Inkomensongelijkheid in de Europese Unie - Econometrische en economische analyse van het effect van kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid binnen de EU

Yannick Bormans Daan Goutsmet
Via een econometrische analyse werd het effect van de kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid bestudeerd, en voor het eerst concreet becijferd. Uit een verdiepende economische studie bleken het Kuznetspatroon, de automatische stabilisatoren en bailouts bepalend voor onze bevinding van stijgende inkomensongelijkheid.

Inkomensongelijkheid in de Europese Unie - Econometrische en economische analyse van het effect van kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid binnen de EU

Tijdens de voorbije jaren is veel onderzoek gevoerd naar het gevolg van de kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid binnen Europa. In de wetenschappelijke literatuur bestond er weinig eensgezindheid over het effect van beiden crisissen op de inkomensongelijkheid in Europa. Deze masterthesis was er op gericht om via een econometrische analyse deze gevolgen te concretiseren in cijfers, zowel voor de EU-landen afzonderlijk als voor de gehele EU. Meer bepaald was het doel van deze masterthesis om een duidelijk antwoord te vinden op de centrale onderzoeksvraag: “Wat is het effect van de kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid binnen de EU en hoe kan deze economisch verklaard worden?”. Deze centrale onderzoeksvraag werd beantwoord op basis van vier verschillende deelvragen.

 

De eerste deelvraag luidde als volgt: “Hoe kan inkomensongelijkheid het beste gemeten worden en welke macro-economische variabelen hebben hier een invloed op?“. Door middel van een literatuurstudie werd vastgesteld dat in dit onderzoek de inkomensongelijkheid het beste uitgedrukt kan worden met de Gini-coëfficiënt. Daarnaast werden er voor dit econometrisch model onafhankelijke variabelen geselecteerd die aan twee voorwaarden moesten voldoen. Allereerst moesten de desbetreffende variabelen in de literatuur erkend worden  als belangrijke determinanten van inkomensongelijkheid. Daarnaast was het ook essentieel dat deze variabelen tijdens de crisis onderhevig geweest zijn aan belangrijke veranderingen om zodoende een model op te kunnen stellen dat toelaat zo accuraat mogelijk de veranderingen van de inkomensongelijkheid tijdens de crisis te onderzoeken. De variabelen BBP per capita, inflatie, werkloosheid, begrotingssaldo, staatsschuld en overheidsuitgaven bleken aan al deze voorwaarden te voldoen.

In de tweede deelvraag, “Hoe kan inkomensongelijkheid verklaard worden op basis van een econometrisch model?”, werd de afhankelijke variabele, de Gini-coëfficiënt, gelinkt aan bovenvermelde onafhankelijke variabelen via een econometrisch model. Alle variabelen werden gebundeld in een dataset, met waarden voor alle Europese landen, gaande van de jaren 2000 tot en met 2014. Het meest geschikte model bleek een fixed effects model met jaarspecifieke effecten. Hierbij waren de termen log(BBP per capita), [log(BBP percapita]², begrotingssaldo, staatsschuld en overheidsuitgaven significant op een niveau van 5%. De andere twee variabelen, inflatie en werkloosheid, waren dat niet maar werden toch behouden in het model om een zo gedetailleerd mogelijke analyse te bekomen.

Deze analyse vormde het antwoord op deelvraag drie: “Wat waren de effecten van de kredietcrisis en Europese staatsschuldencrisis op de inkomensongelijkheid in Europa?”. Deze werden berekend door de werkelijke Gini-coëfficiënt zoals deze zich voordeed tijdens de crisis te vergelijken met de voorspelde Gini-coëfficiënt op basis van het opgestelde model. Hiervoor werden voorspelde waarden van de onafhankelijke variabelen gebruikt die door de Europese Commissie gepubliceerd werden. Vastgesteld werd dat er inderdaad veel verschillen bestaan tussen de landen. In zijn totaliteit heeft de crisis de Gini-coëfficiënt doen toenemen, maar er waren ook lidstaten die een daling van de inkomensongelijkheid optekenden. Deze studie vormde de basis voor een economische analyse die de desbetreffende ontwikkelingen hielp verklaren.

