Vilka fattiga är fattigast?

Transkript

1 NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet Examensarbete C Författare: Jonas Pålsson och Johanna Ekblom Handledare: Niklas Bengtsson HT 2008 Vilka fattiga är fattigast? Fattigdomsfokuseringen av det svenska frivilligorganisationsbiståndet jämfört med det totala svenska biståndet

2 Abstract This paper discusses whether the allocation of Swedish aid is dependent on absolute or relative poverty, and whether there is any difference in this respect between ODA and aid distributed through officially funded NGO s. Given the Millennium Development Goals, and their overarching goal of halving extreme poverty by 2015, we should expect the aid allocation to be determined by absolute rather than relative poverty. We use OLS to estimate multiple linear regressions. We find that Swedish ODA has an absolute poverty focus, while the Swedish NGO aid rather seems to be concentrated on relative poverty. Nyckelord: Biståndsallokering, ODA, frivilligorganisationer, ramorganisationer, fattigdom, poverty headcount, ginikoefficienten, Sverige, millenniemål

3 Innehåll Tabeller och figurer... i Förkortningar...ii 1. Inledning Avgränsningar Tidigare forskning Det svenska biståndet Internationella överenskommelser Den svenska biståndsbudgeten Bistånd genom ramorganisationer Official Development Assistance De svenska ramorganisationerna Sidas riktlinjer Ramorganisationernas mål Regression och redovisning av data Stickprov Beroende variabler Absolut fattigdom: Poverty headcount Relativ fattigdom: Giniindex Befolkningsstorlek Totalt bistånd per capita Allmänt om de förklarande variablerna Observationsbortfall Regressionsresultat Resultat Robusthet Alternativ modell: Bistånd per capita Slutdiskussion Referensförteckning Databaser Bilaga 1: Data Bilaga 2: Ginikoefficienten Bilaga 3: Jämförelse mellan de länder som fallit bort och hela stickprovet Bilaga 4: Inbördes korrelation mellan variablerna Bilaga 5: Ramorganisationsbiståndet subtraherat från ODA... 37

4 Tabeller och figurer Tabell 2.1. Utgiftsutveckling, Internationellt bistånd (miljoner kronor)... 6 Tabell 4.1. Biståndsvolymer, stickprov (tusental kronor) Tabell 4.2. Fattigdomsmått, stickprov Tabell 5.1. Resultat av regression för ODA (tusental kronor) Tabell 5.2. Resultat av regression för bistånd genom ramorganisationer (tusental kronor) Tabell 5.3. Resultat med modifierad data: (a) Utan nollor i den beroende variabeln (tusental kronor) 19 Tabell 5.4. Resultat med modifierad data: (b) Andra år (tusental kronor) Tabell 5.5. Resultat med modifierad data: (c) Rensad från extremvärden (tusental kronor) Tabell 5.6. Alternativ modell: Regression för ODA per capita (kronor) Tabell 5.7. Alternativ modell: Regression för ramorganisationsbistånd per capita (kronor) Tabell B3.1. Hela stickprovet jämfört med bortfallna länder (tusental kronor) Tabell B4.1. Inbördes korrelation Tabell B5.1. Regression för ODA, där ramorganisationsbiståndet subtraherats från ODA (tusental kronor) Figur B2.1. Lorenzkurvan i

5 Förkortningar Aidcap BNI BNP BNP per capita EU FN Gini IMF LO ODA ODA/cap OECD PovHC Poverty HC PPP R 2 Ramorg Ramorg/cap SHIA Sida TCO Tot bistånd/cap Totalt bistånd från samtliga givarländer per person Bruttonationalinkomst Bruttonationalprodukt Bruttonationalprodukt per person Europeiska Unionen Förenta Nationerna Giniindex Internationella valutafonden; International Monetary Fund Landsorganisationen Official Development Assistance Official Development Assistance per person Organisation for Economic Co-operation and Development Poverty headcount Poverty headcount Köpkraftsjusterad; Purchasing Power Parity Förklaringsgrad; R-squared Bistånd genom ramorganisationer Bistånd genom ramorganisationer per person Svenska Handikapporganisationers Internationella Biståndsförening Styrelsen för internationellt utvecklingssamarbete Tjänstemännens Centralorganisation Totalt bistånd från samtliga givarländer per person ii

6 1. Inledning FN:s åtta millenniemål, som världens stats- och regeringschefer antog år 2000, har som övergripande mål att halvera den extrema fattigdomen till år 2015 (United Nations 2008:4). Detta onekligen ambitiösa mål har blivit något av en ledstjärna i den svenska biståndspolitiken 1. En förutsättning för att kunna halvera fattigdomen är att man klart definierat innebörden av fattigdom ; ett mångfacetterat begrepp som kan ta sig många olika uttryck. I exempelvis det svenska biståndsmålet nämns fattiga människor men utan närmare specifikation 2. När man från regeringshåll försöker utveckla begreppet landar man i formuleringar som att fattigdom handlar om avsaknad av frihet och kan beskrivas som brist på säkerhet, resurser, möjligheter och makt (Utrikesdepartementet 2006:8). Fattigdom är förvisso ett komplext fenomen, men i praktiska sammanhang gör sådana sammansatta och oprecisa definitioner att det i nästa steg blir oklart vilka som egentligen åsyftas med de fattiga, de som det svenska biståndet faktiskt ska nå. För att kunna bestämma fördelningen av biståndet och för att kunna utvärdera resultaten därav blir det nödvändigt att titta på mer tekniska fattigdomsmått, definierade för att tillåta statistiska mätningar och jämförelser. Sådana fattigdomsmått kan delas in i två huvudgrupper; dels absoluta mått som fångar de fattigaste i ett globalt perspektiv, och dels relativa mått på fattigdomen i varje enskilt land. De absolut fattiga och de relativt fattiga behöver inte alls vara samma människor, även om de förstås till en viss del är det. Vi kommer att jämföra fördelningen av det svenska biståndet med mått på absolut- respektive relativ fattigdom. Grundantagandet, givet det övergripande millenniemålet, är att biståndspengarna går till världens absolut fattigaste, och därmed att det är den absoluta fattigdomen som bestämmer fördelningen av det svenska biståndet. Vidare går ungefär fem procent av den totala svenska biståndsbudgeten till svenska frivilligorganisationer som tar del i utvecklingsarbetet (Regeringens proposition 2008/09:1 sid 12, 74). I Sverige finns en lång tradition av denna typ av biståndsarbete (Riddell 1995:25). Det övergripande svenska biståndsmålet gäller för alla typer av bistånd som går genom Sida (Sida 2005:10). Detta biståndsmål är dock formulerat i ganska allmänna termer 3, vilket kan öppna för olika tolkningar och därmed medföra skillnader i inriktningen hos de olika formerna av bistånd. I flera utvärderingar från Sida konstateras att bistånd via 1 Se exempelvis Carlsson (2007b). 2 Se avsnitt Se avsnitt

