Tag-arkiv: nationalregnskab

Om at måle korruption

Igår havde jeg fornøjelsen at undervise en lille, men opmærksom gruppe studerende i korruption. Formålet var naturligvis ikke at vise, hvordan man bestikker nogen, men hvad vi ved om, hvorfor bestikkelse sker, hvor det sker, og også hvad konsekvenserne typisk er. En væsentlig del af vores diskussion handlede om det svære spørgsmål_ Hvordan måler man, hvor meget korruption der er i en region eller et land?

Problemet er ikke begrænset til korruption: Mange forhold som omfanget af korruption, størrelsen af den sorte økonomi, og graden af skatteunddragelse er alle kompliceret af det faktum, at det er ting som folk har en stærk interesse i at holde hemmelige. Hvor stort et problem det er, illustrerer vi nedenfor.

På tværs af USA har man mulighed for at bruge et af to mål, der regulært publiceres. Det ene er antallet af korruptionssigtelser og korruptionsdømte per stat. Fordelen ved at bruge det mål er, at det er FBI der står for alle korruptionssager i USA. Hvor mange der bliver dømt og om sagen føres, afhænger således ikke af hvordan statens egne institutioner virker. Den anden mulighed er at bruge de vurderinger, som de store mediers journalister leverer. Fordelen ved den metode er allerførst, at de journalister der dækker den type sager i USA er specialiserede og godt inde i emnet. For det andet løser metoden et problem ved FBI-tallene: Hvis en stat er meget korrupt, vil det typisk betyde at politiet også er det. Derfor er det mindre sandsynligt, at der overhovedet startes en efterforskning af korruption i meget korrupte stater.

Figuren nedenfor viser med al ønskelig tydelighed, hvor stort vores målproblem er. På x-aksen er statens ranking når man bruger antallet af korruptionsdømte per indbygger – dvs. FBI-tallene. På y-aksen er rankingen i journalistkorpsets vurdering. Mens korrelationen mellem de to er 0,33, viser figuren hvor mange amerikanske stater der vurderes helt forskelligt af de to metoder. De største outliers er North og South Dakota, der har relativt mange korruptionsdømte, men vurderes som meget lidt korrupt af journalistkorpset.

Hvad kan man lære af det amerikanske eksempel? Først og fremmest er læren, at der er meget vigtige forhold i samfundsforskningen, som er ekstremt svære at måle med nogen ønskelig præcision. Det gælder i særlig grad korruption, men også – som nævnt ovenfor – størrelsen af den sorte økonomi. Og de to forhold er klart forbundne: Mere korrupte lande har også større sorte økonomier. Det giver et ekstra problem, nemlig at nationalregnskabets vurdering af BNP, og dermed vores viden om hvor rige eller fattige lande er, er mere skæv, jo mere korruption der er. I sidste ende er læren, at man altid og overalt skal tage hensyn til, at de data vi bruger som forskere, investeringsrådgivere, ansvarlige for outsourcingstrategier osv., osv., er misvisende i store dele af den tredje verden, og måske endda i de mest korrupte dele af USA og Europa.

Nonsens-sammenligningen der ikke forsvinder

Regeringen udgav forleden en såkaldt hvidbog med titlen Mod et bedre samfund med tech-giganter, hvor den skitserer ni principper for, hvad den kalder ”et mere ansvarligt og retfærdigt samfund med tech-giganter.” På en eller anden måde mener regeringen, at store techfirmaer som Facebook og Google er trusler mod enten det danske demokrati eller regeringens foretrukne politik. Det kan man mene om, hvad man vil, men selvom man ignorerer en række ret fundamentale problematikker – som den gode Frederik Stjernfelt skrev om i Weekendavisen i fredags – er der et væsentligt problem. Problemet, som vi som økonomer desværre ser dukke op gang på gang i debatter om multinationale firmaer, er påstanden om at mange firmaer er økonomisk meget større end mange nationalstater. Med andre ord sammenligner man private virksomheders omsætning eller markedsværdi med nationalstaters bruttonationalprodukt (BNP).

Sammenligningen er ildevarslende, hvis man tror på to ting. For det første skal man tro på, at økonomisk størrelse er det samme som politisk magt. Med andre ord skal man regne med, at politikere og/eller embedsværk påvirkes af økonomisk størrelse, og ikke kan stå imod. At de måske ikke vil er en anden diskussion. For det andet skal man tro på, at sammenligningen er retvisende.