Deze economische analyse vormde het antwoord op deelvraag vier: “Hoe kunnen de effecten van de kredietcrisis en de Europese staatsschuldencrisis op de inkomensongelijkheid in Europa economisch verklaard worden?”. Het hoofddoel van deze analyse was om de kwantitatieve bevindingen te verklaren.

Allereerst bleek de invloed van de niet-significante variabelen inflatie en werkloosheid beperkt. Daarnaast werden er drie verschillende theorieën ontwikkeld die een algemeen beeld scheppen van de mechanismen die zich tijdens de crisissen voordeden. Allereerst is er het Kuznetspatroon dat de Gini-coëfficiënt beschrijft in functie van het BBP per capita en de vorm aanneemt van een omgekeerde U. Aan de hand van dit patroon werd berekend dat Bulgarije en Roemenië de enige twee landen zijn die bij een stijgend BBP per capita een stijgende invloed op de inkomensongelijkheid ervaren en vice versa. Voor alle andere landen geldt het omgekeerde. Bovendien is de invloed veel groter naarmate een land meer ontwikkeld is. Dit is één factor die de heterogene ontwikkelingen tussen landen verklaren.

Daarnaast is er nog de sterkte van de automatische stabilisatoren die het effect van een crisis op inkomensongelijkheid trachten te temperen. Hierbij bestaat er een onderscheid tussen de Continentale  en Noord-Europese landen enerzijds en de Angelsaksische, Zuid- en Oost-Europese landen anderzijds. Deze groepen vertegenwoordigen respectievelijk systemen met sterke automatische stabilisatoren die ervoor zorgen dat de stijging van de ongelijkheid tijdens een crisis beperkt blijft en de zwakkere automatische stabilisatoren waar de invloed dus ook sterker zal zijn.

Tot slot zijn er ook nog de bailouts van financiële instellingen die zich vooral tijdens de kredietcrisis hebben voorgedaan en ook leiden tot meer inkomensongelijkheid. Verder werd er vastgesteld dat er inzake de invloed van de bailouts op het begrotingstekort ook veel verschillen bestaan tussen de Europese landen die dus ook hebben geleid tot verschillen in inkomensongelijkheid.

Bibliografie

Bibliografie

Agnello, L., & Sousa, R. M. (2012). How do banking crises impact on income inequality. Applied Economic Letters, 1425-1429.

Agnello, L., & Sousa, R. M. (2014). How Does Fiscal Consolidation Impact on Income Inequality. Review of Income and Wealth, 702-726.

Atkinson, A. B. (1970). On the Measurement of Inequality. Journal of Economic Theory, 244-263.

Ball, L., Furceri, D., Leigh, D., & Loungani, P. (2013). The Distributional Effects of Fiscal Consolidation. IMF Working Paper.

Battisti, M., & Zeira, J. (2014). The Effects of Fiscal Distribution. In K. Basu, & J. Stighlitz, Inequality and Growth: Patterns and Policy, Volume 1: Concepts and Analysis. Palgrave Mc Millan.

Benoit, K. (2011). Linear Regression Models with Logarithmic Transformations. Methodology Institute, 1-8.

Besley, T., & Ghatak, M. (2013). Bailouts and the Optimal Taxation of Bonus Pay. American Economic Review, 163 - 167.

Bhattarai, M., Vijayaraghavan, M., & Yandle, B. (2002). The Environmental Kuznets Curve. PERC Research Study.

Brandolini, A., Jenkins, S., Micklewright, J., & Nolan, B. (2011). The Great Recession and the Distribution of Household Income. Oxford : Oxford University Press.

Breen, R., & García-Peñalosa, C. (2005). Income Inequality and Macroeconomic Volatility: An Empirical Investigation. Review of Development Economics, 380-398.

Breusch, T., & Pagan, A. (1979, September). A Simple Test for Heteroscedasticity and Random Coefficient Variation. Econometrica, pp. 1287-1294.

Chin, B., Kim, L., & Lee, H. (2013). Empirical Analysis on the Determinants of Income Inequality in Korea. International Journal of Advanced Science and Technology, 96-110.

Clark, T. S., & Linzer, D. A. (2012). Should I Use Fixed or Random Effects? 1-34.