7 frivilligorganisationer inte når de fattigaste, och att det dessutom inte alltid är målet för organisationen i fråga (Riddell et al 1995:75-77; Lindahl et al 1999:30-32). Med detta i åtanke ställer vi oss följande frågor: Påverkas fördelningen av det svenska biståndet av absolut eller relativ fattigdom? Finns det någon skillnad härvidlag mellan det bistånd som fördelas av frivilligorganisationer jämfört med det totala svenska biståndet? Vi använder minstakvadratmetoden för att skatta linjära regressioner för det totala svenska biståndet respektive bistånd genom frivilligorganisationer. Vi finner att det totala svenska biståndet fokuserar på de absolut fattigaste istället för de relativt fattiga. Samtidigt verkar det finnas en tydlig tendens att biståndet genom frivilligorganisationer i högre grad går till länder med skev inkomstfördelning, det vill säga hög relativ fattigdom, medan den absoluta fattigdomen inte verkar påverka denna fördelning. Vi börjar med att ge en kort bakgrund till det svenska biståndet och de svenska frivilligorganisationerna. Därefter följer redovisning av regressionsmodell varpå vi redovisar och motiverar våra variabler. Sedan redogör vi för resultaten från vår regression samt gör robusthetstester. Vi testar även en alternativ modell och diskuterar skillnaden i de båda modellernas utfall. Slutligen kommer en slutdiskussion där vi går igenom våra viktigaste resultat och försöker ge en förklaring till dessa. 1.1 Avgränsningar Vi testar fördelningen av biståndsvolymen bland de länder som faktiskt får svenskt bistånd, och inte vilka kriterier som gjort att dessa valts ut bland samtliga länder. 4 Det finns vidare en närbesläktad diskussion som handlar om effektiviteten hos och meningsfullheten med bistånd och olika biståndsformer 5. Det är givetvis en debatt som är relevant i sammanhanget, men den ligger samtidigt utanför ramen för denna uppsats. 4 För ett vidare resonemang kring val av data, se avsnitt 4. 5 Se exempelvis Easterly (2006) å ena sidan, Sachs (2005) å andra sidan. 2

8 1.2 Tidigare forskning Det finns mycket forskning beträffande determinanter för biståndsfördelningen 6. En stor del av forskningen fokuserar inte helt oväntat på bistånd från USA och andra större västekonomier till tredje världen. Sverige klumpas ofta ihop med Finland, Norge och Danmark och på så sätt jämförs bistånd från Skandinavien eller de nordiska länderna med bistånd från andra västländer. De nordiska länderna brukar ofta framstå som föredömen när det gäller objektiv biståndsallokering. 7 Gates och Hoeffler (2004) 8 försöker råda bot på den bristande forskningen om allokeringen av de nordiska ländernas bistånd, och ta reda på om det goda ryktet är välförtjänt. Även de hittar belägg för att de nordiska länderna skiljer sig från övriga givarländer genom att i högre grad ge bistånd av rätt anledningar, såsom demokratiseringsgrad, mänskliga rättigheter och fattigdomsnivå i mottagarlandet. De finner också att länderna skiljer sig mycket från varandra, varför det kan vara svårt att generalisera ett nordiskt givarmönster. I undersökningen tar de inte hänsyn till om biståndet fördelats genom frivilligorganisationer eller inte, främst för att Sverige står som undantag i Norden när det gäller att dela ut bistånd genom frivilligorganisationer. Dreher, Mölders och Nunnenkamp (2007) 9 tittar närmare på Sverige och ställer sig frågan om det finns någon skillnad mellan det offentliga biståndet som ges genom Sida, och det som fördelas genom frivilligorganisationerna. De finner att det bistånd som går genom frivilligorganisationer inte fördelas väsentligt annorlunda än det totala biståndet. Dock tycks det totala biståndet bero negativt på BNP per capita, medan BNP per capita inte verkar påverka bistånd som fördelas genom frivilligorganisationer. Vad gäller frivilligorganisationers biståndsallokering generellt har det gjorts en hel del forskning. Då frivilligorganisationerna kan antas fördela bistånd med altruistiska snarare än strategiska motiv kan det vara intressant att se om det verkar finnas någon skillnad där, jämfört med staters offentliga bistånd. Nancy och Yontcheva (2006) undersöker i en empirisk studie om hjälp från europeiska frivilligorganisationer verkligen når de fattiga. Som mått på fattigdom använder de den andel av ett lands befolkning som lever under den nationella 6 Det har visat sig att intressen hos givarländer ofta kan spela en minst lika stor roll som mottagarländernas behov, om inte större. McKinlay och Little (1977, 1978) undersöker biståndsallokering med hjälp av två modeller. Den ena har mottagarlandets behov (recipient-need) som förklarande variabler och den andra har givarlandets strategiska intressen, ekonomiska och politiska motiv som förklarande variabler. De finner att den sistnämnda modellen har stor betydelse. Maizels och Nissanke (1984) finner att recipient-needmodellen förklarar det multilaterala biståndet, medan strategiska intressen förklarar det bilaterala stödet. För vidare läsning, se till exempel Alesina och Dollar (2000), Burnside och Dollar (2000), Kuziemko och Werker (2006). 7 Se t.ex. Alesina och Dollar (2000), Schraeder et al (1998) 8 Ej publicerad. 9 Ej publicerad. 3

9 fattigdomsgränsen. Deras resultat tyder på att frivilligorganisationer på det hela lever upp till ryktet om att främst hjälpa de fattiga och sårbara, snarare än att se till politiska och strategiska överväganden. 10 I de artiklar vi nämnt har man undersökt dels allokeringen av biståndet i stort och dels allokeringen av bistånd genom frivilligorganisationer, liksom eventuella skillnader mellan dem. Ingen har emellertid specifikt undersökt huruvida det finns en skillnad mellan absolut och relativ fattigdom när det gäller allokeringen av biståndet. Det kan noteras att de två artiklar som vi närmast knyter an till och som ämnesmässigt ligger närmast vår uppsats inte är publicerade. Det kan vara ett problem, men tyder också på att området är relativt outforskat. 10 De svenska frivilligorganisationerna behandlas mer ingående i avsnitt 3. 4

