IB Revija Revija za strokovna in metodološka vprašanja trajnostnega razvoja ISSN 1318-2803 št. 3-4 / letnik XLII / 2008 Glavna in odgovorna urednica: dr. Alenka Kajzer Tehnična urednica: Urška Sodja Uredniški odbor: dr. Pavle Gmeiner dr. Drago Kos mag. Stanka Kukar dr. Marjan Ravbar doc. dr. Matija Rojec prof. dr. Tine Stanovnik prof. dr. Pavle Sicherl dr. Janez Šušteršič Lekoriranje: Sektor za prevajanje Generalnega sekretariata vlade RS Oblikovanje: Sandi Radovan Izdajatelj: Urad Republike Slovenije za makroekonomske analize in razvoj, Ljubljana, Gregorčičeva 27 Računalniška postavitev in prelom: Javor Čeh Tisk: UTRIP Brežice d.o.o., Brežice Vse pravice pridržane. Naklada 300 izvodov Naročila za revijo sprejemamo pisno na naslov izdajatelja. Revija je vpisana v mednarodno podatkovno bazo Internet Securities in uvrščena v Journal of Economic Literature. IB revijo subvencionira Javna agencija za raziskovalno dejavnost RS. Kazalo T anja Čelebič: T er ciarno iz obr až e v anje v Slo veni ji - vkl jučenos t in k ak o v os t Alenka Kajzer: Varna prožnost v Sloveniji - kje smo in kako naprej? 18 Tine Stanovnik, Miroslav Verbič: Analiza neenakosti v porazdelitvi dohodkov zaposlenih v Sloveniji v obdobju 1991–2005 30 Tomaž Kraigher: Meje različnih ukrepov v zvezi z blažitvijo ekonomskih posledic staranja prebivalstva Slovenije 43 Nataša Kump, Tine Stanovnik: Socialnoekonomski položaj upokojencev in starejšega prebivalstva v Sloveniji 51 Ana Murn, Anže Burger, Matija Rojec: Obseg in učinkovitost državnih pomoči za zaposlovanje v Sloveniji 63 Pavle Sicherl: Delays in delivering Lisbon targets analysed by the novel time distance monitoring method 74 Aljaž Kunčič: Razlika v vplivu cene surove nafte na inflacijo med Slovenijo in Avstrijo 91 Martin Wagner: Economic valuation of environmental problems using the contingent 104 valuation method Janez Bešter: Tehnologije dvojne rabe in gospodarski razvoj 113 5 Spoštovane bralke in spoštovani bralci, V vaših rokah je dvojna (3-4) številka 42. letnika Ib-revije. Skoraj polovica objavljenih člankov tokrat obravnava vprašanja človeškega kapitala in trga dela ter institucij, ki so v neposredni povezavi z njima. Poleg teh vprašanj pa revija prinaša še članke s področja učinkovitosti državnih pomoči za zaposlovanje in s področja merjenja uresničevanja ciljev Lizbonske strategije, predstavlja metode vrednotenja okoljskih problemov ter zajema pregled izbranih empiričnih raziskav na temo povezanosti med vojaškimi izdatki, gospodarskim razvojem posameznih držav in stanjem na tem področju v Sloveniji. Prispevek Tanje Čelebič obravnava terciarno izobraževanje z vidika vključenosti in kakovosti. Avtorica ugotavlja, da ima Slovenija med evropskimi državami najvišjo vključenost mladih, starih 20–24 let, v terciarno izobraževanje. Po kakovosti terciarnega izobraževanja, merjeni z razmerjem med številom študentov in številom pedagoškega osebja, pa se Slovenija uvršča za večino evropskih držav in pod povprečje EU. Članek Kajzerjeve predstavlja koncept varne prožnosti ter prve poizkuse njenega merjenja in analiz, ker gre za razmeroma nov pojem. Z izbranimi kazalniki varne prožnosti prikazujemo gibanja na trgu dela v obdobju 2000–2007 in probleme na tem trgu v Sloveniji. Pregled ukrepov na štirih ključnih področjih varne prožnosti je pokazal, da so bile v zadnjih dveh letih narejene spremembe predvsem za večjo fleksibilnost pogodbenih razmerij. Oblikovanje varne prožnosti ostaja velik izziv. V Sloveniji bi se je bilo treba lotiti celoviteje, tako da bi se vse štiri politike med seboj podpirale in delovale usklajeno. Stanovnik in Verbič predstavljata analizo dohodkovne neenakosti zaposlenih v Sloveniji v obdobju 1991–2005. Avtorja ugotavljata, da se je dohodkovna neenakost zaposlenih izrazito povečala v obdobju 1991-1993. Po tem obdobju vse do leta 1999 sledi nekoliko manj izrazito povečanje, od leta 1999 pa so povečanja zelo skromna. Analiza je pokazala, da je prišlo do precejšnjega povečanja dohodka zaposlenih, ki so na samem vrhu dohodkovne porazdelitve. Kraigher se v svojem prispevku ukvarja s problemom in posledicami staranja prebivalstva. V članku izpostavlja potrebne ukrepe na področjih prebivalstvene in zaposlitvene politike ter politike javnih financ, ki bi zagotovili finančno vzdržnost stroškov staranja prebivalstva. V drugem delu pa posebej obravnava strošek staranja prebivalstva v obliki povečanih stroškov iz naslova pokojninskega zavarovanja. Omejevanje javnih izdatkov za pokojnine ima posledice za socialno-ekonomski položaj upokojencev in starejšega prebivalstva. Stanovnik in Kumpova preučujeta socialno-ekonomski položaj upokojencev in starejšega prebivalstva v Sloveniji v daljšem obdobju 1997-2005. Analiza kaže, da se vztrajno povečuje delovna aktivnost in hkrati zmanjšuje delež upokojencev »kritične« starostne skupine 50 do 59 let, a so v zadnjem obdobju, med leti 2001–2003 in 2003–2005, te spremembe zgolj malenkostne. V obdobju 2003–2005 se je relativni dohodkovni položaj upokojencev, posebno tistih, ki živijo v upokojenskih parih, nekoliko izboljšal glede na obdobje 2001–2003. Kljub vsemu je dohodkovni položaj upokojencev v primerjavi s predreformnim obdobjem 1999–2001 slabši. Murnova, Burger in Rojec predstavljajo analizo učinkovitosti državnih pomoči, namenjene zaposlovanju, ki so še posebej priporočljive za reševanje problemov teže zaposljivih oseb in brezposelnosti v manj razvitih regijah. Avtorji ugotavljajo, da ima Slovenija probleme s strukturo teh pomoči (prevladovanje javnih storitev, nizko tehnoloških in delovno intenzivnih dejavnosti kot prejemnikov pomoči) in tudi z njihovim dodeljevanjem (visoka koncentracija na eni in visoka razdrobljenost pomoči na drugi strani). Kljub temu pa analiza učinkovitosti pomoči za spodbujanje zaposlovanja z metodo paritve pokaže, da gre za uspešen instrument politike povečevanja zaposlenosti. Pavle Sicherl predstavlja analizo uresničevanja dveh lizbonskih ciljev s pomočjo metode S-časovnih distanc. Za indikator stopnja zaposlenosti ugotavlja, da EU27 v letu 2007 zaostaja za linijo do cilja za 2,8 let; za delež R&R izdatkov v BDP pa za več kot 6 let, saj je vrednost v letu 2006 nižja od tiste leta 2000. Kunčič z uporabo enostavnega reduciranega modela vektorske avtoregresije analizira razliko v vplivu cene surove nafte na inflacijo med Slovenijo in Avstrijo ter pregleduje razloge za razliko v vplivu med obravnavanima državama. Razlike skuša pojasniti z razlikami v prenosu cenovnih nihanj surove nafte v cene tekočih goriv in kurilnega olja, razlikami v utežeh košarice CPI ter razlikami v energetski učinkovitosti gospodarstva. Bešter se ukvarja z vprašanji, kako lahko z mehanizmom vojaškega proračuna države pospešujejo tehnološki razvoj podjetij, povečujejo njihovo konkurenčnost, hkrati pa ima vojska na voljo ustrezno tehnološko in industrijsko podlago za pokrivanje svojih posebnih potreb. Avtor predstavlja kritičen pregled izbranih empiričnih raziskav na temo povezanosti med vojaškimi izdatki in gospodarskim razvojem posameznih držav, pa tudi slovenske izkušnje na področju tehnologij dvojne rabe. Prijetno branje vam želi, dr. Alenka Kajzer, urednica Članki IB revija 3-4/2008 UMAR 5 UDK 377(497.4) mag. Tanja Čelebič* Terciarno izobraževanje v Sloveniji – vključenost in kakovost Povzetek Od terciarnega izobraževanja imajo koristi posameznik, gospodarstvo in družba. V povprečju imajo države z višjim deležem terciarno izobraženega prebivalstva tudi višji BDP na prebivalca. Zato ne preseneča, da sta vključenost in kakovost tega izobraževanja pomembna cilja izobraževalne politike. V Sloveniji je bila v letu 2006 vključenost mladih, starih 20–24 let, v terciarno izobraževanje najvišja med evropskimi državami in se še povečuje. K tej visoki vključenosti prispevajo tudi večanje deleža mladih, starih 15–19 let vpisanih v programe srednješolskega izobraževanja, ki omogočajo vpis v terciarno izobraževanje, večanje števila vpisnih mest in razne oblike pomoči študentom (štipendije, transferji). Poleg vključenosti je z vidika gospodarske rasti pomembna tudi njegova kakovost. Pri mednarodnih primerjavah se kot približno merilo kakovosti pogosto uporablja razmerje med številom študentov in številom pedagoškega osebja. Slovenija po vrednosti tega kazalnika za večino evropskih držav in evropskim povprečjem precej zaostaja. Razlog za omenjeno slabo razmerje so tudi, primerjalno gledano, nizki letni izdatki za izobraževalne ustanove na udeleženca v terciarnem izobraževanju. Za spodbujanje večje kakovosti je priporočljivo povečanje izdatkov, namenjenih visokošolskim zavodom, sistematično spremljanje kakovosti na ravni teh zavodov in vezava dela finančnih sredstev, ki jih država namenja visokošolskim zavodom, na doseganje kakovosti. Ključne besede: terciarno izobraževanje, visoko šolstvo, vključenost v izobraževanje, kakovost, evalvacije, rangiranje, izdatki, kazalniki. ..................................................................................................................................................................................................................................................................................... Summary Tertiary education benefits individual, economy and society. GDP per capita is, on average, higher in countries with higher share of population with a tertiary education. This is why it is not surprising that both participation in and quality of tertiary education are important goals of educational policy. In 2006, participation of young people aged 20–24 years in tertiary education in Slovenia was the highest among the European countries and it is still growing. High participation in tertiary education is affected by growing share of young people, aged 15–19 participating in programmes of secondary education, which enable enrolment into tertiary education, the growing number of enrolment places, and scholarships and transfers. Besides participation in tertiary education, its quality is also important. The ratio of students to teaching staff is an indicator of the quality of education. This indicator in Slovenia lags behind the majority of European countries and behind the European average. The reason for this lies also in the relatively low expenditure on educational institutions per student. Higher quality could be encouraged by increasing expenditure devoted to higher educational institutions, systematic evaluation of quality at the institutional level and by tying public expenditure to quality. Key words: tertiary education, higher education, participation in education, quality, evaluation, ranking, expenditure, indicators. ..................................................................................................................................................................................................................................................................................... JEL: I210, I220, I280, I290 * Urad RS za makroekonomske analize in razvoj, Ljubljana 6 UMAR IB revija 3-4/2008 Članki 1. Uvod Z vidika gospodarskega razvoja sta pomembna vključenost v terciarno izobraževanje in kakovost tega izobraževanja, zato ne preseneča, da sta to pomembna cilja izobraževalne politike in predmet različnih nacionalnih razvojnih dokumentov (Strategija razvoja Slovenije, 2005; Okvir gospodarskih in socialnih reform za izboljšanje blaginje v Sloveniji, 2005; Resolucija o nacionalnem programu visokega šolstva Republike Slovenije 2007–2010, 2007). Cilj prispevka je prikazati vključenost v terciarno izobraževanje in kakovost tega izobraževanja v Sloveniji z mednarodno primerjavo z drugimi evropskimi državami ter dejavnike, ki vplivajo na navedeno vključenost in kakovost. Prispevek prikazuje na podlagi domačih in mednarodno dosegljivih statističnih podatkov in kazalnikov (SURS, EUROSTAT, OECD) ter nekaterih drugih virov gibanje vključenosti v terciarno izobraževanje in kakovost slednjega v obdobju po letu 2000. Zadnje proučevano leto je tisto, za katero so na voljo zadnji dosegljivi podatki (na mednarodni ravni je to leto 2006 (študijsko leto 2005/2006), na ravni Slovenije pa študijsko leto 2007/2008). – v sklepih so navedeni nekateri predlogi za povečanje kakovosti terciarnega izobraževanja v Sloveniji. 2. Pomen terciarne izobrazbe Od terciarnega izobraževanja1 imajo koristi posameznik, gospodarstvo in družba. Pridobljena terciarna izobrazba namreč pozitivno vpliva na produktivnost posameznika in organizacije ter na gospodarski razvoj, terciarno izobraženi posamezniki pa imajo v primerjavi z osnovno in srednje izobraženimi v povprečju višji (vseživljenjski) dohodek, verjetnost, da bodo brezposelni, pa je prav tako manjša. Med doseženo terciarno izobrazbo prebivalstva neke države in BDP na prebivalca obstaja pozitivna korelacija; države z večjim deležem prebivalstva s terciarno izobrazbo, imajo v povprečju tudi višji BDP (glej sliko 1). Pri tem je povezava med doseženo izobrazbo in BDP/prebivalca verjetno obojestranska. Na ravni družbe se kaže pozitivna povezanost med stopnjo dosežene izobrazbe in zdravstvenim stanjem, pričakovano življenjsko dobo, stopnjo kriminalitete ipd. (Temple, 2001, str. 63; Woessmann in Schultz, 2006, str. 1, 3). Prispevek najprej opozori na pomen terciarne izobrazbe za posameznika, gospodarstvo in družbo, v nadaljevanju pa na dejavnike, ki vplivajo na vključenost v terciarno izobraževanje v Sloveniji in gibanje te vključenosti. Nato obravnava kakovost terciarnega izobraževanja in prikaže dejavnike, ki vplivajo nanjo V Sloveniji se delež prebivalstva v starosti 25–64 let s terciarno izobrazbo postopoma povečuje in približuje povprečju EU27. V letu 2007 (drugo četrtletje) je znašal obravnavani delež 22,9 % (EU27: 23,3 %), med letoma 2006 in 2007 ter v obdobju 2000–2007 pa je bila omenjena rast hitrejša od evropskega povprečja Slika 1: Delež prebivalstva, starega 25–64 let, s terciarno izobrazbo in BDP na prebivalca v evrih SKM1, Slovenija in države EU27, 2007 10 15 20 25 30 Delež prebivalstva v starosti 25 - 64 let s terciarno izobrazbo, v % Vir: Eurostat portal page – Population and social conditions, 2008; lastni preračuni. Opomba: SKM – standard kupne moči. 80000 70000 60000 50000 40000 30000 20000 10000 0 0 5 35 40 Terciarno izobraževanje zajema višješolski strokovni študij, visokošolski strokovni, univerzitetni dodiplomski in podiplomski študij (specialistični, magistrski in doktorski) študij ter prvo, drugo in tretjo stopnjo. Članki IB revija 3-4/2008 UMAR in kakor v večini drugih evropskih držav. V Sloveniji se je obravnavani delež v obdobju 2000–2007 povečal za 7,1 odstotne točke. Večanje deleža prebivalstva s terciarno izobrazbo v Sloveniji je posledica rasti vključenosti prebivalstva v terciarno izobraževanje in naraščanja števila diplomantov. 3. Dejavniki, ki vplivajo na vključenost prebivalstva v terciarno izobraževanje Na vključenost v terciarno izobraževanje poleg zanimanja posameznikov vplivajo različni dejavniki: velikost generacije za vpis v terciarno izobraževanje, število vpisnih mest in pomoč države študentom (štipendije, dolgoročna študentska posojila, transfer-ji). V nadaljevanju navedene dejavnike obravnavamo podrobneje. 3.1. Velikost generacije za vpis v terciarno izobraževanje Na možnosti mladih po končanem srednjem izobraževanju za vpis v terciarno izobraževanje kažeta tudi delež vpisanih v srednješolske programe, ki omogočajo vpis v terciarno izobraževanje v primerjavi s skupnim številom vpisanih in delež mladih, ki so končali programe, ki omogočajo nadaljevanje izobraževanja na terciarni ravni v primerjavi s skupnim številom mladih, ki so končali srednje izobraževanje. Delež mladih, vpisanih v programe, ki omogočajo vpis v terciarno izobraževanje, in delež mladih, ki so končali te programe, se povečujeta2. Delež mladih, ki so končali gimnazijski program3, je v letu 2005/2006 37,9 % dosegel najvišjo vrednost v obdobju 2000/2001–2005/2006. Narašča tudi delež mladih, vpisanih na gimnazijske programe, v letu 2007/2008 je znašal 41,1 %; skupaj z vpisom v druge programe, ki omogočajo vpis v terciarno izobraževanje, pa je dosegel 82,9 % (2000/2001: 72,3 %). 3.2. Vpisna mesta na visokošolskem dodiplomskem študiju Na možnosti za vpis v terciarno izobraževanje vpliva tudi število vpisnih mest. V Sloveniji se je v obdobju 2000/2001–2007/2008 njihovo število pri visokošolskem dodiplomskem študiju precej povečalo (za 13,2 %), med drugim zaradi ustanavljanja novih visokošolskih zavodov (njihovo število se je v obdobju po letu 2000 hitro povečevalo). Posledica naraščanja števila vpisnih mest je tudi izboljševanje razmerja med številom prijav in številom vpisnih mest; presežek prijav4 glede na vpisna mesta na visokošolskem dodiplomskem študiju je v letu 2007/2008 dosegel najnižjo vrednost v obdobju 2000/2001–2007/2008. Tega leta je bilo število prijav za 1,2 % večje od števila prostih vpisnih mest (leta 2006/2007 je ta presežek znašal 4,0 %). Pričakujemo, da bo ob nadaljevanju takega gibanja v prihodnjih letih dosežen presežek prostih vpisnih mest glede na prijave. 3.3. Pomoč države študentom Oblike pomoči države študentom so štipendije, študentska posojila in razne subvencije (za prevoz, bivanje, prehrano ipd.). Štipendije in posojila lahko pokrivajo šolnino ali druge stroške, povezane s študijem (stroški bivanja ipd.), namenjene pa so vsem študentom ali le nekaterim (po navadi tistim iz nižjih socialnih slojev). Glavna dilema izobraževalne politike je, ali nameniti več pomoči študentom s štipendijami ali posojili. Zagovorniki prvih menijo, da so štipendije učinkovitejše pri spodbujanju dostopnosti terciarnega izobraževanja posameznikov iz nižjih socialnih slojev (Education at a Glance, 2007), pogosto pa je argument za štipendije še, da terciarno izobraževanje prinaša koristi tudi družbi in ne le posamezniku (Carmichael in Finnie, 2007, str. 24). Zagovorniki posojil pa menijo, da ker so ta namenjena vsem študentom in ne le onim iz nižjih socialnih slojev, tudi vsem izboljšujejo dostopnost študija (Education at a Glance, 2007). Možnost pridobiti posojilo namreč (praviloma) ni odvisna od študentovega socialnega statusa, ampak ga lahko dobi vsakdo in vsak diplomant ga, če ima zagotovljen dohodek, tudi odplača (Vossensteyn, 2007, str. 62). Slovenija študentom omogoča pridobiti štipendije in daje razne subvencije (za prevoz, prehrano, bivanje ipd.), medtem ko je večina evropskih držav poleg štipendij uvedla (tudi) posojila5 (Danska, Finska, Italija, Nizozemska, Švedska, Združeno kraljestvo in še nekatere druge) (Asplund, 2007b, str. 20–22), in sicer za pokrivanje stroškov šolnine ali stroškov bivanja. Slednjo vrsto posojil imajo predvsem nekatere skandinavske države, kjer šolnin za redno vpisane študente ni (Education at a Glance, 2007), vendar med študijem večinoma ne živijo pri starših, stroški bivanja v tem času pa so precej visoki (Vosensteyn, 2007, str. 62). Slovenija za transferje gospodinjstvom 2 V Sloveniji opravljajo funkcijo priprave na visokošolski študij splošnoizobraževalni programi (splošne in strokovne gimnazije), vendar pa vpis v terciarno izobraževanje omogočajo tudi nekateri drugi uspešno zaključeni izobraževalni programi. 3 Zajeti so programi gimnazij in maturitetni tečaj. 4 Upoštevan je prvi vpisni rok. 5 Zajeta so posojila, ki jih subvencionira država. 7 8 UMAR IB revija 3-4/2008 Članki Slika 2: Delež celotnih javnih izdatkov za terciarno izobraževanje, ki jih država namenja za transferje gospodinjstvom in drugim zasebnim entitetam1 in struktura teh izdatkov glede na namen, Slovenija in države EU ter povprečje OECD, 2005, v % ¦ Javni izdatki -transferji za druge zasebne - ||| "Štipendije in druge oblike neposredne denarne Mi.. ...........ü........ C Norveška Danska Nize ms ka Švedska Zdr. kraljestvo Slovenija Islandija Japonska Nemčija Avstrija Povprečje OECD Finska Italija Madžarska Belgija Irska Slovaška Portugalska Španija Francija Češka Švica Poljska Grčija Vir: Education at a Glance 2008, 2008. 1 Javni transferji za gospodinjstva in druge zasebne entitete zajemajo štipendije in druge oblike neposredne denarne pomoči študentom, dolgoročna študentska posojila in transferje za druge zasebne entitete (subvencije za za prevoz, učbenike, strokovno literaturo ipd.). oziroma denarno pomoč študentom6 namenja razmeroma visok delež celotnih javnih izdatkov za terciarno izobraževanje (v letu 2006 je znašal 23,4 %) in je višji kakor v večini evropskih držav (gl. sliko 2), vendar pa se od leta 2000 zmanjšuje. Visok delež javnih izdatkov, namenjenih za razne oblike pomoči študentov ne povečuje nujno tudi dostopnosti visokošolskega študija posameznikom iz nižjih socialnih slojev. Za zagotavljanje (večje) dostopnosti slednjim je pomembno, da so pomoči države ciljno usmerjene na te posameznike (Mora, 2007, str. 13). Slovenija dostopnost študija socialno ogroženim posameznikom povečuje z republiškimi štipendijami7. Število republiških štipendistov v terciarnem izobraževanju se je v Sloveniji med letoma 2006 in 2007 zmanjšalo za 4,4 % (v obdobju 2000–2007 se je povečalo za 12,0 %) in v letu 2007 doseglo 12.483. Zaradi počasnejše rasti števila republiških štipendistov v primerjavi s skupnim številom študentov8 pa se je zmanjšal tudi delež prvih v skupnem številu študentov – v letu 2007 je znašal 10,8 %. 4. Vključenost v terciarno izobraževanje 4.1. Bruto stopnje vključenosti v terciarno izobraževanje in gibanje števila vpisanih v terciarno izobraževanje Bruto stopnje vključenosti v terciarno izobraževanje9 so glavni kazalnik za merjenje dostopnosti terciarnega izobraževanja. Z njim merimo sposobnost izobraževalnega sistema za vključitev na izbrano raven izobraževanja (Otero in McCoshan, 2005, str. 45). Razmerje med številom vpisanih v terciarno izobraževanje in številom prebivalstva v starosti 20–29 let10 (bruto stopnje vključenosti v terciarno izobraževanje) se je v Sloveniji v letu 2007/2008 povečalo (tega leta je doseglo 39,9 %; 2006/2007: 39,8 %), kar je pomenilo nadaljevanje pozitivne tendence iz obdobja 2000/2001–2006/2007, vendar pa se je rast vrednosti navedenega kazalnika umirila. Njegova vrednost je višja od evropskega povprečja ter je med letoma 2005 in 2006 in v obdobju 2000–2006 6 Javni transferji za gospodinjstva in druge zasebne entitete zajemajo: denarno pomoč študentom (štipendije, otroške dodatke v tistem delu, za katerega je dodaten pogoj za izplačilo vključenost v izobraževanje, študentska posojila) in transferje ter plačila drugim zasebnim entitetam (subvencije za prevoz, učbenike, strokovno literaturo ipd.). 7 Z Zakonom o štipendiranju, ki se je začel uporabljati septembra 2008, so se republiške štipendije preimenovale v državne. 8 Gl. tudi Čelebič (2008). 9 Metodologija izračuna kazalnika: (skupno število študentov na izbrani ravni izobraževanja, ne glede na starost) / (število prebivalcev v teoretični starosti za vključitev na izbrano raven izobraževanja) * 100. 10 Izračun kazalnika: (skupno število vpisanih v terciarno izobraževanje (Isced 5, 6)) / (število prebivalcev v starosti 20–29 let) * 100. Članki IB revija 3-4/2008 UMAR 9 tudi hitreje naraščala kakor v večini drugih evropskih držav. Med letoma 2006/2007 in 2007/2008 se je povečalo tudi število rednih študentov terciarnega izobraževanja v primerjavi s številom prebivalstva v starosti 19–23 let; v letu 2007/2008 je doseglo 57,3 %11 (2006/2007: 56,2 %). Nasprotno pa se je število vpisanih v terciarno izobraževanje v letu 2007/2008 prvič po letu 2000/2001 zmanjšalo in doseglo 115 445, kar je 0,4 % manj kakor v letu 2006/2007, a 26,2 % več kakor leta 2000/2001. 4.2. Vključenost mladih v terciarno izobraževanje Vključenost mladih v terciarno izobraževanje v Sloveniji je v primerjavi z drugimi evropskimi državami visoka in se še povečuje. Delež mladih, starih 20–24 let, vključenih v terciarno izobraževanje je pri nas najvišji med evropskimi državami (gl. sliko 3). V letu 200612, za katero so na mednarodni ravni na razpolago zadnji podatki, je dosegel 45,1 %, v primerjavi z letom 2005 pa se je hitreje povečal kakor v vseh drugih evropskih državah. Vključenost mladih je v obdobju 2000–2006 naraščala hitreje od evropskega povprečja in hitreje kakor v večini drugih evropskih držav (Slovenija: za 12,9 odstotne točke; EU27: za 4,2 odstotne točke). Rast vključenosti mladih v terciarno izobraževanje v Sloveniji se je nadaljevala tudi po letu 2006 – v študijskem letu 2007/2008 je obravnavani delež dosegel 46,6 %. K visoki vključenosti mladih v terciarno izobraževanje v Sloveniji prispevata tudi nadaljevanje študija neposredno po srednji šoli, razne oblike pomoči študentom in podaljševanje študija zaradi koriščenja ugodnosti, ki jih omogoča status študenta. Vključenost v terciarno izobraževanje v Sloveniji, podobno kakor v drugih evropskih državah, s starostjo hitro upada, čeprav je višja od evropskega povprečja. 4.3. Vključenost v terciarno izobraževanje glede na socio-ekonomski položaj posameznika Zaradi družbenih koristi, ki jih prinaša izobraževanje, je eden od izzivov izobraževalne politike, kako zagotoviti dostopnost visokošolskega študija ne glede na socio–ekonomski položaj posameznika (Orr in drugi, 2008). Na vključenost posameznika v visokošolski študij namreč lahko pomembno vplivajo tudi poklic staršev, status aktivnosti staršev, dosežena izobrazba staršev, dohodkovni položaj njegove družine ipd. (Field in drugi, 2007, str. 11; Manninen, 2006, str. 14; Constructing Knowledge Societies, 2002, str. 52; Woessmann, 2004). Predvideva se, da razlike v vključenosti v visokošolski študij glede na socialni položaj posameznika kažejo na ovire pri tem vključevanju oziroma na to, da vsi posamezniki nimajo enakih možnosti zanj. Izobrazba staršev posameznika (posredno) vpliva na njegove učne dosežke v osnovnem in srednješolskem izobraževanju ter na izpolnjevanje Slika 3: Delež mladih v države EU, v %, 2006 starosti 20–24 let, vključenih v terciarno izobraževanje, Slovenija in ¦ l l. 1 1 C Slovenija Finska Poljska Grčija Litva Latvija Belgija Estonija Nizozemska Madžarska Italija Švedska Španija Francija Češka EU27 Danska Bolgarija Portugalska Romunija Slovaška Irska Nemčija Avstrija Zdr. kraljestvo Malta Ciper Luksemburg Vir: Eurostat portal page – Population and social conditions, 2008. 11 Po začasnih podatkih. 12 Mišljeno je študijsko leto 2005/2006. 10 UMAR IB revija 3-4/2008 Članki (formalnih) pogojev za vpis visokošolskega študija. Tudi če je študij brezplačen, je v visokošolskem izobraževanju večji delež študentov iz višjega socialnega sloja, kar pomeni, da finančna dostopnost ni edini pomembni dejavnik, ki vpliva na to, ali se bo posameznik vključil v visokošolski študij (Constructing Knowledge Societies, 2002, str. 55; Mora, 2007, str. 13), ampak na verjetnost vpisa vpliva tudi izobrazba staršev; višja ko je, večja je verjetnost vpisa visokošolskega študija (Asplund, 2007a, str. 133; Asplund, 2007b; Ploeg in Veugelers, 2007, str. 17; Mora, 2007, str. 10). Izobrazba staršev namreč vpliva na posameznikove učne dosežke v osnovnem izobraževanju in to na vpisne možnosti v različne programe srednješolskega izobraževanja (programe, katerih glavni cilj je izobraževanje za poklic in ki 5. Kakovost terciarnega izobraževanja Poglavje obravnava kakovost terciarnega izobraževanja v Sloveniji z mednarodno primerjavo z drugimi evropskimi državami. Najprej je prikazano razmerje med številom študentov in številom pedagoškega osebja, ki predstavlja približno merilo kakovosti tega izobraževanja, nato pa dejavniki, ki vplivajo na to kakovost. Med njimi so opazni izdatki za izobraževalne ustanove na udeleženca v terciarnem izobraževanju, načini (javnega) financiranja visokošolskih zavodov in ukrepi za spodbujanje kakovosti na ravni visokošolskih zavodov (akreditacije, evalvacije, poročila o kakovosti, samoevalvacije). Slika 4: Sestava študentov glede na izobrazbo mater, Slovenija, 2006/2007, v % Vir: Data reporting module Eurostudent III (2005 – 2008), 2008. ne omogočajo nadaljevanja študija, ali programe, katerih glavni cilj je priprava na visokošolski študij in ki omogočajo nadaljevanje študija, ali programe, ki omogočajo oboje), posledično pa na izpolnjevanje formalnih pogojev za vpis v visokošolsko izobraževanje (Asplund, 2007a, str. 133, 141). Izsledki raziskave Eurostudent III (2005–2008)13 kažejo, da so tudi v Sloveniji opazne razlike v vključenosti študentov na visokošolski študij glede na izobrazbo staršev (gl. sliko 4). Razlike so tudi v vključenosti v visokošolski študij glede na poklic staršev, vendar pa so manjše kakor v večini drugih evropskih držav14 . Poleg vključenosti v terciarno izobraževanje je z vidika gospodarskega razvoja pomembna tudi kakovost izobraževanja (Hanusek in Woessmann, 2007), zato ne preseneča, da je pomemben cilj evropskih držav na področju terciarnega izobraževanja tudi doseganje kakovosti študija. Kakovost v visokem šolstvu je težko opredeliti (Newton, 2007, str. 14–15). Številni avtorji se strinjajo, da jo je laže prepoznati kakor opredeliti (Možina, 2003, str. 10). Kakovost je mogoče definirati tudi zelo abstraktno, in sicer kot razliko med ciljem in rezultatom, ob implicitni predpostavki, da se kakovost izboljša, če se razdalja med obema zmanjša. 13 Po izsledkih raziskave z naslovom Social and economic conditions of student life in Europe (Orr in drugi, 2008), ki je potekala v obdobju 2005–2008 v triindvajsetih evropskih državah oziroma pokrajinah. Vanjo so bili zajeti redni in izredni študenti akademsko usmerjenih študijskih programov Isced 5A (Orr in drugi, 2008). V Sloveniji spadajo sem univerzitetni dodiplomski študij, magistrski študij ter prva in druga stopnja. 14 Gl. Čelebič, 2008. Članki IB revija 3-4/2008 UMAR 11 Seveda pa se cilji lahko razlikujejo (Santiago in drugi, 2008, str. 262). Kakovost je nekaj zelo celovitega in njenih področij je več: kakovost učiteljev, tutorstvo, karierni centri, opremljenost visokošolskih zavodov s knjižnicami, računalniki ipd., kakovost diplomantov (zaposljivost diplomantov) (Lueger in Vettori, 2007, str. 2). Več je tudi ravni njenega proučevanja. Proučevati jo je mogoče na mednarodni ali državni ravni. Raven proučevanja kakovosti lahko predstavlja visokošolski sistem kot celota, posamezen visokošolski zavod in študijski program. 5.1. Razmerje med številom študentov in številom pedagoškega osebja Razmerje med številom študentov15 in številom pedagoškega osebja16 se pri mednarodnih primerjavah pogosto uporablja kot približno merilo kakovosti, saj manjše število študentov na pedagoškega delavca navadno pomeni večjo možnost za kakovosten pedagoški proces. Predvideva se torej, da nižje razmerje (manjše število študentov na pedagoškega delavca) implicira boljšo kakovost, saj omogoča večjo uporabo aktivnejših oblik poučevanja in več neposredne komunikacije med študenti in učitelji. Slovenija po številu študentov na pedagoškega delavca v terciarnem izobraževanju precej zaostaja za večino evropskih držav. Po vrednosti obravnavanega kazalnika je leta 2006 imela 21,7 študenta na pedagoškega delavca, medtem ko je povprečje evropskih držav, ki so članice OECD (EU19), znašalo 15,3, po razmerju med številom študentov in številom pedagoškega osebja pa je bila boljša le od Grčije (gl. sliko 5). V letu 2006/2007 je imela Slovenija 21,5 študenta na pedagoškega delavca v terciarnem izobraževanju (leta 2005/2006: 21,3), v obdobju 2000/2001–2006/2007 pa se je vrednost kazalnika ohranjala na približno enaki ravni. Število pedagoškega osebja se je sicer povečevalo, vendar je hkrati s približno enako hitrostjo naraščalo tudi število študentov. 5.2. Položaj Slovenije na šanghajski lestvici univerz Za merjenje kakovosti univerz na mednarodni ravni se pogosto uporablja šanghajska lestvica univerz. V mednarodnih analizah se tudi prikazuje podatek o številu univerz po državah med najboljšimi 500 univerzami na šanghajski lestvici, vendar pa ta ne upošteva razlik v številu univerz in številu prebivalcev med državami. Thissen in Ederveen (2006, str. 27) predlagata za merjenje kakovosti univerz na mednarodni ravni kazalnik »kakovosti« število univerz Slika 5: Razmerje med številom študentov in številom pedagoškega osebja, Slovenija in države EU, 2006 25 ¦ -20 ¦ -15 ¦ -10 ¦ ¦ 5 ¦ - 0 Grčija Slovenija Italija Belgija Češka Irska Poljska Francija Madžarska Združeno krlajestvo EU19 Finska OECD Avstrija Portugalska Nemčija Slovaška Španija Švedska Vir: Education at a Glance, 2008. 15 Pri študentih so zajeti vsi študenti v ekvivalentu rednega študija = redni študenti + 1/3 (izredni + absolventi + podiplomski študenti) (Pedagoško osebje na visokošolskih zavodih in višjih strokovnih šolah, Slovenija, 2006; Education at a Glance, 2007). 16 K pedagoškemu osebju v terciarnem izobraževanju (mednarodne primerjave) spadajo strokovni delavci v višjem strokovnem izobraževanju (predavatelji višjih strokovnih šol, inštruktorji pri vajah, laboranti) in visokošolski učitelji (docenti, izredni profesorji, redni profesorji, lektorji, predavatelji in višji predavatelji), niso pa zajeti znanstveni delavci in visokošolski sodelavci (asistenti, bibliotekarji, strokovni svetniki, višji strokovni delavci, strokovni sodelavci in učitelji veščin) (Education at a Glance, 2007). 12 UMAR IB revija 3-4/2008 Članki izbrane države med (100, 500 ipd.) najboljšimi svetovnimi univerzami na svetu na 1 milijon prebivalcev v državi17. Pomanjkljivost kazalnika je tudi v tem, da ne upošteva razlik v številu študentov po univerzah (Čelebič, 2008a). V letu 2007 se je med 500 najboljših svetovnih univerz uvrstila ena slovenska (Univerza v Ljubljani), enako tudi v letu 2008, Slovenija pa je v letu 2007 imela 0,5 univerze med prvimi 500 univerzami na svetu na milijon prebivalcev (povprečje EU: 0,4). Slovenija po številu univerz med najboljšimi 500 univerzami na svetu na 1 milijon prebivalcev zaostaja za nekaterimi severnoevropskimi državami (Švedska, Finska) in Avstrijo, ki imajo najvišjo vrednost kazalnika. 5.3. Dejavniki kakovosti terciarnega izobraževanja 5.3.1. Izdatki za terciarno izobraževanje Pomembna dejavnika kakovosti visokošolskega izobraževanja sta višina izdatkov na udeleženca v terciarnem izobraževanju in avtonomija univerz. Mednarodna raziskava, opravljena v desetih evropskih državah, je pokazala, da na kakovost visokošolskega sistema države, ki se meri s položajem le-te na šanghajski lestvici, bistveno vpliva višina izdatkov na udeleženca v terciarnem izobraževanju (v EUR PPS18 ) (Sapir, 2007), drugi dejavniki pa so avtonomija univerz (pri upravljanju proračuna, zaposlovanju in višini plač pedagoškega osebja), število študentov ipd. Pozitivni vpliv povečanja izdatkov za visokošolsko izobraževanje na udeleženca na kakovost univerz je večji, če je zagotovljena avtonomija le-teh (Sapir, 2007; Aghion in drugi, 2008). V povprečju imajo države, v katerih so letni izdatki za izobraževalne ustanove na udeleženca v terciarnem izobraževanju višji, tudi več univerz med prvimi 500 svetovnimi univerzami po šanghajski lestvici na milijon prebivalcev (korelacijski koeficient med spremenljivkama za leto 200519 znaša 0,869077, R2 pa 0,7553), kar prikazuje tudi slika 6. Kaže se tudi povezanost razmerja med številom študentov in številom pedagoškega osebja ter letnimi izdatki za izobraževalne ustanove na udeleženca v terciarnem izobraževanju; države, kjer so ti izdatki višji, imajo praviloma tudi ugodnejše razmerje med številom študentov in številom pedagoškega osebja. Slovenija po višini letnih izdatkov za izobraževalne Slika 6: Letni izdatki za javne in zasebne izobraževalne ustanove na udeleženca v terciarnem izobraževanju v EUR PPS in število univerz med prvimi 500 univerzami na svetu na šanghajski lestvici na 1 milijon prebivalcev države, 2005 1,4 i 1,2 Ë re 1 i0,6 ¦ At ¦ Ie ¦ Be Nl Dk¦ Uk aEU27 a ¦ De r M Ro^ ¦ pl ¦ Pt Bg Lv. Lt Mt, Sk A Si ----VP f ----¦ + ¦ ¦ Cy 2000 4000 6000 8000 10000 12000 14000 Letni izdatki za javne in zasebne izobraževalne ustanove na udeleženca, v EUR PPS 16000 Vir: Academic ranking of worlds universities, 2007; Eurostat portal page – Population and social conditions, 2008; lastni preračuni. 17 Pomanjkljivost tega kazalnika je, da ne upošteva položaja univerz na lestvici (Thissen in Ederveen, 2006, str. 27), niti skupnega števila univerz in velikosti univerz (število študentov) po državah. 18 Pariteta kupne moči. 19 Med pripravo prispevka ni bilo na razpolago podatkov o izdatkih za izobraževalne ustanove za leti 2006 in 2007, zato so v grafu tudi za število univerz med prvimi 500 univerzami na svetu na milijon prebivalcev podatki za leto 2005, čeprav so že na voljo tudi podatki za leto 2008. 0 0 Članki IB revija 3-4/2008 UMAR 13 Slika 7: Letni izdatki za javne in zasebne izobraževalne ustanove na udeleženca v terciarnem izobraževanju, izraženi v BDP na prebivalca, v %, 2005 20 10 -¦ - - ¦ ^^^^^^^^^^^^^¦«^ * & <ž <$