Croissant, Y., & Millo, G. (2008). Panel Data Econometrics in R: The plm Package. Journal of Statistical Software.

De Beer, P. (2012). Earnings and income inequality in the EU during the crisis. International Labour Review, 313-331.

De Maio, F. G. (2007). Income inequality measures. J Epidemiol Community Health, 849–852.

Dolls, M., Fuest, C., & Peichl, A. (2010). Automatic Stabilizers, Economic Crisis and Income Distribution in Europe. Bonn: The Institute for the Study of Labor (IZA).

Dolls, M., Fuest, C., & Peichl, A. (2012). Automatic stabilizers and economic crisis: US vs. Europe. Journal of Public Economics, 279 - 294.

Dreger, C., Lopez-Bazo, E., Ramos, R., Royuela, V., & Surinach, J. (2015). Wage and Income Inequality in the European Union. Employment and Social Affairs, 1-425.

Etui. (2012). Benchmarking Working Europe 2012. Brussel: ETUI.

European Commission. (2007). European Economic Forecast . European Economy, 1-189.

European Commission. (2009). European Economic Forecast. European Economy 10, 1-229.

Greene, W. H. (2012). Econometric Analysis. New York: Pearson.

Holzner, M. (2011). Inequality, growth and public spending in Central, East and Southeast Europe.

INTERINSTITUTIONAL AGREEMENT of 2 December 2013 between the European Parliament, the Council and the Commission on budgetary discipline, on cooperation in budgetary matters and on sound financial management. (2013). Official Journal of the European Union, 1-11.

Introduction to Poverty Analysis. (2005). World Bank Institute.

Kumhof, M., & Rancière, R. (2010). Inequality, Leverage and Crises . International Monetary Fund.

Kuznets, S. (1955). Economic Growth and Income Inequality. The American Economic Review, 1-28.

Lagae, W. (1990). Het meten van inkomensongelijkheid. Tijdschrift voor Economie en Management, 39-52.

Lambert, P. J., Millimet, D. L., & Slottje, D. (2003). Inequality aversion and the natural rate of subjective inequality. Journal of Public Economics, 1061-1090.

Maurer, H., & Grussenmeyer, P. (2015). Financial assistance measures in the euro area from 2008 to 2013: statistical framework and fiscal impact. European Central Bank.

McNown, R., & Paweenawat, S. W. (2014). The determinants of income inequality in Thailand: A synthetic cohort analysis. Journal of Asian Economics, 10.

Muratoglu, Y., Thalassions, E., & Ugurlu, E. (2012). Income Inequality and Inflation in the EU. European Research Studies Journal, 127-140.

Nikoloski, Z. (2009). Economic and Political Determinants of Income Inequality.

O'Farrell, R. (2011). Inequality and the crisis. ETUI Policy Brief, 1-7.

Ramos, R., & Royuela, V. (2014). Income inequality in Europe. Analysis of recent trends at the regional level. Research Institute of Applied Economics, 1-53.

Ristanovic, V. (2010). Macroeconomic determinant of economic growth and world economic-financial crisis. Economics and organisation, 17-33.

Rosas, G. (2010). Curbing Bailouts: Bank Crises and Democratic Accountability in Comparative Perspective. University of Michigan Press, 1-17.

Salti, N. (2015). Income inequality and the composition of public debt. Journal of Economic Studies, 821-837.

Vallina, I. G., & Wahrig, I. (2011). The effect of the economic and financial crisis on government revenue and expenditure. Eurostat. Statistics in focus, 1-12.

Watt, A. (2009). Distributional Issues in the Context of the Economic Crisis in Europe. Interonomics, 82-89.

White, H. (1980). A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, pp. 817–838.

Yilmaz, B. (2013). Reflections of the Global Economic Crisis on the Countries of PIIGS and Turkey's Macroeconomic Variables. Marmara University Journal of Economic & Administrative Sciences, 229-252.

Universiteit of Hogeschool
Master in de Toegepaste Economische Wetenschapper: Handelsingenieur
Publicatiejaar
2016
Promotor(en)
Christophe Croux
Kernwoorden
Deel deze scriptie