de regressor die exogeen zijn. Deze exogene variantie wordt gebruikt bij het construeren van de β1 aan de hand van regressie. De
IV-schatter in dit proces wordt ook wel Two Stages Least Squares (TSLS) IV-schatter genoemd. In de eerste fase van de IV-regressie wordt er voor beide potentiële endogene vairabelen een regressie gedaan waarin de variabelen (dlogGP en I) een functie zijn van de instrumentele variabele en de controlvariabelen volgens model [3.4.3 en 3.4.4]. De endogene variabelen wordt dus geregrest tegen de endogene variabelen en het model.
[3.4.3] dlogGPi,t = π0 + π1 * Zi,t + π2 * dlogBBPi,t-1 + π3 * dlogGPi,t-1 + π4 * PGi,t + π5 * MKi,t + π6 * Ii,t + π7 * dWi,t + π8 * dPKi,t + π9 * Ri,t + π10 * NXGi,t + vi,t
[3.4.4] Ii,t = π0 + π1 * Zi,t + π2 * dlogBBPi,t-1 + π3 * dlogGPi,t-1 + π4 * PGi,t + π5 * MKi,t +
π6 * dlogGPi,t + π7 * dWi,t + π8 * dPKi,t + π9 * Ri,t + π10 * NXGi,t + vi,t
Het model voorspelt de waarde van dlogGP en I, deze voorspelde waarden worden
respectievelijk weergeven als ^dlogGP en ^I. In de tweede fase van de IV-regressie volgt een OLS- regressie waarin dlogBBP een functie is van de voorspelde waarden en de
controlevariabelen, zie [3.4.6 & 3.4.7]. De afhankelijke variabele wordt dus geregrest tegen de exogene variabelen en de voorspelde waarde van de endogene variabele.
[3.4.5] dlnBBPi,t = β0 + β1 * ^dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t +
β5 * MKi,t + β6 * Ii,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t
[3.4.6] dlnBBPi,t = β0 + β1 * dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t +
β5 * MKi,t + β6 * I^i,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t
De gevonden waarde voor β1 is de TSLS- schatter; een consistente schatter voor β1. De
TSLS- schatter wordt in STATA in één keer gecalculeerd. Een IV-regressie leidt enkel tot een betrouwbaar resultaat als het instrument sterk, exogeen en relevant is. Een zwak instrument , een instrument wat nauwelijks gecorreleerd is met de endogene variabele , leidt tot een biased TLSL schatter met onbetrouwbare betrouwbaarheidsintervallen. In dit onderzoek wordt de sterkte van het instrument geanalyseerd aan de hand van de first-stage F-statistic. Deze wordt berekent door de tweede macht te nemen van de t-waarde van de β1 in fase 1 van de
IV-regressie [3.4.3 en 3.4.4] . Als vuistregel wordt gesteld dat een instrument sterk is als de F-waarde groter is dan 10.
De exogeniteit van een instrument wordt getest aan de hand van een Durbin- Wu - Hausman test. Deze test bestaat uit 4 stappen, waarvan de eerste stap gevormd wordt door een OLS-regressie. De potentiële endogene variabelen worden geregrest tegen de instrumentele variabele en de overige controlevariabelen. De eerste stap is gelijk aan de formules in [3.4.3 en 3.4.4]. In de tweede stap worden de residuen van formules [3.4.3 en 3.4.4] berekend. Het residue is het verschil tussen de werkelijke waarde en de voorspelde waarde (^dlogGP en ^I) van de test, zie [3.4.7 en 3.4.8].
[3.4.7] ^µt = dlogGP - ^dlogGP
[3.4.8] ^µt = I - ^I
In de derde stap vindt er OLS- regressie plaats over het normale OLS model (zie ook [3.5.1]) plus het residue [3.4.7 en 3.4.8] zodat de regressie de vorm heeft van formule [3.4.9].
[3.4.9] dlogBBPi,t = β0 + β1 * ^dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t + β5 * MKi,t + β6 * Ii,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t + ^ui,t
In de laatste stap wordt de significantie van model [3.4.9] getest aan de hand van een t-test. De nulhypothese stelt dat de variabele exogeen is.
(I) H0: X= exogeen
Als de p-waarde significant is wordt de nulhypothese verworpen en kan er geconstateerd worden dat de instrumentele variabele endogeen en dus geen goed instrument is.