* = 60 let) 1,53 1,45 1,56 2.177,0 otroci (< = 18 let) 0,93 0,99 0,94 2.637,4 brezposelni 3,78 3,15 2,74 826,3 vse osebe 1,00 1,00 1,00 11.350,8 upokojenci 1,26 1,27 1,30 2.601,6 upokojenci v u. g. 1,60 1,67 1,65 1.427,7 starejši (> = 60 let) 1,77 1,69 1,70 2.183,8 otroci (< = 18 let) 0,74 0,83 0,84 2.419,6 brezposelni 4,19 3,44 3,02 730,4 vse osebe 1,00 1,00 1,00 10.555,7 upokojenci 1,41 1,35 1,40 2.487,8 upokojenci v u. g. 2,00 1,90 1,99 1.404,4 starejši (> = 60 let) 1,86 1,74 1,76 2.082,8 otroci (< = 18 let) 0,65 0,80 0,83 2.162,1 brezposelni 4,38 3,54 2,99 621,7 vse osebe 1,00 1,00 1,00 10.145,8 upokojenci 1,19 1,25 1,43 2.491,9 upokojenci v u. g. 1,56 1,67 1,89 1.543,0 starejši (> = 60 let) 1,41 1,51 1,68 2.062,8 otroci (< = 18 let) 0,74 0,86 0,83 1.977,4 brezposelni 5,00 4,00 3,06 637,1 v letih 2001–2003 stopnja tveganja revščine za njih skoraj še enkrat višja od stopnje tveganja revščine za celotno populacijo. Medtem ko je v zadnjem obdobju 2003–2005 prišlo do rahlega izboljšanja položaja upokojencev v upokojenskih gospodinjstvih in se je delež “revnih” upokojencev v upokojenskih gospodinjstvih relativno znižal (njihova stopnja tveganja revščine je presegala stopnjo tveganja revščine vseh oseb za malo manj – za 89 %), pa se položaj vseh upokojencev skorajda ni spremenil. Stopnja tveganja revščine oseb, ko so stare nad 60 let, se je med leti 1997–1999 in 1999–2001 relativno povečala (v primerjavi s stopnjo tveganja revščine za vse osebe) in vsa naslednja leta za okoli 70 % presegala stopnjo tveganja revščine vseh oseb. Revščina med otroci je v vseh letih nižja kot pri celotni populaciji, medtem ko so brezposelni najbolj ogrožena skupina, saj je stopnja tveganja revščine za brezposelne približno trikrat višja od stopnje tveganja revščine vseh oseb. Pri anal izi revščine analiziramo zgolj en del dohodkovne porazdelitve, tj. ugotavljamo, kolikšen del populacije ima nizke dohodke, pri čemer nizke dohodke definiramo relativno, kot nek odstotek mediane. Za razliko od tovrstne analize se pri analizi dohodkovne neenakosti upošteva celotna porazdelitev dohodka. Tako Tabela 10 predstavlja tri agregatne mere dohodkovne neenakosti: • Ginijev koeficient • percentilno razmerje 90/10 in • percentilno razmerje 75/25. Pri izračunu teh mer je bila vsaka oseba v populaciji vključena z ekvivalentnim dohodkom gospodinjstva. Ginijev koeficient in percentilno razmerje 75/25 v Tabeli 10 kažeta, da se je dohodkovna neenakost med vsemi osebami v obdobju med leti 1997–1999 in 2001–2003 zmanjšala, v zadnjem obdobju med 2001–2003 in 2003–2005 pa rahlo povečala14. 13 Razmerje med odstotkom oseb posamezne kategorije, ki imajo ekvivalentni dohodek pod 0,4 oziroma (0,5 in 0,6) mediane ekvivalentnega dohodka vseh gospodinjstev, in med odstotkom vseh oseb, ki imajo ekvivalentni dohodek pod 0,4 oziroma (0,5 in 0,6) mediane ekvivalentnega dohodka vseh gospodinjstev. 14 Pred letom 1997 ni prišlo do dramatičnih sprememb neenakosti. Kot ugotavlja Čok, (2003), “se v obdobju od 1993 do 1998 dohodkovna neenakost v gospodinjstvih, kjer je nosilec starejši od 55 let, praktično ni spremenila”. Članki IB revija 3-4/2008 UMAR 61 Tabela 10: Mere neenakosti porazdelitve dohodka Ginijev koeficient 90/10 75/25 1997-1999 vse osebe 0,245 3,05 1,75 upokojenci 0,250 3,15 1,83 upokojenci v u. g. 0,254 3,10 1,82 1999-2001 vse osebe 0,243 3,02 1,73 upokojenci 0,246 3,13 1,78 upokojenci v u. g. 0,254 3,41 1,79 2001-2003 vse osebe 0,235 2,96 1,70 upokojenci 0,243 3,10 1,76 upokojenci v u. g. 0,260 3,27 1,83 2003-2005 vse osebe 0,237 2,92 1,72 upokojenci 0,238 2,93 1,75 upokojenci v u. g. 0,247 2,96 1,85 Vir: Anketa o porabi gospodinjstev (1997–1999, 1999–2001, 2001–2003, 2003–2005), lasten izračun. Percentilno razmerje 90/10 zaznava padanje dohodkovne neenakosti v celotnem obdobju, kar pomeni, da je do sprememb prihajalo bolj v sredini porazdelitve in ne toliko na njenih skrajnih robovih. Dohodkovna neenakost med upokojenci je v vseh letih večja kot v povprečju v celotni populaciji. Dohodkovna neenakost med upokojenci se je zmanjševala iz leta v leto, posebno izrazito pa je zmanjšanje dohodkovne neenakosti med upokojenci v obdobju med leti 2001–2003 in 2003–2005, če pogledamo Ginijev koeficient in percentilno razmerje 90/10. To pomeni, da je do zmanjšanja dohodkovne neenakosti prišlo predvsem na račun sprememb na robovih porazdelitve. Z drugimi besedami, to pomeni, da so se bodisi visoki dohodki zmanjšali ali nizki dohodki povečali (ali celo oboje hkrati). Zaradi pomembnega zmanjšanja deleža vzdrževanih oseb lahko sklepamo, da je do zmanjšanja neenakosti prišlo predvsem na račun večanja nizkih dohodkov. Še izrazitejše spremembe na robovih porazdelitve so v zadnjem obdobju značilne za upokojence, ki živijo v upokojenskih gospodinjstvih. Med leti 2001–2003 in 2003–2005 sta se Ginijev koeficient in percen-tilno razmerje 90/10 za upokojence v upokojenskih gospodinjstvih pomembno zmanjšala, medtem ko se je percentilno razmerje 75/25 celo povečalo. Učinek zmanjšanja deleža vzdrževanih oseb in posledično večanje dohodkov oseb z nizkimi dohodki ima pomemben učinek na zmanjšanje dohodkovne neenakosti med upokojenci, ki živijo v upokojenskih gospodinjstvih. 5. Sklepne ugotovitve Delež upokojencev, ki živijo v upokojenskih gospodinjstvih, se vztrajno veča: to so gospodinjstva, pri katerih je nosilec upokojenec/upokojenka in v katerem ni delovno aktivnih ali brezposelnih oseb. Po podatkih iz obdobja 2003–2005 kar 61,9 odstotka upokojencev živi v takšnih gospodinjstvih. Za ta gospodinjstva pokojnina predstavlja edini (ali vsaj prevladujoč) vir dohodka. Pri analizi dohodkovnega položaja upokojencev je tej skupini treba nameniti posebno pozornost. Delovna aktivnost “kritične” starostne skupine 50 do 59 let se še vedno povečuje, hkrati pa se zmanjšuje delež upokojencev v tej skupini. Konec devetdesetih let (1997–1999) je delež moških upokojencev v tej starostni skupini predstavljal 34,6 odstotka vseh moških, delež upokojenk pa kar 57,9 odstotka vseh žensk te starostne skupine. V zadnjem obdobju 2003–2005 sta se deleža upokojencev med moškimi in ženskami občutno znižala – na 23,4 odstotka vseh moških in 47,1 odstotka vseh žensk v tej starostni skupini. V zadnjem obdobju 2003–2005 je intenzivnost sprememb v primerjavi s preteklimi obdobji manjša, saj se je v primerjavi z obdobjem 2002–2003 delež moških upokojencev v tej starostni skupini zmanjšal “le” za 1,3 odstotne točke, delež upokojenk pa za 0,9 odstotne točke. V obdobju 2003–2005 je prišlo tudi do nadaljnjega zmanjševanja deleža vzdrževanih oseb, starih 50 let in več, kar lahko pripišemo tako državni pokojnini kakor tudi večanju števila upravičencev do pokojnin iz socialnega zavarovanja. Analiza, osnovana na anketi o porabi gospodinjstev, kaže, da se je v zadnjem obdobju med leti 2003–2005 in 2001–2003 dohodkovni položaj upokojencev nekoliko izboljšal, predvsem na račun zmanjševanja deleža vzdrževanih oseb v upokojenskih gospodinjstvih. To izboljšanje je posebno razvidno pri upokojenskih parih. Zaradi zmanjšanja deleža vzdrževanih oseb se 62 UMAR IB revija 3-4/2008 Članki je v letih 2003–2005 povprečno število upokojencev na upokojenski par povečalo na 1,92 v primerjavi z 1,83 upokojenca na upokojenski par v letih 2001–2003 in celo 1,76 upokojenca na upokojenski par v letih 1997–1999. V letih 2001–2003 je 45,4 odstotka vseh upokojencev, ki živijo v upokojenskih gospodinjstvih, živelo v gospodinjstvih z nizkimi dohodki (to so gospodinjstva, ki so dohodkovno pozicionirana v prvih treh decilnih razredih), v letih 2003–2005 pa manj, in sicer 43,4 odstotka. V primerjavi s predreformnim obdobjem 1999–2001 se je relativni dohodkovni položaj upokojencev, ki živijo v upokojenskih gospodinjstvih, poslabšal, kljub izboljšani strukturi upokojenskih gospodinjstev, zaradi manjšega deleža vzdrževanih oseb. V obdobju 1999–2001 je 39,6 odstotka vseh upokojencev iz upokojenskih gospodinjstev živelo v gospodinjstvih z nizkimi dohodki, v letih 2003–2005 pa že 43,4 odstotka. Predvidevamo, da bo v prihodnje strukturni učinek bistveno šibkejši, saj za tako pomembne spremembe strukture gospodinjstev, v katerih živijo upokojenci, ni več veliko prostora. Po pričakovanju so med upokojenci, ki živijo v upokojenskih gospodinjstvih, v najugodnejšem dohodkovnem položaju upokojenci iz upokojenskih parov, v najslabšem pa samske ženske. Čeprav samske ženske predstavljajo 30,3 odstotka vseh upokojencev, ki živijo v upokojenskih gospodinjstev, so v letih 2003–2005 predstavljale 49,6 odstotka vseh upokojencev iz upokojenskih gospodinjstev z nizkimi dohodki (to so gospodinjstva, ki so dohodkovno pozicionirana v prvih treh decilnih razredih). Relativna stopnja tveganja revščine upokojencev se je v primerjavi s celotno populacijo v celotnem opazovanem obdobju povečala in je bila v obdobju 2003–2005 za približno 43 % višja od stopnje tveganja revščine za celotno populacijo. Prav tako se je zvišala relativna stopnja tveganja revščine upokojencev, ki živijo v upokojenskih gospodinjstvih, in je bila v obdobju 2003–2005 za 90 % višja od stopnje tveganja revščine vseh oseb. Literatura in viri Čok, M. (2003). Changes in Income Inequality in Slovenia During the Transition. Economic and Business Review, 5 (4): 333–349. Ljubljana: Ekonomska fakulteta in Zveza ekonomistov Slovenije. Stanovnik, T., Kump, N (2003). Socialno-ekonomski položaj upokojencev in starejšega prebivalstva v Sloveniji. Ljubljana: Inštitut za ekonomska raziskovanja. Stanovnik, T., Kump, N (2005). Vpliv pokojninske reforme na socialno-ekonomski položaj upokojencev in starejšega prebivalstva. Ljubljana: Inštitut za ekonomska raziskovanja. Statistični urad Republike Slovenije (1990–2006). Statistični letopis. Statistični urad Republike Slovenije (2008). Statistične informacije št. 32 – Trg dela št. 13. Zavod za pokojninsko in invalidsko zavarovanje Slovenije (2005). Letno poročilo 2005, 2006 in 2007. Članki IB revija 3-4/2008 UMAR 63 UDK 336.574 (497.4) dr. Ana Murn*, Anže Burger**, dr. Matija Rojec*** Obseg in učinkovitost državnih pomoči za zaposlovanje v Sloveniji1 Povzetek Državne pomoči, namenjene zaposlovanju, pomagajo reševati probleme rigidnosti trga dela. Posebej so priporočljive za reševanje problemov teže zaposljivih oseb in brezposelnosti v manj razvitih regijah. V Sloveniji so bile pomoči za zaposlovanje izrazito visoke v letih 1999 in 2000, pozneje pa so se pričele zniževati. Podatki kažejo, da ima Slovenija probleme s strukturo teh pomoči (prevladovanje javnih storitev in nizko tehnoloških ter delovno intenzivnih dejavnosti kot prejemnikov pomoči) in tudi z njihovim dodeljevanjem (visoka koncentracija na eni in visoka razdrobljenost pomoči na drugi strani). Analiza učinkovitosti pomoči za spodbujanje zaposlovanja z metodo paritve pokaže, da gre za uspešen instrument politike povečevanja zaposlenosti. Učinek pomoči je največji takoj, v prvem letu po dodelitvi, vendar ostaja pozitiven in statistično značilen tudi v naslednjih dveh letih. Ključne besede: državne pomoči, zaposlovanje, učinkovitost. Summary Employment-related state aid assists in resolving problems of labour market rigidity. They are especially appropriate for resolving the problem of people who are practically unemployable and of unemployment in less developed regions. In Slovenia, employment-related state aids were especially high in 1999 and 2000; more recently they have been on a downward trend. The data indicate that Slovenia has problems with the structure of this aid (domination of public services, and of low-tech and labour intensive industries as recipients of aid) as well as with their allocation (high concentration, on the one hand, and high dispersion of aid, on the other). Analysis of the efficiency of employment-related state aid, by applying the matching method, shows that they are a successful instrument of policy to increase employment. The impact of aid on employment is highest in the first year after the allocation of aid, but also remains positive and statistically significant in the next two years. Key words: aids, employment, efficiency. JEL: H230, H250, H320 * Urad RS za makroekonomske analize in razvoj, Ljubljana ** Fakulteta za družbene vede, Univerza v Ljubljani *** Urad RS za makroekonomske analize in razvoj, Ljubljana, Fakulteta za družbene vede, Univerza v Ljubljani 1 Prispevek temelji na rezultatih projekta št V5-0201 Kako do večje učinkovitosti javnofinančnih sredstev za povečanje konkurenčnosti gospodarstva: Analiza učinkovitosti državnih pomoči in predlogi za njeno izboljšanje, v okviru CRP »Konkurenčnost Slovenije 2006–2013« (Rojec et al., 2008). 64 UMAR IB revija 3-4/2008 Članki 1. Uvod Državne pomoči za zaposlovanje so le manjši del sredstev, ki jih država namenja aktivni politiki zaposlovanja. Večina ukrepov aktivne politike zaposlovanja je usmerjenih k institucijam na trgu dela, spodbujanju zaposlovanja teže zaposljivih in povečevanju zaposljivosti še zaposlenih, značaj državnih pomoči pa imajo le tisti ukrepi, ki se izvajajo v podjetjih. Državne pomoči za zaposlovanje institucionalno temeljijo na tržnih nepravilnostih, ki so povezane z nepopolnimi informacijami in institucionalno togostjo na trgu dela. Zato nastajajo posebni stroški z iskanjem zaposlitve in delavcev ter omejena prožnost trga dela. Če se pomoči dodeljujejo za odpravljanje teh nepravilnosti, so dovoljene. Povsem drugače pa je, če se dodeljujejo za pridobitev prednosti nekega podjetja, skupine podjetij ali celo panoge pred konkurenti na trgu. V tem primeru niso dovoljene, čeprav povečujejo zaposlenost, ki je eden od temeljnih razvojnih ciljev Evropske unije in njenih držav članic. Cilj prispevka je ugotoviti učinkovitost državnih pomoči za zaposlovanje v Sloveniji. Ugotavljamo jo z analizo, ki temelji na individualnih podatkih o prejetih pomočeh v obdobju 1998–2006, na podatkih iz zaključnih računov podjetij in na metodi paritve (angl. matching), in sicer pri spodbujanju zaposlovanja v podjetjih, ki so prejemniki pomoči, v primerjavi s sorodnimi podjetji, ki niso prejemniki. Prispevek je sestavljen iz šestih točk. Uvodu sledi predstavitev pravil za državne pomoči na področju zaposlovanja v drugi točki in prikaz izsledkov obstoječih empiričnih raziskav o učinkovitosti teh pomoči v tretji. V četrti točki prikazujemo obseg dodeljevanja pomoči za zaposlovanje pri nas ter njihovo porazdelitev po velikostnih razredih in dejavnostih. V osrednji, peti točki analiziramo učinkovitost državnih pomoči z metodo paritve. Prispevek končujemo s sklepno šesto točko. 2. Pravila državnih pomoči za zaposlovanje Pospeševanje zaposlovanja je osrednji cilj ekonomske in socialne politike Evropske unije in njenih držav članic. Za njegovo uresničitev je Evropska unija oblikovala strategijo, ki jo podpirajo številni ukrepi za spodbujanje podjetij k večjemu zaposlovanju. Ti ukrepi večinoma ne predstavljajo državnih pomoči, ker gre pri njih ali za pomoči posameznikom (brezposelnim) in ne za spodbujanje posameznih podjetij ali proizvodnje posameznih izdelkov, zato tudi ne vplivajo na trgovanje med državami članicami, ali pa so to splošni ukrepi za spodbujanje zaposlovanja, ki ne izkrivljajo in ne ogrožajo konkurence z dajanjem prednosti posameznim podjetjem ali proizvodnji posameznih izdelkov2 (Commission Regulation (EC), No. 2204/2002). Državne pomoči za reševanje problemov zaposlovanja so dovoljene za ustvarjanje dodatnih delovnih mest, pri čemer gre za delavce, ki se zaposlujejo prvič, so brezposelni ali v postopku izgubljanja dosedanje zaposlitve, in za ohranjanje delovnih mest v podjetjih, v katerih bi delavce sicer odpustili (v regijah z resnimi socialno-ekonomskimi problemi in v okviru programov za odpravljanje posledic, povzročenih z naravnimi nesrečami in izrednimi dogodki). Pri pomočeh za odpiranje novih delovnih mest je namenjena posebna pozornost zaposlovanju teže zapo-sljivih in invalidov. Do pomoči pa niso upravičena podjetja, ki poslujejo v dejavnostih premogovništvo, ladjedelništvo in promet. Pri pomoči za odpiranje novih delovnih mest na območjih ali v sektorjih, ki niso upravičeni do regionalne državne pomoči, se ta lahko dodeli le majhnim in srednje velikim podjetjem, in sicer majhnim v višini do 15 %, srednje velikim pa v višini do 7,5 % upravičenih stroškov. Upravičeni stroški za odpiranje novih delovnih mest so stroški bruto plač pred odvajanjem davkov in obvezni prispevki za socialno varnost. Izpolnitev merila novih delovnih mest se ugotavlja na podlagi dodatnih zaposlitev v podjetju v primerjavi s povprečjem preteklih 12 mesecev. Nova delovna mesta morajo biti ohranjena vsaj tri leta oziroma dve leti pri majhnih in srednje velikih podjetjih po prejeti pomoči. Pomoč za odpiranje novih delovnih mest na območjih ali v sektorjih, upravičenih do regionalne državne pomoči, se lahko dodeli vsem podjetjem v višini, določeni v regionalni karti državnih pomoči, če prejemnik prispeva najmanj 25 % sredstev iz lastnih virov in je zaposlitev ohranjena v regiji prejemnici pomoči. Intenzivnost vseh pomoči, dodeljenih za zaposlitev teže zaposljivih in invalidnih oseb, ne sme preseči 50 % stroškov bruto plače za eno leto pri teže zapo-sljivih oziroma 60 % stroškov bruto plače za eno leto pri invalidih. V podjetjih, v katerih je vsaj 50 % zaposlenih invalidov, lahko pomoč dodatno krije stroške gradnje, namestitve ali razširitve obrata ter stroške administracije in prevoza zaradi zaposlitve teh oseb. Takšni splošni ukrepi lahko obsegajo splošno zmanjšanje obdavčenja stroškov delovne sile in stroškov socialne varnosti, naložbe v splošno vzgojo in izobraževanje, ukrepe za usmerjanje in svetovanje, splošno pomoč, izobraževanje za brezposelne in izboljšanje delovne zakonodaje. Članki IB revija 3-4/2008 UMAR 65 Pomoč za ohranjanje delovnih mest, odobrena podjetju zato, da ne bi odpuščalo delavcev, je podobna pomoči za tekoče poslovanje. Praviloma naj bi se dodelila samo v posebnih okoliščinah in v omejenem obdobju. Med posebne okoliščine, v katerih se lahko odobri, sodijo tiste, ki so namenjene odpravi škode zaradi naravnih nesreč ali izrednih dogodkov. Dodeli se lahko tudi, kadar je ohranjanje delovnih mest sestavni del programa za reševanje in prestrukturiranje podjetja ter je to v skladu s pravili za reševanje in prestrukturiranje. 3. Ekonomika in empirične analize o učinkovitosti pomoči za zaposlovanje Državne pomoči za zaposlovanje večinoma sodijo med ukrepe aktivne politike zaposlovanja. Slednja je namenjena predvsem podpori pri posredovanju zaposlitev in odpravljanju neskladja na trgu dela ter je v Evropski uniji pomemben del zaposlitvene strategije, od leta 2005 pa je le-ta tudi sestavni del prenovljene lizbonske strategije. Ukrepi, usmerjeni k reformam trga dela, ki naj bi prispevali k večji konkurenčnosti in gospodarski rasti, imajo večinoma naravo državnih pomoči. Reforme trga dela, ki se izvajajo v dveh tretjinah držav, članic OECD, so usmerjene v zmanjševanje stroškov dela3, povečevanje prožnosti trga dela in oblikovanje ustreznega sistema socialne varnosti za brezposelne (OECD, 2008, str. 26–27). Državne pomoči za zaposlovanje vplivajo na konkurenco in konkurenčnost gospodarstva. Argumentirane so s tržnimi nepravilnostmi, ki jih povzročajo toga ureditev trga dela ter asimetrične in nepopolne informacije (Meiklejohn, 1999, str. 29–30). Zaradi slednjih nastajajo posebni stroški z iskanjem zaposlitev in delavcev. Institucionalna togost na trgu dela pa je povezana z dejavniki, ki vplivajo na prožnost, kakršni so minimalna plača, pravice brezposelnih ali zaščitna zakonodaja za zaposlene. Rešitvi problema sta dve. Prva je znižanje stroškov dela, druga pa nadomestitev kapitala za delo. Oboje lahko rešujejo tudi državne pomoči. Empiričnih analiz učinkovitosti državnih pomoči, ki bi bile usmerjene samo na državne pomoči za zaposlovanje, ni veliko. Po navadi so narejene v povezavi s tem, ali gre za pomoči mladi industriji, industriji v zatonu ali za pospeševanje regionalnega razvoja. Analitiki podpirajo vse vrste pomoči, tudi za zaposlovanje, pri vstopu novih podjetij na trg in za mlado industrijo, ne podpirajo pa pomoči, tudi za zaposlovanje ne, pri industriji v zatonu (Ford, Suyker, 1989, str. 19–22). Pri mladi industriji, ki se šele prebija na trg, so stroški vstopa navadno veliki, zato je smiselno, da jih država podpre z ustrezno obliko pomoči. Takšna pomoč pa mora biti časovno omejena – dokler se stroški med mlado in obstoječo industrijo ne izenačijo. Pomoči za zaposlovanje industriji v zatonu so v bistvu pomoči za reševanje in prestrukturiranje; dovoljene so le izjemoma, v skladu s pravili, določenimi za takšno industrijo. Praviloma pa so učinkovite tiste pomoči, namenjene zaposlovanju, ki pospešujejo regionalni razvoj. Strukturna brezposelnost je namreč povezana s togostjo trga dela, zato državne pomoči pomagajo k ustvarjanju novih zaposlitev. Učinki so ugodni posebno v manj razvitih regijah z visoko stopnjo brezposelnosti, kar velja zlasti za pretežno kmetijska območja, saj so rezerve brezposelnih ali premalo zaposlenih v kmetijstvu velike (Nitsche, Heidhues, 2006, str. 63; Musgrave, Musgrave, 1989, str. 603–604). Opravljene so bile tudi raziskave učinkovitosti državnih pomoči po posameznih skupinah prejemnikov. Državne pomoči za zaposlovanje v zasebnem sektorju predstavljajo v 53 % pokrivanje izgub in tako zgolj ohranjanje delovnih mest, v 36 % nadomestilo, to je črpanje javnih sredstev namesto zasebnih, in le v 11 % je neto učinek pomoči na povečanje števila zaposlenih pozitiven (Fay, 1996, str. 18–19). Večinoma torej ne dosegajo ciljev, ki so jim namenjene. Z državnimi pomočmi bi morali prisiliti podjetja k večji produktivnosti, namesto tega pa samo krepimo njihovo tržno moč (OECD, 2008, str. 114). Pri ustvarjanju novih delovnih mest v javnem sektorju državne pomoči zasledujejo ekonomske in socialne cilje. Programi pomoči so usmerjeni pretežno k teže zapo-sljivim skupinam ter so v bistvu dogovor med vlado in iskalci zaposlitve. Izsledki raziskav glede učinkovitosti državnih pomoči za zaposlovanje v zdravstvu kažejo zgolj na premestitev sredstev, saj se število novozapos-lenih poveča za toliko, za kolikor jim programi krijejo stroške delovnih mest. Neto učinka pri teh pomočeh ni (Fay, 1996, str. 22–23). V nasprotju s predhodnima dvema oblikama pa kažejo pomoči brezposelnim za ustanovitev novih podjetij in samozaposlitev ugodne rezultate. Preučevanje prejemnikov pomoči v ZDA v 18 mesecih po prejemu je pokazalo, da takšna podjetja v povprečju preživijo štiri mesece več kakor sorodna podjetja, ki niso prejemniki pomoči (Fay, 1996, str. 21–22). Iz podatkov o subvencijah za samozaposlitev v Sloveniji za obdobje 1990–1993 pa po raziskavi ni bilo ugodnih rezultatov. V triletnem obdobju po prejemu subvencije ni preživelo 36 % prejemnikov, med nepre-jemniki pa je bila stopnja nepreživetja v istem obdobju bistveno nižja (17 %). Temeljni vzrok za takšen izid je po mnenju avtorja v tem, da so se prejemniki subvencije za samozaposlitev lotili podjetništva »iz nuje« in ne iz poslovnih nagibov (Vodopivec, 1998, str. 71). Ta del reform zajema zmanjševanje razlik v produktivnosti dela med državami zaradi razlik v letnem številu delovnih ur, obdavčitvi dela in normativni ureditvi delovnega časa ter zakonskem varovanju delovnih mest. 66 UMAR IB revija 3-4/2008 Članki Na povečevanje števila delovnih mest in tako na zaposlovanje vplivajo tudi druge pomoči, ki so usmerjene pospeševanju razvoja. Analiza Breslowa (1999, str. 4), ki je preučevala pomoči za razvojne programe, dodeljene v letu 1998, je pokazala, da je 35 % prejemnikov pomoči zmanjšalo število zaposlenih, pri 8 % prejemnikov je število zaposlenih ostalo nespremenjeno, 57 % prejemnikov pa ga je povečalo. Novo delovno mesto je države v neto znesku stalo 36 000 USD. 4. Državne pomoči za zaposlovanje v Sloveniji Podobno kakor v Evropski uniji sta tudi slovenski trg dela in zaposlovanje ena izmed petih prednostnih nalog Strategije razvoja Slovenije. Temeljni cilj je izboljšanje prilagodljivosti tega trga, podkrepljen pa je z ukrepi, ki se odražajo tudi v večjem zaposlovanju (Strategija razvoja Slovenije, 2005, str. 37). Finančno ovrednoteni ukrepi so zbrani v programu aktivne politike zaposlovanja. Del ukrepov te politike ima tudi naravo državnih pomoči. 