10 2. Det svenska biståndet 2.1 Internationella överenskommelser År 2000, vid vad Sachs (2005:210) kallar historiens största samling av världsledare, antog världens stats- och regeringschefer FN:s Millenniedeklaration, utifrån vilken åtta millenniemål 11 slogs fast. Det övergripande syftet var att genom gemensamma åtaganden halvera den extrema fattigdomen i världen till år 2015 (United Nations 2008:4). Som följd av det åttonde millenniemålet, Globalt samarbete genom ökat bistånd, rättvisa handelsregler och lättade skuldbördor i utvecklingsländerna undertecknades sedan den så kallade Parisdeklarationen år Givar- och mottagarländer åtar sig där att effektivisera biståndet genom att bland annat samarbeta närmare, men med färre givare per mottagarland, samt att anpassa biståndet mer efter mottagarlandets institutioner och ha tydligare målstyrning och uppföljning för biståndet (OECD 2005). Den svenska regeringen har aviserat att man vidtar åtgärder för att följa Sveriges åtaganden utifrån dessa båda dokument Den svenska biståndsbudgeten I den svenska statsbudgeten för 2009 anslås mkr till utgiftsområdet Internationellt bistånd. Det motsvarar en procent av beräknad BNI efter vissa avräkningar och justeringar. Av totalsumman går merparten, mkr till delområdet Internationellt utvecklingssamarbete. (Regeringens proposition 2008/09:1 sid 11-12) Regeringen anger målet för detta delområde som att bidra till att skapa förutsättningar för fattiga människor att förbättra sina levnadsvillkor. (Regeringens proposition 2008/09:1 sid 16) Målet för det internationella utvecklingssamarbetet har varit formulerat på detta sätt sedan 2003 (Regeringens proposition 2004/05:1 sid 13). Utöver det internationella utvecklingssamarbetet går mkr till Reformsamarbete i 11 [1] Fattigdom och hunger ska halveras till 2015, [2] Alla barn ska gå i grundskola 2015, [3] Jämställdheten ska öka och kvinnors ställning stärkas, [4] Barnadödligheten ska minska med två tredjedelar till 2015, [5] Mödradödligheten ska minska med tre fjärdedelar till 2015, [6] Spridningen av hiv/aids, tbc, malaria och andra sjukdomar ska hejdas till 2015, [7] En miljömässigt hållbar utveckling ska säkerställas till 2015, [8] Globalt samarbete genom ökat bistånd, rättvisa handelsregler och lättade skuldbördor i utvecklingsländerna. (Utrikesdepartementets hemsida: Millenniemålen ; se även United Nations (2008)) 12 Se exempelvis Carlsson (2007a) 5

11 Östeuropa ; en mindre post som räknas in i det totala biståndet 13 men redovisas separat och med ett annorlunda definierat mål 14 (Regeringens proposition 2008/09:1 sid 11-12, 92). En stor del av biståndet fördelas av Styrelsen för internationellt utvecklingssamarbete, Sida. Sidas andel av Internationellt utvecklingssamarbete är budgeterad till mkr för år 2009, vilket motsvarar ungefär 53,9 procent av totalsumman; en andel som varit förhållandevis konstant de senaste åren. Sida fördelar även en del av de medel som klassificeras som Reformsamarbete i Östeuropa. Resterande del av biståndsbudgeten fördelas antingen direkt av Utrikesdepartementet, bland annat som multilateralt bistånd genom FN, EU och andra organisationer, eller går till andra svenska myndigheters biståndsverksamhet. (Regeringens proposition 2008/09:1 sid 74, 78, 87) Tabell 2.1. Utgiftsutveckling, Internationellt bistånd (miljoner kronor) (utfall) (utfall) (utfall) (budget) (budget) Internationellt utvecklingssamarbete varav genom Sida, totalt varav genom Sida, till enskilda org Reformsamarbete i Östeuropa Totalt, Internationellt bistånd Utveckling av den svenska biståndsbudgeten de senaste åren, i miljoner kronor. (Källor: Regeringens proposition 2006/07:1 sid 7, 15; Regeringens proposition 2007/08:1 sid 9, 78; Regeringens proposition 2008/09:1 sid 12, 74) 2.3 Bistånd genom ramorganisationer En del av det bistånd som fördelas av Sida går till olika svenska frivilligorganisationer. Dessa genomför biståndsprojekt enligt en princip om tio procent egen finansiering och nittio procent finansiering från Sida. Pengarna förmedlas av så kallade ramorganisationer, vilka anförtrotts uppgiften att fördela medel vidare till andra frivilligorganisationer. Svenska Kyrkan och Forum Syd är två exempel på ramorganisationer 15. (Sidas hemsida: Sidas samarbetsorganisationer ) År låg anslagen till ramorganisationerna stadigt på ungefär 8,5 procent av de totala anslag för utvecklingssamarbete som gick genom Sida. Jämfört med totalsumman för 13 En mindre del av detta, 45,6 miljoner kronor i budgeten för år 2009, definieras emellertid inte som utvecklingsbistånd/oda av OECD (se avsnitt 2.4). (Regeringens proposition 2008/09:1 sid 11) 14 Stärkt demokrati, rättvis och hållbar utveckling samt närmande till EU och dess värdegrunder (Regeringens proposition 2008/09:1 sid 87) 15 Samtliga ramorganisationer är i dagsläget Forum Syd, Olof Palmes internationella centrum, LO/TCO:s biståndsnämnd, PMU InterLife, SHIA, Svenska missionsrådet, Afrikagrupperna, Diakonia, Kooperation utan gränser, Naturskyddsföreningen, Rädda Barnen, Svenska Kyrkan, Utbildning för biståndsverksamhet samt Plan 6

