IMF og ulighed – igen igen

Flere indlæg her på bloggen og en artikel i Børsen (d.12.3.) af Punditokraternes redaktør har beskæftiget sig med store problemer i et nyt arbejdspapir fra Den Internationale Valutafond (IMF). I papiret finder forfatterne tilsyneladende en positiv sammenhæng mellem på den ene side, hvor meget skatter og overførselsindkomster har nedbragt uligheden med, og på den anden hvor høj væksten har været i en lang række lande. Uligheden er målt ved den såkaldte Gini-koefficient.

Et af kritikpunkterne er, at forfatterne ikke tager hensyn til landegruppeforskelle. Gør man det, bryder sammenhængen sammen. Den er statistisk talt spuriøs.

Forglemmelsen er bemærkelsesværdig, ikke mindst fordi det er velkendt, at sammenhængen mellem Gini-koefficienten og økonomisk vækst er svag og langt fra entydig. Det påviste Barro i et empirisk studie i 2000. Og det er blevet bekræftet i efterfølgende studier. Litteraturen viser gennemgående en tendens til, at stigende ulighed er forbundet med lavere vækst – i fattige lande. I rige lande er voksende ulighed korreleret med stigende vækst.

Der kan være gode grunde til, at billedet ser sådan ud. Det er yderst tvivlsomt, om ulighed i sig selv har nogen indflydelse på den økonomiske vækst. Derimod kan årsagerne til en høj eller lav Gini-koefficient have stor betydning.

Helt typisk er politiske tiltag for at sænke Gini-koefficienten gennem omfordeling ved hjælp af skattesystemet forbundet med en omkostning i form af mindre velstand. Okun kaldte det ”den utætte spand”: Hvis man forsøger at ”hælde” ressourcer fra høje til lave indkomster, vil en del af dem gå tabt gennem utæthederne.

Når man taler om Gini-koefficient og BNP i vor del af verden, tænker mange således umiddelbart på der velkendte forvridningstab ved marginalskatter. Forvridningstabet er en samfundsøkonomisk omkostning. Jo mere progressivt et skattesystem, desto større forvridningstab – samtidig med, at progressionen gør Gini-koefficienten for indkomsterne efter skat bliver mindre.

Men der er også politiske tiltag, som reducerer BNP og samtidig øger Gini-koefficienten. De skatteopkrævede midler bliver ikke altid omfordelt til de fattige, men kan tilfalde en rig elite. Det er især velkendt i den tredje verden – hvor der som sagt findes en negativ korrelation mellem Gini og BNP i litteraturen -, men der findes også eksempler i vesten. Politiske tiltag, som reducerer BNP og øger Gini, kan også være politisk skabte monopoler og begrænsninger i adgangen til at vælge erhverv. I dele af verden omfordeles der fra fattig til rig ved at hæmme landbefolkningens muligheder for at søge bedre aflønning i byerne. Krav om licens for at drive bestemte erhverv kan virke på samme måde. Men også tiltag, der tilsyneladende begunstiger de fattige, kan øge uligheden, fordi noget af regningen havner hos dem, der er endnu fattigere. Effektive minimumslønninger kan øge indkomsten hos dem, der er i job, men øge fattigdommen hos dem, der dermed holdes uden for arbejdsmarkedet. Overførselssystemer, der skaber fattigdomsfælder, kan virke på samme måde.

Det bør altså ikke undre, at der ikke er nogen stærk eller entydig korrelation mellem BNP og Gini-koefficient. Ulighed bør i sig selv ikke forventes at have nogen særlig betydning for BNP. Derimod har den politik, der bliver ført, betydning for væksten, men kan påvirke Gini-koefficienten i både den ene og anden retning.

Og derfor kan det i den grad undre, at forfatterne til IMF-papiret ikke har gjort sig større ulejlighed med at trænge ned bag Gini-målene.

2 Comments

  1. Torben Mark Pedersen

    13. marts 2014 at 22:12

    Det er i det hele taget ejendommeligt at betragte ulighed som en stærk eksogen variabel i forhold til velstand.

  2. Christian Bjørnskov

    14. marts 2014 at 13:49

    Det kan vi hurtigt blive enige om på kort sigt. Der er masser af forhold, der påvirker fordelingen af indkomster fra år til år, inklusive politisk omfordeling og konjunkturer. Men på langt sigt er mål for indkomstfordeling faktisk forbløffende stabile i de fleste lande. Uanset det forholder Ostry et al. sig til problemet ved at bruge en GMM-estimator, som i princippet burde løse kausalitetsbiasen. Det er bare noget helt andet, de fifler med.

Skriv et svar

© 2017 Punditokraterne

Theme by Anders NorenUp ↑