4.1. Državne pomoči za zaposlovanje in subvencije aktivne politike zaposlovanja Ukrepi aktivne politike zaposlovanja ter subvencij in državnih pomoči za zaposlovanje so bili v Sloveniji množični in finančno močno podprti v času prestrukturiranja gospodarstva in visoke brezposelnosti. Po letu 2001 pa so se tisti, ki v javnofinančni statistiki predstavljajo subvencije, hitro zniževali, z leti pa so se spreminjali tudi podprogrami in posamezni ukrepi (Tabela 1). Iz posameznih podprogramov izhaja, da je v Sloveniji razmeroma veliko subvencij, usmerjenih k ohranjanju in odpiranju delovnih mest (v obdobju 2001–2003) oziroma nastajanju novih delovnih mest in povečevanju prilagodljivosti podjetij (v letih 2004–2006). V obdobju 2001–2006 so zneski državnih pomoči za zaposlovanje (Tabela 2) znatno nižji od zneskov subvencij aktivne politike zaposlovanja, čeprav državne pomoči zajemajo več instrumentov (znižanje prispevkov za socialno varnost, davčne olajšave, kapitalske naložbe, jamstva, plačila zapadlih jamstev ipd.) kakor subvencije, ki predstavljajo samo tekoča nepovratna plačila. To pomeni, da gre pri aktivni politiki zaposlovanja za širok nabor splošnih ukrepov, ki po naravi niso državne pomoči. Slednje pa vključujejo tudi ukrepe, ki so sicer namenjeni zaposlovanju, vendar niso sestavni del aktivne politike zaposlovanja. Po sprejetih pravilih državnih pomoči za zaposlovanje so se v Sloveniji v obdobju 1998–2006 dodeljevale za štiri namene: (a) odpiranje novih delovnih mest, (b) ohranjanje delovnih mest, (c) spodbujanje zaposlovanja teže zaposljivih in (č) odpiranje novih delovnih mest na območjih, ki izpolnjujejo pogoje za Tabela 1: Subvencije, usmerjene v aktivno politiko zaposlovanja, v tisoč evrih, tekoče cene Podprogrami 2001 2002 2003 2004 2005 2006 Izobraževanje in usposabljanje brezposelnih 7.299 1.714 810 379 357 342 Spodbude za ohranjanje in odpiranje delovnih mest 33.528 31.188 31.545 0 0 0 Javna dela 22.197 20.330 0 0 0 0 Lokalni zaposlitveni programi 0 0 22.983 0 0 0 Povečanje zaposljivosti 0 0 0 23.574 23.012 20.884 Zagotavljanje socialne vključenosti 0 0 0 5.388 5.497 6.852 Kreiranje novih delov. mest in povečanje prilagod. podjetij 0 0 0 23.343 16.620 15.138 AKTIVNA POLITIKA ZAPOSLOVANJA 63.024 53.232 55.338 52.686 45.486 43.216 Vir podatkov: Zaključni računi državnega proračuna za leta 2001, 2002, 2003, 2004, 2005 in 2006. Opomba: Preračun iz tolarjev v evre je opravljen v razmerju 1 € = 239,64 SIT. Tabela 2: Državne pomoči za zaposlovanje, v obdobju 1998–2006, v tisoč evrih, tekoče cene 1998 1999 2000 2001 2002 2003 2004 2005 2006 Državne pomoči za odpiranje novih delovnih mest 4.291 5.942 18.596 18.094 17.329 9.033 5.675 10.229 11.961 Državne pomoči za ohranjanje delovnih mest 4.405 25.116 745 86 683 766 3.916 212 4.472 Državne pomoči za spodbujanje zaposlovanja težje zaposljivih oseb 14.570 19.586 35.985 1.875 94 7.486 13.398 4.790 0 Državne pomoči za odpiranje novih delovnih mest na območjih, ki izpolnjujejo pogoje za regionalno pomoč 0 0 0 0 6 64 0 130 111 SKUPAJ 23.266 50.644 55.326 20.055 18.112 17.349 22.989 15.361 16.544 Vir podatkov: Evidenca državnih pomoči. Opomba: Preračun iz tolarjev v evre je opravljen v razmerju 1 € = 239,64 SIT. Članki IB revija 3-4/2008 UMAR 67 regionalno pomoč. Državne pomoči za zaposlovanje, dane pod različnimi nameni, so bile izrazito visoke v letih 1999 in 2000, pozneje pa se je znižale. Znižanje deloma izhaja iz tega, da se pomoči pod davčnimi instrumenti od leta 2003 skorajda niso več izkazovale, ker se po pravilih, sprejetih leta 2002, ne pojmuje več kot državne pomoči, temveč kot splošni ukrep. Večina pomoči je izkazana za odpiranje novih delovnih mest, v posameznih letih tudi za zaposlovanje teže zapo-sljivih oseb. Pomoči za ohranjanje delovnih mest so izrazito visoke le v letih 1998 in 1999, torej v letih, ko je Slovenija še intenzivno izvajala prestrukturiranje. Razmeroma visoke so tudi v letu 2006, kar pa izhaja predvsem iz njihovega napačnega evidentiranja, saj gre pretežno za pomoči teže zaposljivim. Regionalno merilo za pomoči zaposlovanju ni bilo izkoriščeno – izkazane pomoči pod tem namenom so zelo nizke. Po posameznih namenih so se državne pomoči dodeljevale z različnimi instrumenti in na podlagi različnih predpisov. Za odpiranje novih delovnih mest so bile v obdobju 1998–2006 pretežno dodeljene z dvema instrumentoma, z dotacijami in znižanjem prispevkov za socialno varnost. Oba sta bila uporabljena na podlagi zakona o zaposlovanju in programa aktivne politike zaposlovanja. V letu 1999 so bili v razmeroma majhnem znesku uporabljeni še drugi instrumenti. Kapitalske naložbe so temeljile na zakonu o zagotavljanju sredstev za postopno zapiranje rudnika svinca in cinka Mežica, garancije in plačilo zapadlih garancij pa na garancijski shemi za Pomurje. Pomoči so bile izrazito visoke v obdobju 2000–2002 predvsem zaradi precejšnjega znižanja prispevkov za socialno varnost. Po zelo visokem znesku pomoči za ohranjanje delovnih mest v letu 1999, so v naslednjih letih bistveno nižje, nekoliko višje so bile le v letu 2004 in ponovno v letu 2006. V letu 1998 so temeljile na dokumentih, ki so povezani s prestrukturiranjem podjetij v težavah. V naslednjih letih pa so dotacije izhajale iz programa aktivne politike zaposlovanja, odlogi pri odplačevanju davkov in prispevkov na zakonih o davčnem postopku ter o pokojninskem in invalidskem zavarovanju, davčne oprostitve, izjeme in olajšave pa na zakonih o dobičku pravnih oseb (v letu 1999) ter o pokojninskem in invalidskem zavarovanju (v letu 2002). Ker so pomoči v letu 2006 temeljile tudi na pravilniku o merilih in postopku za določitev višine subvencije plače za invalide, menimo, da je uvrstitev pomoči pod ta namen verjetno napačna in bolj sodijo k pomočem za spodbujanje zaposlovanja teže zaposljivih oseb. Pomoči za spodbujanje zaposlovanja teže zaposljivih oseb so bile zelo visoke v obdobju 1998–2000, ko so se dodeljevale z dotacijami in davčnima instrumentoma (davčne olajšave in znižanje prispevkov za socialno varnost). Po letu 2000 so se dodeljevale le z dotacijami in se tako tudi bistveno znižale. Izredno nizke so bile predvsem v letih 2001 in 2002. Za leto 2006 niso izkazane. V letu 1998 so bile pomoči z dotacijami dodeljene na osnovi zakona, ki ureja usposabljanje in zaposlovanje invalidnih oseb, znižanje prispevkov za socialno varnost pa je bilo namenjeno invalidskim podjetjem. V naslednjih letih, razen leta 2002, so bile dotacije dodeljene po programu aktivne politike zaposlovanja, v letu 2002 pa na podlagi zakona, ki ureja trajno prenehanje izkoriščanja uranove rude in preprečevanje posledic rudarjenja v Rudniku urana Žirovski Vrh. Davčne opustitve, izjeme in olajšave so temeljile na različnih pravnih predpisih: v letu 1999 na zakonih o pokojninskem in invalidskem zavarovanju, o zdravstvenem varstvu in zdravstvenem zavarovanju ter o družinskih prejemkih; v letu 2000 pa na zakonih o davku od dobička pravnih oseb, o družinskih prejemkih, o pokojninskem in invalidskem zavarovanju, o zdravstvenem varstvu in zdravstvenem zavarovanju ter o dohodnini. Državne pomoči za odpiranje novih delovnih mest na območjih, ki izpolnjujejo pogoje za regionalno pomoč, so se začele dodeljevati v letu 2002, zneski pomoči pa so bili zelo majhni. Pomoči so temeljile na zakonu o spremembi in dopolnitvi zakona o popotresni obnovi objektov in spodbujanju razvoja v Posočju. Ta namen, vsaj glede na mednarodne empirične raziskave, ki ga priznavajo kot zelo učinkovit ukrep pospeševanja regionalnega razvoja in hkrati zaposlovanja, vse doslej ni bil ustrezno izkoriščen. 4.2. Koncentracija državnih pomoči in njihova panožna porazdelitev Porazdelitev državnih pomoči za zaposlovanje po velikostnih razredih prejemnikov, ki so evidentirani tudi v poslovnem registru4, pokaže, da so bile pomoči v letu 1998 zelo koncentrirane (Tabela 3). Desetina prejemnikov je prejela 90 % vseh pomoči. V naslednjih letih je bila koncentracija nižja in se med leti ni bistveno spreminjala. Desetina podjetij je prejela približno polovico vseh pomoči. Na drugi strani pa so pomoči tudi močno razdrobljene, saj je polovica prejemnikov (razen leta 1998) prejela komaj okoli 20 %, zneski na prejemnika pa so bili v povprečju nižji od dva tisoč evrov. 4 Nekateri prejemniki pomoči so bili iz različnih razlogov izbrisani iz poslovnega registra in kot samostojne pravne osebe ne obstajajo več. V letu 2008 v poslovnem registru ni več dobre polovice prejemnikov, veliko takšnih pa je bilo tudi v obdobju 1999–2001, ko so v Sloveniji potekali še intenzivni procesi prestrukturiranja in je šlo več podjetij v stečaj. Predvsem po letu 2004 je takih prejemnikov manj in tudi izgubljeni zneski pomoči so znatno manjši. 68 UMAR IB revija 3-4/2008 Članki Tabela 3: Razdelitev pomoči za zaposlovanje (decili) 1998 2001 2005 | 2006 Lestvica Štev. prej. DP v tisoč evrih Decili Štev. prej. DP v tisoč evrih Decili Štev. prej. DP v tisoč evrih Decili Štev. prej. DP v tisoč evrih Decili 1 1790 8.769 1,00 7606 17.427 1,00 3044 15.116 1,00 4567 16.728 1,00 0,9 1611 875 0,10 6843 9.510 0,55 2720 7.391 0,49 4110 8.444 0,50 0,8 1432 612 0,07 6083 7.323 0,42 2436 5.631 0,37 3653 6.664 0,39 0,7 1253 455 0,05 5323 5.688 0,33 2131 4.618 0,31 3196 5.623 0,33 0,6 1074 348 0,04 4563 4.357 0,25 1827 3.857 0,26 2740 4.642 0,27 0,5 895 255 0,03 3803 3.234 0,19 1522 3.105 0,21 2283 3.688 0,22 0,4 716 179 0,02 3040 2.312 0,13 1218 2.428 0,16 1826 2.753 0,16 0,3 537 120 0,01 2280 1.511 0,09 913 1.778 0,12 1369 1.880 0,11 0,2 358 70 0,01 1520 865 0,05 609 1.155 0,08 913 1.214 0,07 0,1 179 26 0,00 760 319 0,02 304 538 0,04 456 546 0,03 Vir podatkov: Evidenca državnih pomoči. Opombi: Štev. prej. = število prejemnikov, DP = državne pomoči, Decili = razdelitev državne pomoči po decilih; preračun iz tolarjev v evre je opravljen v razmerju 1 € = 239,64 SIT. Tabela 4: Razporeditev državnih pomoči za zaposlovanje po dejavnostih in letih | 1998 2001 2003 2005 2006 Dejavnosti Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Kmetijstvo in ribištvo 98 1,1 250 1,4 230 1,5 250 1,7 241 1,4 Rudarstvo 2.385 27,2 35 0,2 5 0,0 13 0,0 8 0,0 Predelovalne dejavnosti 4.686 53,4 5.698 32,7 5.312 33,8 5.304 35,1 6.133 36,3 Energetika 4 0,0 24 0,1 52 0,3 15 0,0 41 0,2 Gradbeništvo 134 1,5 1.662 9,5 1.493 9,5 966 6,4 1.447 8,6 Trgovina 402 4,5 3.154 18,1 2.777 17,7 2.506 16,6 2.385 14,1 Gostinstvo 60 0,7 916 5,3 941 6,0 855 5,7 967 5,7 Promet 97 1,1 902 5,2 668 4,2 506 3,3 652 3,9 Finančne storitve 7 0,0 123 0,7 92 0,6 501 3,3 135 0,8 Poslovne storitve 599 6,8 3.102 17,8 2.356 15,0 2.650 17,5 3.004 17,8 Javna uprava 3 0,0 50 0,3 189 1,2 0 0 0 0 Izobraževanje 100 1,1 267 1,5 225 1,4 232 1,5 212 1,3 Zdravstvo in social. var. 147 1,7 384 2,2 511 3,3 578 3,8 624 3,7 Druge jav. in oseb. stor. 46 0,5 858 4,9 874 5,6 741 4,9 880 5,2 SKUPAJ 8.769 100,0 17.427 100,0 15.727 100,0 15.116 100,0 16.728 100,0 Vir podatkov: Evidenca državnih pomoči. Opomba: Preračun iz tolarjev v evre je opravljen v razmerju 1 € = 239,64 SIT. Za prejemnike, ki so v poslovnem registru še evidentirani, ugotavljamo tudi razporeditev pomoči po dejavnostih za izbrana leta (Tabela 4). Največ pomoči je usmerjeno v predelovalne dejavnosti, v letu 1998 več od polovice, kar je bila verjetno še posledica množičnega reševanja slabih podjetij in prestrukturiranja. V naslednjih letih se je njihov delež znižal na tretjino. Druga najbolj subvencionirana dejavnost je trgovina. Subvencije so bile izrazito visoke v letu 2001, kar je povezano z odpravljanjem problemov zaposlenih ob zaprtju brezcarinskih prodajaln. V drugih analiziranih letih se njihov delež giblje okoli 15 %. Tretja najbolj subvencionirana dejavnost so poslovne storitve, v katere je šlo približno 17 % državnih pomoči za zapo- slovanje. Med drugimi dejavnostmi velja omeniti le še razmeroma visoke pomoči v gradbeništvu. Porazdelitev pomoči po panogah predelovalnih dejavnosti po posameznih letih kaže, da so državne pomoči za zaposlovanje razmeroma visoke v vseh izkazanih letih v kovinski in oblačilni industriji (Tabela 5). V usnjarski industriji so bile visoke le v letu 1998. Zdi se, da se je saniranje s posebnima programoma prestrukturiranja usnjarske in tekstilne industrije končalo le v usnjarski industriji, ne pa tudi v tekstilni. V tej so se namreč pomoči za zaposlovanje v zadnjem obdobju ponovno povečale. Predvsem v zadnjih dveh letih so bile visoke tudi pomoči v lesni in strojni industriji. Članki IB revija 3-4/2008 UMAR 69 Tabela 5: Razporeditev državnih pomoči za zaposlovanje po panogah predelovalnih dejavnosti in letih 1 1998 j 2001 2003 j 2005 2006 Dejavnosti Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Državne pomoči, v tisoč evrih Struktura, v % Živilska industrija 121 2,6 346 6,1 362 6,8 176 3,3 216 3,5 Tekstilna industrija 600 12,8 404 7,1 357 6,7 310 5,9 318 5,2 Oblačilna industrija 253 5,4 387 6,8 1.202 22,6 555 10,5 1.135 18,5 Usnjarska industrija 655 14,0 181 3,2 39 0,7 139 2,6 474 7,7 Lesna industrija 359 7,7 328 5,8 248 4,7 647 12,2 514 8,4 Papirniška industrija 49 1,0 57 1,0 45 0,9 121 2,3 135 2,2 Založništvo 383 8,2 454 8,0 260 4,9 506 9,6 438 7,1 Koks, naftni derivati 0 0 8 0,1 2 0,0 0 0 0 0 Kemična industrija 17 0,4 45 0,8 28 0,5 11 0,2 24 0,4 Industrija plastičnih mas 105 2,2 402 7,1 242 4,6 193 3,6 192 3,1 Nekovinska industrija 113 2,4 97 1,7 309 5,8 106 2,0 169 2,7 Proizvodnja kovin 233 5,0 402 7,1 40 0,8 114 2,1 57 0,9 Kovinski izdelki 399 8,5 1.080 18,9 594 11,2 630 11,9 839 13,7 Strojna industrija 534 11,4 303 5,3 296 5,6 582 11,0 619 10,1 Računalniška industrija 2 0,0 24 0,4 10 0,2 10 0,2 6 0,1 Elektroindustrija 439 9,4 249 4,4 216 4,1 414 7,8 411 6,7 RTV in komunikacije 76 1,6 171 3,0 127 2,4 78 1,5 82 1,3 Medic., optična oprema 45 1,0 161 2,8 286 5,4 170 3,2 114 1,9 Motorna vozila 69 1,5 96 1,7 46 0,9 95 1,8 8 0,1 Druga vozila 0,0 0,0 92 1,6 13 0,2 15 0,3 15 0,2 Pohištvena industrija 232 5,0 419 7,4 544 10,2 336 6,3 245 4,0 Reciklaža 1 0,0 5 0,1 45 0,8 92 1,7 121 2,0 SKUPAJ 4.686 100,0 5.698 100,0 5.312 100,0 5.304 100,0 6.133 100,0 Vir podatkov: Evidenca državnih pomoči. Opomba: Preračun iz tolarjev v evre je opravljen v razmerju 1 € = 239,64 SIT. 4.3. Prejemniki državnih pomoči glede na svojo tehnološko in faktorsko intenzivnost Splošne značilnosti prejemnikov državnih pomoči za spodbujanje zaposlovanja ocenjujemo po dveh merilih. Prvo je tehnološka intenzivnost dejavnosti. V obdobju 1998–2006 je bilo največ državnih pomoči za spodbujanje zaposlovanja namenjenih v javne in zasebnih storitve ter v nizko tehnološko intenzivne panoge (Slika 1). Sredstva za spodbujanje zaposlovanja v tehnološko intenzivnih panogah so znašala le tretjino pomoči, dodeljenih javnim storitvam. Izdaten obseg pomoči javnim storitvam je posledica nadpovprečno velikih tokov v letih 1999 in 2000, medtem ko se obseg pomoči v ta del gospodarstva zmanjšuje. Tako je tudi v tehnološko najintenzivnejših sektorjih, ki jim je bilo razen leta 2000 namenjeno izredno malo državnih pomoči za spodbujanje zaposlovanja. Nasprotno pa delež pomoči za zaposlovanje v nizko tehnološko intenzivnih panogah raste. Drugo merilo je intenzivnost uporabe proizvodnih dejavnikov. Glede na to intenzivnost je bilo v predeloval- nih dejavnostih namenjenih največ sredstev delovno intenzivnim panogam in panogam, ki uporabljajo nezahtevno tehnologijo in človeški kapital (Slika 2). V delovno intenzivnih panogah so sredstva glede na druge skupine razmeroma obsežna in naraščajo, medtem ko je pri tehnološko nezahtevnih panogah opazno leto 2000, višina pomoči v preostalih letih pa je bila majhna. 5. Analiza učinkovitosti pomoči za spodbujanje zaposlovanja v Sloveniji Večino državnih pomoči za zaposlovanje je namenjenih spodbujanju zaposlovanja. Njihova učinkovitost se kaže v povečanju števila delovnih mest in zaposlenih, ki naj bi bilo pri prejemnikih pomoči praviloma večje kakor podobnih podjetjih, ki niso prejemniki pomoči. 5.1. Uporabljena metodologija Učinkovitosti državnih pomoči za spodbujanje zaposlovanja ugotavljamo z metodo paritve (angl. matching)5, Metoda je bila podrobneje obrazložena v predhodni številki IB-revije (Murn, Burger in Rojec, 2008, str. 10–13). 70 UMAR IB revija 3-4/2008 Članki Slika 1: Struktura državnih pomoči za spodbujanje zaposlovanja po tehnološki intenzivnosti dejavnosti Vir: Lastni izračuni na podlagi podatkov evidence državnih pomoči in klasifikacije OECD (Hatzichronoglou, 1997). Legenda: Hi-tech = visoko tehnološko intenzivne dejavnosti, Med-hi-tech = srednje-visoko tehnološko intenzivne dejavnosti, Med-low-tech = srednje-nizko tehnološko intenzivne dejavnosti, Low-tech = nizko tehnološko intenzivne dejavnosti, Primary = primarne dejavnosti, Business Services = tržne storitve, Public Services = javne storitve. Slika 2: Struktura državnih pomoči za spodbujanje zaposlovanja po intenzivnosti proizvodnih dejavnikov Med-hi-tech Med-low-tech Low-tech Business Services Public Services Vir: Lastni izračuni na podlagi podatkov iz evidence državnih pomoči ter po Hufbauerjevi in Chilasovi metodologiji (1974) (v: Erlat, 2007). Legenda: Diff-to-imitate = dejavnosti, ki jih je težko posnemati, Easy-to-imitate = dejavnosti, ki jih je lahko posnemati, K-intensive = kapitalsko intenzivne dejavnosti, L-intenzive = delovno intenzivne dejavnosti, Raw-material = dejavnosti z intenzivnimi naravnimi viri, Business Services = tržne storitve, Public Services = javne storitve. ki jo uporabimo pri individualnih podjetniških podatkih o prejetih državnih pomočeh za majhna in srednje velika podjetja v obdobju 1998–2006 (evidenca državnih pomoči) in pri podatkih o rezultatih poslovanja (zaključni računi gospodarskih družb za obdobje 1998–2006 in malih podjetnikov za obdobje 2003–2006). Analiza se ukvarja predvsem z vprašanjem učinkovitosti dodeljevanja državnih pomoči podjetjem, zato je treba ugotoviti, ali je dodelitev konkretne pomoči statistično značilno in ekonomsko pomembno vplivala na tisti vidik poslovanja podjetja, ki mu je bila namenjena (oziroma imela morebitne druge učinke). Pri prepoznavanju učinkov državnih 1.6e+10 1.4e+10 1.2e+10 1.Oe+10 8.0e+09 6.0e+09 4.0e+09 2.0e+09 O Hi-tech Primary Članki IB revija 3-4/2008 UMAR 71 pomoči pa je treba paziti, da ne zajamemo tudi samoizbire (angl. self-selection), ki te učinke preceni, zato moramo izločiti začetne razlike med prejemniki in neprejemniki pomoči. To pa naredimo z metodo paritve. Gre za razmeroma novo ekonometrično metodo, ki je bila razvita konec devetdesetih let. V prvem koraku podjetjem, ki so prejela državne pomoči, z metodo paritve poiščemo primerljiva podjetja, ki pomoči niso prejela in ki so jim po vseh drugih razpoložljivih lastnostih (glede na razpoložljivost podatkov po različnih bilančnih podatkih) najbolj podobna. Na podlagi primerjave med »enakimi« podjetji, od katerih so ena dobila državne pomoči, druga pa ne, lahko ocenimo, kako učinkovite so bile pomoči in kakšni so učinki na izbranih področjih. Podobno v drugem koraku prepoznavamo podjetja, v katerih bi dodelitev prinesla največje pozitivne učinke. Prav prepoznavanje upravičenih prejemnikov je največji problem državnih pomoči, saj spodbujanje aktivnosti v neustreznih podjetjih lahko na eni strani predstavlja izgubo razpoložljivih instrumentov, na drugi pa lahko sproža strukturno neravnovesje, ki odseva v razvojnem zaostajanju. Metoda paritve pomaga prepoznati najperspektivnejše prejemnike državnih pomoči. Tretji korak je analiziranje vplivov načina dodeljevanja pomoči (višina, enkratnost, večkratnost dodeljevanja, instrumenti) na njihovo učinkovitost, izveden pa je enako kakor prva dva koraka. 5.2. Učinkovitost državnih pomoči za spodbujanje zaposlovanja Podjetje, ki je prejelo državne pomoči za spodbujanje zaposlovanja, je v letu njihovega črpanja zaposlilo od 0,6 do 1,1 zaposlenega več kakor primerljiva kontrolna podjetja iz iste panoge (Slika 3). V poznejših obdobjih je letni prirast števila zaposlenih nad kontrolnimi podjetji nekoliko nižji kakor v prvem letu dodelitve pomoči, vendar ostaja pozitiven in statistično značilen. V vseh letih po prejemu pomoči so premije rasti zaposlovanja višje kakor v letu pred dodelitvijo pomoči, kar potrjuje, da so imele pomoči ugoden vpliv na zaposlovanje. Od začetka leta prejemanja pomoči do konca tretjega leta po dodelitvi se je število zaposlenih v povprečju povečalo za 1,2 do 1,8 zaposlenega več kakor v kontrolnih podjetjih. Ko smo upoštevali še višino državnih pomoči in izračunali dodatno zaposlene na 4.173 evrov (1 mio SIT)6 državne pomoči, smo dobili enako značilne rezultate (Slika 4). V letu dodelitve pomoči je vsakih 4.173 evrov (1 mio SIT) pomoči dodatno povečalo zaposlenost za 1 do 2 zaposlenega, nato pa v vsakem naslednjem letu nekoliko manj, a še vedno več, kakor je bilo povečanje v kontrolnih podjetjih. Tudi kumulativna učinkovitost te vrste pomoči je značilno Slika 3: Ocene učinkov prejemanja državne pomoči na zaposlenost po letih (DID) in kumulativno (1998–2006) Državna pomoč mahalanobis: 0.367*** 0.146*** 0.780*** 0.448*** 0.251*** 0.110** mahalanobis caliper: 0.320*** 0.069*** 0.633* 0.454*** 0.253*** 0.147*** k-nearest neighbours: 0.480*** 0.120*** 1.128** 0.679*** 0.415*** 0.299*** , DID-2 v , DID-1 „ , DIDO K , DID1 v , DID2 v , DID3 K tehnični čas v. ? v s k s v ? V /'S s t-2 t-1 to ti \l ts k-nearest neighbours: CUMo CUM1 CUM2 CUM3 s s» ? > ' s 1.128*** 1.675*** 1.739*** 1.780***' mahalanobis caliper: 0.633*** 1.034*** 1.245*** 1.250*** mahalanobis: 0.780*** Državna' pomoč 1.134*** 1.292*** 1.264*** Vir: Lastni izračuni na podlagi podatkov iz evidence državnih pomoči ter zaključnih računov gospodarskih družb in samostojnih podjetnikov posameznikov. Prvotni izračun je bil opravljen v tolarjih. Preračun v evre je bil opravljen po tečaju 1 € = 239,64 SIT. 72 UMAR IB revija 3-4/2008 Članki Slika 4: Ocene učinkov prejemanja državne pomoči na zaposlenost po letih (DID) in kumulativno (CUM), relativno glede na višino dodeljene pomoči; (1998–2006, štev. zaposlenih na 4.173 evrov (1 mio SIT) pomoči) Državna pomoč mahalanobis: 1.165** 0.714*** 1.994*** 0.735*** 0.451*** 0.224*** mahalanobis caliper: 0.984*** 0.299*** 1.045*** 0.711*** 0.554*** 0.393*** k-nearest neighbours: 1.106*** 0.460*** 1.944*** 1.011*** 0.745*** 0.453*** , DID-2 v „ DID-1 v , DIDo v , DID1 v , DID2 ^ , DID3 ^ tehnični čas V. Sl\ s V S V S V. PlV. s t-2 t-1 to h t2 I t3 k-nearest neighbours: CUMo CUM1 CUM2 CUM3 -• St P s ' v, 1.944*** 2.342*** 2.102*** 1.895***' mahalanobis caliper: 1.045*** 1.490** 1.705*** 1.731*** mahalanobis: 1.994*** Državna" pomoč 2.286*** 2.161*** 1.869*** Vir: Lastni izračuni na podlagi podatkov iz evidence državnih pomoči ter zaključnih računov gospodarskih družb in samostojnih podjetnikov posameznikov. pozitivna v vseh treh metodah paritve. Od začetka leta prejemanja pomoči do konca tretjega leta po njihovi dodelitvi se je število zaposlenih na vsakih 4.173 evrov (1 mio SIT) v povprečju povečalo za 1,7 do 1,9 zaposlenega več kakor v kontrolnih podjetjih. 6. Ugotovitve Pomoči za zaposlovanje so bile zelo visoke predvsem v letih 1999 in 2000, ko so še potekali intenzivni procesi prestrukturiranja gospodarstva. Ko so se končali, so se zmanjšale za dobro polovico in se v naslednjih letih še krčile. V obdobju 1998–2003 je bilo veliko pomoči dodeljenih z instrumentom znižanja prispevkov za socialno varnost, a po letu 2003 ga ni več med instrumenti državne pomoči. Pomoči za zaposlovanje so (razen leta 1998) v primerjavi z drugimi kategorijami pomoči manj koncentrirane, saj deset odstotkov prejemnikov, ki so po prejeti višini državne pomoči, razporejeni v najvišji razred, prejme letno okoli polovico pomoči. Po drugi strani pa so pomoči tudi zelo razdrobljene, saj polovica prejemnikov prejema minimalne zneske pomoči. Prav očitno je, da pomoči za zaposlovanje prejemajo dejavnosti in panoge v predelovalnih dejavnostih, ki imajo težave s poslovanjem in presežne delavce. Take pomoči predvsem prispevajo k ohranjanju delovnih mest ali k odpiranju novih delovnih mest za presežne delavce, kar je v bistvu prav tako ohranjanje delovnih mest. Pomoči za spodbujanje zaposlovanja so se izkazale za uspešne pri povečevanju zaposlenosti. Ta učinek je največji takoj, v prvem letu po dodelitvi, vendar ostaja pozitiven in statistično značilen tudi v naslednjih dveh letih. Enako velja za učinek pomoči na vložena sredstva, pri čemer je treba oceniti, ali je število dodatno zaposlenih na vsakih 4.173 evrov (1 mio SIT) pomoči zadostno, da upraviči tovrstno usmerjanje javnih sredstev. Nadaljnja analiza učinkovitosti je pokazala tudi, da ta izrazito upada z vsako nadaljnjo pomočjo istemu podjetju in da so pomoči bolj uspešne v podjetjih z večjim obsegom prodaje. Tudi tu se torej izkaže, da velja podpreti podjetja, ki so že prestala prvi preskus na trgu, ki poslujejo učinkovito in ki zadovoljijo zastavljene načrte kot pogoj za zaporedno črpanje pomoči. Državne pomoči za zaposlovanje bi bilo smiselno tudi bolj usmeriti v pospeševanje razvoja manj razvitih regij, saj analize v drugih državah kažejo, da so v takšnih primerih učinkovit mehanizem odpravljanja brezposelnosti in posledično še drugih razvojnih problemov. Smiselno bi bilo tudi, da se določi najmanjši znesek pomoči prejemniku na mejo, ki še zagotavlja večji učinek od dejanskih stroškov države v tem primeru. Literatura in viri Breslow, M. (1999). Economic Development Subsidies in Maine: Modest Job Gains at Hight Cost. Cambridge: Commonwealth Institute. Članki IB revija 3-4/2008 UMAR 73 Commission Regulation (EC) No 2204/2002 of 12 December 2002 on the application of Articles 87 and 88 of the EC Treaty to state aid for employment. OJ L 337. Erlat, G., Erlat, H., in Senoglu, D. (2007). Measuring Vertical and Horisontal Intra-industry Trade: The Case for Turkey. 6th International Conference of the Middle East Economic Association, March 14–16. Dubai: Zayed University. Evidenca državnih pomoči (1998, 1999, 2000, 2001, 2002, 2003, 2004, 2005 in 2006). Ljubljana: Ministrstvo za finance. Fay, Robert G. (1996). Enhancing the Effectiveness of Active Labour Market Policies. OECD Labour Market and Social Policy Occasional Papers No. 18. Paris: OECD. Ford, R., in Suyker, W.: Industrial Subsidies in the OECD Economies. Working Papers. Paris: OECD. Hatzichronoglou, T. (1997). Revision of the High – Technology Sector and Product Classification. OECD STI Working Papers 1997/2. Paris: OECD. Meiklejohn, R. (1999): The Economics of State Aid. European Economy. State Aid and the Single Market. Brussels: European Commission. Murn, A., Burger, A., in Rojec, M. (2008). Učinkovitost državnih pomoči za usposabljanje. IB-revija. Ljubljana: Urad RS za makroekonomske analize in razvoj, št. (XLII) 2. Musgrave, A. R., in Musgrave, B. P. (1989). Public Finance in Theory and Practice. Fifth Edition. New York: McGraw-Hill Book Company. Nitsche, R., in Heidhues, P. (2006). Study on Methods to Analyse the Impact of State Aid on Competition. Brussels: European Community. DG Economic and Financial Affairs. OECD. (2008). Going for Growth. Economic Policy Reform. Paris: Secretary-general of the OECD. Poslovni register Republike Slovenije (2005, 2006). Ljubljana: AJPES. Rojec, M., Murn, A., Burger, A., in Jaklič, A. (2008). Kako do večje učinkovitosti javnofinančnih sredstev za povečanje konkurenčnosti gospodarstva. Analiza učinkovitosti državnih pomoči in predlogi za njeno izboljšanje. Končno poročilo št. V5-0201 CRP »Konkurenčnost Slovenije 2006–2013«. Ljubljana: Fakulteta za družbene vede. Strategija razvoja Slovenije (2005). Ljubljana: Urad Republike Slovenije za makroekonomske analize in razvoj. Vodopivec, M. (1998). Turning the unemployment into entrepreneurs: An evaluation of a self-employment program in a transition economy. Journal of Development Entrepreneurship. Vol 3, No 1, page 71–96. Zaključni računi gospodarskih družb in samostojnih podjetnikov posameznikov (1998, 1999, 2000, 2001, 2002, 2003, 2004, 2005 in 2006). Ljubljana: AJPES. Zaključni računi državnega proračuna (2001, 2002, 2003, 2004, 2005 in 2006). Ljubljana: Ministrstvo za finance. 74 UMAR IB revija 3-4/2008 Članki UDK 330.4 prof. dr. Pavle Sicherl* Delays in delivering Lisbon targets analysed by the novel time distance monitoring method1 Povzetek Metoda časovne distance pred- vrednost dosežena na postavljeni iz 7 tem trajnostnega razvoja za stavlja nov praktičen in razumljiv liniji do cilja in časovna distanca EU15. Kar za 4 indikatorje, pove-dodaten pogled na spremljanje izraža prednost ali zaostanek v zane z dolgoročnimi problemi v uresničevanja ciljev. S-časovna- času glede na linijo do cilja. tem obdobju, ni napredka: delež distanca (izražena v enotah časa) cestnega prometa v tovornem pro-je tukaj uporabljena na primeru Analiza predstavlja dodaten pogled metu, emisije toplogrednih plinov, lizbonskih ciljev za EU in ciljev na uresničevanje dveh ciljev, ki sta delež elektrike iz obnovljivih virov NRP za posamezne članice kot bila specificirana v statistični prilo- in delež R&R izdatkov v BDP. Le prezentancijsko in komunika- gi Poročila Komisije. Za indikator za 4 indikatorje so bile dejanske cijsko orodje, ki je intuitivno stopnja zaposlenosti EU27 v 2007 vrednosti pred linijo cilja. razumljivo politikom, strokov- zaostaja za linijo do cilja za 2,8 njakom, menedžerjem, medijem let; za delež R&R izdatkov v BDP SICENTER je pripravil spletno apli-in javnosti. Zato lahko pomaga pa za več kot 6 let, saj je vrednost kacijo s prostim dostopom za moni-uresničevati proklamirano usme- v letu 2006 nižja od tiste leta 2000. toring z metodo časovne distance, ritev za večjo transparentnost in Podrobni rezultati za posamezne kar omogoča, da jo za različne komunikacijo s širšo javnostjo. Za države so prikazani v besedilu in namene uporabljajo mednarodne dejansko vrednost v določenem letu prilogi. Analiza je razširjena tudi in nacionalne organizacije, strokov-ugotavljamo, kdaj naj bi bila ta na uresničevanje za 12 indikatorjev njaki, menedžerji, študentje in mediji. Ključne besede: monitoring, S-časovna-distanca, lizbonski in NRP cilji, brezplačno spletno orodje za spremljanje uresničevanja ciljev. ....................................................................................................................................................................................................................................................................................... Summary This article demonstrates that the communication with the public. For the share of R&D expenditures novel time distance monitoring The actual attainment in a given in GDP, the time delay was more method can provide a practical year is compared with the time than six years; the value in 2006 and understandable new view for when such level was supposed to be was even lower than the starting monitoring implementation of reached on the line to target. The value in 2000. Detailed results targets. Here, for Lisbon and NRP S-time-distance measure thus deals by country are shown in the text targets, the novel S-time-distance with a lead or lag in time against and in the annex. Extending the measure (expressed in time units) the specific line to target. analysis of implementation to 12 can function as an excellent pres- selected structural and sustainable entation and communication tool First we study the degree of imple- development indicators for the which is intuitively understood mentation for two targets specified EU-15 across 7 SD themes shows by policymakers, professionals, in the European Commission’s that for four indicators related to managers, media and the general report. The total employment rate long-term issues, no progress was public. It serves the proclaimed for the EU-27 was in 2007 about shown: for the road share of inland need for greater transparency and 2.8 years behind the line to target. freight transport, total greenhouse * SICENTER (Socio-economic Indicators Center), Ljubljana 1 This is an extended and updated version of the paper “Monitoring implementation of the Lisbon Strategy and NRP in time dimension,” presented at the 10th IMAD and 38th CMTEA Joint International Conference “National Reforms for the Implementation of the Lisbon Strategy: Their Monitoring, Assessment and Impacts,” Kranjska Gora, Slovenia, June 14–16, 2007. Financial support from the Slovenian Research Agency (ARRS) is gratefully acknowledged. Članki IB revija 3-4/2008 UMAR 75 gas emissions, share of electric- A free Web monitoring tool was and the media, to monitor the im-ity from renewable resources and developed by SICENTER that al- plementation of Lisbon and NRP share of R&D in GDP. For four lows a variety of interested users, targets with S-time-distance. other indicators, the S-time-dis- such as international and national tance showed that the EU-15 was organisations, NGOs, experts, ahead of the line to target. managers, educators, students Key words: monitoring, S-time-distance, Lisbon and NRP targets, free Web monitoring tool. ....................................................................................................................................................................................................................................................................................... JEL: C490, C880, N100, O520 1. New understanding from existing data for better communication and transparency The time distance perspective provides a practical and understandable new complementary view to the Commission report about the implementation of targets before the need to turn to more complex methods. The purpose of the article is twofold. On the methodological side, this application demonstrates how the time distance method can enrich the methodology of monitoring the implementation of targets also in many other fields; the available free Web monitoring tool facilitates such applications. It is simple to understand – it is an additional view from existing data to complement other methods, and it enriches the perception of the situation. In the empirical application, first the implementation of the two EU Lisbon 1 targets for employment rate and R&D in GDP (specified in the annex to the Commission report) are analysed for the EU-27, EU-15 and for individual countries. This is followed by analysis of the implementation of the National Reform Programmes (NRP) for these two targets. The next session extends the analysis for the EU-15 to 12 selected sustainable development indicators across 7 thematic areas to show the applicability and the results for a broader area of policy concerns. In the Strategic Report on the Renewed Lisbon Strategy for Growth and Jobs: Launching the New Cycle (2008–2010),2 the Commission in its communication to the European Council indicated that by re-launching the Lisbon Strategy in 2005 and refocusing it on growth and jobs, Europe has come a long way. In the statistical annex, the results of annual progress are provided for Member States for the shortlist of 14 structural indicators. It is understandable that in such a summary strategic report, there is not enough space to deal with a broader analysis of implementation over a greater number of indicators in several fields of concern. However, no good governance uses target-setting alone to specify the vision and the desired direction; instead, it uses feedback from the implementation to adjust the future actions. In principle, in the methodological framework for assessing progress with the implementation of the Growth and Jobs Strategy, qualitative assessment should be accompanied by quantifications drawing on available quantification techniques. In the statistical annex, the country fiches provide the raw statistical data for such evaluation against the two sets of targets mentioned: 2010 EU targets and 2010 national targets, and total employment rate and share of gross domestic expenditure on R&D in GDP, respectively. Yet the graphs presented in terms of difference from the EU-27 average do not provide an operationally transparent measure to evaluate the degree of implementation in the past, which would bring a clear political message to policymakers at both the EU and the national levels, as well as to the general public. Much effort over the years has been put into developing indicator systems and data coverage, but not enough attention has been paid to finding new innovative ways to utilise them in the next phases – knowledge-building and policy use. The S-time-distance3 measure is a new quantification technique with clear interpretability that is now 2 Commission of the European Communities (2007), Communication of the Commission to the European Council, COM (2007) XXX final – PART I, Brussels, December 11. 