12 internationellt utvecklingssamarbete innebär det ungefär fem procent (se tabell 2.1). Vi kommer i nästa kapitel att titta närmare på ramorganisationernas biståndsverksamhet. 2.4 Official Development Assistance Vi kommer som mått på det totala svenska biståndet att utgå från den internationellt vedertagna definitionen av utvecklingsbistånd, Official Development Assistance eller ODA. Det används för internationella jämförelser, mål och riktlinjer för biståndet. I ODA ingår allt stöd som uppfyller OECD:s kriterier för utvecklingsbistånd 16, oavsett om det i Sveriges fall fördelas av Sida eller någon annan myndighet, eller under vilken rubrik det redovisas i statsbudgeten. Ramorganisationsstödet via Sida är därmed en del av Sveriges totala ODA. På grund av de olika sätten att redovisa är det inte helt lätt att enbart utifrån statsbudgeten bilda sig en uppfattning om storleken på ODA. För att ge en fingervisning om vilka summor det rör sig om kan sägas att Sveriges totala ODA enligt OECD var ungefär 16,8 miljarder kronor år 2005 och 21,0 miljarder år (OECD.Stat: By recipient, by country ). Den data som används för vår analys samt justeringar av denna behandlas närmare i avsnitt 4. Sverige. RFSU och Världsnaturfonden tillkommer från år (Sidas hemsida: Sidas samarbetsorganisationer ) 16 OECD definierar ODA enligt följande: Official Development Assistance (ODA) is defined as those flows to developing countries and multilateral institutions provided by official agencies, including state and local governments, or by their executive agencies, each transaction of which meets the following tests: i) it is administered with the promotion of the economic development and welfare of developing countries as its main objective; and ii) it is concessional in character and conveys a grant element of at least 25 per cent. (OECD.Stat: ODA by Donor ) 17 ODA redovisas av OECD i löpande amerikanska dollar. De avrundade växelkurserna SEK/USD som används för omräkning är 7,47 för 2005 och 7,38 för För ett vidare resonemang kring växelkurser och exaktheten i redovisningen av data, se avsnitt 4, och speciellt not 20. 7

13 3. De svenska ramorganisationerna Sida har en rad kriterier varpå de bedömer om en frivilligorganisation kvalificerar sig för att bli ramorganisation, såsom legitimitet, kompetens samt förmåga att mobilisera engagemang och resurser 18. Flera av de ramorganisationer som får stöd av Sida sysslade med utvecklingssamarbete långt innan officiellt bistånd ens existerade enligt Riddell et al (1995:25-26), som utvärderat ramorganisationsstödet på uppdrag av Sida. Som skäl till att från statens sida idag vika en del av biståndsbudgeten för stöd till frivilligorganisationers biståndsinsatser hänvisar de huvudsakligen till tre olika saker. Till att börja med har organisationsstödet setts som ett sätt att dra nytta av den svenska folkrörelsetraditionen och engagera det svenska folket i biståndsarbetet. Vidare genomför frivilligorganisationer ofta biståndsarbetet tillsammans med frivilligorganisationer i mottagarlandet, ett förfaringssätt som tros nå bättre resultat när det gäller att nå ut till de fattiga än de officiella vägarna, och som dessutom är oberoende av utrikespolitiska hänsynstaganden. Slutligen pekar författarna också på att frivilligorganisationer ofta antas vara mer flexibla och initiativrika än statliga myndigheter och att denna variation och flexibilitet sannolikt berikar hela utvecklingsinsatsen. 3.1 Sidas riktlinjer Sida anger följande övergripande mål för biståndet som går via ramorganisationer: Det övergripande målet för delposten är i likhet med övriga delar av utvecklingssamarbetet att bidra till en minskad fattigdom i enlighet med de internationellt överenskomna utvecklingsmålen, med huvudmålet att halvera den extrema fattigdomen till år (Sida 2005:10) Med andra ord gäller det svenska biståndets absoluta fattigdomsmål, som behandlades i avsnitt 2.2, även för ramorganisationsbiståndet. I nästa andetag anges emellertid att [d]et specifika målet för delposten är att främja utvecklingen av ett livskraftigt och demokratiskt civilt samhälle, och att stärka de lokala samarbetsorganisationerna i utvecklingsländerna. (Sida 2005:10) 18 Mer utförligt om kriterier finns att läsa i Sidas publikation i Kriterier för urval av ramorganisationer (2005). 8

14 Vi kan konstatera att riktlinjerna för ramorganisationsbiståndet är förhållandevis allmänt hållna, och inte i första hand direkt inriktade på de extremt fattiga utan snarare på ett långsiktigt och mer indirekt fattigdomsbekämpande arbete. 3.2 Ramorganisationernas mål Enligt Ridell et al (1995:75-77) saknar många ramorganisationer konkreta fattigdomsmål för den egna verksamheten och projekten är ofta endast på ett indirekt sätt inriktade på fattigdomsbekämpning; något som författarna kritiserar. De menar att det utan en konkret fattigdomsdefinition i princip är slumpen som avgör huruvida insatserna faktiskt når de fattigaste, och att ramorganisationerna felaktigt fått ryktet att vara speciellt bra på att nå de absolut fattiga. Lindahl et al (1999:30-31) framhäver i en uppföljande Sida-utredning att många ramorganisationer har specifika målgrupper som de riktar sig till, och dessa behöver inte nödvändigtvis vara de allra fattigaste. Som exempel på det ser vi mycket riktigt att LO-TCO Biståndsnämnd anger som syfte med sin verksamhet att stödja utvecklingen av oberoende, demokratiska och jämställda fackliga organisationer i vår omvärld (LO-TCO Biståndsnämnd 2006:1), medan Shias mål är att stödja det arbete som människor med funktionsnedsättning och deras organisationer bedriver för ökade rättigheter, jämlikhet och delaktighet (Shias hemsida: Om Shia ). Lindahl et al (1999:32-33) menar emellertid att det inte behöver ligga en konflikt i detta. Enligt dem kan frivilligorganisationerna genom att bidra med sin specialkompetens hjälpa till att sprida exempelvis demokrati, jämlikhet och humankapital i utvecklingsländer, vilket på sikt förhoppningsvis även kommer att komma de allra fattigaste till gagn. Vidare hävdar de också att det endast är en mycket liten del av det totala svenska biståndet genom Sida som går till de allra fattigaste, och att ramorganisationernas biståndsinriktning därmed inte skiljer sig avsevärt från det övriga biståndet Observera på denna punkt våra resultat för ODA, vilket till största delen fördelas av Sida. 9