Mens man kan fortælle rimelige teoretiske historier om, hvorfor økonomisk størrelse måske også giver politisk indflydelse, er det store problem det andet forhold. Sagen er nemlig, at sammenligningen er rendyrket nonsens. Uanset at den er brugt af politikere på begge sider af tinget, af journalister, og af særinteresser som Oxfam, er den fundamentalt forkert.

Regeringens hvidbog konkluderer med et kapitel med titlen ”Demokratiet skal sætte rammerne for tech-giganterne – ikke omvendt”, hvor embedsmændene fra Kulturministeriet, der har forberedt rapporten, sammenligner lande og firmaer. Konkret sammenligner de en vurderet markedsværdi af Amazon, Apple, Facebook, og Microsoft med syv landes BNP. Selv hvis man skulle være enig med regeringen i hvidbogens andre (stærkt tvivlsomme) påstande, hopper kæden af her. Grunden er, at markedsværdi overhovedet ikke kan sammenlignes med BNP.

En markedsværdi kan opgøres som gensalgsværdien af alt, en virksomhed ejer. Med andre ord er det værdien i år og ud i fremtiden af alle maskiner, alle bygninger, al know-how, al brandværdi osv. af virksomheden. BNP, derimod, kan opgøres som summen af al værditilvækst i et land per år. For det første dækker BNP således kun værdien af det, der produceres, minus omkostningerne ved produktionen, og kun for et enkelt år. Det er et meget anderledes koncept end markedsværdi. Skulle man sammenligne virksomheder på en lignende målestok, skulle man bruge virksomhedens nettoindtjening, dvs. dens årlige bundlinjeresultat.

For det andet er det ekstremt svært at beregne et helt lands gensalgsværdi, hvis man skulle sammenligne med virksomheders markedsværdi. Men skulle man gøre forsøget, kunne man starte ved Penn World Tables, der har en opgørelse over værdien af landes kapitalapparat. For Danmark de senere år har den været det femdobbelte af BNP, og det er vel at mærke kun fysisk realkapital – maskiner, bygninger osv. Den tæller ikke værdien af folks arbejdskraft, deres uddannelse eller deres evner, eller nogen andre forhold. Skal man komme med et bud på det, kan man bruge den tommelfingerregel, man har i forbindelse med produktivitetsopgørelser: Omtrent en tredjedel af værdiskabelsen på nationalt plan kan henskrives til kapitalapparatet. Med andre ord kommer to tredjedele fra andre forhold, når man i øvrigt ignorerer nationale produktivitetsforskelle.

Skal man lave en bare nogenlunde retvisende sammenligning af virksomheder og landes ’markedsværdi’ kan man derfor måske – siger og skriver måske fordi det altid vil være et underkantsestimat – tage BNP, gange det med omkring 5 for at få værdien af kapitalapparatet, og derfor gange det igen med 3 for at få værdien af alle produktive faktorer. Regeringens dybt misvisende hvidbog sætter Danmarks BNP til 2100 milliarder dollars og Apples markedsværdi til 13.200 milliarder. En korrekt sammenligning med vores forsigtige tommelfingerregler her giver en markedsværdi for Danmark omkring 30.000 milliarder. Et lille, ret ubetydeligt land i Nordeuropa er således i markedsværdi langt større end verdens allerstørste ’techgigant’. Situationen er fuldstændigt anderledes end den økonomisk analfabetiske regering og dens inkompetente embedsfolk påstår.

New data and new problems

In economic research, and in particular in development economics, it is important to have access to precise income data. Yet, getting data on income has always been a problem, and even more so before the invention of modern national accounting in the 1930s. One of the particular problems that persisted for a long time was how to deal with price differences across countries. That problem was alleviated – although not entirely solved – by the advent of the International Comparison Project (read the story here og Tim Taylors account of the project here).

Researchers have for the last couple of decades either used various versions of the national account data in the Penn World Tables (PWT) or from the World Bank. No one claims that they are perfect, but both sources tend to yield very similar results. They have also both been regularly updated, with the PWT ending at version 7.3. However, many people have wanted better and even more precise data.