3 S-time-distance measures the distance (proximity) in time between the points in time when the two series compared reach a specified level of the indicator X. The observed distance in time (the number of years, months, etc.) for given levels of the indicator is used as a temporal measure of disparity between the two series, in the same way that the observed difference (absolute or relative) at a given point in time is used as a static measure of disparity. For general methodology see Sicherl (2007b, 2007c, 2008) or consult e.g. the website http://www.gaptimer.eu/content/view/3/22/. Sicherl (1999) also provided an extension of this approach for variables other than time. 76 UMAR IB revija 3-4/2008 Članki available to complement other techniques. Targets are usually expressed not only in terms of indicator values, but simultaneously also in time. Thus one can establish a line to the target (like a train or bus timetable), and then compare the actual value in a given year with the line to target in two dimensions: 1. deviation in the absolute level or percentage at a given point in time; and 2. deviation in the time of a given actual value from the envisaged time on the line to the target. The definition of S-time-distance for monitoring is simple and will be mentioned only briefly. The underlying idea is that time series can be compared in two dimensions. In addition to the usual comparisons for a given point in time, the time distance approach uses an additional perspective: it compares the respective time series in the horizontal dimension, i.e. for a given level of the variable. This innovation opens the possibility for simultaneous two-dimensional comparisons of time series data: vertically (standard measures of static difference), as well as horizontally (Sicherl time distance). S-time-distance for a given level of X is defined as L S..(X, ) = At(X, ) = t (X, ) - t(X, ). The sign of the time distance comparing two variables is important to distinguish whether we are dealing with time lead (-) or time lag (+) (in a statistical sense, and not as a functional relationship) S (X ) = -S (X ) . ij L ji L Figure 1 shows an example for monitoring implementation of the total employment rate in the EU-27 for 2007 in two dimensions: the actual value was 3.2 percent below and 2.8 years behind the line to the 2010 target. The time distance information (of lead or lag against the line to target) seems to be at least as helpful in providing a proper perception of the progress in implementation or the lack of it as is the percentage difference at a given point in time. The degree of disparity may be very different in static terms and in time; we need both perspectives for a more realistic perception of the situation. S-time-distance is a generic concept, like the percentage difference or growth rate (Sicherl, 1999). Events are dated in time; therefore in time series comparisons, regressions, models, forecasting and monitoring, the notion of time distance has always been there as a “hidden” dimension. In such capacity its application can be much more complex (e.g. more intersections for a given level). Such problems do not appear in this monitoring application. 2. Analysis of implementation of Lisbon 1 targets for employment rate and R&D in GDP The EU is performing better, but there is no room for complacency.4 We shall track the timetable for implementation of the Lisbon Strategy for the two targets specified in the report. For each of them, the line to target is calculated between the actual for 2000 and the target in 2010 under the assumption of a required constant rate of growth of the indicator in this period (exponential line to target). First we explore the results for the EU Lisbon 1 targets. Figure 1 shows the deviations of actual values from the line to the Lisbon 1 target in two dimensions (for Figure 1: 1. EU27 Total employment rate Line lo target______Actual |- 2.8 years -3.2% . 64 — 62 --¦¦ 66 -— 2005 Time EUROCHAMBRES (2007), Progress within the EU but global comparisons underline need for vigilance, Brussels, March, http:// www.sicenter.si/pub/2007/070305-TimeDistanceStudy2.pdf. Članki IB revija 3-4/2008 UMAR 77 Table 1: Tracking the timetable to Lisbon Monitoring implementation of the EU Lisbon 1 targets in the time dimension European Union 2000 2001 2002 S-time-distance (years) 2003 2004 2005 2006 Total employment rate Share of R&D in GDP EU (27 countries) EU (15 countries) Growth rate of GDP 0.9 1.8 2.9 > 4 > 5 0.9 1.8 2.9 > 4 > 5 > 6 > 6 S-time-distance (years) = - time lead (ahead of path to target), + time lag (behind the path to target) > x - Actual value is worse than the starting value, therefore S-time-distance is more than x Source: Own calculations from data from the Commission of the European Communities (2007) and Eurostat. 2007 EU (27 countries) 0 0.6 1.9 2.5 3.1 3.3 2.9 2.8 EU (15 countries) 0 0.1 0.7 1.4 1.8 1.9 1.6 1.6 EU (27 countries) 0 0.3 0.9 1.5 1.7 2.0 2.0 2.0 EU (15 countries) 0 0.4 1.0 1.6 1.8 2.2 2.2 2.3 more details on using S-time-distance for monitoring, see Sicherl, 2006 and 2007a). For instance, the value of the total employment rate for 2007 of 65.4 is 3.2% below the line to target and 2.75 years behind the line to target. If the EU-27 were on the line to target, this value for 2007 would already have been achieved in 2004. We have now two bits of information to build a perception of the degree of delay in implementation, which together give a better evaluation of the reality. On the first impression it may seem that a deviation of about 3% does not look like an important difference. A delay in time of nearly three years may bring a different perception of the degree of the problem. Both measures are easy to calculate and to understand, but the present state of the art neglects this additional information and thus leads to an information loss that is unjustifiable. Obviously, notwithstanding the progress in employment in the last years, the total employment rate for the EU-15 is still 1.6 years and for the EU-27 about 2.8 years behind the line to target. In other words, the actual values achieved in 2007 were envisaged to be reached that much time earlier. The good news is that the time lag behind the line to target did not increase further after 2004; in the coming years, further acceleration might decrease the lag. Yet the time distance of about 2.8 years or percentage shortfall of 3.2% are far from negligible if we look at an illustration in absolute numbers. The shortfall from the line to target would be in the order of magnitude of 7 million employed. The situation with respect to the share of R&D expenditures in GDP is much worse and totally unsatisfactory. S-time-distance indicates that the time delay is more than 6 years; the value in 2006 was even lower than the starting value in 2000. In other words, no progress was achieved in this indicator. With the initial target of 3% of GDP, the actual value in 2006 was below the line to target by about 26% percent for the EU-27 and about 24 percent for the EU-15. The stagnation of the indicator over the last eight years is in sharp contrast with the ambitious target of 3% of GDP and convergence with and overtaking of the United States. There is a question of how this target was set. However, even with less ambitious targets arising from the NRP targets, amounting for the EU-27 to about 2.6 percent of GDP in 2010, the problems of implementation and stagnation of the share are continuing. At the same time, China is increasing its share of R&D in GDP at a higher rate than envisaged in the Barcelona target. The delay of six years for the EU-27 and EU-15 amounts to a huge sum. Using data from the European Commission (2007) for GDP (in EUR 1,000 million purchasing power standard, current prices), R&D expenditures in 2006 amounted to less than EUR 215 billion. The exponential line to the 3% target would imply for 2006 a ratio of 2.48 and an amount of EUR 289 billion; for the 2.6% target, the ratio would be 2.27 and amount EUR 265 billion. In other words, in 2006 alone the actual value was lower by about EUR 75 billion for the 3% scenario and about EUR 50 billion for the 2.6% scenario. According to Eurostat (2008), R&D expenditures in 2006 increased to more than EUR 210 billion from EUR 170 billion in 2000. Thus the shortfall from the Lisbon 1 and NRP targets in a single year was larger than the increase between 2000 and 2006. When compared with the United States, the actual R&D expenditures in the EU-27 were in 2006 about EUR 69 billion, or 24% lower. Figure 2 shows a large long-term gap between the share in the United States at about 2.6% and the share in the EU below 2%; a calculation of the cumulative difference in R&D expenditures over the last decade or longer would come to very large sums. 0 0 78 UMAR IB revija 3-4/2008 Članki Figure 2: Monitoring Attainment of the Barcelona Target for R&D as % of GDP 3,5 3 (I • ' 2,5 1,5 0,5 "•-----------9T >Japan Line to Target 1 t5^ 3% -r* i i =¦ ,J *-----------! Line to Target 2 0 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Time -EU-15 ¦ EU-27 USA -JP -CN ¦Barcelona target ¦Lisbon 2 target Source: Eurostat and OECD. This stagnation in the share of R&D in GDP happened in a situation where the delay in the growth rate of GDP was not so large. With the line to target of GDP growth under the assumed 3% per year, the S-time-distance delay was 2 years for the EU-27 and 2.3 years for the EU-15 (in percentage terms, 5.8% and 6.5%, respectively). Again, as in the case of total employment rate, the time distance lag for GDP growth has not increased since 2005. But the Eurostat projection of GDP growth rates until 2009 shows that the S-time-distances would increase to 2.8 years for the EU-27 and to 3.2 years for the EU-15, even before the current downgrading of projections. In contrast with the total employment rate and growth of GDP, where the delay expressed in S-time-distance was broadly varying in the range of 2–3 years, for the share of R&D in GDP the delay increased to more than 6 years and to about 25%. In simpler terms, tracking the timetable for this indicator, the delay of more than 6 years in a 6-year period means that the train has not yet left the station. Comparing performance for total employment rate and growth of GDP against the Lisbon 1 Europe targets, the two measures – percentage deviation and S-time-distance deviation from the line to target – can lead to different perceptions. In percentage terms, in the order of magnitude of 3% for the former and of about 6% for the latter, the deviation is greater for growth of GDP than it is for the total employment rate. Comparing in S-time-distance, the ranking is still the same for the EU-15 (2.3 years and 1.6 years, respectively), but not for the EU-27, where the time delay of 2.8 years for employment is higher than 2 years for GDP growth. The two perspectives together can provide better information for asking the right questions. 3. Analysis of implementation of Lisbon 1 targets by country For four indicators – total employment rate, female employment rate, employment rate for older workers (for 2000–2007) and share of R&G in GDP (2000–2006) – details are provided for 27 countries in Annex 1. Although the Lisbon 1 2010 targets are meant for the EU collectively and not for individual Member States, the distribution of countries against the collective target brings up interesting information. This allows official institutions, experts, civil society and the media to analyse in more detail the situation in particular countries or groups of countries, and to compare it with the implementation of the NRP targets. Table 2 provides a summary overview for 2006 of the tables for the four indicators in the upper part of the table. As shown before, for the aggregate figures there are wide differences between the employment situation and the situation of R&D in GDP. For the total employment rate, 7 countries have already USA 2. 2 China Članki IB revija 3-4/2008 UMAR 79 Table 2: Number of countries with a given value of S-time-distance deviation from the line to target Selected indicators Exponential line to target Years ahead of the line to target Years behind the line to target TA -4 - -2 -2 - 0 0 - 2 2 - 4 4 - 6 Lisbon 1 targets NRP targets WTS TA = target already achieved WTS = actual value is worse than the starting value Source: Own calculations from data from the Commission of the European Communities (2007) and Eurostat. Number of countries Total employment rate 7 1 5 2 4 6 2 27 Female employment rate 15 0 2 1 3 5 1 27 Employment rate for older workers 12 0 2 3 6 2 2 27 R&D in GDP 2 0 0 2 6 8 9 27 Number of countries 36 1 9 8 19 21 14 108 Percentage distribution 33.3% 0.9% 8.3% 7.4% 17.6% 19.4% 13.0% 100.0% Total employment rate 4 2 1 4 2 1 2 16 R&D in GDP 0 0 1 3 7 8 7 26 Number of countries 4 2 2 7 9 9 9 42 Percentage distribution 9.5% 4.8% 4.8% 16.7% 21.4% 21.4% 21.4% 100.0% achieved the 2010 target, 6 more are ahead of the line to target, and 14 are behind it. As distinct from the total employment rate, the situation is much better for the female employment rate and the employment rate for elderly workers; 15 countries and 12 countries, respectively, already attained the Lisbon 1 2010 targets by 2007. For the share of R&D in GDP, only Sweden and Finland were above the Barcelona target. 4. Analysis of implementation of NRP targets for employment rate and R&D in GDP In the re-launched Lisbon Strategy, Member States in their National Reform Programmes (NRP) specify their own national targets in line with their circumstances. This means that the more relevant comparison in the monitoring process for countries is between the degree of implementation and their particular NRP targets, rather than comparing implementation with the EU-27 average, as was done in the statistical annex to the Commission report. In the NRP, the targets were specified by the countries themselves; the analysis of implementation is much more interesting also in political terms when it is made against the national targets. The targets in the NRP are in many cases lower than the EU targets for the two indicators analysed here. There are exceptions – e.g. for Sweden and Finland, their NRP targets of 4% are higher than the EU target. For R&D in GDP, for which practically all countries specified NRP targets, it is possible to estimate the effect on the overall value for the EU. If all NRP national targets would be attained, the summary value for the EU in 2010 would come to around 2.6% percent, as opposed to the Lisbon 1 target of 3%. Tables 3 and 4 show the results from monitoring the implementation of NRP targets in the time dimension, i.e. showing whether the countries are ahead or behind the line to their national target. The conclusion is very different for employment rate than for R&D in GDP, though in both cases there are diminished overall values of the targets. For the indicator R&D in GDP, from 26 countries only one was ahead; 25 countries were behind their NRP targets, 19 of them more than three years and 7 of them more than six years. The only country ahead of the line to target is Malta, with the low NRP target for 2010 of 0.75% of GDP. It is interesting to observe that even Finland and Sweden are behind their line to the NRP target, since they raised it to 4%, but the progress has not been fast enough. The median value of the delay measured by S-time-distance is 4.4 years. This means that the median country moved only about one and a half years along the line to target in a six-year period. If we weight the time distance deviations by the population of the countries, for countries totalling about 95% of the EU-27 population the time delay was more than three years, and for about 55% more than 80 UMAR IB revija 3-4/2008 Članki five years. In Table 2 and Table 3 there is a group of seven countries for which the share in GDP was in 2006 lower than in 2000, with a time delay of more than six years against their own NRP targets. They have shown decreasing rather than increasing trends for this indicator. Their percentage deviation from the line to NRP targets varies from 15% to 57%. This is a significant group, since it encompasses more than 39% of the EU-27 population. Regrettably, for about one third of the countries no NRP targets for total employment rate were reported in the Commission report; among them were several large countries. The results available for 16 countries for employment rate show that in 2007, seven countries were ahead and nine countries behind in reaching the envisaged values on their line to target. Four countries reached their national targets for total employment rate in 2007. Table 3: Implementation of NRP targets for the share of R&D in GDP S-time-distance (in years) 2000 2001 2002 2003 2004 2005 2006 2007 EU-27 0 0.8 1.7 2.8 > 4 > 5 > 6 EU-25 0 0.8 1.7 2.8 > 4 > 5 > 6 EU-15 0 0.8 1.7 2.8 > 4 > 5 > 6 Malta 0 1.0 -3.5 -2.5 -1.5 Austria 0 -0.5 -0.3 -0.4 0.7 -0.3 0.1 0.6 Estonia 0 -0.3 0.6 1.0 1.0 1.3 0.5 Czech Republic 0 > 1 > 2 2.4 3.4 2.1 1.5 Cyprus 0 0.7 0.5 0.4 1.0 1.4 2.1 Latvia 0 > 1 > 2 > 3 > 4 3.0 2.2 Spain 0 1.0 0.9 1.2 2.1 2.4 2.5 Hungary 0 -1.0 -1.0 0.9 2.6 2.8 3.0 Denmark 0 -1.2 -1.9 -1.8 0.5 1.9 3.2 Ireland 0 > 1 > 2 2.3 2.4 3.1 3.4 4.0 Lithuania 0 0.0 1.1 2.0 1.9 2.9 3.5 Finland 0 > 1 1.7 1.5 2.2 2.7 4.2 6.5 Germany 0 0.8 1.2 1.6 3.2 4.4 4.4 Slovenia 0 0.0 1.3 > 3 3.9 4.6 4.4 Italy 0 0.6 1.2 2.4 3.5 4.6 Romania 0 0.7 1.8 2.7 3.7 4.4 4.8 Portugal 0 0.4 2.0 > 3 3.9 4.3 5.0 Sweden 0 > 1 > 2 > 3 Greece 0 > 2 > 3 4.0 > 5 United Kingdom 0 > 1 > 2 > 3 > 4 > 5 > 6 France 0 0.3 0.9 2.7 4.0 > 5 > 6 Belgium 0 -0.3 > 2 > 3 > 4 > 5 > 6 Netherlands 0 > 1 > 2 > 3 > 4 > 5 > 6 Slovakia 0 > 1 > 2 > 3 > 4 > 5 > 6 > 7 Luxembourg 0 2.9 > 4 > 5 > 6 Poland 0 > 1 > 2 > 3 > 4 > 5 > 6 S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. Članki IB revija 3-4/2008 UMAR 81 Table 4: Implementation of NRP targets for total employment rate for the 16 countries for which NRP targets were presented in the Commission Report S-time-distance (in years) S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. 2000 2001 2002 2003 2004 2005 2006 2007 Slovenia 0 -1.0 0.8 > 3 -0.8 -1.1 -1.3 TA Cyprus 0 -3.1 -3.6 -3.7 -2.1 -0.4 -1.4 TA Bulgaria 0 > 1 1.8 1.1 0.6 0.2 -1.1 TA Latvia 0 -0.2 -1.2 -1.7 -1.2 -1.3 -3.3 TA Spain 0 -0.7 -0.4 -0.8 -1.2 -2.4 -2.8 -2.6 Estonia 0 0.3 0.2 0.3 1.1 0.7 -2.1 -2.4 Ireland 0 -0.3 1.4 2.4 1.7 -0.1 -1.2 -1.2 Greece 0 > 1 0.6 0.0 0.0 0.1 -0.1 0.4 Czech Republic 0 1.0 -0.3 > 3 > 4 > 5 4.3 0.7 Lithuania 0 > 1 1.1 0.8 1.7 1.2 1.2 0.8 Malta 0 0.6 1.3 3.0 > 4 > 5 3.8 1.6 Finland 0 -0.3 0.7 2.3 3.4 3.2 2.9 2.5 Hungary 0 > 1 > 2 0.0 1.9 2.5 1.8 2.8 Belgium 0 > 1 > 2 > 3 > 4 4.3 5.4 5.3 Portugal 0 -2.8 -0.5 > 3 > 4 > 5 > 6 > 7 Romania TA > 1 > 2 > 3 > 4 > 5 > 6 > 7 It is unfortunate that for 11 countries, their NRP targets for employment rate as one of the cornerstones of the Growth and Jobs Strategy were not provided in the Commission report. It is suggested that they be invited to specify or re-specify them to confirm the overall political commitment to the process. 5. Extending the analysis for the EU-15 to selected sustainable development indicators Another application of time distance methodology for monitoring implementation deals with a selection of sustainable development indicators. In Table 5 alone, there is a wealth of clear information about being on or off track to the targets for 12 selected indicators from 7 thematic areas for all years for the EU-15. The EU-15 was chosen as it is easier to get data and other information, and as these countries were actually members of the EU over the whole period. However, this type of analysis can be repeated in the EU case for all 27 countries across a selected number of available indicators with established targets. People will intuitively understand the lead or delay in time of actual implementation against the assumed timetable for the proclaimed targets over many indicators from various fields of concern. It is a good example to show that the S-time-distance measure is easy to understand and comparable across variables, fields of concern and units of comparison. For indicators of sustainable development, it is common that the desired direction over time is a decreasing tendency for some and increasing for others. Out of these 12 indicators, there are 5 indicators for which the policy target is decreasing. Percentage differences between the line to target and actual values are very useful, but their comparison over many indicators with different desired tendencies may be tricky. For positively oriented indicators, it is desirable that the actual value is above the line to target; for negatively oriented indicators, such situation is not desirable. S-time-distance is better in this respect; the time distance for a given level of the indicator can deal with indicators from both tendencies in the same easy, understandable way. It can be used also for benchmarking in preparing targets after 2010. 82 UMAR IB revija 3-4/2008 Članki Table 5: Monitoring implementation of Lisbon 1 targets for EU-15 across 7 SD themes (S-time-distance deviation from the exponential hypothetical line to target) S-time-distance in years Theme Proposed SDI 2000 2001 2002 2003 2004 2005 2006 2007 Theme 1 - Economic development 1 Share of R&D in GDP 0 0.9 1.8 2.9 > 4 > 5 > 6 Theme 1 - Economic development 2 Total employment rate, % 0 0.1 0.7 1.4 1.8 1.9 1.6 1.6 Theme 1 - Economic development 3 Employment rate, females, % 0 -0.6 -0.6 -0.7 -0.9 -1.4 -1.9 -2.5 Theme 2 - Sustain. consumption and production 4 Municipal waste landfilled, kg per capita 0 0.2 -0.6 -2.3 -4.2 TA TA Theme 3 - Social inclusion 5 Life-long learning, % 0 1.0 1.7 -1.5 -2.5 -2.7 -1.5 -0.7 Theme 3 - Social inclusion 6 Early school-leavers, % 0 0.6 1.4 2.1 2.4 3.0 3.9 4.4 Theme 4 - Demographic changes 7 Employment rate of older workers, % 0 0.1 -0.2 -0.5 -0.2 -0.6 -0.5 -0.5 Theme 6 - Climate change and energy 8 Total greenhouse gas emissions 0 > 1 > 2 > 3 > 4 > 5 Theme 6 - Climate change and energy 9 Share of electricity from renewable sources 0 0.0 > 2 > 3 3.8 > 5 Theme 7 - Sustainable transport 10 People killed in road accidents 0 0.7 1.2 1.0 0.6 0.8 Theme 7 - Sustainable transport 11 Road share of inland freight transport 0 > 1 > 2 > 3 > 4 > 5 > 6 Theme 9 - Global partnership 12 Official development assistance, % of GNI 0 0.4 0.1 0.5 2.1 -1.8 -0.3 2.2 S-time-distance in years: - actual ahead of line to target, + actual behind the line to target TA - Target already achieved > x - Actual value is worse than the starting value, therefore S-time-distance is more than x Source: Own calculations based on data from Commission of the European Communities (2007) and Eurostat website. Table 5 shows the lead and lags against the exponential lines to target for all available years. In this way it is possible to follow not only individual S-time-distance values for a given year, but also any consistent tendencies or variations over time. The purpose of this paper is to show the methodological capabilities of the time distance methodology to complement existing statistical measures, rather than entering into detailed analysis over the wide range of issues. Figure 3 exhibits the S-time-distances for 12 indicators for the latest available years for the indicators in Table 5 (2007, 2006 or 2005). The essence is to compare delays across indicators from various themes. The picture is clear: delays expressed by the S-time-distance measure are the greatest for road share of inland freight transport, share of R&D in GDP, share of electricity from renewable resources and total greenhouse gas emissions. In all these four cases, the indicators were worse at the end of the period than in the starting year. Although this is just a small selection of the sustainable development indicators that can benefit from adding time distance analysis to other methods, an interesting observation can follow. The four indicators with the greatest delays in time are related to long-term issues: sustainable transport (theme 7), share of R&D in GDP (theme 1), total greenhouse gas emissions and share of electricity from renewable resources (theme 6, climate change and energy). Članki IB revija 3-4/2008 UMAR 83 Figure 3: Monitoring implementation of Lisbon 1 targets for the EU-15 across 7 themes of sustainable development indicators S-time-distance in years: - actual ahead of line to target, + actual behind the line to target -5 ¦ -4 ¦ TA -1 ¦ 0 ¦ I 0.8 I 1.6 2.2 2 ¦ > 5 > 5 > 6 > 6 Early Municipal Employment Life-long Employment People killed Total Official school-leaver waste rate, females, learning, % rate of older in road employment development s, % landfilled, kg % workers, % accidents rate, % assistance, per capita % of GNI Total greenhouse gas emissions Share of electricity from renewable sources Share of R&D in GDP Road share of inland freight transport I Theme 2 || Theme 1 | | Theme 3 | | Theme 4 || Theme 7 || Theme 1 || Theme 9 || Theme 3 | Theme 6 Theme 6 Theme 1 | Theme 7 | 6. SICENTER has developed a FREE WEB TOOL to monitor implementation of targets with the S-time-distance measure The purpose of developing the free Web tool is to empower a broad range of stakeholders in Europe and in the world with an excellent presentation and communication tool that is easily understood by policymakers, experts, managers, media and the general public; it can support decision-making as well as influence public opinion. Potential users could be all stakeholders who would like to take advantage of this complementary statistical measure for analysis and policy debate at various levels, e.g.: international and national organisations, NGOs, experts, businesses, managers, educators, students, interest groups, the general public and the media. They can calculate the lead or lag in time for tracking implementation of targets at the global, regional, national, sub-national or business levels, e.g. Lisbon, NRP and sustainable development targets in the case of the EU, UN Millennium Development Goals, or other planned, budgeted or aid disbursement targets. Besides the application to official data and targets, it can be used as a do-it-yourself tool to track implementation by using your own choice of data and assumptions. What are some benefits of using the S-time-distance tool for monitoring? 1. The time distance information is at least as helpful for proper perception of the progress in implementation or the lack of it as the percentage difference is. 2. It complements rather than replaces other methods. 3. It is comparable across variables, fields of concern and units of comparison. 4. This innovation provides simultaneous two-dimensional comparisons of time series data: vertically (standard measures of static difference) and horizontally (Sicherl time distance). 5. Empirically, the perceptions of the degree of disparity may be very different in static terms and in time distance. 6. Thus, the broader conceptual and analytical framework leads to new conclusions and richer semantics important for policy considerations. The free Web tool for monitoring with the S-time-distance measure is available at http://www.gaptimer. eu/s-t-d_monitoring_tool.html. The instructions for preparing input files are on the website. Some input files for EU structural indicators and the results are also available there for easier initial browsing. The Web tool was prepared first for the application for monitoring implementation of Lisbon and NRP targets. SICENTER would like to express its thanks for the donations that helped our own efforts for the preparation of the Web tool: Government Office for Growth, Republic of Slovenia; the Slovenian Science Foundation; and EUROCHAMBRES (Brussels). Another application is under discussion with the United Nations Statistical Division for Application for monitoring implementation of the UN Millennium Development Goals. As mentioned above, this could be used for tracking implementation of targets at the global, regional, national, sub-national or business levels. 84 UMAR IB revija 3-4/2008 Below are two pictures showing the Web tool entry page and an example of a portion of the results for a given country with two accompanying graphs. This example refers to the total employment rate for Germany. In the country table, the first line shows the line to target from 2000 to 2010, with an assumed exponential line to the target 70. The second line contains the actual values of the total employment rate. In the third line are calculated values of S-time-distance between actual values and the line to target, accompanied in the fourth line by the time on the line to target which corresponds to the actual value in a given year. The fifth line shows the deviation between the actual values and the line to target in percentage terms. Figure 4: The two graphs for each country or group provide a visualisation of the monitoring results. As indicated, the output files provide the S-time-distance and percentage deviations from the line to target and two graphs for each of the countries and groups. The example for Germany presents deviations in both dimensions: S-time-distance and percentage deviations from the line to target. Users can download this information and use it for further calculations and graphing. Equally, it is possible to download results into tables for all countries from each input file for S-time-distance, percentage deviation and the Članki respective times on the line to target. Annex 1 shows examples of sorted S-time-distance tables for 30 units for the four selected indicators for country results against the Lisbon 1 EU targets (e.g. Table 3 shows the S-time-distance deviations from the respective NRP targets). 