15 4. Regression och redovisning av data Vi kommer, för att undersöka fördelningen av det svenska biståndet, att genomföra regressioner med minstakvadratmetoden, där ODA respektive ramorganisationsbistånd är beroende variabler. Vår modell ställs upp enligt Y t = α + β 1 x 1; t-1 + β 2 x 2; t-1 + β 3 ln x 3; t-1 + β 4 x 4; t + ε (1) där Y = biståndsvolym (antingen ODA eller via ramorganisationer) t = 2006 x 1 = Poverty headcount med fattigdomsgräns en dollar per dag x 2 = giniindex x 3 = befolkningsstorlek x 4 = totalt bistånd per capita. Samtliga förklarande variabler utom totalt bistånd per capita är alltså laggade ett år, och de avser alltså Vår nollhypotes är, för var och en av de två biståndstyperna, att det är absolut fattigdom som styr biståndsallokeringen, och att den relativa fattigdomen inte har någon påverkan. Det innebär att β 1 i så fall är större än noll medan β 2 är lika med noll i regressionen ovan. Vi kommer även att genomföra en alternativ regression med bistånd per capita som förklarande variabel. Modellen modifieras då enligt följande; [Y t / x 3; t ] = α + β 1 x 1; t-1 + β 2 x 2; t-1 + β 4 x 4; t + ε (2) där beteckningarna och hypoteserna är desamma som tidigare. Vi får därmed i den alternativa modellen en restriktion på förhållandet mellan biståndsvolym och befolkningsstorlek; något som kan föranleda annorlunda resultat. Tanken med jämförelsen av modeller är dock just att utifrån dessa eventuella skillnader avgöra om det ena måttet, absolut biståndsvolym eller bistånd per capita, skulle kunna tänkas vara mer relevant än det andra när biståndet ska fördelas. Härnäst följer en genomgång av stickprov och variabler, varpå resultaten av regressionen redovisas i avsnitt 5. 10

16 4.1 Stickprov Vi har valt att inkludera alla länder som fått någon form av bistånd av Sverige, ramorganisationsstöd eller någon annan del av ODA, under något av åren 2004, 2005 eller Det är därför viktigt att återigen understryka att vi testar fördelningen av biståndsvolymen bland de länder som faktiskt får svenskt bistånd, och inte vilka kriterier som gjort att dessa valts ut bland samtliga länder. 4.2 Beroende variabler De beroende variablerna är dels ODA, som representerar hela Sveriges officiella bistånd, och dels det bistånd som fördelas av ramorganisationer. Ramorganisationsbiståndet är angivet i svenska kronor med mycket stor noggrannhet, och kommer från Sidas egen offentliga databas (Sida: NGO Database, Annual report ). ODA finns dokumenterat hos OECD 20 (OECD.Stat: By recipient, by country ). Vi har för vår modell valt att använda biståndsvolymerna år 2006, av den naturliga anledningen att det är det senaste år för vilket det finns god tillgång på data för de variabler som används. En del av de svenska biståndspengarna har redovisats som tillfallande en hel region eller rent av som globala insatser. Eftersom fokus här ligger på skillnaden i biståndstilldelning mellan enskilda länder har vi i vår modell bortsett från sådana mindre specifika tilldelningar 21. Det vi tagit bort från ODA är för 2006 i storleksordningen 8,6 miljarder kronor eller ungefär 41 procent av det totala ODA, medan vi från ramorganisationsstödet för samma år tagit bort 202 miljoner kronor eller ungefär 20 procent. Slutligen har vi även valt att bortse från ramorganisationsstöd som redovisats som biståndsverksamhet i Sverige. Detta finns bara för ramorganisationer, och ligger år 2006 på 1,6 miljoner kronor eller 0,2 procent. 20 Läsaren bör hålla i minnet att ramorganisationsbiståndet och ODA är angivna med olika grad av exakthet. Det finns två skäl till skillnaden. Till att börja med anges ODA av OECD avrundat till hela miljoner amerikanska dollar, med två decimalers noggrannhet; ett klart mindre exakt mått. Vidare har vi räknat om det till svenska kronor för att underlätta läsningen. Som växelkurs har vi använt medelvärdet av de månadsvis genomsnittliga växelkurser som tagits fram av IMF Financial Statistics för respektive år. Denna växelkurs har avrundats till två decimaler för att inte skapa en inkorrekt bild av exakthet i de omräknade biståndsvolymerna. De avrundade växelkurserna SEK/USD är 7,47 för 2005 och 7,38 för Det finns förvisso en viss risk för snedvridning ifall vissa regioner fått mer i stöd i egenskap av region medan andra kanske fått mer tilldelat varje enskilt land. Å andra sidan kan med all säkerhet både behoven och biståndsfördelningen inom varje region vara väldigt ojämn, samtidigt som samma människor i många fall skulle ha representerats av både ett land och en eller flera regioner i modellen. Därför skulle det ha inneburit andra, kanske minst lika stora, problem att inkludera regionerna i modellen. 11

17 Det är viktigt att vid tolkning av resultaten komma ihåg att ramorganisationsstödet även ingår som en del av ODA 22. Tabell 4.1. Biståndsvolymer, stickprov (tusental kronor) Ramorg 2005 Ramorg 2006 ODA 2005 ODA 2006 (SEK) (SEK) (SEK) (SEK) Maxvolym Minvolym Medelvolym Medianvolym Biståndsvolym, totalt Antal länder totalt Antal med volym = Stickprovsvärden för de beroende variablerna bistånd genom ramorganisationer respektive ODA i tusental kronor. (För samtliga data och datakällor, se bilaga 1. Beakta även not 20, beträffande växelkurser SEK/USD.) 4.3 Absolut fattigdom: Poverty headcount Som mått på absolut fattigdom har vi valt poverty headcount, som visar hur stor andel av befolkningen som lever under en viss fattigdomsgräns. Gränsen kan vara landsspecifik eller global, vilket i det första fallet ger en typ av relativt mått som kan vara svårt att jämföra mellan länder, medan det senare får ett absolut mått som följd. Vi har valt den absoluta gränsen en amerikansk dollar per dag 23. Det är en mycket vanligt förekommande gräns för extrem fattigdom, och samtidigt är ett av delmålen för det första millenniemålet att halvera just andelen som lever på en dollar per dag (United Nations 2008:6). 22 Ramorganisationsstödet ingår förvisso i ODA, och för tydlighetens skull hade det eventuellt varit önskvärt att subtrahera det från ODA, för att tydligare kontrastera biståndet via ramorganisationer mot övrigt bistånd. Vi har emellertid valt att inte göra det på grund av en rad försvårande omständigheter. Till att börja med anges ramorganisationsstödet i svenska kronor för varje enskilt land medan ODA ursprungligen inte är angivet med samma noggrannhet. Vidare finns ibland inte data för ODA för varje land, utan det redovisas i så fall som regionalt stöd, till exempel till Östeuropa, varför vi kan ha tagit bort detta bistånd från våra data när vi valde att endast inkludera bistånd till stater. Det kan dessutom finnas definitionsproblem, som framför allt rör en mindre biståndsmängd till vissa länder i Östeuropa, vilka får en del stöd som inte klassas som bistånd av OECD (se not 13). Det räknas inte in i ODA-siffrorna, men det är möjligt ifall det ges i form av ramorganisationsstöd att det finns med i Sidas redovisning av ramorganisationsstödet; en redovisning som sannolikt inte tar hänsyn till om pengarna klassas som ODA eller inte. Slutligen är OECD:s redovisning av ODA köpkraftsjusterad till skillnad från ramorganisationsstödet. Med så många osäkra faktorer skulle det vara av tveksamt värde att subtrahera ramorganisationsstödet från ODA. För läsaren som ändå vill se en regression med ramorganisationsstödet subtraherat från ODA har vi trots dessa osäkerheter gjort en sådan. Resultatet av denna återfinns i bilaga I World Banks databas PovcalNet anges månadsinkomst som fattigdomsgräns. Den data vi använt är därför framtagen för en månadsinkomst på 30,42 dollar, vilket är en avrundning av det värde som på årsbasis ger en dagsinkomst på en dollar. 30,42 kan även tolkas som det genomsnittliga antalet dagar i en månad. 12*30, dagar. 12