Binnen veel empirische onderzoeken blijkt het vaak lastig om een valide instrument voor de endogene regressor te vinden. In de literatuur wordt er daarom vaak een vertraagde waarde van de endogene regressor als instrumentele variabele gebruikt. Dit omdat het bij vertraagde waarden minder waarschijnlijk is dat ze worden beïnvloed door een huidige schok (t0), ook is er een geringe kans dat de huidige economische groei impact heeft op een
vertraagde waarde van de gasprijs en/of de inflatie. Om deze redenen fungeren de vertraagde waardes van de gasprijs en het inflatielevel als instrument voor de IV-regressie.
Wanneer het instrument relevant en exogeen is kan er wederom met behulp van een Durbin- Wu - Hausman test geconcludeerd worden of de potentiële endogene variabele daadwerkelijk endogeen is. De IV-methode gaat er van uit dat zowel de gasprijs als de inflatie endogeen zijn. Wanneer uit de test blijkt dat beide variabelen echter als exogeen beschouwd kunnen worden heeft het OLS of het Fixed Effect model de voorkeur boven het IV-model. De schatters die met behulp van de OLS methode geconstrueerd zijn zijn namelijk efficiënter dan de gevonden IV schatters. Het instrument moet namelijk erg sterk zijn wil er geen efficiëntie verlies plaatsvinden bij de IV-regressie (dit omdat de oorspronkelijke variabele gesubstitueerd wordt ). In STATA kan met behulp van de [endog(X)] optie via een Durbin- Wu - Hausman test bepaald worden of de veronderstelde endogene regressor binnen het model als exogeen behandeld kan worden. De nulhypothese veronderstelt dat de potentiele endogene variabele binnen het model exogeen is. Wanneer de p-waarde (Chi2 verdeeld) significant is, is de regressor endogeen.
(J) H0: X= exogeen
Het empirisch onderzoek start met een Ordinary Least Squares regressieanalyse (OLS- regressie) van het MR-model. De gevonden correlaties en R2’s in de STATA output worden bestudeerd en op basis van de p-waardes wordt vastgesteld welke (control)variabelen binnen het model een significante invloed hebben op de economische groei. De p-waarde is de overschrijdingskans; de kans op de in de steekproef gevonden waarde of nog extremer onder de aanname dat de nulhypothese juist is. Een kleine p-waarde maakt de nulhypothese
ongeloofwaardig. De nulhypothese wordt verworpen bij een overschrijdingskans lager dan het significantieniveau (α=0.05), de alternatieve hypothese wordt geaccepteerd en er wordt
empirisch vastgesteld dat de regressor een significant effect heeft op de afhankelijke variabele.
Het model wordt vervolgens op robuustheid getoetst door het elimineren van één controlevariabele en het inkorten van de tijdsperiode.
De afhankelijke variabele is dlogBBP en de onafhankelijke variabele ter studie dlogGP. Om voor ommitting variabele bias te controleren worden de controlevariabelen dlaglogBBP (vertraagde waarde BBP), dlaglogGP (vertraagde waarde GP), PG
(PopulatieGroei), MK (MenselijkKrediet), I (Inflatie), dW (Wisselkoers), dPK
(PrivaatKrediet), R (Rente) en NXG (NettoGasExport)aan het model toegevoegd.
[3.5.1]dlogBBPi,t = β0 + β1 * dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t +
β5 * MKi,t + β6 * Ii,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t
Het subscript i refereert aan het land (i= Australië, … , Zwitserland) en t wijst op het jaar (t=tijd=1960, … , 2013).
Een model is robuust als de belangrijkste regressie schatters ongeveer gelijk blijven, ook bij een kleine verandering in het model of de dataset. Het checken van robuustheid is tweeledig. Eerst zal het model iets aangepast worden door de controlevariabele MenselijkKapitaal te elimineren met als resultaat formule [3.5.2].
[3.5.2]dlogBBPi,t = β0 + β1 * dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t + + β5 * Ii,t + β6 * dWi,t + β7 * dPKi,t + β8 * Ri,t + β9 * NXGi,t + ui,t
Beide modellen worden geanalyseerd aan de hand van OLS- regressie. Vervolgens wordt er een vergelijking gemaakt tussen model [3.5.1] en [3.5.2] Er wordt gekeken of de t-waardes en
de βi-waardes ongeveer gelijk gebleven zijn. Daarna wordt er een regressie met model [3.5.2]
gedaan over een kortere tijdsperiode (1985-2011); vier jaren worden uit de oorspronkelijke dataset geëlimineerd. Als alle drie de regressies (het originele model, model met eliminatie controlevariabele en het laatste model met minder observaties) ongeveer dezelfde waardes opleveren kan er aangenomen worden dat het model robuust is.