7. Conclusions If the relevant EU and national bodies would care to assess the S-time-distance measure by the same eight criteria applied to the selection of structural indicators like 1. Easy to understand, 2. Policy-relevant, 3. Mutually consistent, … 6. Comparable between countries, etc. (Munoz 2004), then for this application for monitoring implementation of the Lisbon EU and NRP strategies by structural and sustainable development indicators, the S-time-distance measure would pass the test with flying colours. This paper offers an enhanced extension of the monitoring system that could be used across indicators, as well as across and within countries. S-time-distance is simple, easy to understand by everybody and well placed to complement rather than replace existing methods for tracking implementation. Članki IB revija 3-4/2008 UMAR 85 Figure 5: The free web tool provides estimates of the S-time-distance and percentage deviations from the line to target and two graphs for each of the 27 EU countries and for EU-27, EU-25 and EU-15 aggregates. These results present the situation in transparent terms with clear interpretability also to the general public, which can facilitate understanding, commitment and broader participation in the Lisbon process. This means that the more relevant comparison in the monitoring process for countries is between the degree of implementation and their particular NRP targets, rather than comparing it in graphs with the EU-27 average, as was done in the statistical annex to the Commission report. The degree of implementation for the two EU targets specified in the Commission report showed that the total employment rate for the EU-27 was in 2007 about 2.8 years behind the line to target; for the share of R&D expenditures in GDP, S-time-distance indicates that the time delay was more than 6 years in a 6-year period, as the value in 2006 was even lower than the starting value in 2000. Annex 1 brings additional information on how individual countries are faring against the EU targets. The situation with R&D expenditures is a complete disappointment; the total employment rate is not close to the line to target. However, the targets for female employment rate and employment rate for elderly workers are for the EU overall very close to the line to target; for about half of the countries, the 2010 targets were already reached by 2007. In the re-launched Lisbon Strategy, Member States in their National Reform Programmes (NRP) specify their own national targets in line with their circumstances. The analysis of implementation is much more interesting also in political terms when it is made against the national targets. These are in most cases lower than the EU targets. For the share of R&D in GDP, the summary of national targets would imply the EU target of 2.6% in 2010. For the total employment rate as one cornerstone of the Growth and Jobs Strategy, it is unfortunate that for 11 countries their NRP targets for employment rate were not provided in the Commission report. This is not a good sign for the overall political commitment to the process. The application of national targets for the share of R&D in GDP unfortunately did not change the conclusion that its implementation is equally disappointing, as all countries (except Malta, with a low target) are much behind the line to target. For countries totalling about 95% of the EU-27 population, the time delay was more than three years, and for about 55% more than five years; for seven countries with nearly 40% of the population, the value in 2006 was lower than in 2000. This is not a good indicator for the long-term position of the EU in the world. Next we tested the S-time-distance methodology for the analysis of implementation on 12 selected structural and sustainable development indicators 86 UMAR IB revija 3-4/2008 Članki for the EU-15 across 7 SD themes. This is a good example to show that the S-time-distance measure is easy to understand and comparable across variables, fields of concern and units of comparison. The four indicators with the greatest delays in time are related to long-term issues: sustainable transport (theme 7), share of R&D in GDP (theme 1), total greenhouse emissions and share of electricity from renewable resources (theme 6, climate change and energy); for all of them, the indicators were worse at the end of the period than in the starting year. This brief analysis indicates that the implementation of SD targets is very disappointing in several cases, with long-term consequences. This type of analysis can be repeated in the EU case for all 27 countries across a greater selected number of available indicators with established targets. SICENTER has developed a free Web tool that allows a variety of interested users to monitor the implementation of Lisbon, NRP and other targets with S-time-distance. The purpose of developing the free Web tool is to empower a broad range of stakeholders in Europe and the rest of the world with an excellent presentation and communication tool that is easily understood by policymakers, experts, managers, media and the general public; it can support decision-making as well as influence public opinion. References Commission of the European Communities (2007), Communication of the Commission to the European Council, COM(2007) XXX final – PART I, Brussels, December 11. EUROCHAMBRES (2007), Progress within EU but global comparisons underline need for vigilance, Brussels, March, http://www.sicenter.si/pub/2007/070305-TimeDistanceStudy2.pdf. EUROCHAMBRES (2008), China catching up and the U.S. still well ahead: A comparison of global economies through time-distance analysis, Brussels, March http://www.gaptimer.eu/images/stories/texts/ TimeDistanceStudy-2008.pdf. European Commission (2007), Employment in Europe 2007, Luxembourg. Eurostat (2008), EU-27 R&D spending stable at 1.84% of GDP in 2006, news release, 34/2008, 10 March 2008. Munoz P.D. (2004), Indicators for EU Policy-Making, OECD World Forum, Palermo, 10–13 November. Sicherl P. (1999), A New View in Comparative Analysis, IB Revija, No. 1, XXXIII. Sicherl P. (2006), Monitoring Lisbon and Growth and Jobs Strategy Targets in the Time Dimension, Paper presented at the 2nd meeting of the EPC Task Force on Structural Indicators, Brussels, September 7. Sicherl, P. (2007a), Monitoring implementation of the Lisbon Strategy and NRP in the time dimension, Paper presented at the 10th IMAD and 38th CMTEA Joint International Conference “National Reforms for the Implementation of the Lisbon Strategy: Their Monitoring, Assessment and Impacts,” Kranjska Gora, Slovenia, 14–16 June 2007 http://www.gaptimer.eu/images/stories/presentations/ Monitoring%20implementation%20of%20Lisbon%20 strategy%20and%20NRP%20in%20Time%20 Dimension.doc. Sicherl, P. (2007b), Indicator Presentation – The Time Distance, in Measuring and Fostering the Progress of Societies, Second OECD World Forum on Statistics Knowledge and Policy, Istanbul, Turkey, 27–30 June 2007 http://www.oecd.org/dataoecd/27/63/38797359. pdf?contentId=38797360. Sicherl, P. (2007c), The Inter-temporal Aspect of Well-being and Societal Progress, Social Indicators Research, Volume 84, No. 2, November 2007. Sicherl, P. (2008), Time Distance Comparisons of Macro Indicators of Well-being, Paper prepared for the 30th General Conference of the International Association for Research on Income and Wealth, Portorož, 24–30 August 2008 http://www.iariw.org/papers/2008/sicherl.pdf. Članki IB revija 3-4/2008 UMAR 87 Annex 1: S-time-distances for four indicators for EU targets gaptimer.eu/content/view/25/33/, Statistical data and targets from the Commission of the European Communities (2007), Communication of the Commission to the European Council, COM(2007) Based on the free Web tool for monitoring imple- XXX final – PART I and annex, Brussels, December mentation of Lisbon, NRP and other targets with the S-time-distance measure available at http://www. 11. Table 1: Implementation of Lisbon target for total employment rate (70%) S-time-distance (in years) 2000 2001 2002 2003 2004 2005 2006 2007 EU-27 0 0,6 1.9 2.5 3.1 3.3 2.9 2.8 EU-25 0 0.5 1.5 2.2 2.8 2.8 2.7 2.4 EU-15 0 0.1 0.7 1.4 1.8 1.9 1.6 1.6 Denmark TA TA TA TA TA TA TA TA Netherlands TA TA TA TA TA TA TA TA Sweden TA TA TA TA TA TA TA TA United Kingdom TA TA TA TA TA TA TA TA Austria 0 1.0 0.7 0.3 > 4 4.3 TA TA Cyprus 0 -4.0 -4.8 -5.2 -3.5 -1.6 -3.1 TA Finland 0 -2.3 -1.3 1.2 2.6 0.7 -1.5 TA Estonia 0 0.3 0.2 0.3 1.1 0.7 -2.1 -2.4 Latvia 0 0.0 -0.5 -0.7 -0.1 0.1 -1.2 -1.8 Germany 0 0.5 > 2 > 3 > 4 4.1 1.6 -1.7 Ireland 0 -0.3 1.4 2.4 1.7 -0.1 -1.2 -1.2 Slovenia 0 -0.5 1.1 > 3 0.4 0.4 0.6 -0.1 Spain 0 -0.2 0.2 0.2 0.3 -0.4 -0.5 0.0 Bulgaria 0 > 1 1.9 1.8 1.8 1.9 1.4 0.8 Lithuania 0 > 1 1.2 1.0 1.9 1.6 1.7 1.5 Greece 0 > 1 1.2 1.2 1.7 2.1 2.4 3.1 Italy 0 0.2 0.8 1.4 1.4 2.4 2.8 3.6 France 0 0.1 0.8 0.5 1.9 2.6 3.8 3.7 Slovakia 0 1.0 2.0 2.3 3.8 4.3 3.9 3.8 Czech Republic 0 1.0 1.2 > 3 > 4 > 5 5.4 4.7 Luxembourg 0 0.4 1.0 > 3 > 4 3.7 4.7 4.9 Belgium 0 > 1 > 2 > 3 > 4 4.3 5.4 5.3 Poland 0 > 1 > 2 > 3 > 4 > 5 > 6 5.5 Malta 0 0.9 1.9 3.0 > 4 > 5 5.6 5.9 Hungary 0 > 1 > 2 2.4 3.6 4.5 5.2 6.2 Portugal 0 -2.8 -0.5 > 3 > 4 > 5 > 6 > 7 Romania 0 > 1 > 2 > 3 > 4 > 5 > 6 > 7 S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. 88 UMAR IB revija 3-4/2008 Članki Table 2: Implementation of target for female employment rate (60%) S-time-distance (in years) 2000 2001 2002 2003 2004 2005 2006 2007 EU-27 0 0.0 0.8 1.0 1.0 0.7 0.2 -0.4 EU-25 0 -0.2 0.2 0.4 0.4 0.2 -0.4 -0.9 EU-15 0 -0.6 -0.6 -0.7 -0.9 -1.4 -1.9 -2.5 Denmark TA TA TA TA TA TA TA TA Sweden TA TA TA TA TA TA TA TA Netherlands TA TA TA TA TA TA TA TA Finland TA TA TA TA TA TA TA TA United Kingdom TA TA TA TA TA TA TA TA Portugal TA TA TA TA TA TA TA TA Austria 0 TA TA TA TA TA TA TA Slovenia 0 -1.5 0.7 > 3 TA TA TA TA Estonia 0 -0.7 -1.3 -3.8 TA TA TA TA Germany 0 -2.2 -2.3 -1.3 -1.8 TA TA TA Cyprus 0 -4.8 -6.7 TA -4.1 -2.6 TA TA Latvia 0 -2.2 -3.0 -3.7 -3.7 -3.9 TA TA Lithuania 0 > 1 > 2 -0.1 3.6 -2.4 TA TA Ireland 0 -0.7 -0.6 -0.1 -0.4 -2.3 -2.9 TA France 0 -0.7 -1.2 -3.4 -2.4 -2.0 -1.6 TA Bulgaria 0 0.6 1.0 0.8 0.6 0.8 -0.4 -1.4 Spain 0 -0.1 0.1 -0.1 -0.2 -0.8 -0.8 -0.5 Luxembourg 0 0.1 0.4 2.1 2.0 1.2 1.2 0.7 Belgium 0 > 1 > 2 2.6 2.6 2.1 2.9 2.3 Italy 0 0.1 0.6 1.2 0.8 1.8 2.2 3.1 Greece 0 > 1 1.2 1.3 1.8 2.3 2.5 3.2 Slovakia 0 0.6 > 2 2.1 > 4 > 5 5.5 5.1 Malta 0 > 1 1.6 2.8 > 4 4.7 5.1 5.2 Poland 0 > 1 > 2 > 3 > 4 > 5 > 6 5.3 Czech Republic 0 1.0 1.7 > 3 > 4 > 5 > 6 5.7 Hungary 0 0.9 1.9 1.7 2.9 3.6 4.5 5.7 Romania 0 > 1 > 2 > 3 > 4 > 5 > 6 > 7 S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. Članki IB revija 3-4/2008 UMAR 89 Table 3: Target implementation employment rate for older workers (50%) S-time-distance (in years) 2000 2001 2002 2003 2004 2005 2006 2007 EU-27 0 0.3 0.6 0.4 0.8 0.4 0.6 0.7 EU-25 0 0.2 0.2 -0.1 0.4 0.1 0.3 0.5 EU-15 0 0.1 -0.2 -0.5 -0.2 -0.6 -0.5 -0.5 Sweden TA TA TA TA TA TA TA TA Denmark TA TA TA TA TA TA TA TA United Kingdom TA TA TA TA TA TA TA TA Portugal TA TA TA TA TA TA TA TA Estonia 0 -5.0 TA TA TA TA TA TA Finland 0 -4.1 -5.6 -6.6 TA TA TA TA Cyprus 0 > 1 2.0 TA -4.3 TA TA TA Ireland 0 -2.3 -3.9 -5.0 -5.0 TA TA TA Latvia 0 0.3 -2.5 -3.2 -4.7 -4.7 TA TA Lithuania 0 > 1 0.6 -1.7 -3.2 -4.2 -3.6 TA Germany 0 0.7 0.8 0.9 0.3 -1.6 -2.9 TA Netherlands 0 -0.3 -1.8 -2.5 -2.3 -2.0 -2.3 TA Bulgaria 0 -0.6 -1.0 -1.2 -1.1 -0.8 -1.3 -1.2 Czech Republic 0 0.3 -1.7 -1.8 -1.1 -1.4 -0.9 -0.4 Spain 0 -0.9 -0.3 -0.2 0.4 -0.1 0.2 0.8 Slovakia 0 0.4 1.2 1.3 1.3 0.9 0.8 1.0 Austria 0 0.9 1.8 2.1 4.0 3.2 2.2 1.7 Slovenia 0 -0.5 1.0 2.6 0.9 1.2 1.4 2.1 Hungary 0 0.3 0.3 -0.2 -0.2 0.1 0.9 2.1 France 0 -0.3 -0.9 -1.1 -0.5 0.0 1.3 2.2 Belgium 0 > 1 1.8 2.0 2.0 2.1 3.0 2.8 Greece 0 > 1 1.8 0.7 3.6 2.4 2.7 3.6 Italy 0 0.8 1.3 1.5 2.4 2.9 3.3 3.6 Luxembourg 0 > 1 1.2 1.0 1.9 2.3 2.5 4.1 Poland 0 > 1 > 2 > 3 > 4 > 5 > 6 6.2 Romania 0 > 1 > 2 > 3 > 4 > 5 > 6 > 7 Malta 0 0.5 1.0 0.7 2.2 3.6 5.1 > 7 S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. 90 UMAR IB revija 3-4/2008 Članki Table 4: Implementation of Lisbon 1 targets for the share of R&D in GDP S-time-distance (in years) 2000 2001 2002 2003 2004 2005 2006 2007 EU-27 0 0.9 1.8 2.9 > 4 > 5 > 6 EU-25 0 0.9 1.8 2.9 > 4 > 5 > 6 EU-15 0 0.9 1.8 2.9 > 4 > 5 > 6 Finland TA TA TA TA TA TA TA TA Sweden TA TA TA TA TA Austria 0 -0.5 -0.3 0 0.7 -0.3 0.1 0.6 Malta 0.0 1.0 -0.4 0.7 1.7 Estonia 0 0.1 1.0 1.6 1.9 2.4 2.1 Denmark 0 -1.2 -1.9 -1.8 0.5 1.9 3.2 Czech Republic 0 > 1 > 2 2.7 3.7 3.3 3.4 Latvia 0 > 1 > 2 > 3 > 4 3.8 3.6 Spain 0 1.0 1.3 1.8 2.7 3.3 3.7 Cyprus 0 0.9 1.1 1.5 2.3 3.0 3.8 Lithuania 0 0.2 1.3 2.2 2.5 3.5 4.1 Hungary 0 -0.2 0.2 1.7 3.1 3.6 4.2 Ireland 0 > 1 > 2 2.6 3.0 3.8 4.3 5.1 Germany 0 0.8 1.2 1.6 3.2 4.4 4.4 Slovenia 0 0.0 1.3 > 3 3.9 4.6 4.4 Romania 0 0.8 1.9 2.8 3.8 4.5 5.1 Portugal 0 0.6 2.0 > 3 3.9 4.6 5.4 Italy 0 0.7 1.3 2 3.6 4.7 Greece 0 > 2 > 3 4.0 > 5 United Kingdom 0 > 1 > 2 > 3 > 4 > 5 > 6 France 0 0.3 0.9 2.7 4.0 > 5 > 6 Belgium 0 -0.3 > 2 > 3 > 4 > 5 > 6 Netherlands 0 > 1 > 2 > 3 > 4 > 5 > 6 Slovakia 0 > 1 > 2 > 3 > 4 > 5 > 6 > 7 Luxembourg 0 2.9 > 4 > 5 > 6 Poland 0 > 1 > 2 > 3 > 4 > 5 > 6 Bulgaria 0 > 1 > 2 > 3 > 4 > 5 > 6 S-time-distance: (-) actual ahead or (+) behind the line to target (years) TA - Target already achieved > x - Actual value is worse than the starting value, S-time-distance is more than x years Source: Own calculations based on data from the Commission of the European Communities (2007) and Eurostat. Članki IB revija 3-4/2008 UMAR 91 UDK 338.57.055.2 (497.4) Aljaž Kunčič Razlika v vplivu cene surove nafte na inflacijo med Slovenijo in Avstrijo Povzetek Velika povišanja cene surove nafte njega prispevka pa je z uporabo državama. Te lahko razlagamo v zadnjih letih so pomembno enostavnega reduciranega modela z razlikami v prenosu cenovnih prispevala k inflaciji v Sloveniji vektorske avtoregresije oceniti raz- nihanj surove nafte v cene tekočih in drugod. Objavljene empirične liko v vplivu cene surove nafte na goriv in kurilnega olja, razlikami v študije na to temo se osredotočajo inflacijo med Slovenijo in Avstrijo utežeh košarice CPI ter razlikami predvsem na višino vpliva cene ter pregledati razloge za razliko v energetski učinkovitosti gospo-surove nafte na inflacijo, cilj spod- v vplivu med obravnavanima darstva. Ključne besede: inflacija, VAR, cene surove nafte. ....................................................................................................................................................................................................................................................................................... Summary Large increases in the crude price tion, while this paper tries to estimate They can be substantiated with the of oil in the last few years have been the difference in the impact of crude difference in responsiveness of motor an important inflationary factor in oil prices on inflation between Slo- fuel and heating oil prices to crude Slovenia and other countries. Pub- venia and Austria using a reduced oil prices, with the difference in the lished empirical studies on this topic vector autoregression model. Fur- weights of the CPI basket and with deal mainly with the strength of the thermore, it tries to identify the un- the difference in energy efficiency of impact of crude oil prices on infla- derlying causes of this discrepancy. the economy. Key words: inflation, VAR, crude oil prices. ....................................................................................................................................................................................................................................................................................... JEL: C320, E310 1. Uvod Cene surove nafte na svetovnem trgu v dolarjih za sod alternativnih virov, predstavljajo nafta in njeni derivati so se od sredine devetdesetih do sredine leta 2008 še vedno skoraj 40 % celotne svetovne porabe energije. povečale od 15 USD do 140 USD in več oziroma Ob tako velikem deležu je razumljivo, da sprememba za več kot 800 odstotkov. Čeprav se učinkovitost cene nafte močno vpliva na svetovno gospodarstvo, izrabe nafte in njenih derivatov v razvitih državah kar občutijo pravzaprav vsi po svetu. povečuje, kar je v zadnjih letih povzročilo tudi znižanje povpraševanja s te strani, so ta primanjkljaj Avtorji obstoječih raziskav soglašajo, da povišanje z večjim obsegom povpraševanja več kot nadomestile cene surove nafte negativno vpliva na gospodarstvo, velike hitro razvijajoče se ekonomije, kot denimo saj de facto znižuje potencialni proizvod in povečuje Indija in Kitajska. Navkljub političnim naporom, ki inflacijo, a si v kvantificiranju tega vpliva niso enotni. vzpodbujajo uporabo čistejše energije in razvijanje V povezavi s preučevanjem vpliva cene surove nafte na 92 UMAR IB revija 3-4/2008 Članki inflacijo v Sloveniji se empirične raziskave običajno osredotočajo na samo višino vpliva povečanja cen tekočih goriv na inflacijo, manj je študij, ki povezujejo surovo nafto neposredno z inflacijo, med tem ko sama primerjava vpliva cene surove nafte na inflacijo med Slovenijo in drugimi državami v dosedanjih delih ni predstavljala osrednjega raziskovalnega vprašanja. Namen tega prispevka je zato z uporabo reduciranega modela vektorske avtoregresije za Slovenijo in Avstrijo oceniti in razložiti razliko v vplivu cene surove nafte na inflacijo v Sloveniji in Avstriji. Slednja je izbrana kot primerjalna država, saj je tako kot Slovenija majhno odprto gospodarstvo, ki pa se za razliko od Slovenije uvršča med bolj razvite članice EU. Prav razlika v razvitosti v kombinaciji z neposredno geografsko bližino naredi Avstrijo zanimivo za primerjavo učinka spremembe cene surove nafte na inflacijo. Pregled drugih razlik, ki pomembno vplivajo na končni rezultat, je zajet v razpravi. Članek je razdeljen na štiri poglavja. V prvem delu je na kratko predstavljen teoretični okvir novokeynesian-ske Phillipsove krivulje, ki ustreza našim namenom. Drugi del je namenjen predstavitvi uporabljenega VAR-modela, ki nam omogoča primerjavo vpliva cene surove nafte na inflacijo med državami, tretji del pa interpretira in razlaga rezultate, kjer je poudarek na pojasnjevanju razlike v vplivu spremembe cene surove nafte na inflacijo med državama. V sklepu povzamemo glavne ugotovitve. (1) L(zt) = /(0ß)kEt(zt -p*t+k)2 k=0 Z odvajanjem enačbe (1) po zt dobimo pogojno optimalno ceno zt, ki jo lahko z upoštevanjem formule za seštevek neskončnega geometrijskega zaporedja in enakosti p k — (ju + mct+k ) izrazimo v enačbi (2). (2) (1 - #/?)L (0ßfEt (ju + mct+k ) k=0 Agregatna raven cen v Calvo gospodarstvu, ki jo prikazuje enačba (3), je kar tehtano povprečje ravni cen iz prejšnjega obdobja in nove pogojne optimalne cene zt . (3) pt = 0pt_1 + (1 - 6)zt Enačbo (2) lahko z uporabo rekurzivne substitucije preoblikujemo in zapišemo novo pogojno optimalno ceno v enačbi (4), kamor vstavimo zt iz enačbe (3) in s preurejanjem enačbe ter definiciji inflacije kot spremembe v ravni cen 7tt = pt — pt_1 (cene so izražene v logaritmih) dobimo enačbo (5) oziroma novokeynesiansko Phillipsovo krivuljo, ki je odvisna od pričakovanj prihodnje inflacije Et7Tt+1 in razlike med brezpogojno optimalno ravnjo cen pt — /j + mct ter dejansko ravnjo cenpt. 2. Teoretični okvir Novokeynesiansko Phillipsovo krivuljo (v nadaljevanju: NKPC) izpeljujemo na podlagi predpostavke rigi-dnih cen, ki jih postavljajo podjetja v monopolistični konkurenci. Najbolj eleganten in analitično relativno enostaven način je, da analiziramo postavljanje cen a la Calvo (Calvo, 1983), kasneje pa izpeljano pogojno optimalno ceno preoblikujemo še v stopnje rasti oziroma vključimo v okvir NKPC, tako kot denimo Whelan (2007) in Gali in Gertler (1999). Calvo predpostavi rigidnost cen v obliki modela, kjer podjetja zaradi stroškov cenikov in drugih stroškov ne morejo poljubno spreminjati cen proizvodov, temveč jih spreminjajo v časovnih razkorakih. V Calvovem modelu postavljanja cen se vsako obdobje naključni delež podjetji (1–?) odloči za spremembo cen, druga podjetja (?) pa ohranijo cene na obstoječi ravni. Ko podjetja svoje cene le spremenijo, se ob tem zavedajo, da bodo cene morale ostati nespremenjene naslednjih k obdobij, zato poskušajo podjetja izbrati pogojno optimalno ceno zt (logaritmirano), ki omogoča minimiziranje vrednosti funkcije izgub L v enačbi (1). Male tiskane črke zaradi lažjega zapisa označujejo logaritmirane vrednosti. (4) zt=(l- Oß)(ji + mct) + 6ßEtzM (5) nt = ßEt7it+l + (l-0)(l-0ß) e (ju + mct — pt) Nominalne marginalne stroške dobimo tako kot Damijan, Masten in Polanec (2004) iz Cobb-Douglasove produkcijske funkcije Y = A lao1a kjer predpostavljamo, da le-ta vsebuje dva produkcijska faktorja: delo l in nafto o. A predstavlja tehnološke faktorje (skupaj s konstanto) v obliki t At (1 1 podjetja pa nimajo \CCJ \1-OC, fiksnih stroškov. S tem se zaradi vključitve nafte med stroške podjetij odmikamo od popolnoma splošne NKPC. Mejne stroške MC dobimo z minimiziranjem celotnih stroškov TC podjetja z uporabo Lagrangeve opti-mizacijske funkcije v enačbi (6), kjer je Wt strošek dela oziroma plača, Pto pa cena nafte na sodček. Parcialna odvajanja enačbe (6) nam določajo pogoje prvega reda, iz katerih dobimo po nekaj preurejanjih in uporabi totalnega diferenciala Lagrangov multiplikator v enačbi (7), ki je enak mejnim stroškom, ki sedaj poleg dela vsebujejo tudi nafto. z = Članki IB revija 3-4/2008 UMAR 93 (6) Lt =Wtlt +Ptoot +r}\Yt At lt o 1 t (7) T]t dTCt MCt A [Y^j W a zapišemo v enačbi (10) kot povezavo med tekočo inflacijo, pričakovanji o prihodnji inflaciji, proizvodno vrzeljo in odklonom cene nafte od svoje ravnovesne lege. (10) nt = ßEtnM + ÄKXt + Xôdp°t Enačbo (7) poenostavimo, če namesto At vstavimo izraz za tehnološke faktorje skupaj s konstanto in jo logaritmiramo in lineariziramo v enačbi (8). Raven mejnih stroškov, tehnološki faktorji, cene nafte in raven plač so v svoji logaritemski vrednosti zaradi čistejšega zapisa zopet pisane z malimi tiskanimi črkami. (8) mct = —at + awt + (l - a) p° Če z Tncrt označimo realne mejne stroške oziroma bolj natančno odklon realnih mejnih stroškov mcrt = pt — pt = jU + mct — pt od svoje ravnovesne (optimalne ali neinflatorne) vrednosti, koefi- . (1-6>)(1-#/?) cient A pa je enak------------------i^in je odvisen e od frekvence spreminjanja cen 0 in subjektivnega diskontnega faktorja ß, lahko NKPC zapišemo elegantneje v enačbi (9). (9) nt — ßEtnt+\ + ^mct Realni marginalni stroški v našem kontekstu vsebujejo poleg dejanske ravni cen še nominalne marginalne stroške, kot so zapisani v enačbi (8). Stroškovne faktorje nominalnih mejnih stroškov lahko razdelimo na notranje in zunanje, pri čemer so dani prvi popolnoma eksogeno in nanje ne moremo vplivati, drugi pa so določeni endogeno. S tem lahko tudi o odklonu realnih marginalnih stroškov govorimo kot o notranje in zunanje motiviranim. V prvo skupino lahko uvrstimo raven plač in tehnologijo1, za kateri je možno kot dober približek uporabiti proizvodno vrzel, saj obstaja med tem delom odklona realnih mejnih stroškov in proizvodno vrzeljo proporcionalna povezava v obliki mc rnotr .. t =KXt, kjer je K elastičnost proizvoda na spremembo realnih mejnih stroškov (Gali & Gertler, 1999 po Rotemberg & Woodford, 1997). V skupino zunanje povzročenih dejavnikov pa uvrstimo ceno nafte in privzamemo (1-cc) = <5. Odklon realnih marginalnih stroškov mcrt = KXt + Sdp° tako določajo notranji dejavniki, ki jih ocenjuje proizvodna vrzel xt in zunanji dejavnik cena nafte, ki ga zapišemo v obliki odklona od svoje ravnovesne lege dp° . Novokeynesiansko Phillipsovo krivuljo lahko sedaj 3. Empirično ocenjevanje V empirični analizi uporabljamo podatke za obdobje od začetka leta 1995 do konca leta 2007. Najbolj frekventni podatki o gospodarski rasti so četrtletni podatki, zato so ostale spremenljivke temu prilagojene in izračunane na četrtletni osnovi. Inflacijo zajemamo z Indeksom cen življenjskih potrebščin (v nadaljevanju: CPI), ki predstavlja strošek nakupa izbrane košarice dobrin in storitev končne potrošnje v različnih časovnih obdobjih, ob tem pa upošteva načelo nacionalne potrošnje in vključuje tudi dobrine in storitve, proizvedene v tujini, a porabljene s strani prebivalcev domače države. Mesečni podatki o gibanju CPI so pridobljeni s strani Banke Slovenije (v nadaljevanju: BS) in Statističnega urada Republike Slovenije (v nadaljevanju: SURS), niso desezionirani, izraženi pa so kot indeksi cen s stalno osnovo v povprečju leta 2005. Nadalje so mesečni podatki agregirani na četrtletno raven z enostavnim aritmetičnim povprečjem in s prvo diferenco izraženi v stopnjah rasti. Najpogosteje uporabljen način za identifikacijo proizvodne vrzeli, ki jo bomo uporabili tudi v tem prispevku, je ekonometrična dekompozicija proizvoda, ki je enostavna razlika med dejansko in potencialno vrednostjo proizvoda. Takšni preprosti linearni filtri, kot denimo HP filter (Hodrick & Prescott, 1981), identificirajo trendno (potencialno) komponento proizvoda predvsem na statističnih podatkih in imajo malo ekonomske vsebine. HP filter ocenjuje trendno komponento proizvoda g z minimizacijo funkcije T ct 2^Tlgt-gt-o-{gt-1-gt-J ct torej predstavlja odklone časovne vrste od trendne vrednosti, predpostavlja pa se, da se povprečje odklonov na dolgi rok približuje ničli. Gladilni parameter X je pozitivno število in kaznuje variabilnost v tren-dni komponenti serije. Hodrick in Prescott (1981) sta kot primerno vrednost za četrtletne podatke izbrala vrednost A — 1600, ki je uporabljena tudi v nadaljnji analizi našega primera. Za izračun proizvodne vrzeli uporabljamo podatke Banke Slovenije o gospodarski rasti Slovenije in Avstrije, podatki so desezionirani , kjer \-a a o Čeprav je pretok tehnologije relativno prost, je njen prenos ali privzem odvisen od drugih endogenih faktorjev. 94 UMAR IB revija 3-4/2008 Članki in prilagojeni številu delovnih dni, izračunani pa so kot indeksi s stalno osnovo v povprečni ravni BDP leta 2005. Podatki o proizvodni vrzeli so izraženi kot odstotna razlika med dejansko in trendno ravnjo BDP. S surovo nafto se običajno trguje v dolarjih, vendar ko nas zanima vpliv cene surove nafte na spremenljivke znotraj drugega moneratnega sistema, ne smemo zanemariti vpliva deviznega tečaja oziroma možne depreciacije ali apreciacije dolarja glede na domačo valuto, zato zajemamo ceno surove nafte v EUR oziroma pred 1999 v ECU. V Evropi je najbolj uporabljana surova nafta tipa BRENT, zato je nafta tega tipa tudi najprimernejša za preučevanje vplivov spremembe cene surove nafte na države EU. Podatki o gibanju četrtletne cene surove nafte v evrih oziroma ECU so izračunani kot aritmetična sredina 3 mesečnih povprečnih cen nafte, izraženih v dolarjih s spremljajočim povprečnim mesečnim menjalnim tečajem. Prva diferenca logaritma cene surove nafte tipa BRENT v evrih oziroma ECU predstavlja rast cene nafte v evrih (ob nespremenjenem deviznem tečaju USD/EUR pa tudi v dolarjih) v danem četrtletju glede na predhodno četrtletje. Za analizo podatkov uporabljamo reducirani VAR-model, ki se teoretično naslanja na NKPC, zapisano kot nt = ßEt7lt + + ÄKxt + Aôdpo, kjer je tekoča inflacija odvisna od pričakovanj o prihodnji inflaciji, proizvodne vrzeli in odklona cene nafte od svoje ravnovesne lege. Inflacijska pričakovanja Et7TM zajemamo zaradi pomanjkanja boljšega instrumenta z odloženimi vrednostmi inflacije in proizvodne vrzeli. Za pravilno statistično specifikacijo modela obravnavamo inflacijo in proizvodno vrzel kot endogeni spremenljivki, za večjo moč modela pa dopuščamo višje odložene vrednosti odvisnih spremenljivk. Tekoči vpliv proizvodne vrzeli na inflacijo v modelu seveda ni viden, saj VAR v reducirani obliki ne omogoča modeliranja sočasnih povezav. Cena nafte vstopa, kot predlaga teorija za majhna in odprta gospodarstva, v obliki eksogene spremenljivke in odklona od svoje ravnovesne lege, ob čemer sprejmemo dodatno predpostavko, da je ravnovesna cena nafte kar cena v prejšnjem obdobju, s tem pa lahko govorimo torej o odstotni spremembi cene nafte iz enega četrtletja na drugega. Reducirani VAR(p)-model za Slovenijo lahko ponazorimo z enačbo (11). (11) Pri čemer je yt vektor, ki vsebuje inflacijo in proizvodno vrzel in ustreza yt =(dlncpisit, gapsihpl600t)', u t je vektor napak, matrike A-,....A so matrike koeficientov dimenzij 2x2, x predstavlja spremembo cene nafte dlnnafta, zt vsebuje trend, sezonske neprave spremenljivke in druge neprave spremenljivke, pripadajoča matrika koeficientov B1 pa je dimenzije 1x4. Dodatne neprave spremenljivke predstavljajo gla-jenje odvisnih spremenljivk in so določene statistično na podlagi standardiziranih vrednosti. Sorazmerno varno lahko z nepravimi spremenljivkami izničimo vpliv tistih vrednosti, ki presegajo tri standardne odklone, čeprav nevtraliziramo tudi nekatere druge, ki občutno presegajo vrednost dveh standardnih odklonov. Enak model se uporabi tudi za Avstrijo. Za Slovenijo nam ob omejitvi šestih odlogov informacijski kriterij SBIC kot optimalno število odlogov ocenjuje enega, AIC pa štiri. Zaradi neprimernosti modela z enim odlogom pri testih specifikacije sprejmemo štiri odloge. Pri Avstriji SBIC kriterij ocenjuje štiri odloge kot optimalne, AIC pa šest. Omejimo se na 4 odloge. Ocene modela za Slovenijo in Avstrijo po izločitvi nekaterih neznačilnih nepravih spremenljivk lahko vidimo v Tabeli 1, kjer je pod vsakim koeficientom zapisana pripadajoča standardna napaka. Model tako za Slovenijo kot tudi za Avstrijo pod-vržemo še standardnim testom specifikacije, kjer ne zaznamo večjih težav. Rezultati testov avtokore-lacije, normalnosti porazdelitve ostankov regresije, stabilnosti modela in heteroskedastičnosti so vidni v Prilogi 1. Edina mejna vrednost se pojavi pri testiranju avtokorelacije na slovenskih podatkih, kjer je kritičen drugi odlog s P = 0,0608. Za testiranje avtokorelacije so Bruggemann, Lütkepohl in Saikkonen (2006) pokazali, da testi avtokorelacije v majhnih vzorcih večkrat precenjujejo pojav oziroma podcenjuje vrednost točne stopnje značilnosti, pri kateri ničelno hipotezo o prisotnosti avtokorelacije zavračamo, zato avtokorelacijo zavrnemo z ustrezno stopnjo zaupanja. 3.1. Tehnične pomanjkljivosti in izboljšave modela Kot prvo pomanjkljivost modela je potrebno izpostaviti kratko časovno vrsto, saj imamo za ocenjevanje 14 oziroma 15 parametrov na voljo samo 47 opazovanj, kar je nekaj več kot 3 opazovanja na parameter. Tej slabosti se seveda ni možno izogniti, saj za mlade države, kot je Slovenija, ni mogoče dobiti daljših verodostojnih časovnih vrst. yt =Alyt_l +A2yt_2 + ... + A yt_ + Älxt +Bxzt +ut Članki IB revija 3-4/2008 UMAR 95 Tabela 1: Ocene modela s produkcijsko vrzeljo za Slovenijo in Avstrijo Ocenjena spremenljivka Slovenija: enačba dlncpisit Slovenija: enačba gapsihp1600t Avstrija: enačba dlncpiatt Avstrija: enačba gapathp1600t konstanta 0,0259*** (0,00485) -0,00333 (0,00590) 0,00198 (0,00115) 0,00171** (0,000782) Inflacija(-1) 0,0686 (0,0696) 0,0453 (0,0846) 0,170 (0,130) -0,0266 (0,0889) Inflacija(-2) -0,173*** (0,0659) -0,00436 (0,0803) 0,183* (0,101) -0,177*** (0,0690) Inflacija(-3) -0,172** (0,0726) 0,0200 (0,0883) 0,121 (0,113) -0,149* (0,0770) Inflacija(-4) 0,182*** (0,0712) -0,00938 (0,0867) 0,0621 (0,109) -0,0127 (0,0744) proizvodna vrzel(-1) 0,346*** (0,0907) 0,519*** (0,110) -0,0781 (0,169) 1,816*** (0,115) proizvodna vrzel(-2) -0,0139 (0,0892) 0,316*** (0,109) 0,417 (0,312) -1,725*** (0,212) proizvodna vrzel(-3) 0,264*** (0,0889) 0,149 (0,108) -0,339 (0,308) 1,384*** (0,210) proizvodna vrzel(-4) 0,00441 (0,0883) -0,234** (0,108) 0,0737 (0,166) -0,540*** (0,113) dlnnafta 0,0201*** (0,00509) -0,00563 (0,00620) 0,00867*** (0,00256) 0,00360** (0,00175) Trend -0,000341*** (0,0000839) 0,0000633 (0,000102) 0,0000315 (0,0000278) 80,86e-06 (0,000019) s2 0,00443*** (0,00164) 0,00199 (0,00199) 0,000322 (0,000936) -0,00121* (0,000637) s3 -0,00573*** (0,00160) -0,000562 (0,00195) -0,00413*** (0,00102) -0,000264 (0,000698) Dygapsihp1600 -0,0212*** (0,00438) 0,0267*** (0,00533) / / dydlncpiat2 / / 0,0118*** (0,00262) -0,00158 (0,00178) dydlncpiat3 / / -0,0119*** (0,00314) -0,00267 (0,00214) Velikost vzorca 1996q2 - 2007q4 1996q2 - 2007q4 1996q2 - 2007q4 1996q2 - 2007q4 Število opazovanj 47 47 47 47 Število ocenjevanih parametrov 14 14 15 15 R2 0,8366 0,6983 0,6795 0,9692 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Vse ocene so zaokrožene na 3 polna decimalna mesta. Legenda: * koeficient je statistično značilen pri vsaj 10 % točni stopnji značilnosti ** koeficient je statistično značilen pri vsaj 5 % točni stopnji značilnosti *** koeficient je statistično značilen pri vsaj 1 % točni stopnji značilnosti Za boljše ocene parametrov bi bilo treba modelirati vpliv cene nafte na inflacijo v okviru sistema DSGE2, kjer je možno oceniti tudi strukturne parametre, ne le reduciranih. NKPC, ki jo poskušamo kot okvir uporabljati v tem delu, je namreč le ena od enačb splošnega ravnotežja in zato ne opisuje adekvatno dinamike celotne ekonomije. Nadalje je naš model omejen samo na sočasne vplive cene nafte na inflacijo, preučevanje časovno bolj oddaljenih bi zahtevalo uporabo naprednejših ekonometričnih metod. Nadalje je treba tudi omeniti, da v našem modelu ne dopuščamo oziroma ne vključujemo sprememb nekaterih pomembnih kanalov prenosa cene nafte na Dinamični stohastični model splošnega ravnotežja. 