18 Absolut fattigdom är angiven i procentenheter av befolkningen som lever under denna gräns; ett värde som därmed ligger mellan 0 och 100 och alltså ökar när den absoluta fattigdomen ökar. 4.4 Relativ fattigdom: Giniindex För relativ fattigdom används giniindex, som härleds från ginikoefficienten. Det är egentligen ett mått på ojämlikhet i inkomstfördelningen, som är ett närbesläktat begrepp 24. (World Bank 2005:46, 97) Ginikoefficienten kan anta värden mellan noll och ett, där noll är ett perfekt jämlikt samhälle ur inkomstfördelningssynpunkt medan ett innebär att all inkomst är samlad hos en enda person 25. Som exempel beräknas Sverige år ha en ginikoefficient på 0,25 medan exempelvis USA har 0,41 (United Nations Development Programme 2007:281). Giniindex är ginikoefficienten multiplicerad med 100. Giniindex ligger därför liksom måttet på absolut fattigdom mellan 0 och 100, och ökar när den relativa fattigdomen ökar. Tabell 4.2. Fattigdomsmått, stickprov Poverty HC Poverty HC Giniindex Giniindex Maximum 80,14 79,06 74,33 74,33 Minimum ,81 16,83 Medelvärde 21,59 18,86 42,32 42,06 Medianvärde 13,33 11,42 40,94 40,81 Antal länder totalt Antal med index = Stickprovsvärden för måtten på absolut- respektive relativ fattigdom; Poverty headcount respektive giniindex. (För samtliga data och datakällor, se bilaga 1.) 4.5 Befolkningsstorlek Förutom fattigdomsmåtten används ytterligare två förhållandevis okontroversiella kontrollvariabler, för att rensa för den del av variationen som beror på dessa. Eftersom vi i vår huvudmodell talar om totala biståndsvolymer och inte volym per capita är det naturligt att inkludera befolkningsstorlek. I modellen används den naturliga logaritmen av befolkningsstorlek eftersom det minskar problem med extremvärden och heteroskedasticitet. Det medför också att tolkningen av koefficienten blir lite annorlunda; vid små förändringar 24 Relativ fattigdom och ojämlikhet i inkomstfördelningen är inte exakt samma sak, men de är närbesläktade. Enligt World Bank (2005:46) är ett vanligt mått på relativ fattigdom den andel av befolkningen vars inkomst är mindre än hälften av medianinkomsten i ett land, ett mått som bland annat EU använder. De båda måtten är per definition högt positivt korrelerade med varandra. Den största skillnaden är att giniindex påverkas om den rikare halvan av befolkningen blir ännu rikare (eller fattigare), vilket inte påverkar detta relativa fattigdomsmått. 13

19 kan man approximativt tala om effekten på den beroende variabeln av en procentuell förändring i befolkningsstorlek istället för en absolut förändring. Ett alternativ är att använda biståndsvolym per capita som beroende variabel istället för absolut biståndsvolym, vilket vi gör i vår alternativa modell. 4.6 Totalt bistånd per capita Den andra kontrollvariabeln är det totala bistånd per capita som landet får från samtliga givarländer. Det finns flera skäl att förvänta sig att finna mönster i olika länders biståndstilldelning. Exempelvis kan humanitära kriser, politiska händelser och annat som får stor medial uppmärksamhet under en viss period tänkas påverka biståndsflödena. Parisdeklarationens ökade krav på samordning av biståndet skulle också kunna tänkas orsaka vissa mönster. Totalt bistånd per capita anges i amerikanska dollar med löpande priser. Vid tolkning av resultaten för denna variabel finns det tre saker som man bör hålla i minnet. Till att börja med är det totala biståndet alltså angivet per capita till skillnad från övriga variabler. Det borde ge en bättre bild av behovet av ytterligare bistånd från svensk sida än att använda total absolut biståndsvolym per land 26. Vidare ingår våra beroende variabler för svenskt bistånd i det totala biståndet, även om det i närmast samtliga fall utgör maximalt någon eller några procentenheter 27. Slutligen är denna variabel till skillnad från det totala svenska biståndet inte köpkraftsjusterad, varför man bör vara försiktig med att dra alltför långtgående slutsatser av koefficienternas exakta storlek. 4.7 Allmänt om de förklarande variablerna Data för poverty headcount och giniindex är hämtade från World Banks databas PovcalNet, där data från 2000-talet för respektive variabel finns för åren 2002 och 2005, varför huvudsakligen 2005 används. Det passar för övrigt bra med tanke på att det är naturligt att lagga dessa variabler, samtidigt som de är av en art som gör att stora förändringar från år till år är osannolika. Data för befolkningsstorlek och totalt bistånd per capita kommer från World Bank (World Development Indicators Online). Vi använder oss alltså av laggad data för poverty headcount, giniindex och 25 För vidare härledning av ginikoefficienten, se bilaga Det behöver dock, som vi ska se, inte därmed betyda att det relevanta måttet för fördelningen av det svenska biståndet är ODA per capita. 27 Ett stort undantag är Bosnien och Hercegovina, där det svenska biståndet utgör merparten av det totala biståndet. Än en gång hade det varit önskvärt att rensa bort det svenska biståndet ur serien, men återigen tillkommer problemet att siffrorna för ODA är köpkraftsjusterade till skillnad från totalt bistånd, varför det inte skulle ge en rättvisande bild. 14