PWT 8.0 was therefore introduced to great fanfare in 2013, when a new team of researchers changed the basic methodology behind the data. These changes were outlined by Robert Feenstra, Robert Inklaar and Marcel Timmer in a highly profiled article in no less than the American Economic Review. Many researchers nonetheless began to get doubts because the new Penn data turned out to look rather different from the old data, and several known economic events were nowhere to be found in the new version. Maxim Pinkovskiy and Xavier Sala-I-Martin for example dcoumented (ungated version here) that both the 2011 version of the World Bank dataset and PWT 7.1 provide a much better fit with development, when one compare the data to long-run changes in light intensity at night, which cannot be manipulated or fiddled with. Something was obviously amiss with PWT 8.0 and 8.1.

This year saw the publication of PWT 9.0 with the implicit claim that the beginners’ problems of the new methodology had been sorted out. The question then is which data you can trust and what you use? Interested readers can of course make up their own minds, for example by looking at the Danish data. All three series from the PWT start in 1950, 7.1 ends in 2010 and 9.0 in 2014. Penn provides two series in version 9.0, as the new methodology implies that there are GDP series calculated from expenditures (the ’e’-series in the figures) and other series calculated from output (the ’o’-series). Beginning in 1966, these series can be compared to the purchasing power adjusted series from Statistics Denmark (DS). The clue here is that Denmark has some of the most precise national accounting data, not least because of the tradition of registering everything at the source, which ought to provide a ”most precise” benchmark; a sort of gold standard.  And as is obvious in the figures, the four series match up rather nicely in the very long run. The lowest correlation is 0.96 (between  PWT 9.0 ’o’ and DS). However, as is particularly obvious in the second figure, where I focus on the shorter period between 1970 and 1995, there are substantial and worrying differences in the short-run dynamics. Looking at the annual growth rates, it turns out that PWT 7.1 and DS are almost identical (the correlation is 0.98), while PWT 9.0 is different.

The correlation between growth rates in DS and PWT 9.0 ’e’ is a mere 0.08! The output-based series looks better, but correlations of 0.76 with DS and 0.84 with PWT 7.1 are far from impressive, when the data ought to be calculated from the same base information. The figure also reveals that the new data exhibit a much larger decline in the last years of the Anker Jørgensen governments, and a visibly slower recovery after the conservative government of Poul Schlüter took over in 1982. A few years later, the PWT 7.1 and DS series also exhbit rather different growth rates for the Fogh/Løkke governments between 2001 and 11. PWT 7.1 has an annual average growth rate of 0.25 % and DS one of 0.43 %, while the new PWT data show rates of 1.52 and 2.23 %.

The conclusion is that something is obviously wrong in the new data. New is not always better and I feel obliged to recommend that colleagues, students and anyone else interested in the topic do not use the new PWT series, although they have been sold to the academic community as improved measures.

Nye data og nye problemer

I nationaløkonomisk forskning, og ikke mindst i udviklingsøkonomi, er det vigtigt at have rimeligt præcise indkomstdata. Det var længe et problem, da både nationalregnskab – som primært blev opfundet som disciplin i 1930erne – og indkomstopgørelser er i sig selv svære at lave. Et af de særlige problemer var længe hvordan man håndterede de meget forskellige priser, der gjaldt i forskellige lande. Det problem blev afhjulpet – om end måske ikke løst – af the International Comparison Project (læs historien her og Tim Taylor om projektet her).

I en årrække har forskere derfor brugt enten forskellige versioner af nationalregnskabsdata i the Penn World Tables (PWT) eller fra Verdensbanken i deres forskning. Ingen har påstået, at de var perfekte, men de to datakilder giver typisk samme overordnede resultater. De to kilder er løbende blevet opdateret, og den seneste version af den oprindelige PWT endte med at hedde version 7.3,mens 7.1 har været brugt langt mest. Men mange har efterspurgt bedre og mere præcise data.