96 UMAR IB revija 3-4/2008 Članki inflacijo, ki jih obravnavamo v nadaljevanju. Model ne vključuje vpliva spreminjanja energetske učinkovitosti gospodarstva, ne vključuje spreminjanja uteži za naftne derivate v košarici CPI in ne nazadnje ne vključuje dinamike spreminjanja trošarin, njihove acikličnosti ter samega dejstva, da postaja prenos sprememb cene nafte v bruto cene tekočih goriv ob višanju cen nafte vse močnejši (in obratno).3 Kot možno izboljšavo dodajamo v model še vpliv tujine na domačo inflacijo, ki se kaže kot prenos tujih cen v domače, v tem prispevku pa ga, enako kot Masten in Brezigar Masten (2006), zajemamo z vrzeljo realnega deviznega tečaja. Podobno kot ceno nafte lahko v Cobb-Douglasovo produkcijsko funkcijo vključimo še vmesne dobrine. V primeru majhnih odprtih držav velik delež vmesnih dobrin predstavljajo uvožene dobrine. Ker je njihova cena, denominirana v tuji valuti, za majhne države dana največkrat eksogeno (odvisno predvsem od pogajalske moči), nanjo prek domačega povpraševanja ni mogoče vplivati. Ker se tudi cene domačih vmesnih dobrin prilagajajo cenovni dinamiki uvoženih dobrin oziroma od njih ne odstopajo bistveno, se tuji cenovni šoki neposredno odrazijo v povečanju marginal-nih stroškov podjetij. Učinek prenosa tujih cen na odklon realnih marginalnih stroškov bi najbolj korektno zajemali s pogoji menjave, vendar zaradi priročnosti na tem mestu uporabimo kar realni efektivni devizni tečaj in torej uvoženo inflacijo zajemamo z vrzeljo realnega deviznega tečaja, ki je izračunana kot odklon od svoje trendne vrednosti4. NKPC z vključeno vrzeljo realnega efektivnega deviznega tečaja lahko zapišemo kot nt = ßEtnt+l + ÄKxt + Äödpo + Açddtt, kjer ddtt predstavlja vrzel realnega deviznega tečaja. Podatki o realnem efektivnem deviznem tečaju5 so zbrani za obdobje od prvega četrtletja 1995 do četrtega četrtletja 2007, izvirajo pa iz podatkovne baze Evropske komisije. Vrzel realnega deviznega tečaja vključujemo v model kot endogeno spremenljivko predvsem zaradi Slovenije, kjer je centralna banka v preteklosti pri svoji politiki v veliki meri ciljala realni devizni tečaj (Masten & Brezigar Masten, 2006). Vpliv cene surove nafte na inflacijo se v ocenjenem modelu za Slovenijo in Avstrijo ob vključitvi vrzeli realnega deviznega tečaja sicer nekoliko poveča, med tem ko razmerje med njima, ki nas v prispevku pravzaprav zanima, ostaja praktično enako oziroma se malenkostno poviša. Zato se v nadaljnji razpravi rezultatov sklicujemo predvsem na prvi model, pri katerem se pri zelo majhni časovni seriji odrečemo manj stopinjam prostosti. 4. Razprava Vpliva cene surove nafte na inflacijo sta za obe državi značilna pri 1 % stopnji značilnosti. Za Slovenijo sprememba cene nafte v evrih oziroma v dolarjih, ob nespremenjenem nominalnem deviznem tečaju USD/EUR, za 10 odstotkov povzroči ceteris paribus povišanje tekoče četrtletne inflacije za 0,2 odstotne točke. Enako povišanje cene nafte v Avstriji pa poviša ceteris paribus avstrijsko tekočo četrtletno inflacijo samo za 0,087 odstotne točke oziroma za slabo desetino odstotne točke. Vpliv cene surove nafte na inflacijo se ob vključitvi vrzeli realnega deviznega tečaja nekoliko poveča, in sicer pri Sloveniji na 0,0280, pri Avstriji pa na 0,0115, oba koeficienta sta zopet značilna pri 1 % stopnji značilnosti. V primerjavi z ugotovitvami LeBlanca in Chinna (2004), ki ocenjujeta učinke sprememb cene surove nafte v nekaj najbolj razvitih državah in ocenjujeta, da povišanje cene nafte za 10 odstotnih točk vodi do neposrednega povišanja inflacije v razponu od 0,1 do 0,8 odstotne točke, se z ocenami našega modela znajdemo na spodnji meji razpona vpliva cene surove nafte.6 Ob upoštevanju rezultatov Jagriča in Hafnerja (2005), ki uporabljata 30-sektorske input-output tabele in ocenjujeta, da povečanje cene nafte za 10 odstotkov k slovenski inflaciji prispeva 0,5 odstotne točke, pa lahko realno trdimo, da naš model samo višino vpliva cene nafte na inflacijo v posamezni državi podcenjuje. Ob tem je treba poudariti, da je model v prvi vrsti namenjen ocenjevanju razlike v vplivu cene surove nafte na inflacijo med Slovenijo in Avstrijo, empirična oblika NKPC v obliki reduciranega VAR-modela pa nam služi le kot struktura za prikaz te razlike. Razlika v vplivu cene nafte na inflacijo med Slovenijo in Avstrijo, ki je predmet te analize, je občutna, saj se slovenska inflacija ob povišanju cene surove nafte na svetovnem trgu na povišanje odzove s skokom, ki je kar za 132 % višji kot v Avstriji oziroma 2,32-krat višji. Ta razlika ostane na praktično enaki ravni tudi v modelu, kjer vključimo vrzel realnega deviznega tečaja kot dodatno endogeno spremenljivko. V tem okviru je razlika v vplivu 10 odstotne spremembe 3 Trošarine namreč tudi ob nespremenjenih vrednostih predstavljajo ob dvigovanju cen tekočih goriv vedno manjši del končne cene, s tem pa izgubljajo vlogo dušilca, kot jo opredelimo v nadaljevanju. 4 Spet izračunane s HP filtrom. 5 Kjer se upošteva najširša skupina trgovinskih partneric v sestavi EU27 plus nekatere druge svetovne države. 6 Če se v empirično povezavo med inflacijo in ceno nafte vključijo še dodatni odlogi in mera efektivnega deviznega tečaja, se ta razpon poveča do 1,1 odstotne točke. Članki IB revija 3-4/2008 UMAR 97 cene nafte ceteris paribus na četrtletno inflacijo v Sloveniji glede na Avstrijo tudi kar 144 %. Ker sta razliki v vplivu cene nafte na inflacijo v Sloveniji in Avstriji tako v prvotnem kot v razširjenem modelu praktično enaki, lahko ocenjujemo, da je specifikacija modela robustna do te mere, da so relativne ocene spremembe inflacije v Sloveniji glede na Avstrijo konsistentne in da nam model dobro ocenjuje razliko v prenosu sprememb cene surove nafte v inflacijo med Slovenijo in Avstrijo. V nadaljevanju razprave poskušamo pojasniti 132 % oziroma 144 % razliko v vplivu cene surove nafte na inflacijo med državama, zato si podrobneje ogledamo mehanizem prehajanja cenovnih sprememb surove nafte v inflacijo. Spremembe cene surove nafte prehajajo v inflacijo preko treh kanalov: prehajanje spremembe cene surove nafte v cene tekočih goriv, sestava gospodarstva in sestava košarice CPI. 4.1. Prehajanje spremembe cene surove nafte v cene tekočih goriv7 Odziv cen tekočih gorivna nihanja cene nafte je lahko precej različen od države do države in od tipa derivata, nanj pa najbolj vplivajo lokalni dejavniki. Arpa, Cuaresma, Gnan in Silgoner (2006) so identificirali dejavnike, ki vplivajo na hitrost in obseg prenosa cenovnih nihanj surove nafte v končne cene tekočih goriv, ki jih lahko razdelimo v dve skupini: konkurenca v energetskem sektorju in posledična elastičnost naftnih derivatov (neto cene) ter trošarine (bruto cene). Prenos cene surove nafte v bruto cene najbolj uporabljenega bencina euro super 95 so ocenjevali z VAR-modelom. Ocenjujejo, da je elastičnost bruto cene bencina tako v Avstriji kot v Sloveniji za več kot polovico manjša od elastičnosti neto cene (učinek trošarin), prenos sprememb cene surove nafte v bruto ceno bencina pa je v Avstriji 20 %, v Sloveniji pa skoraj dvakrat toliko. Na tem mestu je primerno omeniti razliko v konkurenci na trgu naftnih derivatov. Cena naftnih derivatov se v Avstriji oblikujejo prosto, čeprav so imele v letu 2004 štiri največje verige črpalk kar 60-odstotni tržni delež (PVM Vienna, 2005), in ne na podlagi vnaprej določenega modela kakor v Sloveniji. Vpliv konkurence na trgu naftnih derivatov na prehajanje spremembe cene surove nafte v cene tekočih goriv tako v Sloveniji ni relevanten, saj se pri nas v skladu z Uredbo o oblikovanju cen naftnih derivatov njihove cene avtomatično usklajujejo s cenami surove nafte na trgu, marže distribucijskih podjetij pa so fiksne in ne morejo absorbirati dvigov ali padcev cen surove nafte (kot je to potencialno možno v Avstriji). Glavni razlog velike (morda pretirane) ekonometrično ocenjene razlike Arpe et. al v cenovnem prenosu surove nafte v inflacijo med državama mora biti v trošarinah. Pri prenosu sprememb cene nafte v končne bruto cene tekočih goriv delujejo trošarine kot dušilci, saj so določene glede na količino in ne kot odstotni delež cene. Posledično se cenovna nihanja prenesejo tem manj, kolikor večje so trošarine, saj predstavljajo spremenjeni stroški surove nafte samo en del strukture končne cene. Sestavo končne cene tekočih goriv v Sloveniji in Avstriji konec leta 2007 nam prikazuje Slika 1, v Prilogi 2 pa lahko vidimo dinamiko spreminjanja trošarin za izbrani državi od leta 2004 do 2007. Slika 1: Sestava končne cene tekočih goriv v Sloveniji in Avstriji 1400 1200 1000 800 600 400 200 0 Su Eu r o per 95 Dize S l lov K eni uriln olje ja o Su Eu r o per 95 A Dize vstr l ja K uriln olje o DDV trošarine brez davkov in trošarin Vir: Oil bulletin, 2007. 7 S čimer v nasprotju s statistiko označujemo tri najpogosteje uporabljene naftne derivate: bencin euro super 95, dizel in kurilno olje. 98 UMAR IB revija 3-4/2008 Članki Iz Slike 1 je razvidno, da so trošarine v Avstriji konec obravnavanega obdobja višje in torej bolj blažijo prenose nedavnih cenovnih sunkov surove nafte v tekoča goriva. Primerjava višine povprečnih letnih trošarin od 2004 do 2007 nam pokaže, da so bile trošarine v omenjenem obdobju v Avstriji glede na Slovenijo za euro super 95 povprečno višje za 15 %, za dizel 6 %, za kurilno olje pa kar 86 %. 4.2. Sestava gospodarstva Na odziv inflacije na spremembe cene surove nafte vpliva tudi struktura gospodarstva, ki prek uporabe naftnih derivatov kot vmesnih dobrin prenaša njihovo ceno dalje v končne cene potrošnih dobrin. Večji kot je delež, ki ga obs egajo naftni derivati v vseh vmesnih dobrinah, bolj se nihanja cene nafte odrazijo na drugih cenah končnih dobrin in prek košarice CPI na inflaciji. Tu lahko govorimo predvsem o energetski učinkovitosti gospodarstva. Energetska učinkovitost gospodarstva se izračunava kot poraba energije, deljena z BDP v konstantnih cenah in se izrazi kot število kilogramov naftnega ekvivalenta (v nadaljevanju: KGOE) na 1000 EUR ustvarjenega BDP. Energetsko učinkovitost gospodarstva Avstrije in Slovenije nam prikazuje Slika 2. Splošna energetska učinkovitost gospodarstva v Sloveniji in Avstriji pokaže razliko med obravnavanima državama. Medtem ko porabimo v Sloveniji več kot 300 KGOE za vsakih 1000 EUR ustvarjenega proizvoda, potrebujejo v Avstriji samo 150 KGOE. Avstrija ima eno od najbolj energetsko učinkovitih gospodarstev v Evropski uniji, zato je razumljivo, da se v obdobju od 1995 do 2005 njena energetska učinkovitost ni dosti spremenila (poslabšala se je za 2 %), po drugi strani pa ima Slovenija še neizkoriščen potencial učinkovitosti in je v enakem obdobju svojo energetsko učinkovitost izboljšala za 20 %. V povprečju v obravnavanem obdobju izrablja Slovenija energijo pri ustvarjanju bruto domačega proizvoda skoraj 2,5-krat slabše kot Avstrija, kar pomeni, da naše gospodarstvo porabi v povprečju za 150 % več energije za ustvarjanje enake vrednosti domačega proizvoda kot v Avstriji. Pomemben zadržek pri tem kazalcu je, da je ta mera energetske učinkovitosti odvisna tudi od končnih cen prodanih produktov oziroma od celotne vrednosti BDP. Razvitejše države lahko tudi izdelek, za katerega se porabi enaka količina energije kot v manj razvitih državah, prodajo za višjo ceno in prek tega delno ustvarijo navidezno razliko v energetski učinkovitosti, kot jo merimo s kazalcem KGOE/1000 EUR BDP. Obenem imajo razvitejše države v vsakem primeru bolj napredno tehnologijo, ki omogoča boljšo energetsko učinkovitost in drugačno strukturo gospodarstva, z manjšim deležem v energetsko intenzivnih panogah, ki so tradicionalno bolj pomembna v manj razvitih državah. 4.3. Sestava košarice CPI Razlike v utežeh pri naftnih derivatih v košarici indeksa cen življenjskih dobrin predstavljajo neposreden vzrok različnega vpliva cene nafte na inflacijo v Sloveniji in Avstriji. V košarici, v kateri so potrošne dobrine in storitve razdeljene po standardni metodologiji COICOP8, nas zanimata dva razdelka: 0453 – tekoča goriva in 0722 – goriva in maziva, ki vsebu- Slika 2: Energetska učinkovitost gospodarstva 450 375 300 150 75 A v s tr ija Slovenija Leto Vir: Energy intensity of the economy, 2008 8 Klasifikacija oziroma razvrstitev proizvodov po namenu v 12 glavnih skupin. Članki IB revija 3-4/2008 UMAR 99 Tabela 2: Uteži naftnih derivatov v košarici CPI za leto 2005 AVSTRIJA [%] SLOVENIJA [%] 0453 Tekoča goriva 0,7 2,2 0722 Goriva in maziva 3,7 5,5 Skupaj 4,4 7,7 Vir: Indeksi cen življenjskih potrebščin po COICOP/HICP po skupinah in podskupinah, 2008; Verbraucherpreisindex, 2008. jeta naftne derivate v končni potrošnji. V kategorijo tekočih goriv spada kurilno olje, med goriva in maziva pa uvrščamo motorno olje, bencin in dizel. Tabela 2 nam prikazuje uteži obeh kategorij v odstotkih za Slovenijo in Avstrijo za leto 2005. Naftni derivati imajo v košarici CPI v Sloveniji v primerjavi z Avstrijo za leto 2005 za kar 3,3 odstotne točke oziroma za 75 % višjo utež. Večji kot je delež cen naftnih derivatov v potrošni košarici, bolj se na inflaciji odrazijo nihanja njihovih cen. Več podatkov je na voljo o gibanju uteži v harmo-niziranem CPI. Spreminjanje uteži seštevka kategorije tekoča goriva in kategorije goriva in maziva za HCPI od leta 2000 do leta 2008 je vidno v Prilogi 3. Uteži naftnih derivatov v slovenski harmonizirani košarici dobrin skozi preučevano obdobje so glede na avstrijsko košarico stalno od 68 % do 120 % višje, povprečno pa so višje za skoraj 90 %. 5. Sklep Zanimivo je, da navkljub majhnim ocenam vpliva cene surove nafte na inflacijo oba modela skoraj popolnoma enako ocenjujeta razliko v vplivu cene surove nafte na inflacijo med Sloveniji in Avstrijo. Sprememba cene surove nafte na svetovnem trgu za 10 odstotkov namreč povzroči v Sloveniji v okviru osnovnega modela za 132 % višji skok v inflaciji kot v Avstriji in v okviru modificiranega modela za 144 %. Navkljub temu nam pogled na kanale prenosa, kjer so trošarine za naftne derivate v Avstriji glede na Slovenijo višje od 6 % do 86 %, kjer slovenske uteži naftnih derivatov v košarici CPI presegajo avstrijske za 75 % in ne nazadnje, kjer je energetska učinkovitost gospodarstva9 Slovenije za skoraj 150 % slabša kot avstrijska, namiguje, da bi morala biti razlika v vplivu spremembe cene surove nafte na inflacijo med Slovenijo in Avstrijo še toliko višja. Željo po manj volatilni inflaciji lahko izpolnimo z bolj intenzivnim acikličnim prilagajanjem trošarin oziroma najprej z visokim povišanjem trošarin v času padanja cene surove nafte, kar so ekonomski politiki pred vstopom v EMU predlagali že Damijan, Masten in Polanec (2004). Ta ukrep sam po sebi sicer zmanjšuje inflacijo, med tem ko je raven cen v takšnem obdobju pač toliko višja. Bolj zanimiv pogled s strani potrošnika nam razkrije, da smo imeli v Sloveniji, tako v primerjavi z drugimi tranzicij-skimi državami kot z EU-15, v zadnjih desetih letih navkljub visokim cenam surove nafte daleč najvišje uteži naftnih derivatov v potrošni košarici, kot jih zajema harmoniziran CPI. Ali botrujejo temu naše osebne preference po tem tipu dobrin in povezanih produktov ali le nerazumevanje cen kot alokacijskega mehanizma in s tem nerazumna (za naše razmere) porazdelitev osebnega dohodka, pa ostaja za sedaj neodgovorjeno. Literatura in viri Arpa, M., Cuaresma, J. C., Gnan, E. & Silgoner, M. A. (2006): Oil Price Shock, Energy Prices and Inflation - A Comparison of Austria and the EU. Monetary Policy & the Economy, 06 (Q1), 53–77. Bruggemann, R., Lutkepohl, H. & Saikkonen, P. (2006). Residual autocorrelation testing for vector error correction models. Journal of Econometrics, 127 (2), 579–604. Calvo, G. A. (1983). Staggered prices in a utility maximizing framework. Journal of Monetary Economics, 12 (3), 383 – 398. Damijan, J. P., Masten, I. & Polanec. S. (2004). Priporočila ekonomski politiki Slovenije glede politike oblikovanja cen tekočih goriv pri vstopanju v ERM 2. Končno poročilo. Ljubljana: Inštitut za ekonomska raziskovanja. Energy intensity of the economy. Eurostat. Gali, J. & Gertler, M. (1999). Inflation dynamics: A structural econometric analysis. Journal of Monetary Economics, 44 (2), 195–222. Harmonized indices of consumer prices - Item weights. Eurostat. Hodrick, R. J. & Prescott, E. C. (1981). Post-War U.S. Business Cycles: An Empirical Investigation. Discussion Paper #451. CMS-EMS The Center for Mathematical Studies in Economics & Management Sciences. Indeksi cen življenjskih potrebščin po COICOP/HICP po skupinah in podskupinah.. Statistični urad Republike Slovenije. Merjena v KGOE na 1000 EUR BDP. 100 UMAR IB revija 3-4/2008 Članki Jagrič, T. & Hafner, M. (2005). Analiza vpliva rasti cene nafte na inflacijo v Sloveniji. Naše gospodarstvo, (3–4), 13–23. Leblanc, M. & Chinn, M. D. (2004). Do High Oil Prices Presage Inflation? The Evidence from G-5 Countries. Santa Cruz Department of Economics Working Paper Series 1021, Santa Cruz: Department of Economics, UC Santa Cruz. Masten, I. & Brezigar Masten, A. (2006). Proizvodna vrzel v Sloveniji – metode ocenjevanja, strukturne ocene Phillipsove krivulje in uporaba pri napovedovanju inflacije. Končno poročilo. CRP projekt V5-0918. Oil Bulletin [2004 - 2007]. European Commission. Podatkovna baza Banke Slovenije. Ljubljana: Banka Slovenije. PVM Vienna (2005). Der Österreichische Kraftstoffmarkt 2004. Bundesministerium für Wirtschaft und Arbeit. Schlussbericht (VF1.04). Rotemberg, J. & Woodford, M. (1997). An Optimization-Based Econometric Framework for the Evolution of Monetary Policy. Mimeo. Verbraucherpreisindex. Statistik Austria. Whelan, K. (2007). Topic 6: The New-Keynesian Phillips Curve. Članki IB revija 3-4/2008 UMAR 101 Priloga 1: Test avtokorelacije za Slovenijo in Avstrijo Tabela 1: Test avtokorelacije za Slovenijo Odlog Chi2 Verjetnost > Chi2 1 9,0103 0,0608 2 3,789 0,435 3 5,254 0,262 4 3,864 0,425 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Vse ocene so zaokrožene na 3 polna decimalna mesta. H0 = pri danem odlogu ni avtokorelacije Tabela 2: Test avtokorelacije za Avstrijo Odlog Chi2 Verjetnost > Chi2 1 9,0103 0,06084 2 3,7888 0,43534 3 5,2538 0,26223 4 3,8637 0,42477 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Vse ocene so zaokrožene na 3 polna decimalna mesta. H0 = pri danem odlogu ni avtokorelacije Test normalnosti porazdelitve ostankov regresij za Slovenijo in Avstrijo Tabela 3: Test normalnosti porazdelitve ostankov za Slovenijo Simetričnost Enačba Chi2 Verjetnost > Chi2 Dlncpisi 2,621 0,105 gapsihp1600 0,408 0,523 Skupaj 3,029 0,220 Sploščenost Enačba Chi2 Verjetnost > Chi2 Dlncpisi 1,193 0,275 gapsihp1600 0,000 0,996 Skupaj 1,193 0,551 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Vse ocene so zaokrožene na 3 polna decimalna mesta. H0 = pri dani enačbi so ostanki porazdeljeni normalno Tabela 4: Test normalnosti porazdelitve ostankov za Avstrijo Enačba Chi2 Verjetnost > Chi2 Dlncpiat 0,621 0,431 gapathp1600 0,168 0,681 Skupaj 0,790 0,674 Enačba Chi2 Verjetnost > Chi2 Dlncpiat 0,000 0,984 gapathp1600 0,526 0,468 Skupaj 0,526 0,769 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Vse ocene so zaokrožene na 3 polna decimalna mesta. H0 = pri dani enačbi so ostanki porazdeljeni normalno 102 UMAR IB revija 3-4/2008 Članki Test stabilnosti VAR-modela za Slovenijo in Avstrijo Tabela 5: Test stabilnosti VAR-modela za Slovenijo Eigenvalue Modulus 0,1191817 + 0,7307803i 0,740435 0,1191817 + 0,7307803i 0,740435 0,7028027 + 0,09852753i 0,709676 0,7028027 - 0,09852753i 0,709676 -0,6826858 0,682686 -0,4464277 + 0,4856703i 0,659677 -0,4464277 - 0,4856703i 0,659677 0,518874 0,518874 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Če so lastne vrednosti razporejene znotraj enotske krožnice, je sistem stabilen. Tabela 6: Test stabilnosti VAR-modela za Avstrijo Eigenvalue Modulus 0,8751468 + 0,2093945i 0,899849 0,8751468 - 0,2093945i 0,899849 0,04134145 + 0,8676625i 0,868647 0,04134145 - 0,8676625i 0,868647 0,686374 0,686374 -0,4297845 0,429784 -0,05174458 + 0,4223163i 0,425474 -0,05174458 - 0,4223163i 0,425474 Vir: Lastni izračuni z uporabo ekonometričnega paketa. Opomba: Če so lastne vrednosti razporejene znotraj enotske krožnice, je sistem stabilen. Test heteroskedastičnosti ostankov: Breusch-Paganov test Ničelne hipoteze (homoskedatičnosti ostankov) v enačbi (1) ne moremo zavrniti za nobeno varianco od ocenjenih regresijskih enačb (Fdlncpisi (13, 33) = 0,58 in Pdlncpisi = 0,852, Fgapsihp1600 (13, 33) = 1,18 in Pgapsihp1600 = 0,442, F (14, 32) = 1,58 in P dlncpiat dlncpiat 0,141, F (14, 32) = 1,18 in P = 0,338). gapathp1600 gapathp1600 a? = «1 + a2x2i +.... + amxmi i = 1,...,n m = 1,...,M (1) H0 :a2 = cc3 = ... = am = 0 Članki IB revija 3-4/2008 UMAR 103 Priloga 2: Slika 1: Gibanje povprečnih letnih trošarin* 500 450 400 350 300 250 200 150 100 50 0 Slovenija Avstrija 2004 Slovenija Avstrija 2005 Slovenija Avstrija 2006 Vir: Oil bulletin, 2004 - 2007. * Za Slovenijo so podatki v letu 2004 od maja dalje. Priloga 3: Slika 2: Spreminjanje uteži naftnih derivatov v HCPI 12 10 Avstrija HCPI Slovenija HCPI Leto 8 6 4 Vir: Harmonized indices of consumer prices - Item weights, 2008. 104 UMAR IB revija 3-4/2008 Članki UDK 712.23 Martin Wagner* Economic Valuation of Environmental Problems using the Contingent Valuation Method Povzetek Prispevek vsebuje opis, primer Predstavljena je na primeru študije, Atmospheric Association – NOAA) uporabe in kritično diskusijo v zvezi ki se nanaša na narodni park Kal- za obliko študij kontingenčnega s kontingenčno metodo (CVM) kalpen v Avstriji. V prispevku je tudi vrednotenja. V zadnjem delu so vrednotenja, najbolj kontroverzno kratek pregled priporočil odbora sklepne opombe in kratek opis metodo za ekonomsko vrednote- Nacionalnega združenja za oceane metod za neekonomsko vrednotenje nje okoljskih problemov ali dobrin. in atmosfero (National Oceanic and okoljskih problemov in dobrin. Ključne besede: Kontingenčna metoda vrednotenja, narodni park, materialni tokovi. ..................................................................................................................................................................................................................................................................................... Summary This paper contains a description, critical discussion and example of the Contingent Valuation Method (CVM), which is the most controversial economic valuation method for evaluating environmental problems or assets. The example discussed is a study concerning the Kalkalpen national park in Austria. The guidelines of the National Oceanic and Atmospheric Association (NOAA) panel concerning the design of Contingent Valuation studies are also briefly reviewed. Concluding remarks and a few words on non-economic valuation methods for environmental problems and assets follow in the final section. Key words: Contingent valuation method, national park, material flows. JEL: Q000, Q260 1. Introduction In this article, we discuss the Contingent Valuation Method (CVM) for the valuation of environmental problems or assets. Contrary to other economic valuation methods for environmental problems (i.e. so-called indirect market methods, see e.g. Wagner, 1998), in CVM the preferences of the economic agents are investigated by means of interviews relating to hypothetical situations. This is different from “standard” economic analysis, which uses as its starting point market data based on actual outcomes. Clearly, using market data for environmental problems is an especially difficult issue, given that public goods aspects, externalities and/or missing markets, typically characterise environmental problems. Using hypothetical results based on interviews is the reason why the CVM is heavily disputed in the economics profession. The core of the argument is whether it is in principle feasible to unravel the preferences of economic agents by means of interviews relating to hypothetical situations. We discuss the pros and cons in detail in section 2. Section 3 closes with a brief mentioning of non-economic valuation methods for environmental problems to indicate that * Department of Economics and Finance, Institute for Advanced Studies, Vienna Članki IB revija 3-4/2008 UMAR 105 within the natural sciences, methods to evaluate environmental problems and the environmental impacts of human activity have been developed. It is clear that assessment of the environmental implications of human activity, in particular economic activity, becomes ever more important. Thus, it is crucial for policy makers to understand the advantages, disadvantages and limitations of available methods (indirect market methods, CVM, natural science-based approaches) to reach better conclusions, potentially by appropriate combination of methods. 2. The Contingent Valuation Method 2.1. Description The Contingent Valuation Method (CVM) was originally developed in the USA. The first study was published by Ciriacy-Wantrup in 1947 and dealt with soil erosion. Since then, several thousand studies using this method have been published. The idea of CVM is to simulate hypothetical markets for environmental goods using interviews. This explains the name of the method; the responses and results are contingent upon the presented hypothetical market. This immediately leads to the conclusion that the description of the asset or project to be valued is an important part of a CV study and can be expected to have strong impact on the results. In principle, there are 2 possibilities. Respondents can be asked for their willingness-to-pay (WTP) for an improvement of the environmental situation, or they can be asked about what compensation they would accept for a worsening environmental situation. The literature in general suggests using WTP for an improvement of the situation, since this measure is (supposedly) conservative, i.e. corresponding WTPs tend to be reported with a downward bias. Thus, the “true” value would be underestimated with a high probability but not overestimated. A detailed description of CVM is given in Mitchell and Carson (1989). Here, we wish to only note a few important items for the design and implementation of a CV study. As has already been mentioned, it is very important to explain the situation to the respondents as well as possible. The asset to be valued has to be described precisely and completely, and a so-called scenario description should be presented to the respondents. Portney (1994, p. 6) puts it as follows: “In other words the scenario is intended to give the respondents a clear picture of the good that the respondent is asked to value.” The mechanism for determining the value has to be explained and, if possible, tailored to the specific situation at hand. This includes issues such as closed or open questions, and whether the referendum format or a bidding game are chosen. Closed form means that the respondents have to choose from a given set of possible answers. Alternatively, in an open question format, the respondents are not restricted in their answers. The main argument for choosing closed form questionnaires is that the respondents are potentially not familiar enough with the environmental asset to be valued to be able to give quantitative valuations. A special case of closed form questionnaires is the referendum format. In this set-up questions like: “The government is considering realising project X with impacts Y. This implies that your tax payments will rise by the amount Z. Are you in favour of or against this project?” In a bidding game, the respondent has to answer whether she is willing to pay amount X for a certain asset or project. If yes, the amount is increased until the respondent answers with no. Thus, bidding games try to extract the maximum willingness-to-pay. Usually, socio-economic characteristics (age, sex, profession, marital status, environmental consciousness, etc.) are also recorded. This allows, at least in principle, estimation of the WTP as a function of these and potentially other explanatory variables. It is important to ensure that the respondents have correctly understood the problem at hand and whether they take the questionnaire seriously. This is typically validated by a set of follow-up questions. Within the economics profession, there are large controversies over whether CVM is a valid method to value environmental assets. To answer this question, a high-level commission was formed in the USA, containing among others Nobel laureates Kenneth Arrow and Robert Solow. The question the commission had to answer was essentially: “Is the contingent valuation method capable of providing estimates of lost non-use or existence values that are reliable enough to be used in natural resource damage assessments?” Compare Portney (1994, p. 8). The work of the commission resulted in a report stating important guidelines that should be followed when applying CVM. Some of the most important guidelines are: • The interviews have to be performed personally, not via telephone. • It is suggested to determine (in the interview set-up) the WTP to avoid a future accident and not the minimal compensation requirements for accidents that have already happened. 106 UMAR IB revija 3-4/2008 Članki • The referendum format should be used, since this is a well-known situation for citizens (as voters). • A detailed and understandable scenario description must be presented at the beginning. • The respondents must be reminded that expenses for environmental assets reduce the disposable income for other goods and assets. • The respondents have to be made aware of potentially available substitutes. If, as discussed below, the question to be addressed is the valuation of a national park, then other already existing national parks should be mentioned. • At the end of the interview, follow-up questions should be asked in order to ensure that the respondents have understood the situation and to assess the motivation of the respondents. The conclusion of the commission was that a carefully performed (i.e. according to the guidelines) CV study may lead to sufficiently precise estimates that can be used to assess damages. As mentioned previously, the question posed to the commission referred only to damage assessment. 