Wanneer geconcludeerd is dat het model robuust is wordt vinden er drie verschillende regressies plaats die het effect meten van een verandering in de gasprijs op de economische groei voor specifiek één land. In Excel zijn manueel drie dummyvariabelen geconstrueerd: DNL, DBE en DZW. De variabelen hebben de waarde 1 bij respectievelijk Nederland, België en Zweden en een 0 bij elk ander land. Met behulp van een interactieterm wordt de standaard formule dusdanig getransformeerde dat het effect voor exact één land gemeten wordt. Het land specifieke model heeft de vorm van formule [3.5.3]. De interactieterm wordt
vermenigvuldigd met elke regressor om zo het effect voor elke controlevariabele te bepalen en multicollineariteit te voorkomen.
[3.5.3] dlogBBPi,t = β0 + β1 * dlogGPi,t*Di + β2 * dlogBBPi,t-1*Di+ β3 * dlogGPi,t-1 *Di+ β4 * PGi,t *Di+ β5 * MKi,t *Di+ β6 * Ii,t *Di+ β7 * dWi,t*Di + β8 * dPKi,t*Di + β9 * Ri,t*Di+
β10 * NXGi,t *Di+ ui,t
Di is de dummyvariabele waar i = [Nederland/ België / Zweden]. Met behulp van dit model
wordt getracht de analyseren wat het verschil is tussen het effect van een verandering op de gasprijs op de economische groei van gas-importerende en gas-exporterende landen.
Door de tekortkomingen van de OLS – analyse vind er ook een regressie volgens het Fixed Effect model plaats. FE regressie verkent de relatie tussen de variabelen binnen één entiteit, elk land heeft haar eigen karakteristieken die wel of niet de afhankelijke variabele
beïnvloeden. Met FE regressie veronderstellen we dat een land specifieke eigenschap de afhankelijke variabele beïnvloed en dat dit tot een bias in de schatters leidt. Met FE wordt voor deze tijd invariante karakteristieke gecontroleerd. Zodat het netto effect van de gasprijs op de economische groei onderzocht kan worden. Belangrijkste assumptie bij deze regressie is dus dat de niet geobserveerde variabelen tijds-invariant zijn.
De Fixed Effecten worden buiten het model gehouden, in een land-fixed effect regressie wordt er gecontroleerd voor missende waarden die variëren tussen de entiteiten (OECD landen) maar gelijk zijn over de tijd. In deze regressie worden de coëfficiënten
geschat door het constant houden van de ongeobserveerde land karakteristieken Li. Als
αi = β0 + β11 * Li dan is het land fixed effect model gelijk aan [3.5.4]
[3.5.4] dlogBBPi,t = αi + β1 * dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t +
β5 * MKi,t + β6 * Ii,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t
In bovenstaande regressie wordt de niet geobserveerde land-specifieke karakteristieken Li
constant gehouden. Het MR-model in dit onderzoek wordt door de toevoeging van deze variabele Li getransformeerd tot het model in [3.5.4]. Wanneer er voor tijdseffecten
gecontroleerd wordt er gecontroleerd voor missende waardes die constant zijn tussen de landen maar veranderen gedurende de tijd. Zo wordt er gecontroleerd voor onverwachtse variatie of speciale evenementen die de economische groei beïnvloeden. In een tijd fixed effect regressie worden de regressors geschat door het constant houden van de niet
geobserveerde tijd-specifieke karakteristieken Tt. Waar ϒt = β0 + β12 * Tt. Het model waarin
zowel voor tijds- als land-specifieke effecten gecontroleerd wordt heeft dan ook de vorm van model [3.5.5]
[3.5.5] dlogBBPi,t = αi + ϒt + β1 * dlogGPi,t + β2 * dlogBBPi,t-1 + β3 * dlogGPi,t-1 + β4 * PGi,t + β5 * MKi,t + β6 * Ii,t + β7 * dWi,t + β8 * dPKi,t + β9 * Ri,t + β10 * NXGi,t + ui,t
Binnen dit empirisch onderzoek zal zowel een land fixed effect regressie als een
gecombineerde fixed effect regressie (land en tijd) plaatsvinden. Evenals de OLS-regressies zal eerst de OECD dataset in het geheel bestudeerd worden en aansluitend Nederland, België en Zweden in het bijzonder.
De filosofie achter het Random Effect model is, anders dan bij het Fixed Effect model, dat verondersteld wordt dat de variatie tussen de landen random is en daarnaast ongecorreleerd met de gasprijs en de controlevariabelen. Bij het Fixed Effect model wordt verondersteld dat de niet geobserveerde karakteristieken correleren met de regressors in dat model. Wanneer dit niet het geval is in de dataset dan geeft de RE regressie accuratere resultaten dan de FE regressie. Het gereduceerde RE model heeft de vorm van formule [3.4.6]