PWT 8.0 blev derfor introduceret med store fanfarer i 2013, da et nyt team havde ændret metodologien bag dataene; ændringerne blev endda skitseret af Robert Feenstra, Robert Inklaar og Marcel Timmer i American Economic Review. Hos forskere bredte usikkerheden sig dog, da de nye Penn-data ofte så ret anderledes ud og at flere kende episoder ikke var at finde der. Maxim Pinkovskiy og Xavier Sala-I-Martin viste således i en artikel (ungated her), at både Verdensbankens 2011-version og PWT 7.1 passer langt bedre på udvikling, når man f.eks. ser på langsigtede ændringer i lysintensitet om natten, som man ikke på samme måde kan manipulere eller på en måde fifle med. Noget var tydeligvis galt med PWT 8.0 og 8.1

I år er PWT 9.0 derfor udkommet med en implicit påstand om, at man har løst børnesygdommene i den nye metodologi i PWT. Hvad skal man så stole på og hvad kan man bruge? De interesserede læsere kan dømme for sig selv ved at tage et kig på de danske data. Alle tre serier fra PWT starter i 1950,7.1 ender i 2010 og 9.0 i 2014. PWT 9.0 er angivet i to versioner, da den nye metodologi betyder, at der er et BNP-tal beregnet ud fra forbrugssiden (’e’-serien, for expenditure) og et andet beregnet fra outputsiden (’o’-serien). Fra 1966 sammenligner jeg med de ligeledes købekraftskorrigerede tal fra Danmarks Statistik (DS), der – givet at Danmark har nogle af verdens absolut mest præcise nationalregnskabstal – burde kunne fungere som en slags ’mest præcist’ benchmark. Y-aksen på begge figurer er logaritmen til BNP per indbygger.

Og som man kan se i den første figur følger de fire serier hinanden fint på den meget lange bane: Den mindste korrelation mellem de fire er 0,96 (mellem PWT 9.0 ’o’ og DS). Men, som det er ekstra tydeligt i den anden figur, hvor jeg har stillet skarpt på den kortere periode mellem 1970 og 1995, er der store forskelle i kortsigtsdynamikken. Ser man på det årlige væksttal, følges PWT 7.1 og DS næsten perfekt ad (korrelationen er 0,98), men PWT 9.0 ser anderledes ud. Korrelationen mellem DS og PWT 9.0 ’e’ er således 0,08! De ser bedre ud med de outputbaserede tal, men en korrelation på 0,76 med DS og 0,84 med PWT 7.1 er ikke prangende, når de burde være beregnet fra samme base. Figuren afslører bl.a. at de nye tal viser en væsentligt større nedgang i de sidste år under Anker Jørgensen og en tydeligt svagere opgang efter Poul Schlüter tog over i 1982. Rykker man længere frem i historien, viser PWT 7.1 og DS-serierne også helt anderledes væksttal for Fogh/Løkke-regeringerne fra 2001-11. PWT 7.1 viser en gennemsnitlig årlig vækstrate på 0,25 % og DS på 0,43 %, mens de nye PWT-tal viser henholdsvis 1,52 og 2,23 %.

Et eller andet er tydeligvis galt i de nye tal. Nyt er ikke altid bedre, og foreløbig er man tvunget til at anbefale kolleger, studerende og andre interesserede ikke at bruge de nye serier, som ellers bliver solgt til verden som et stort målefremskridt. De ser bare ud til at give nye hovedpiner.

Hvad er den kinesiske vækstrate

Punditokraternes faste læsere vil vide, at vi her på stedet ikke er imponerede over kinesisk nationalregnskab. I foråret dukkede der data op, der den kinesiske import var faldet næsten 20 %, og producentprisindekset var faldet godt 4 % (læs her). Nu viser det sig, at det kinesiske ølforbrug, der ellers er vokset 6 % per år de sidste ti år, stagnerede fuldstændigt sidste år (hattip: Marginal Revolution). Det passer dårligt med de officielle udmeldinger om en real vækstrate på cirka 7 %.

Christopher Balding går et skridt videre og tager fat om den officielle, kinesiske påstand om at detailhandlen steg 10,8 % i løbet af det sidste år. Her er hans kig på de (stadig) officielle data:

To examine this closer, I downloaded data from the report covering the 50 and 100 largest retail enterprises in China with sales broken out by category.  Looking at the 50 largest retail enterprises in a year over year basis, except for jewelry, all other categories are negative. Looking at the 100 largest, jewelry is still the largest gainer at 8.7% with food registering a 4.9% gain.  Total retail sales among the largest 100 registered a total gain of 1.5% year over year. Most interestingly about the top 100 year over year retail sales, there is not one category that reaches the 10.8% claimed by the NBSC.

Det er ret nemt for enhver med lidt kendskab til nationalregnskab at regne rundt og se, hvor meget de andre kategorier – primært offentligt forbrug og investeringerne – må være steget, for at en så svag indikator for privatforbruget kan være konsistent med en total vækstrate på 7 %. Den logiske konklusion er, at de kinesiske væksttal nødvendigvis må være ren fiktion. Mit personlige gæt er, at den faktiske vækstrate sagtens kan være negativ.