2.2. Assessment of the Method The CVM is heavily disputed – at least in part with not overly scientific arguments. Critique as well as support occurs at different levels. This means that the discussion is at both the level of detail concerning a particular study and the fundamental level of whether the method is in principle useful, i.e. whether it is possible to arrive at proper valuations based on questionnaires as opposed to only via actual market outcomes. Since it is too early for a conclusive assessment, we discuss below some of the aspects of the ongoing discussion. The most fundamental part of the discussion centres on the question whether it is in principle possible (irrespective of the specific implementation) to arrive at “meaningful” valuations using interviews. The underlying mechanism for valuation in economics is based on the price system and real transactions. For a given good at a given price, somebody will purchase this good if the value of that particular good for the person is at least as high as the price. If the valuation is lower than the price, the good will not be purchased. The valuation and hence also the WTP varies across individuals. After the purchase, or non-purchase, a clear decision concerning the valuation of the good is possible, in well-functioning markets. However, in many cases, in particular for environmental goods, there are no prices, since these goods are not traded on markets. To nevertheless arrive at price-based valuation systems, economists use so-called indirect market methods, as discussed in e.g. Wagner (1998). The discussion in that paper shows that these methods are applicable only under certain assumptions respectively circumstances (in particular, the availability of substitutes or complements that are traded on markets). This restriction is not binding when applying CVM, since the “market is created” in the interview situation. Consequently, CVM is usable without limitation – for any valuation problem, conditional upon accepting CVM. Supporters of CVM argue that for environmental problems especially, where the market system is non-existent or fails (due to externalities and public good characteristics), other methods to determine preferences can and must be used. Hanemann (1994, p.28) writes that some “…conclude that these people are just making up their answer rather than evincing ‘true economic preferences’. But what are ‘true economic preferences’? If a subject responds thoughtfully to a question about voting to raise taxes for a public good, by what criterion is that not a valid preference;” and Hanemann (1994, p. 19) argues: “In the presence of externalities, market transactions do not fully capture preferences. Collective choice is the more relevant paradigm.” Critics, however, focus on two effects leading to (potential) non-usability of CVM; these are the warm glow and the embedding effect. Warm glow refers to the possibility that the respondents, while sitting at home, obtain moral satisfaction via self-betrayal by reporting overly high WTPs for environmental goods. Since the respondents do not really have to pay the reported WTPs, it is indeed possible that actual WTPs, when real payments have to be made, could be lower. The embedding effect is closely related to warm glow and may be illustrated and discussed by means of an example. The discussion is based on Hanemann (1994) and Diamond and Hausman (1994). In an actually performed CV study, people were asked about their WTP to rescue respectively 2000, 20000 or 200000 birds. The result was that the WTPs were essentially equal in all three cases. This means that the WTP to rescue 2000 birds was as high as that to rescue 200000 birds. Such a finding is referred to as the embedding effect, and is not reconcilable with usual economic theory based on strictly concave preferences, which implies a higher WTP to rescue more birds, even when considering income and other effects. Opponents of CVM interpret such findings as being based on the warm glow effect: the respondents want to purchase some general form of environmental consciousness and are ready to pay some (hypothetical) amount for this that they consider to be appropriate for some reasons for environmental protection. If this is so, then it is not a specific environmental problem or asset that is valued, but one only obtains an indicator of some general environmental consciousness and WTP for Članki IB revija 3-4/2008 UMAR 107 “the environment” of the respondents. Interpreting CVM results is clearly a major problem if the answers are driven primarily by this warm glow. Supporters of CVM typically respond by pointing at the inappropriate design of such questionable CV results. In the discussed example, the interviews were carried out in a shopping mall and the respondents were asked: “What is your WTP to rescue much less than 1%, less than 1% or about 2% of an endangered bird population respectively?” Whether this is really a sensible and balanced formulation of the question is left to the reader to decide. The example has been chosen to illustrate the polemic between supporters and critics of CVM. It does however appear to be, beyond all polemics, a problem that the embedding effect is seemingly present and it is unclear how to correct for it. For critics, especially, it is unclear whether CVM is a valid method, once the “mistakes and biases” due to the mentioned effects have been “corrected”. Critics argue that it is in general unclear to which distortions the mentioned problems lead, and hence it is unclear how to correct for them. Several problems are also admitted by supporters of the method, these include interviewer bias, protest zeros and trimming answers. Interviewer bias refers to those errors that occur due to the fact that different interviewers have different ways of presenting the problem. How to account for and address this problem can probably best be clarified by market and opinion research institutes. Protest zeros refers to the fact that reported WTPs of zero are, according to certain criteria, interpreted as protest answers and excluded from further analysis. In principle, similarly also “too high” answers are excluded i.e. the answers are trimmed (on both sides). Excluding responses is at the discretion of the conductors of the study. By construction, the results of the study will depend upon the trimming procedure employed. This has to be taken into account throughout when considering the results of a CV study. It is further known (from marketing science) that answers are biased in the direction of the behaviour and decision under study, which typically will lead to over-estimation of the valuation. Marketing science has developed tools to correct for such effects e.g. in forecasting future sales based on interviews. It appears sensible to use knowledge gained in marketing science in CV studies also. Mitchell and Carson (1998) write: “Such ‘calibration’ is common practice in marketing designed to predict purchases. If a systematic divergence between actual and CV survey behaviour existed and could be quantified, calibration of CV results could be undertaken.” Calibration might be more complicated in the CV context, since these typically deal with public goods. Monetary valuation of public goods is a more complicated and less common task then monetary valuation of goods traded in markets, which respondents are much more used to. This might complicate useful calibration of CV results. Further psychological effects may also be present. It is known that responses are sensitive to the wording as well as the ordering of the questions. For example, not allowed and forbidden are interpreted and understood differently. Further, the WTPs to save (first) whales and (second) seals differ from those to save (first) whales and (second) seals. These and related effects are summarised under the term response effects. Pre-testing is used to quantify, explain and correct for these effects. The previous discussion implies that it is highly likely that better co-operation between economists, psychologists, sociologists and marketing experts might lead to an improvement of the usefulness and reliability of CV studies. A further critique of CVM consists of the statement that the responses cannot be verified, since the payments only happen hypothetically. The hypothetical character is generally seen as the largest disadvantage of the CVM. Supporters of the method offer three possibilities for verification: repetition, comparison with results of other studies and – where possible – comparison with actual behaviour. With respect to repetition, it must to be mentioned that obtaining similar results several times does not necessarily imply that the results are correct, since one can also obtain wrong results repeatedly. Furthermore, critics of CVM argue that the value that an environmental good has for the individual is in fact only created during the interview i.e. the survey process creates the value. A thorough discussion of this problem would necessitate discussing fundamental issues with respect to preferences and the creation of preferences, i.e. whether preferences are firmly rooted and fixed in some part of the brain, or whether they also can be established in the short-run but yet are stable. Put more simply: it is clear that being asked about a certain problem implies that this problem gets attention which it may not have had before. Now, the question is whether this process leads to changes (and if so how) of the values. Behavioural economics is working on clarifying these questions and insights from the field may be beneficial for conducting CV studies. One often hears that “normal people” are not capable or able to value environmental problems, since they lack expert knowledge and information. This is the reason for the emphasis on presenting a detailed scenario description at the beginning a CV study. Clearly, doing so does not transform the respondents into experts. However, this limitation also holds true for any market-based valuation problem. Customers 108 UMAR IB revija 3-4/2008 Članki may buy a DVD player without having to prove that they have understood the technical principles at work inside the player. A standard objection at this point is that environmental problems are “more important” than everyday consumer decisions. This may or may not be the case, but in the end it is the respondents (as part of the population) who are affected by environmental problems. Neglecting the opinion of those affected cannot lead to an ultimate conclusion. This leads to the question, which cannot be answered only from an economic or scientific point of view, of who shall quantify concern in which way. Neither a central planning solution via an expert group nor voting about each problem appear to be desirable. At the end of the discussion, one important advantage of CVM has to be mentioned. This is the only economic valuation method that allows quantifying – at least conceptually – also so-called non-use and existence values. None of the indirect market methods discussed e.g. in Wagner (1998) can do this. Therefore, with all critical points in mind, an assessment of CVM is warranted. 2.3. Example Several CV studies have been performed in Austria. The first one was performed by Pruckner (1991), who tried to quantify the value of landscape cultivation (and other positive external effects) by Austrian farmers by asking domestic and foreign tourists. Other studies have dealt with valuing national parks: Kosz et al. (see Kosz, 1996, and Schönbäck, Kosz and Madreiter, 1997) with the Donauauen national park and Hackl and Pruckner (1995) with the Kalkalpen national park. We discuss here the findings of Hackl and Pruckner (1995) in some detail. The focus in the presentation is on describing the interview and the scenario description. We do not discuss in detail the statistical analysis performed and the methods used by the authors; these details can be found by the interested reader in the original work. In the 1990s, plans to establish a national park (NP) named “Oberösterreichische Kalkalpen” in the Austrian province of Upper Austria emerged. The aim of such an NP is the preservation of essentially untouched nature. The first stage of the Kalkalpen NP consists of an area of about 21500 hectares in two alpine areas – Hintergebirge and Sengsengebirge. The creation of an NP has immediate economic consequences, including changes (in particular restrictions) in the use patterns of agriculture and forestry, possible impacts on the extent and form of tourism (“soft tourism”), investments in relation to the establishment of the NP and subsequent income changes. There are also further impacts, not economic in the narrow sense e.g. related to utility gains of visitors. Quantifying these utility changes was the purpose of the study described. In total 1410 personal interviews were conducted, with 604 respondents being residents of the NP area, 301 respondents tourists and 505 people were interviewed in Linz, the capital of the Upper Austria region. The NP region itself is sub-divided in two areas: Northeast (NE) and Southwest (SW). These two areas differ in tourism characteristics, average household incomes and also with respect to the intensity of information dissemination of the NP planning office. All respondents received the scenario description listed in Table 1 in written format.1 The residents were in addition informed about the economic consequences of the NP (compare Table 2). The authors argue that they correctly informed only residents about the economic consequences, since to a large extent it will be the residents who will face these consequences. Consequently, the authors did not show the economic consequences to the tourists or to residents of Linz. One could argue that at least the residents of Linz might also have found information concerning the economic impact of the NP interesting. The majority of interviews were conducted in closed format. Some residents, however, were questioned in an open format to check potential differences in reported WTPs between closed and open questionnaire formats. In the open format, respondents were asked how much they are, as a whole household, willing to pay for an earmarked national park fund. The respondents could chose from a list of potential payments between 0 and 1500 Austrian Schillings (ATS), with this range being chosen according to some pre-testing. In the closed format, respondents were asked the following question: “Would you vote for or against the N P, if your household has to pay a certain amount X per year, based on estimated costs, in an earmarked national park fund?” If the respondent replied yes, in the second round a similar question was asked with a higher amount. If the respondent replied with no or cannot say, lower amounts were suggested in the second round. The amounts varied between 25 and 1100 ATS. For tourists and residents of Linz who at the beginning of the interview stated their wish to visit the NP The scenario description and all other documents of the CV study, as well as the report of Hackl and Pruckner (1995) are in German. They have been translated by the author. Članki IB revija 3-4/2008 UMAR 109 Table 1: Scenario description given to the interviewed people _______________________________________Impacts on NATURE_______ __________________without national park__________________ Extinction of several protected species (several butterflies, birds and orchids) in this area._________________________________ Economic interests shape the landscape. Forestry in the core area of the NP. Construction of further hiking, cycle or bridle paths, cultivated Alps remain. Hardly any activities that allow for understanding of the natural mechanisms in the NP area. at least once, the authors tried to discover the WTP per day of visit in the NP with similar questions to those outlined above. The amounts varied between 20 and 280 ATS per day visit per family with again two rounds of questions. Tourists and residents of Linz who stated that they either did not intend to visit the NP or did not know whether they would visit the NP were asked in an open questionnaire format about their WTP for establishing the NP. The respondents could choose from amounts in the interval 0 to 800 ATS per year. Table 3 reports the average WTPs of the residents based on the open-ended questionnaire. _________________with national park_________________ Conservation of several protected species (several butterflies, birds and orchids) in this area._________________________ Conservation respectively recreation of natural landscapes (e.g. mixed forests instead of monocultures).______________ No forestry in the core area of the NP. Currently existing hiking, cycle or bridle paths and cultivated Alps remain. • Education activities that foster understanding of nature (e.g. information centres, nature trails, guided tours); • Research in the NP; • Preservation of cultural buildings (e.g. alpine cottages, dams). In addition to the WTP, socio-economic characteristics were also investigated, including age, sex, occupation, income, number of persons in the household, etc., and in relation to motivations for NP usage such as hiking, seeing wildlife, etc. Furthermore, respondents were asked about their expected income changes, as well as information level and sources. Based on all collected information, which was partly used to estimate WTP functions, the side effects of the CV study include, among others, information concerning the income distribution and expected changes in the sub-regions and information about the origins of tourists. This type of additional information can be expected to be collected in any carefully performed No rest areas for areas that deserve to be particularly protected. Rest areas without human interference (e.g. nesting sites for endangered bird species). Hunting of protected species (mountain cock, black cock, etc.). No hunting of protected species (mountain cock, black cock etc). Impacts on RECREATION without national park with national park Increase of leisure activities with negative environmental effects. Promotion of environmentally friendly leisure activities (e.g. hiking, observing, etc.). Routes for motorised transport in remote areas of the Hinter- and Sengsengebirge. Routes for motorised transport only to the borders of the NP (Implementation of shuttle services and construction of cycle paths). Impacts on EDUCATION, RESEARCH, CULTURE without national park with national park Source: Table 1 is identical to Figure 3.1 in Hackl and Pruckner (1995), pp. 55–56. Table 2: Information concerning economic impacts of the project ECONOMIC IMPACTS of the KALKALPEN NATIONAL PARK No forestry in the core area, no large construction projects in the outer area of the NP. Possibility of subsidies for Alp cultivation in case certain ecological criteria are met. Compensation for economic losses due to the NP. Expenditures in the region: 100 million ATS for the construction of education and information centres; 40 million ATS per year on current expenses. Increase of tourism, intensification of quality tourism. No additional environmental restrictions outside the NP area. Source: Table 2 is identical to Figure 3.2 in Hackl and Pruckner (1995), p. 56, ATS denotes Austrian Schillings. 11 0 UMAR IB revija 3-4/2008 Članki Table 3: Mean willingness-to-pay of residents Region Sample size Mean. in ATS Median in ATS Std.deviation SW Communities 94 107.18 0 207.86 NE Communities 79 103.16 50 150.66 Source: Table 3 is identical to Table 3.19 in Hackl and Pruckner (1995), p. 86. CV study. In the concrete example discussed here, it Given that the average family size of the interviewed turned out that the average household income was residents of Linz was 2.38 persons, this implies an significantly higher in the Southwest region than in average annual existence value of about 34.35 Mio the Northeast region. ATS (with, however, a very high standard deviation). Applying standard microeconometric methods, the WTP as well as utility gains of “typical” residents, residents of Linz and tourists were estimated. Since the closed format was used in referendum format i.e. with a dichotomous decision, Logit and Probit models were estimated. The authors emphasise that for any subsequent use of the estimated values, the conservative i.e. lower estimates of the WTP were used. Using conservative estimates appears important in light of the critique of the CVM discussed above, since conservative estimates reduce the probability of overestimation of values. Table 4 displays the average individual value for three different groups of individuals (excluding residents). The estimates report WTP per day of visit in ATS based on all respondents that indicated an intention to visit the NP. Respondents, both those from Linz and tourists, who indicated that they did not plan to visit the NP, indicate with their WTP the non-use existence value of the NP. Table 5 displays the average annual WTP in ATS. The aggregation over all groups of potential visitors is based on the expected number of visits. Clearly, the expected total value depends critically upon the expected number of visits, since a major component of the total WTP is based on the WTP of potential visitors (i.e. upon use values). The authors used the numbers of visits in comparable NPs, in particular of the Engadin NP in Switzerland and the Berchtesgaden and Bayerischer Wald NPs, both in Bavaria. See Table 6. Based on these visitor numbers, estimates for the total values of the NP were computed. Here scenario I refers to estimates based on the visitor numbers in the Engadin NP, scenario II is based on Berchtesgaden NP and scenario III is based on Bayerischer Wald NP. The planners of the NP estimated the annual costs of the NP at about 40 million ATS. This implies that, even with the results based on the smallest number of visits, the NP project leads to a (monetarised) utility gain, i.e. its benefits outweigh its costs. Consequently, the study implies that the NP should be realised. Table 4: Average monetarised utility of the different user groups People in Linz 57.46 Tourists in the Northeast region 49.66 Tourists in the Southwest region 50.67 Source: Table 4 is identical to Table 3.27 in Hackl and Pruckner (1995), p. 94. Table 5: Empirical characteristics of WTPs of non-visitors Sample Maximum Minimum Mean Median Std. deviation 94 450 0 81.91 50 85.91 Source: Table 5 is identical to Table 3.28 in Hackl and Pruckner (1995), p. 95. Table 6: Numbers of visitors in comparable national parks Visitors Size in hectares Visitors per hectare NP Engadin 450000 17000 26.47 NP Berchtesgaden 1.5 million 21000 71.43 NP Bayerischer Wald 1.7 million 13000 130.77 Source: Table 6 is identical to Table 3.29 in Hackl and Pruckner (1995), p. 97. Članki IB revija 3-4/2008 UMAR 111 Table7: Results of monetarised utility estimation; disaggregated according to different user groups Individual utility (ATS) Population Scenario I in ATS Scenario II in ATS Scenario III in ATS Utility of residents in the Southwest region Total value 41.45 per annum 21997 persons 911824 911824 911824 Utility of residents in the Northeast region Total value 56.13 per annum 29777 persons 1671521 1671521 1671521 Utility of tourists in the Northeast Region Value of visit 49.66 per day of visit 53470 days 2655210 2655210 2655210 Value of Existence 34.35 per annum 10349 persons 355509 355509 355509 Utility of tourists in the Southwest Region Value of visit 50.67 per day of visit 86191 days 4367292 4367292 4367292 Value of Existence 34.35 per annum 22940 persons 787987 787987 787987 Utility of additional visitors 57.46 per day of visit SC I: 428334 SC II: 1395825 SC III: 2671989 24612072 80204105 155532488 Value of existence for Upper Austrians 34.35 per annum 576843 persons Sum 55 million ATS 111 million ATS 184 million ATS Source: Table 7 is identical to Table 3.30 in Hackl and Pruckner (1995), p. 99. In fact, the NP Kalkalpen was opened in July 1997 and has been internationally recognised as an NP since 1998. 3. Concluding Remarks As has become clear in this discussion, CVM is not free of problems. This holds true for all economic methods for environmental problem and asset evaluation; compare the discussion in Wagner (1998) for indirect market methods. Major problems relate to the plausibility of assumptions as well as to the issue of measurability of important quantities. Keeping in mind the problems related to the CV and other methods, it is nevertheless possible to contribute to a scientific assessment of environmental issues by using economic methods. To close the discussion, there are also other, non-economic methods to evaluate environmental issues. One group of methods is the so-called material flow methods. The underlying idea of material flow methods – compare Baccini and Brunner (1991) – is that the immediate causes of environmental damage are material and energy flows that impact on the natural environment. Thus, such methods do not consider the motivation structure of economic agents, but focus on the physical consequences of human activity. Let us describe one particularly simple example of a material flow method, MIPS – Material Intensity per Service Unit, described by Schmidt-Bleek (1994). The basic idea is as follows. The indicator for the environmental impact of a certain good is measured as the total material use (in kg) across the entire life cycle (i.e. from mining to eventual recycling) of use per unit of the good or per service unit (e.g. the transport of one person over one kilometre). It is clear that, in certain cases, a precise measurement will be very difficult. However, since measurement is in one common unit (in kg), different goods and services can be compared. One example is milk in glass bottles against milk in cartons. According to the MIPS concept, the solution with the smaller material use is preferable (in the example, the material usage in collection and cleaning of bottles in case of multiple usage has to be taken into account). It is clear that using masses alone is a crude approximation to the environmental pressure exerted, since in most aspects one kilogram of iron clearly has different impacts from one kilogram of mercury. Hence, using simple concepts like MIPS can best serve to give a first indication for potential impacts, which then must be substantiated by subsequent, more careful, analysis, especially when different goods imply using different materials. Combining economic- and natural science-oriented approaches is clearly a key aspect for progress in environmental science and economics to allow for a more complete picture. An appropriate combination, based on clear understanding of the relative advantages and disadvantages of the methods employed, may lead to better decision-making. 11 2 UMAR IB revija 3-4/2008 References Baccini P. and Brunner P.H., 1991, The Metabolism of the Anthroposphere, Springer: Berlin. Diamond P. A. and Hausman J. A., 1994, Contingent Valuation: Is Some Number Better than No Number?, The Journal of Economic Perspectives, Vol. 8, No. 4, pp. 45–64. Hackl F. and Pruckner G. J., 1995, Eine nachfrageseitige Bewertung des Nationalparks Kalkalpen, Final Report, Department of Economics, Johannes Kepler University, Linz. Hanemann M. W., 1994, Valuing the Environment through Contingent Valuation, The Journal of Economic Perspectives, Vol. 8, No. 4, pp. 19–43. Kosz M., 1996, Valuing Riverside Wetlands: The Case of the “Donau-Auen” National Park, Ecological Economics, Vol. 16, pp. 109–127. Mitchell R. C. and Carson R. T., 1989, Using Surveys to Value Public Goods: The Contingent Valuation Method, Resources for the Future. Portney P. R., 1994, The Contingent Valuation Debate: Why Economists Should Care, The Journal of Economic Perspectives, Vol. 8, No. 4, pp. 3–17. Pruckner G. J., 1991, Agricultural Landscape Cultivation in Austria: An Application of the CVM, European Review of Agricultural Economics, Vol. 22, pp. 173–190. Schmidt-Bleek F., 1994, Wieviel Umwelt braucht der Mensch? MIPS – das Maß für ökologisches Wirtschaften, Birkhäuser: Berlin. Schönbäck W., Kosz M. and Madreiter T., 1997, Nationalpark Donauauen: Kosten-Nutzen-Analyse, Springer: Vienna, New York. Wagner M., 1998, Economic Valuation Methods for Environmental Problems, Part I, IB Revija, Vol. 32, pp. 3–13. Članki IB revija 3-4/2008 UMAR 1 1 3 UDK 338.12 dr. Janez Bešter* Tehnologije dvojne rabe in gospodarski razvoj Povzetek Tehnologija dvojne rabe je termin, s katerim se v politiki in diplomaciji označujejo tehnologije, ki so uporabne v civilne in tudi vojaške namene. Medtem ko ostaja vprašanje učinkov vojaških izdatkov, še posebno za raziskave in razvoj, predmet empiričnih raziskav, ki ne dajejo enopomenskih rezultatov, ni zaslediti nobene raziskave, ki bi oporekala hipotezi, da so vojaški izdatki za raziskave in razvoj narodnogospodarsko koristnejši, če so usmerjeni v teh- Summary Dual-use technology is a term often used in politics and diplomacy to describe technologies that have both civil and military uses. While the question of the macroeconomic effects of military expenditures and military R&D remains at least to a certain degree an open topic – despite numerous studies – and there seems to be no empirical evidence that would contradict the hypothesis that one can expect better macro-economic effects if military R&D is spent on dual-use technologies and not only on military specific tech- JEL: O380, L600, L800 O140 nologije dvojne rabe namesto v izključno vojaške. Tako lahko z mehanizmom vojaškega proračuna države pospešujejo tehnološki razvoj podjetij, povečujejo njihovo konkurenčnost, hkrati pa ima vojska na voljo ustrezno tehnološko in industrijsko podlago za pokrivanje svojih posebnih potreb. V članku predstavljamo kritičen pregled izbranih empiričnih raziskav na temo povezanosti med vojaškimi izdatki in gospodarskim razvojem nologies with no potential for civil uses. Military budgets can therefore be efficiently used to stimulate the technological advancement of the companies, to improve their competitiveness, while at the same time providing an adequate technological and industrial basis for the specifically military needs. In this article, we start with a short overview of the empirical studies dealing with the analysis of dependencies between military expenditures and economic develop- posameznih držav, večji del besedila pa posvečamo proučevani problematiki v slovenskem prostoru. Glede na odgovore 148 v raziskavi sodelujočih slovenskih podjetij ugotavljamo, katera med njimi so pomembna s stališča tehnologij dvojne rabe, s katerimi dejavnostmi se ukvarjajo in na katerih tehnoloških področjih so njihovo raziskovalno-razvojno in tržno znanje ter izkušnje najmočnejši. V pozitivnem smislu je najopaznejši sektor informacijsko-komunikacijskih tehnologij. ment in different countries around the world. Most of the text is dedicated to the phenomena of dual-use technologies in Slovenia. We have gathered a sample of 148 companies relevant from the viewpoint of dual-use technologies, to investigate to which sectors they primarily belong, and even more to identify the technological areas where their capacity to develop, produce and market dual-use technologies is the largest. The information & communication technology sector stands out as most promising. Key words: dual-use technologies, companies, research and development, economic impact, military. Ključne besede: tehnologije dvojne rabe, podjetja, raziskave in razvoj, ekonomski učinki, vojska. * Inštitut za ekonomska raziskovanja, Ljubljana 11 4 UMAR IB revija 3-4/2008 Članki 1. Uvod V pričujočem članku, ki ga sestavljata dva večja dela, v prvem navajamo sistematičen pregled izsledkov empiričnih raziskav na temo razmerij med vojaškimi izdatki in gospodarsko rastjo v posameznih državah oziroma skupinah držav. Pri tem je treba poudariti, da so ravno tehnologije dvojne rabe tiste, ki lahko odločilno prispevajo, da imajo vojaški izdatki poleg obrambno-varnostnih ugodne učinke tudi na civilni sektor oziroma na narodnogospodarsko rast (Cowan, Foray, 1995).1 V drugem delu besedila izhajamo iz ugotovitev omenjenih empiričnih raziskav in tudi za Slovenijo domnevamo, da večji delež vojaških izdatkov za tehnologije dvojne rabe pomeni tudi večjo verjetnost pozitivnih učinkov na narodno gospodarstvo. Te predpostavke pa ne preverjamo, ker preprosto nimamo na voljo zadostnih podatkov za metodološko neoporečno analizo na ravni ustrezno velikega vzorca podjetij oziroma raziskovalno-razvojnih projektov, ki se financirajo iz vojaškega proračuna. Ključna hipoteza naše raziskave je, da obstajajo tehnološka področja, na katerih imamo v slovenskem gospodarstvu večje zmogljivosti za doseganje pozitivnih učinkov vojaških izdatkov z mehanizmom dualnosti, in da na drugi strani, na večini drugih tehnoloških področij, zmogljivosti slovenskih podjetij ne zadoščajo, da bi lahko z mehanizmom vojaških izdatkov za tehnologije dvojne rabe dosegali želene pozitivne gospodarske učinke. S tem so postavljene tudi omejitve pri absorpcijski sposobnosti podjetij za učinkovito porabo sredstev za raziskave in razvoj iz slovenskega obrambnega proračuna. 