20 befolkningsstorlek. Vi anser att det naturliga är att biståndstilldelningen sker utifrån den information om behoven som finns vid beslutstillfället, vilket därmed normalt sett bör vara information från året innan utbetalningarna, om inte från ännu tidigare. När det gäller total biståndsvolym per capita används däremot data för samma år, på grund av de skäl att förvänta sig en samordning som tidigare nämnts. 4.8 Observationsbortfall Som vi ska se faller flera av de 126 länderna bort på grund av att värden saknas för en eller flera variabler, så att det i den mest utbyggda modellen endast återstår 91 observationer. Ett problem är att det är variablerna poverty headcount och giniindex som saknar flest observationer, och eftersom det är dessa som är de centrala förklarande variablerna är det av den anledningen inte aktuellt att ta bort dem. Observationsbortfallet skulle kunna ge upphov till snedvridning. I tabell B3.1 i bilaga 3 finns data som beskriver de länder som fallit bort jämfört med alla länder i stickprovet. När det gäller biståndet genom ramorganisationer ser vi inga problem. De beskrivande måtten för de länder som fallit bort skiljer sig mycket lite från motsvarande mått för stickprovet som helhet, och den andel länder som fallit bort motsvarar ungefär deras andel av totalsumman av biståndet. Vad beträffar ODA stämmer måtten inte lika bra överens som för ramorganisationerna. Det hela kompliceras dock en del av inverkan från extremvärden. Flera av de länder som fallit bort är på något sätt extremvärden; antingen genom sin befolkningsstorlek, som Indien och Kina, eller genom att få oerhört mycket ODA, som Irak 28. Eftersom alla dessa tre länder hör till dem som faller bort på grund av saknade värden ingår de i både total och saknade i tabell B3.1, men påverkar förstås värdena för befolkning respektive ODA mycket mer i saknade -kategorin, eftersom den innehåller betydligt färre länder. Vi kan exempelvis notera att en oproportionerligt stor andel av den totala biståndsvolymen faller bort, men samtidigt är det tydligt att Irak självt står för hälften av den bortfallna volymen. Just på grund av det faktum att flera av de länder som fallit bort är extremvärden, och därmed knappast representativa för övriga länder, ser vi inte heller för ODA några omedelbara problem, även om det kan finnas skäl att behålla bortfallet i minnet. Noterbart är exempelvis att medianvolymen för de bortfallna värdena är oväntat hög, och denna bör inte påverkas av inverkan från extremvärden. 28 För samtliga data, se bilaga 1. 15

21 5. Regressionsresultat Regressionen och hypoteserna ställs upp enligt avsnitt 4. Vi börjar med en enkel modell med endast en förklarande variabel, där vi testar fattigdomsmåtten var för sig. Sedan bygger vi ut modellen stegvis med fler förklarande variabler. Efter det kommer vi att testa robustheten hos våra resultat genom olika modifieringar av data. Slutligen går vi också igenom den alternativa modell som tidigare presenterats. Regressionerna är anpassade för möjlig heteroskedasticitet, det vill säga ickeuniform varians, och p-värdena är därmed de högsta möjliga. 5.1 Resultat Vi börjar med att använda ODA som beroende variabel. Tabell 5.1. Resultat av regression för ODA (tusental kronor) (O1) (O2) (O3) (O4) ODA 2006 ODA 2006 ODA 2006 ODA 2006 Konstant (0,0245) (0,2463) (0,0047) (0,0013) Pov headcount (0,0190) (0,0183) (0,0322) Giniindex (0,6827) (0,7079) (0,5284) Ln Befolkning (0,0016) (0,0005) Tot bistånd/cap (0,0069) Antal observationer R 2 0,1462 0,0010 0,2166 0,2900 R 2 Adjusted 0,1375-0,0091 0,1923 0,2570 Beroende variabel är ODA för 2006 i tusental kronor. (P-värden inom parentes, konsistenta med heteroskedasticitet.) Som synes är poverty headcount signifikant på fem procents nivå oavsett hur pass mycket vi bygger ut modellen. Koefficientens storlek ligger runt två och en halv miljon i samtliga modeller. Vi tolkar det så som att om den absoluta fattigdomen ökar med en procentenhet i ett land, ökar biståndet till landet i fråga med två och en halv miljon kronor, allt annat lika. Giniindex är däremot inte i närheten av signifikans i något av fallen, och modell O2 med enbart giniindex som förklarande variabel förklarar över huvud taget ingenting av variationen i ODA. Noterbart är att i modell O3 och O4 är koefficienten för giniindex dessutom negativ, vilket skulle betyda att ett land får mindre ODA när giniindex ökar. Dock är koefficienterna som sagt insignifikanta, och därför kan vi inte dra några vidare slutsatser utifrån dem. Den 16

22 logaritmerade befolkningsstorleken är kraftigt signifikant. Storleken på koefficienten varierar dock rejält i de olika modellerna. Även totalt bistånd per capita är signifikant. Koefficienten är som väntat positiv. Det bör uppmärksammas att koefficienterna ändras ganska kraftigt i modell O4, när totalt bistånd per capita inkluderas. Storleken på vissa koefficienter är därmed relativt osäker, men resultaten i termer av signifikans och tecken är ändå desamma i O3 och O4, och förklaringsgraden förbättras ju mer vi bygger ut modellen. Dock är koefficienten för poverty headcount som sagt relativt oförändrad i samtliga modeller. Vi gör nu samma sak för biståndet via ramorganisationer. Tabell 5.2. Resultat av regression för bistånd genom ramorganisationer (tusental kronor) (R1) (R2) (R3) (R4) Ramorg 2006 Ramorg 2006 Ramorg 2006 Ramorg 2006 Konstant (0,0000) (0,3543) (0,0000) (0,0003) Pov headcount (0,3306) (0,6686) (0,6713) Giniindex (0,0185) (0,0071) (0,0124) Ln Befolkning (0,0000) (0,0020) Tot bistånd/cap (0,1893) Antal observationer R 2 0,0088 0,0695 0,3007 0,2732 R 2 Adjusted -0,0012 0,0601 0,2791 0,2394 Beroende variabel är bistånd genom ramorganisationer för 2006 i tusental kronor. (P-värden inom parentes, konsistenta med heteroskedasticitet.) Scenariot är här i hög grad det motsatta. Giniindex är signifikant på minst fem procents nivå i samtliga fall. Storleken på koefficienten varierar från runt 175 tkr till 190 tkr. Vi tolkar det som att ramorganisationsstödet till ett land ökar med närmare 190 tkr (i R3 och R4) när giniindex ökar med en enhet, allt annat lika. Istället är det här poverty headcount som ej är signifikant. Modellen med enbart poverty headcount som förklarande variabel förklarar ingenting av variationen i ramorganisationsstödet. Koefficienten har emellertid positivt tecken, vilket vi förväntat oss. Storleken ligger runt 12 tkr i modell R3 och R4, vilket är avsevärt lägre än koefficienten för giniindex. Den logaritmerade befolkningen är liksom tidigare kraftigt signifikant. Det totala biståndet per capita är däremot inte signifikant på någon av de säkrare nivåerna, vilket inte är helt oväntat eftersom variabeln företrädesvis bör förklara fördelningen av ODA. I detta fall förändras dock inte koefficienterna avsevärt när denna variabel läggs till. 17