Mere rigdom og lavere skatter…

Først nogle gode nyheder: Vi er blevet et par procent rigere, og samtidig er skattetrykket faldet et par point. Og så den dårlige: Det skyldes, at Danmark Statistik har revideret nationalregnskabet. Definitionen af bruttonationalproduktet (BNP) er blevet ændret og udvidet. Et par skatter (primært kirkeskat, kulbrinteskat og a-kassebidrag) er gået ud, mens andre (f.eks. PSO-afgiften på el) er kommet med. Intet i den virkelige verden er ændret, kun den måde den bliver målt på.

Bismarck sagde som bekendt, at folk sover roligere om natten, desto mindre de ved om, hvordan man laver pølser og politik. Noget tilsvarende gælder utvivlsomt statistik, ikke mindst nationalregnskabsstatistik. BNP lever langt fra op til de forestillinger, rigtig mange går rundt med om det – hverken når det gælder entydighed i mening eller præcision i opgørelse. Strengt tager ved vi ikke, hvad BNP betyder, eller hvor stort det er. Eller rettere: Det er, hvad det er defineret som. Og det måles ud fra de kilder, som det er muligt at finde eller konstruere. Det skyldes ikke, at statistikerne er skødesløse, inkompetente eller samvittighedsløse. Det er de så langt fra. Men statistikken er nu engang ikke mere end den er.

BNP er bedst til at give et groft indtryk af økonomiens samlede størrelse. Det giver en idé om, hvor stor velstanden er i et land i forhold til et andet. Eller hvor meget den er steget i løbet af f.eks. et årti. Man kan også få et indtryk af andre størrelser ved at sætte dem i forhold til BNP. Skattetrykket er et velkendt mål, der beregnes på den måde (altså ved at dividere de samlede skatteindtægter med BNP). Man kan med rimelig sikkerhed regne med, at et land med 10 points højere skattetryk end et andet også har generelt højere skatter. Derimod viser skattetrykket ikke, hvor stor den gennemsnitlige skatteprocent er. Man betaler ikke skat af BNP, og skattegrundlagene lagt sammen giver ikke BNP.

Naivitet omkring, hvad BNP kan vise, får en gang i mellem nogle til at foreslå korrektioner. Især vil man støde på nogle, som energisk advokerer for et ”grønt BNP”. De lider ofte af den misforståelse, at BNP er en slags facit, og at facit kan blive korrekt, hvis man blot tager dette eller hint med. Men realiteten er, at BNP ikke er et facit. Det kan som regel kun bruges som input eller indikator. Og det kan gå helt galt, hvis man forsøger at styre efter BNP. Det kan man lige så lidt som man kan styre universet ved hjælp af Hubble-teleskopet.

En af de økonomer, som har kritiseret BNP skarpest, var Oskar Morgenstern (som flere nok kender som grundlæggeren af spilteori sammen med John Neumann). Her er en ikke-teknisk præsentation (fra 1975), hvor han ikke lægger fingrene imellem. Og her en smagsprøve:

We would of course like to know whether and how much and in what direction the economy has grown and how economic welfare has been changed, presumably been improved. We would like to have good, trustworthy numerical expressions for both. Alas, the GNP concept is primitive in the extreme and certainly useless for any adequate expression of “growth”. “Social welfare” is still so difficult and controversial a notion that, without overcoming the inherent great conceptual difficulties we cannot indicate any measure at present which is scientifically unchallengeable and does not involve political, moral or whatever other prejudices”.

Og én mere: En økonomi er mere kompleks end et menneske, og den ændrer hurtigere karakter som følge af teknologisk udvikling. Men

would anybody in his senses imagine that there could be a single scalar number, which would adequately describe the development of a human from babyhood to maturity to old age: the growth of the body, the mind, of capabilities? The idea is so grotesque and ludicrous that we can dismiss it from the outset”.

Den økonomiske proces fungerer ikke, fordi vi kan måle og styre den:

“All this works and works miraculously well, although of course it is easily subject to great disturbances. The astonishing fact is not that the thing does not work well, but that it works at all. It is only when we realize the complexity of the economy that we begin to see, and possibly understand how dangerously it is to interfere with these matters”.