2. Izsledki empiričnih raziskav Številne empirične raziskave (Cowan, Foray, 1995) kažejo, da so imele vojaške raziskave in razvoj po drugi svetovni vojni prepričljivo pozitivne učinke na civilni sektor, medtem ko je danes odgovor na to vprašanje bistveno zahtevnejši. Vojaške raziskave in razvoj so pogosto vse bolj specializirane in namenjene izključno vojaški rabi. Tako je treba posebej prepoznati tehnološka področja, na katerih imajo vojaške raziskave in razvoj z mehanizmom dualnosti še vedno pozitivne učinke na civilni sektor, in jih ločiti od tistih, na katerih ni več stvarno pričakovati pozitivnih učinkov vojaških izdatkov na narodnogospodarsko rast. V tabeli 1 so sistematično povzeti izsledki empiričnih raziskav, ki so bile objavljene po letu 1995 v reviji Defence and Peace Economics. Večinoma so se osredotočale na manj razvita gospodarstva, mnogi ekonomisti (Morales, Ramos, Karagol in Palaz, Lai Huang in Yang ter drugi) pa so v njih uporabljali Grangerjev test vzročnosti. Ključni sklepi in ugotovitve navedenih avtorjev so v tabeli povzeti in predstavljeni v kronološkem vrstnem redu. Po pregledu omenjene literature lahko na splošno ugotovimo, da ekonomisti v modele gospodarske rasti in modele splošnega ravnotežja praviloma ne vključujejo 'vojaške spremenljivke' oziroma ne analizirajo vzročno-posledičnih mehanizmov v odnosu vojaške porabe do gospodarske rasti. Tudi sestavi vojaške porabe ne posvečajo potrebne pozornosti (razporeditev sredstev – za osebje, opremo, raziskave in razvoj, razlika med tekočo porabo in dolgoročnimi izdatki) niti možnim zapoznelim učinkom (npr. pri porabi za vojaško opremo ter raziskave in razvoj). Raznovrstni rezultati na tem področju so predvsem posledica uporabe različnih ekonometričnih metod, različnih kombinacij spremenljivk in različnih skupin držav. Iz novejših pregledov modelov vojaške porabe in gospodarske rasti pa je razvidno, da prevladuje Feder-Ramov model, čeprav naj bi imel nekatere metodološke pomanjkljivosti in za posledico tudi napačne sklepe, ki praviloma nakazujejo pozitivno povezavo med vojaško porabo in gospodarsko rastjo. Model naj bi imel resne ekonometrične pomanjkljivosti, spodbujal naj bi pristranost in napačne teoretične razlage ter naj bi bil preveč statičen. Poleg tega naj bi obravnaval preozek nabor možnih vplivov na gospodarsko rast (Dunne, Smith in Willenbockel, 2005, str. 459). 1 Tehnologija dvojne rabe (angl. dual-use technology) je termin, s katerim se v politiki in diplomaciji pogosto označujejo tehnologije, ki so uporabne v civilne in vojaške namene. Splošneje se ta izraz nanaša na vsako tehnologijo, s katero lahko hkrati dosežemo več kakor en sam cilj. Dvojna raba tehnologije pa ni opredeljena s tehnologijo samo. Ta ni že vnaprej vojaška ali civilna ali dvojna. Njena narava je odvisna od družbenega okolja, v katerem se razvija in uporablja. Mogoče je, da tehnologija z zmogljivostjo dvojne rabe nikoli ne prevzame svoje dvojne vloge. Enako lahko dvojnost tudi izgine ali pa se pojavi zelo pozno v razvoju socialnega omrežja neke tehnologije (Cowan, Foray, 1995). Med najbolj znanimi tehnologijami dvojne rabe naj omenimo civilne jedrske reaktorje, katerih stranski proizvod je plutonij, uporaben tudi v vojaške namene, in pa internet, katerega zgodovina sega v leto 1969, ko so ZDA v okviru vojaškega projekta ARPA začele graditi prvotno zaprto omrežje, ki je leta 1993 prevzelo vlogo globalnega omrežja in temelja informacijske družbe z uveljavitvijo standarda World Wide Web. Celoten proces globalizacije gospodarstev, poslovni modeli najuspešnejših podjetij, pa tudi naše zasebno življenje so danes neizbrisno zaznamovani s to tehnologijo. Članki IB revija 3-4/2008 UMAR 1 1 5 Tabela 1: Empirične raziskave o vplivih vojaških izdatkov na gospodarsko rast Avtor, leto Metodologija Država, področje Ključne ugotovitve Scott 2001 (12,4) Regresija OLS Velika Britanija 1974–96 Izrinjanje zasebnih naložb Atesoglu 2002 (13,1) Granger – makroekonomski model ZDA 1947–2000 Pozitiven učinek vojaške porabe, vendar hkrati večji pozitivni učinki nevojaške porabe Athanassiou, Kollias & Zografakis 2002 (13,2) Simulacija z uporabo izračunljivega modela splošnega ravnotežja Grčija Zmanjšanje vojaške porabe povzroči rast BDP in naložb, toda hkrati zmanjšanje izvoza (odvisno tudi od sestave nove javne porabe). Al-Yousif 2002 (13,3) Grangerjev test vzročnosti Arabski zaliv 1975–98 Odnos med vojaško porabo in gospodarsko rastjo se ne da posplošiti za vse države. Shai, Lai & Chang 2002 (13,3) Model ponudbe in povpraševanja Benoit: teoretični model Teorija napoveduje pozitiven učinek. Morales-Ramos 2002 (13,5) Model ponudbe in povpraševanja; Grangerjev test vzročnosti Vojaške razisk. in razvoj: V. Britanija, Francija, Nemčija, Japonska, ZDA Raziskave in razvoj: nobenega učinka v Veliki Britaniji, na Japonskem in v ZDA, pozitiven učinek v Franciji in na prihranke (naložbe) v Nemčiji Murdoch & Sandler 2002 (13,6) Solowov model rasti Državljanske vojne: Afrika, Azija, Latinska Amerika Državljanske vojne močno negativno vplivajo na rast dohodka na prebivalca. Galvin 2003 (14,1) Model ponudbe in povpraševanja 64 držav v razvoju Negativen vpliv na rast in stopnjo prihrankov; učinek je večji za gospodarstva s srednje visokimi prihodki. Cuaresma & Reitschuler 2004 (15,1) Model rasti Solowa; nelinearnost ZDA 1929–99 Odnos med vojaško porabo in gospodarsko rastjo ni linearen: pozitiven učinek pri zmerni ravni vojaške porabe, pri visoki ravni pa pozitivni učinek izgine. Klein 2004 (15,3) Model ponudbe in povpraševanja Peru 1970–96 Negativen vpliv vojaške porabe na gospodarsko rast Karagol & Palaz 2004 (15,3) Grangerjev test vzročnosti Tur čija 1955–2000 Negativen vpliv Kollias, Naxakis & Zarangas 2004 (15,3) Grangerjev test vzročnosti Ciper 1964–99 Neprestana dvosmerna vzročnost med vojaškimi izdatki in gospodarsko rastjo – vojaški izdatki povzročajo večjo gospodarsko rast in obratno. Lai Huang & Yang 2005 (16,1) Grangerjev test vzročnosti Kitajska, Tajvan 1952–2000 Kitajska: vojaška poraba vodi v višjo gospodarsko rast; Tajvan: pozitivna medsebojna soodvisnost. Yildirim, Sezgin & Ocal 2005 (16,4) Federjev model Turčija & Srednji vzhod 1989–1999 Vojaška poraba spodbuja rast, vojaški sektor je produktivnejši od civilnega. Vir: Hartley, 2005. 1 1 6 UMAR IB revija 3-4/2008 Članki Omenjeni avtorji ugotavljajo, da sta za prihodnje mehanizmom vojaških izdatkov za tehnologije dvojne raziskave obetavnejša modela rasti Solowa in Barroa.2 rabe dosegali želene pozitivne gospodarske učinke. Povzamemo lahko, da med raziskovalci ni soglasnega 3.1 Metodologija in značilnosti sklepa o smeri in jakosti povezav med vojaškimi proučevanega vzorca izdatki in gospodarsko rastjo, saj so v ozadju poleg omenjenih metodoloških problemov številni drugi dejavniki, ki vplivajo na to povezavo, npr. razvitost držav, stopnja vojaške ogroženosti, sektorska sestava gospodarstva, obseg in sestava vojaških proračunov, stopnja sodelovanja vojska-podjetja-raziskovalni inštituti, konfiguracija in dinamika socialnih omrežij – če jih naštejemo le nekaj. Po predhodnem preskušanju pisne oblike anketnega vprašalnika smo tega ustrezno spremenili in dopolnili ter v končni obliki postavili na strežnik Inštituta za ekonomska raziskovanja. K izpolnjevanju spletne ankete smo povabili podjetja po elektronski pošti, ki je bila uspešno dostavljena 6211 naslovnikom. Veliko podjetij, na katera smo naslovili našo prošnjo za izpolnjevanje ankete, je posledica tega, da nismo vnaprej vedeli, katera med njimi razpolagajo z bistvenimi tehnologijami oziroma izdelki in storitvami (vojaške, protiteroristične, tehnologije dvojne rabe). Po naših izkušnjah iz raziskovanja tehnoloških in drugih značilnosti slovenskega gospodarstva smo sklepali, da standardna klasifikacija dejavnosti (SKD) ni primerna osnova za določanje ciljne populacije za tovrstne raziskave, saj bi lahko nehote spregledali dvojne rabe nekatere dejavnosti oziroma pomembna podjetja. Skupno tem raziskavam pa je, da ugotavljajo največjo zmožnost za preoblikovanje vojaških izdatkov v hitrejšo gospodarsko rast ravno v mehanizmu vojaškega financiranja raziskav in razvoja projektov na skrbno izbranih področjih tehnologij dvojne rabe (Cowan, Foray, 1995). 3. Slovenska podjetja in tehnologije Problematika tehnologij dvojne rabe je v Sloveniji Elektronska anketa je imela že na začetku kontrolna dokaj slabo poznana, tako s stališča ekonomskih vprašanja, s katerimi smo izločili podjetja, ki ob anke-raziskav kot tudi na mikroravni. Empirična raziskava tiranju niso razpolagala z nikakršnimi relevantnimi o vplivu vojaških izdatkov na gospodarsko rast (po tehnologijami oziroma izdelki in storitvami dvojne zgledu v predhodnem poglavju omenjenih raziskav) rabe. Ob upoštevanju omenjenega merila in izločitvi v Sloveniji v tem trenutku še ni smiselna, ker anketirancev z lažnimi oz. nepreverljivimi podatki nimamo na voljo zadosti podatkov za metodološko (neobstoječa imena podjetij, popolnoma nemogoči neoporečno analizo na ravni ustrezno velikega vzorca finančni podatki ipd.) smo v našo raziskavo zajeli podjetij oziroma raziskovalno-razvojnih projektov, ki 148 podjetij, ki so izrecno navedla, da obvladujejo se financirajo iz vojaškega proračuna (npr. CRP – tehnologije dvojne rabe oziroma prodajajo izdelke in ciljni raziskovalni program Znanje za varnost in mir storitve dvojne rabe. 2006–2010). Ta podjetja so v letu 2005 zaposlovala 11 807 delavcev Zato smo se odločili za analizo, temelječo na lastni ter ustvarila 768 mio. evrov prihodka in za 480 mio. anketi, s katero smo poskušali ugotoviti slovenska evrov izvoza.3 Porazdelitev podjetij glede na vse tri podjetja, ki so pomembna s stališča tehnologij dvojne navedene spremenljivke je bila izrazito asimetrična. rabe – bodisi kot njihovi razvijalci ali kot ponudniki Tako je kar polovica anketiranih zaposlovala le pet ali izdelkov in storitev z dvojno rabo. manj oseb (desetina več kakor 220), polovica podjetij je ustvarila manj od 417 000 evrov letnega prihodka Ta identifikacija nam je omogočila preverjanje in največ za 27 084 evrov izvoza (v zgornji desetini je zastavljene hipoteze, da obstajajo tehnološka vsako posamezno podjetje ustvarilo vsaj za 9,6 mio. področja, na katerih imamo v slovenskem gospo- evrov izvoza). darstvu večje možnosti za dosego pozitivnih učinkov vojaških izdatkov z mehanizmom dualnosti, in da na V skladu z našimi pričakovanji je bila porazdelitev drugi strani, na večini drugih tehnoloških področij, podjetij glede na primarno dejavnost po SKD dokaj zmogljivost slovenskih podjetij ne zadošča, da bi z nesimptomatična in bi z oblikovanjem vzorca, pri 2 Veliko prostora je tudi za mikroekonomske raziskave, ki bi primerjale rast in delovanje podjetij s proizvodnjo civilnih in vojaških izdelkov, pa tudi mehanizme prelivanja na področjih tehnologij dvojne rabe (npr. Watkins, 2005). 3 Vse vrednosti, če ni izrecno navedeno drugače, so izražene v evrih (€). Članki IB revija 3-4/2008 UMAR 117 Tabela 2: Osnovne značilnosti proučevanega vzorca podjetij – število anketiranih podjetij, število zaposlenih, prihodki in izvoz v letu 2005 po dvomestnih oznakah SKD SKD Dejavnost Štev. zaposlenih Prihodki Izvoz N Skupaj N Vsota N Vsota 31 Proizvodnja električnih strojev in aparatov 4 2331 4 172 847 429 3 155 127 721 63 Pomožne prometne dejavnosti, dejavnost potovalnih in turist. organizacij 4 670 3 131 440 075 3 105 976 263 33 Proizvod. medic., finomeh. in opt. instr. ter ur 5 694 4 42 768 996 3 36 846 813 28 Proizvod. kovin. izd., razen strojev in naprav 9 683 9 33 371 454 9 13 711 800 72 Obdelava podatkov, podatkovne zbirke in s tem povezane dejavnosti 20 364 18 26 665 633 18 9 903 654 51 Posredništvo in trgovina na debelo, razen z motornimi vozili 13 120 10 33 815 213 9 4 268 675 52 Trgovina na drobno, razen z motornimi vozili, popravila izdelkov široke porabe 4 42 4 7 300 933 4 2 456 692 74 Druge poslovne dejavnosti 34 1107 29 30 969 371 24 1 052 133 73 Raziskovanje in razvoj 8 1017 7 4 539 917 4 42 813 -- Druge dejavnosti skupaj 34 4778 34 284 521 620 30 150 747 946 -- Brez navedbe podatkov o zaposlenih, prihodkih in izvozu 13 / 26 / 41 / Skupaj 148 11 805 148 768 240 642 148 480 134 508 Vir: Lastna anketa. Opombi: • N - število anketiranih, • dejavnosti z manj kakor štirimi anketiranimi smo združili v rubriki 'druge dejavnosti skupaj'. katerem bi se omejili na nekatere 'pričakovane' dejavnosti po SKD, dejansko izpustili pomemben del podjetij – predvsem na področju storitev.4 84 od 146 anketirancev, ki so odgovorili na predmetno vprašanje, je navedlo, da imajo organizirano lastno raziskovalno-razvojno dejavnost. Iz opomb anketirancev in glede na število zaposlenih v raziskovalno-razvojnih oddelkih je mogoče sklepati, da ima večina neko obliko raziskovalno-razvojne dejavnosti – najpogosteje v sodelovanju z zunanjimi sodelavci oziroma z delnimi zaposlitvami, nima pa pravih raziskovalno-razvojnih oddelkov. To je tudi logično glede na velikost večine anketirancev – polovica jih je imela zaposlenih le do pet. Anketirana podjetja so v letu 2005 za raziskovalno-razvojno dejavnost namenila 24,86 mio. evrov oziroma 3,24 % svojih prihodkov. Vendar pa je bil delež izdatkov za razvoj izdelkov in storitev, ki so namenjeni izključno v vojaške in protiteroristične namene, le 1,7 % od celotnih raziskovalno-razvojnih izdatkov. Drugače pa je s temi izdatki za tehnologije dvojne rabe, ki so presegli tretjino celotnih raziskovalno-razvojnih izdatkov (34,43 %) anketiranih podjetij. Izobrazbena sestava 928 zaposlenih v raziskovalno-razvojnih dejavnostih anketiranih podjetij je po pričakovanju precej boljša od izobrazbene ravni celotnih podjetij. Skupaj je bilo leta 2005 v teh dejavnostih anketiranih podjetij zaposlenih (redno, Največje število anketiranih podjetij je bilo ravno iz skupine 74 – Druge poslovne dejavnosti. Podrobnejši pogled pa pokaže, da je to, ne glede na navedeno primarno dejavnost, izjemno raznovrstna skupina podjetij, ki se ukvarjajo z razvojem informacijsko-komunikacijskih tehnologij, biometrijo, konstruiranjem letal, nadzorom kakovosti voda, varnostjo računalniških omrežij, poslovnim svetovanjem in drugim. 11 8 UMAR IB revija 3-4/2008 Članki delno, vključno z zunanjimi sodelavci) 47 doktorjev znanosti (dobre štiri petine vseh zaposlenih doktorjev znanosti v teh podjetjih), 86 magistrov, 27 oseb s specializacijo, 391 z visoko univerzitetno izobrazbo in 377 z nižjo izobrazbo od zadnje navedene. Leta 2005 je imelo vsaj en podeljen patent oz. eno vzdrževano družino lastnega patenta s polnim mednarodnim preskusom 16 anketiranih podjetij. Ta so skupaj imela 44 podeljenih družin patentov s polnim mednarodnim preskusom. Od teh so bile le tri patentne družine takšne, da so uporabne samo v vojaške oziroma protiteroristične namene, kar 30 družin patentov (13 podjetij nosilcev) pa je bilo po svoji naravi dvojnih – torej uporabnih v vojaško-protiteroristične in tudi v civilne namene. Le 26 anketiranih podjetij je leta 2005 ustvarilo svoje prihodke tudi s prodajo izdelkov in storitev v neposredne vojaške namene. Na ravni 104 anketiranih podjetij iz našega vzorca, ki so odgovarjala na to vprašanje, je povprečna vrednost kazalnika (delež prihodkov, ustvarjenih s prodajo izdelkov in storitev v vojaške namene) znašala 2,2 %. Med anketiranimi, ki so prihodke ustvarjali s prodajo izdelkov in storitev v protiteroristične namene, je bilo leta 2005 le sedem podjetij. Povprečna vrednost omenjenega kazalnika za 89 podjetij, ki so na to vprašanje odgovorila, pa je znašala 0,7 %. Vendar pa je svoje prihodke v omenjenem letu s prodajo izdelkov in storitev v druge varnostne namene ustvarilo kar 69 anketiranih podjetij. Povprečni ustvarjeni prihodki iz naslova drugih varnostnih izdelkov in storitev za 114 podjetij, ki so odgovorila na to vprašanje, so leta 2005 znašali 28,3 %. Ugotovimo lahko, da je bila leta 2005 večina prihodkov iz naslova proučevanih kategorij (vojaški, protiteroristični, drugi varnostni izdelki in storitve) ustvarjena s prodajo izdelkov in storitev v druge varnostne namene, daleč najmanjši delež pa v protiteroristične namene. Spremljanje razpisov (poleg lobiranja) na trgih vojaške opreme, pa tudi protiteroristične in druge varnostne opreme je ključni dejavnik uspešne prodaje. Zato smo podjetja vprašali tudi, kako spremljajo pomembne razpise nabav. Največ jih je navedlo, da redno ali vsaj občasno spremljajo razpise Slovenske vojske in MORS – skupaj je bilo dobrih šest desetin (85) tistih, ki so na vprašanje odgovorili. Nekajkrat manj jih je navedlo, da redno ali občasno spremljajo razpise NATO in EU za področja obrambe, protitero-rizma in varnosti, medtem ko sta bila EDA in NIAG za večino anketiranih popolni neznanki. Število podjetij, ki spremljajo razpise NATO, NIAG, EDA in tudi EU za predmetno področje, je bilo zelo skromno in kaže bodisi na veliko neizkoriščeno zmogljivost ali pa zavedanje podjetij o njihovi nekonkurenčnosti pri razpisih navedenih institucij. Na vprašanje o spremljanju razpisov za sofinanciranje raziskovalno-razvojnih projektov je odgovorila le dobra polovica vseh anketirancev. Redno spremljanje tovrstnih razpisov naj bi bilo najpogostejše pri SV in MORS, pri katerih je 24 anketiranih navedlo, da to počnejo redno, in nadaljnjih 27, da to počnejo vsaj občasno. Če pa pogledamo, koliko anketiranih je v sofinanciranih raziskovalno-razvojnih projektih tudi sodelovalo ali celo nastopalo v vodilni vlogi, je takšnih podjetij še manj. Slovenska vojska oziroma MORS je za večino anketiranih edini uporabljeni vir sofinanciranja teh projektov, saj je bilo med anketiranimi 12 vodij raziskovalno-razvojnih projektov, ki jih sofinancirata Slovenska vojska in MORS, in še 14 anketiranih, ki nastopajo v vlogi partnerjev pri projektih. Tabela 3: Spremljanje razpisov raziskovalno-razvojnih projektov po (so)financerjih redno občasno nikoli N Slovenska vojska in Ministrstvo za obrambo (vključno s CRPi – ciljni raziskovalni program) 24 27 35 86 NATO 5 20 55 80 Evropska obrambna agencija (European Defence Agency, EDA) 4 22 56 82 NIAG (NATO Industrial Advisory Group) 1 14 65 80 EU za področja obrambe, protiterorizma in varnosti 3 25 51 79 Drugo (prosimo, navedite – pišite čitljivo) 20 13 43 76 Vir: Lastna anketa. Opomba: N – število anketiranih. Članki IB revija 3-4/2008 UMAR 11 9 Med anketiranimi pa ni bilo niti enega podjetja, ki bi bilo bodisi vodja ali vsaj partner pri projektu, sofinanciranem iz EDA. Tudi ni bilo nobenega podjetja, ki bi vodilo raziskovalno-razvojni projekt, sofinanciran iz NIAG, in bilo je le eno partnersko podjetje, vključeno v projekt NIAG. Tudi na predmetnih področjih raziskovalno-razvojnih projektov, ki jih sofinancira EU, ni bilo nobenega vodilnega podjetja, pet pa jih je navedlo, da so pri tovrstnih projektih sodelovali oz. sodelujejo kot partnerji. Eno podjetje pa, da vodi projekt, ki ga sofinancira NATO, in nadaljnji dve, da v teh projektih sodelujeta kot partnerja. 3.2 Nabor tehnologij, izdelkov in storitev dvojne rabe, ki jih obvladujejo anketirana podjetja Nabor tehnoloških področij, ki smo jih razbrali iz ankete in je predstavljen v naslednji tabeli, je dokaj eklektičen. Deloma se tehnološka področja mešajo z izdelčnimi in storitvenimi skupinami. Ne glede na metodološke pomanjkljivosti te razvrstitve pa slednja po našem prepričanju najbolje odseva vsebinske značilnosti proučevanega vzorca slovenskih podjetij. Med anketiranimi podjetji je bilo največ (72) takšnih, ki so navedla, da obvladujejo različne informacijsko-komunikacijske tehnologije (IKT) – npr. geografski informacijski sistemi, penetracijski preskusi omrežij in njihova zaščita, enkripcija, telemetrija, računalniško konstruiranje (CAD), IKT-sistemi nadzora – identifikacija, video, sistemi upravljanja, vodenja, nadzora, upravljanje informacij in podobno. Sledila so jim podjetja, ki ponujajo tehnologije in/ali storitve varovanja tehnične opreme (25) in osebja (12). Sem spadajo npr. sistemi varovanja objektov, posebna oprema, senzorji, signalizacija, proti požaru odporni materiali, oprema zaklonišč, načrtovanje, svetovanje in nadzor varovanja, naprave za gašenje, storitve tehničnega varovanja in na področju varovanja oseb: osebna zaščitna in varovalna oprema, maskirne uniforme, izdelki za področje reševanja, storitve fizičnega varovanja in podobno. Po številu podjetij izstopajo še tehnologije detekcije (kemični, biološki agensi, radioaktivne snovi) in de-kontaminacije (16), vendar pa gre pravzaprav v vseh primerih za razmeroma majhna podjetja po številu zaposlenih, vrednosti prihodkov in tudi izvoza. Posebej velja opozoriti še na logistiko in prevoz ter proizvodnjo prevoznih sredstev (11), kjer so poleg največjih podjetij za logistiko izstopajo še proizvajalci delov za avtomobilsko industrijo, ponudniki terenskih in drugih specialnih vozil, konstruktorji in vzdrževalci Tabela 4: Nabor tehnoloških področij in izdelčnih skupin z možnostjo dvojne rabe, ki jih obvladujejo anketirana podjetja in izbrani agregati (število zaposlenih, prihodki in izvoz v letu 2005) Tehnološka področja, izdelčne skupine N Štev. zaposlenih Prihodki Izvoz informacijsko-komunikacijske tehnologije (IKT) 72 3414 159 877 954 62 297 634 tehnologije detekcije in dekontaminacije 16 410 20 997 834 9 005 304 biometrija 4 55 24 392 768 2 388 821 varovanje tehnične opreme 25 2338 225 721 578 141 173 381 varovanje in zaščita osebja 12 2620 252 181 255 186 281 894 specialna obleka in obutev 3 929 49 677 458 31 539 847 psihološko svetovanje 2 3 0 0 logistika in prevoz, prevozna sredstva 11 3965 248 341 713 208 450 284 tehnologije obdelave kovin 9 1863 45 755 162 38 169 592 svetovanje – splošno, organizacija, nabava … 3 123 257 607 11 755 orožje 1 1 50 075 0 drugo – nerazporejeno 36 5432 305 152 545 230 662 828 Vir: Lastna anketa. Opombi: • vsote kazalcev so večje od agregatov vzorca, ker so posamezna podjetja lahko zajeta v več kakor enem tehnološkem področju - v anketi so lahko navedla do tri tehnološka področja. • N - število anketiranih. 12 0 UMAR IB revija 3-4/2008 Članki letal ter ponudniki storitev servisiranja prevoznih sredstev. Kakor je razvidno iz predhodne tabele, anketirana podjetja navajajo, da obvladujejo tudi tehnologije biometrije, obdelave kovin za potrebe vojaške opreme in sredstev, psihološko svetovanje, izdelavo specialne obleke in obutve, svetovanje iz organizacije, pa tudi proizvodnjo nekaterih vrst orožja. Anketirane smo vprašali še, ali obvladujejo konkretne tehnologije, ki jih je v svojih razpisih že navedel MORS in so vezane na prednostne naloge EDA (Evropske obrambne agencije). Največ anketiranih je navedlo, da obvladujejo tehnologije IKT-sistemov (29), sledile pa so jim tehnologije, pomembne za 'bojevnika 21. stoletja' (19), tehnologije izdelave oboroženih oklepnih vozil ali njihovih delov (11), tehnologije detekcije improviziranih eksplozivnih sredstev (10) in tehnologije brezpilotnih letal (8). Na splošno je mogoče ugotoviti, da je treba za uresničevanje morebitne dvojne rabe, kadar je ta vsebovana v sami naravi tehnologije, izpolniti še številne druge pogoje. Med njimi velja opozoriti na organizacijske, informacijske, infrastrukturne in pravne dejavnike, pa tudi na fazo življenjskega cikla, v kateri je neka tehnologija v danem trenutku, fazo industrijskega izvajanja in standardizacije, število uporabnikov, procesno ali izdelčno usmerjenost tehnologije in podobno. Dualne tehnologije so ključni mehanizem, po katerem je mogoče z vojaško porabo pozitivno vplivati na gospodarsko dejavnost in konkurenčnost gospodarskih subjektov. Pri danem obsegu vojaškega proračuna (ki ga npr. zahteva NATO od svojih članic) je smiselno nameniti čim večji njegov delež raziskavam in razvoju ter drugim oblikam podpore tehnologijam dvojne rabe. Pri tem je najpomembnejša omejitev zmogljivost gospodarstva in znanstvenoraziskovalne sfere Tabela 5: Obvladovanje tehnologij, pomembnih za Evropsko obrambno agencijo in MORS da ne N 'Bojevnik 21. stoletja' (oborožitvena oprema, obleka …) 19 57 76 Oborožena oklepna vozila 11 64 75 Informacijsko-komunikacijski sistemi poveljevanja, nadzora … 29 50 79 Brezpilotna letala 8 64 72 Detekcija improviziranih eksplozivnih sredstev 10 62 72 Drugo (navedite) 35 44 79 Vir: Lastna anketa. Opomba: N – število anketiranih. 4. Zaključek Raziskave o učinkih vojaških izdatkov nasploh in posebno vojaških izdatkov za raziskave in razvoj na narodnogospodarsko rast se v svojih zaključkih sicer pogosto precej razlikujejo (Keith, 2005; Cowan in Foray, 1995; Stowsky, 2003, Sandler in Hartley, 1995, Segal, 2006, in drugi), vendar pa lahko ugotovimo prevlado prepričanja, da tudi danes obstajajo nekatera tehnološka področja, pri katerih vojaški izdatki za raziskave in razvoj še vedno pozitivno vplivajo na civilni sektor. Ta področja niso vedno za vse države enaka ali nespremenljiva, ampak so v veliki meri odvisna predvsem od okolja, v katerem prihaja do medsebojnega vplivanja vojaških in civilnih raziskav in razvoja. (predvsem strokovnjaki in njihovo znanje), s čimer so pretežno opredeljena tudi tehnološka področja, na katerih je takšno vlaganje v nekem okolju ekonomsko upravičeno. Na podlagi analize slovenskega vzorca podjetij tako ugotavljamo, da je smiselno povečati vlaganje MORS oziroma slovenske države v tehnologije dvojne rabe na tistih področjih, na katerih imamo hkrati ustrezno podjetniško in razvojno zmogljivost, na drugi strani pa objektivno dane največje možnosti dejanske dvojne rabe razvitih tehnologij, izdelkov in storitev. Na prvem mestu, glede na izsledke naše analize, opozarjamo na informacijsko-komunikacijske tehnologije, omeniti pa velja še tehnologije varovanja tehnične opreme in osebja, tehnologije detekcije, logistike in transporta ter biometrije. Članki IB revija 3-4/2008 UMAR 121 Literatura in viri Benoit, E. (1973). Defence and Economic Growth in Developing Countries. Boston: Lexington Books. Cowan, R., in Foray, D. (1995). Quandaries in the economics of dual technologies and spillovers from military to civilian research and development. University of Western Ontario, Canada; University of Paris Dauphine, France. Research Policy 24, str. 851–868. Evropska obrambna agencija (EDA) (2006). Stroški za obrambne raziskave in tehnologijo, Bruselj, 9. avgusta. Hartley, K. (2005). Defence Spending and its Impact on the National Economy: A Review of the Literature and Research Issues. Centre for Defence Economics. University of York. Sandler, T., in Hartley, K. (1995). The Economics of Defence: Cambridge Surveys of Economics Literature, Cambridge: Cambridge University Press. Segal, A., in Greenberg, R. M. (2006). Chinese Military Modernization and Export Control Regimes, 16. marec. Sporočilo Komisije Evropskih skupnosti Svetu in Evropskemu parlamentu o izidih posvetovanja na podlagi zelene knjige o javnih naročilih za obrambo in o prihodnjih pobudah Komisije. Bruselj, 6. decembra 2005, COM. Stowsky, J. (2003). Secrets to Shield or Share? New Dilemmas for Dual Use Technology Development and the Quest for Military and Commercial Advantage in the Digital Age, Working Paper 151. Elektronska anketa Inštituta za ekonomska raziskovanja, januar–april 2006 europa.eu/pol/rd/overview_sl.htm english.www.gov.tw www.dda.gov.uk www.dti.gov.uk/files/file10559.pdf www.defensetech.org/archives/002290.html (Matthew Tompkins ) www.fad.di.dk www.korea.net www.nsf.gov/statistics/seind06/c4/c4s6.htm 12 2 UMAR IB revija 3-4/2008 Članki Navodila avtorjem za oblikovanje in pošiljanje znanstvenih in strokovnih prispevkov za objavo v IB reviji Prispevke objavljamo v slovenskem jeziku, na avtorjevo željo in v skladu z uredniškim programom IB revije pa tudi v angleškem jeziku, v takem primeru mora biti povzetek v slovenskem jeziku nekoliko daljši (ena stran). Dolžina besedila naj ne presega eno avtorsko polo (16 strani - avtorska stran obsega 30 vrstic v širini 60 znakov ali skupaj 1800 znakov s presledki in ločili) oziroma 30.000 znakov. Prispevek naj bo opremljen s ključnimi besedami in povzetkom v angleškem in slovenskem jeziku. Tabele, grafe, slike je treba kot priloge predložiti v izvirniku, opremljene z naslovi in legendo. Za vse članke oziroma prispevke velja obojestransko anonimni recenzentski postopek. Recenzenta sta lahko dva in ju izbere uredništvo. Uredništvo si pridržuje pravico zavrnitve članka brez zunanjega recenziranja. Zaradi anonimnega recenziranja naj bodo podatki o avtorju priloženi na posebni naslovni strani. Ta naslovna stran naj vsebuje ime in priimek avtorja, strokovni naziv, domači naslov in polni naslov ustanove, telefonsko številko, ter predlog tipa po tipologiji, ki se uporablja pri vodenju bibliografij v sistemu COBISS, ter izjavo, da predloženo besedilo še ni bilo objavljeno oziroma ni v pripravi za tisk. Če je naslov članka zelo dolg, naj avtor predlaga tudi skrajšani naslov. V primeru, da je delo skupinsko, je treba navesti soavtorje skupaj z ustreznimi podatki. IB revija je bila sprejeta v mednarodno bazo revij Journal of Economic Literature (JEL). Zato je potrebno članek opremiti s trištevilčno kodo JEL klasifikacijskega sistema, ki ga najdete na spletni strani: http://www. econlit.org/subject_descriptors.html#J. Uporabljeno literaturo in vire je treba navesti v seznamu na koncu članka in urejeno po abecednem redu priimka avtorjev. Osnovna oblika reference v besedilu je (Kovač, 1998), v seznamu na koncu članka pa: Priimek, začetnico imena. (Leto). Naslov knjige (Prispevka. Naslov revije ali zbornika, številka, strani). Kraj: Založba. Opombe je treba v besedilu označiti z zaporednimi številkami od začetka do konca besedila, nadpisanimi na ustreznem mestu v rokopisu in po enakem vrstnem redu razvrščene pod besedilom. Vse prispevke lektoriramo. Če ob lektoriranju prihaja do večjih sprememb, uredništvo članek vrne v avtor-izacijo. Prispevek je treba oddati v tiskanem izvodu in v elektronski obliki: na disketi, zgoščenki ali po e-pošti. Prispevke pošljite na naslov uredništva: Urad RS za makroekonomske analize in razvoj, Gregorčičeva 27, 1000 Ljubljana, ali na e-pošto tehnične urednice: urska.sodja@gov.si. Za vse nadaljnje informacije se obrnite na uredništvo IB revije. Uredništvo Članki IB revija 3-4/2008 UMAR 12 3 Naročilnica Podatki o naročniku Fizična – pravna oseba (ustrezno obkrožite) Ime in priimek/Naziv podjetja: Ulica, hišna številka: Poštna številka, kraj: Elektronska pošta: Tel./faks: Datum naročila: Davčna številka SI ____________ Žig in podpis odgovorne osebe Davčni zavezanec da – ne (ustrezno obkrožite) Nepreklicno se naročam na Letna naročnina* Publikacija Znesek letne naročnine (v evrih) Vpišite število letnih naročnin Ekonomsko ogledalo 66,77 (11 številk) Ekonomski izzivi 10,43 Poročilo o razvoju 12,52 IB Revija 41,73 (4 številke) Slovenian Economic Mirror 66,77 (11 številk) Development Report 12,52 *Naročilo se avtomatično obnavlja za naslednje leto. Odpoved naročnine velja po izteku leta, za katerega je bila obnovljena. Posredovana mora biti pisno, in sicer najkasneje do konca koledarskega leta. Posamezni izvodi Publikacija Znesek za en izvod (v evrih) Vpišite številko publikacije in število izvodov Ekonomsko ogledalo 6,26 Ekonomski izzivi 10,43 Poročilo o razvoju 12,52 Socialni razgledi 16,00 IB Revija 12,52 (16,69 dvojna številka) Slovenian Economic Mirror 6,26 Development Report 12,52 Social Overview 26,00 8,5-odstotni DDV ni vključen v ceno. Popusti se določajo po dogovoru (pri naročilu večjega števila izvodov ene publikacije do 25 %). Izpolnjeno naročilnico lahko pošljete na elektronski naslov publicistika.umar@gov.si, faks 01/4781070 ali na Urad RS za makroekonomske analize in razvoj, Gregorčičeva 27, 1000 Ljubljana. Naročene publikacije in račun vam bomo poslali po pošti. Ostale knjižne izdaje si lahko ogledate na naši spletni strani www.umar.gov.si, za dodatne informacije pa se obrnite na elektronski naslov publicistika.umar@gov.si ali telefonsko številko 01/478 10 43.