23 Sammanfattningsvis behåller vi nollhypotesen när det gäller regressionen med ODA som beroende variabel (tabell 5.1). Vi finner inget som motsäger att det är absolut fattigdom som styr fördelningen av ODA, medan koefficienten för vårt mått på relativ fattigdom inte är signifikant skild från noll. Däremot kan vi alltså förkasta nollhypotesen när det gäller ramorganisationsbiståndet (tabell 5.2). Resultaten indikerar tydligt att det bistånd som går via ramorganisationer fördelas till länder med hög grad av relativ fattigdom, snarare än sådana där den absoluta fattigdomen är störst. 5.3 Robusthet För att testa robustheten av våra resultat gör vi ett antal regressioner med modifierad data. Vi gör dessa med de två mest utbyggda modellerna för respektive biståndsform, det vill säga modell 3 och 4. a) Utan nollor i den beroende variabeln Alla mottagarländer får inte bistånd alla år, och dessutom har inte alla länder fått både ODA och bistånd via ramorganisationer. Det innebär att några länder som finns med i regressionen (ungefär procent per stickprov, se tabell 4.1) har fått värdet 0 i biståndsvolym för vissa år. Detta medan de allra flesta länder som inte får bistånd av Sverige och ju därmed också egentligen har värdet 0 inte finns med. Det skulle möjligen kunna ge upphov till vissa snedvridningar 29. Vi tar därför bort alla observationer där biståndsvolymen är 0 för respektive variabel. 29 En annan fråga är huruvida en nolla i statistiken verkligen är 0 kronor i bistånd, eller om det kanske ibland kan vara så att mer eller mindre försumbara biståndsbelopp redovisas som, eller avrundas till noll. Detta gäller speciellt siffrorna för ODA (se not 20). 18

24 Tabell 5.3. Resultat med modifierad data: (a) Utan nollor i den beroende variabeln (tusental kronor) (O3a) (O4a) (R3a) (R4a) ODA 2006 ODA 2006 Ramorg 2006 Ramorg 2006 Konstant (0,0228) (0,0020) (0,0003) (0,0022) Pov headcount (0,0305) (0,0444) (0,8519) (0,8512) Giniindex (0,4748) (0,5172) (0,0164) (0,0133) Ln Befolkning (0,0051) (0,0008) (0,0002) (0,0020) Tot bistånd/cap (0,0104) (0,3111) Antal observationer R 2 0,1922 0,2930 0,2484 0,2366 R 2 Adjusted 0,1634 0,2589 0,2206 0,1969 Beroende variabel är ODA för 2006 respektive bistånd genom ramorganisationer för 2006, i tusental kronor. (P-värden inom parentes, konsistenta med heteroskedasticitet.) Vi ser att resultaten för ODA är i stort sett oförändrade. Storleken på de olika koefficienterna har inte ändrats avsevärt, och inte heller tecknen. För ramorganisationer är giniindex i R3a nu signifikant på fem- istället för en procents nivå, samtidigt som förklaringsgraden sjunkit något i både R3a och R4a. Storleken på poverty headcount har minskat till hälften, koefficienten är dock fortfarande insignifikant. I huvudsak är resultaten dock desamma som tidigare. b) Andra år I nästa test gör vi regressionerna för ett annat år, Fattigdomsmåtten finns bara tillgängliga för åren 2002 och När vi gör en regression för år 2005 och vill använda fattigdomsmått för ett tidigare år används således ett fattigdomsmått med en treårslagg. Dessa mått torde dock inte ändra sig så mycket över en så pass kort tidsperiod att det skulle göra någon större skillnad. 19

25 Tabell 5.4. Resultat med modifierad data: (b) Andra år (tusental kronor) (O3b) (O4b) (R3b) (R4b) ODA 2005 ODA 2005 Ramorg 2005 Ramorg 2005 Konstant (0,0146) (0,0158) (0,0000) (0,0001) Pov headcount (0,0172) (0,0588) (0,4596) (0,5261) Giniindex (0,3240) (0,2058) (0,0119) (0,0179) Ln Befolkning (0,0028) (0,0027) (0,0000) (0,0000) Tot bistånd/cap (0,2378) (0,2687) Antal observationer R 2 0,1813 0,1995 0,2895 0,2646 R 2 Adjusted 0,1563 0,1627 0,2677 0,2308 Beroende variabel är ODA för 2005 respektive bistånd genom ramorganisationer för 2005, i tusental kronor. (P-värden inom parentes, konsistenta med heteroskedasticitet.) Av resultaten kan vi se att poverty headcount fortsätter vara signifikant för ODA men nu på tioprocentsnivån i modell O4b. Storleken på koefficienten har sjunkit med ungefär en miljon i båda modellerna. Totalt bistånd per capita har sjunkit rejält i storlek och är nu inte längre signifikant. Förklaringsgraden har sjunkit i både O3b och O4b. För ODA stämmer alltså modellen överlag något sämre för 2005 än för 2006, även om resultaten i det stora hela är desamma. För ramorganisationerna är giniindex liksom tidigare signifikant, nu på femprocentsnivån, i både R3b och R4b. Förklaringsgraden för de båda modellerna är ungefär densamma som tidigare. c) Rensad från extremvärden Nästa robusthetstest gör vi genom att ta bort extremvärden. För ODA är Irak ett tydligt extremvärde, men den är inte med i någon regression på grund av saknade värden på fattigdomsmåtten. Förutom Irak är även Tanzania och Moçambique något av extremvärden i den mening att de får mycket bistånd, det är dock inte alls i samma storleksordning som Irak 30. För ramorganisationerna är det främst Sydafrika som utmärker sig. Indien kan också betecknas som ett extremvärde, men då vi saknar data för Indien så är den observationen liksom Irak inte med i vår regression. 30 Se bilaga 1. 20