Långa räntor, skuldkvot och budgetbalans En kvantitativ studie om skuldkvotens och budgetbalansens effekt på långa räntor i Europa. Namn: Andreas Vikström Handledare: Mattias Vesterberg Andreas Vikström VT 2017 Kanditatuppsats, Nationalekonomi, 15hp Handelshögskolan i Umeå.
-Sidan har avsiktligen lämnats tom- I
Författarens ord Att skriva denna studie har verkligen varit en resa över höga berg och djupa dalar. Jag vill yttra ett stort tack till min handledare Mattias Vesterberg, som under arbetets gång givit mig stöd när jag behövde det. Jag vill även tacka min gode vän Jacob, som under den tuffaste perioden lät mig besöka honom på varmare breddgrader. Det uppskattades verkligen! Med det sagt återstår det bara för mig att önska dig som läsare en fortsatt trevlig läsning. Med vänliga hälsningar Andreas Vikström II
-Sidan har avsiktligen lämnats tom- III
Sammanfattning Många europeiska länder har under många år präglats av en stigande statsskuld och underskott i budgetbalansen. Detta har lett till att räntor på långa statsobligationer bland länder i Europa, som under början av eurosamarbetet nästan sammanstrålades, återigen börjat spridas mot olika håll. Denna studie har studerat 25 länder i den Europeiska Unionen och deras räntor på långa statsobligationer mellan det första kvartalet 2004 och det tredje kvartalet 2016. Med hjälp av tre olika modeller; en poolad regressionsanalys, en fixed effects model och en mixed effect model, har studien empiriskt undersökt och testat vilken effekt skuldkvoten och budgetbalansen har på långa räntor och om effekterna varierar mellan länder och år. Resultatet överensstämmer med en del tidigare forskning. Det visar på att statsskuld har en positiv effekt på långa räntor, vilket även bevisats i tidigare studier. Effekten av budgetbalans stämmer dock inte alltid överens med tidigare forskning, då modellen med fixed effects inte kan visa en statisitisk signifikant effekt. Resultatet i den tredje modellen indikerar på att det finns en stor variation i effekter mellan länder och år. Dessa skillnader kan bero på många faktorer, till exempel det faktum att nästan 70 procent av länderna i studien inte självständigt kan bedriva penningpolitik. Djupare slutsatser lämnas över till fortsatt forskning. Nyckelord: EU, Statsskuld, Budgetbalans, Långa Statsobligationer. IV
Innehållsförteckning 1. Introduktion... 1 1.1 Bakgrund... 2 1.2 Syfte och frågeställning... 6 1.2.1 Frågeställning... 6 2. Teoretisk bakgrund och tidigare studier... 7 2.1 Vad fastställer spridningen på långa statsobligationer... 7 2.2 Statsskuld... 8 2.3 Effekten av budgetbalans och statsskuld på räntor... 9 2.4 EMU, grunden till eurokrisen?... 10 3. Metod... 11 3.1 Problem som kan uppstå med modellerna... 12 3.2 Datamaterial... 15 3.3 Empiriska modeller... 17 3.3.1 Poolad linjär regressionsmodell, robusta standardfel... 17 3.3.2 Fixed effects regression model, robusta standardfel... 19 3.3.3 Mixed effects model... 20 3.4 Tester... 22 4. Resultat... 23 4.1 Poolad Linjär regressionsanalys... 23 4.2 Fixed effects model... 25 4.3 Mixed effect model... 27 5. Diskussion och slutsatser... 30 5.2 Förslag till fortsatt forskning... 33 7. Referenslista... 34 Appendix... 36 V
Figurer Figur 1 Räntor på långa statsobligationer... 3 Figur 2 Skuldkvoter... 4 Figur 3 Budgetbalanser... 5 Figur 4 Grafisk beskrivning av modell... 21 Tabeller Tabell 3.1 Korrelationstest... 14 Tabell 3.2 Deskriptiv statistik 1... 16 Tabell 3.3 Deskriptiv statistik 2... 16 Tabell 4.1 Resultat modell 1... 23 Tabell 4.2 Resultat modell 2... 25 Tabell 4.3 Resultat modell 3... 27 VI
-Sidan har avsiktligen lämnats tom- VII
1. Introduktion I detta avsnitt kommer det ämne som denna studie handlar om presenteras. Det kommer ges en kort bakgrund om ämnet i sin helhet och vad som motiverar denna studie. Sista delen i avsnittet kommer bestå av en beskrivning av syftet, samt frågeställningen som studien kretsar kring. Många europeiska länder har under flera år präglats av en stigande statsskuld och underskott i budgetbalansen. Detta har lett till att räntor på långa statsobligationer bland länder i Europa, som under början av eurosamarbetet nästan sammanstrålades, återigen börjat spridas mot olika håll. Detta har väckt frågan hos många forskare om hur stor effekt statsskuld och budgetbalans har på långa statsobligationer. En rad tidigare forskning finns därför inom ämnet, dock har många studier fokuserat på länder utanför EU, fåtal europeiska länder (Ardagna, 2009), eller enbart fokuserat på en av faktorerna när de ska förklara räntan på statsobligationer (Kremer et al. (2006). Många studier är även äldre och har inte studerat data från de senaste åren (Gale & Orzag, 2003). Den slutsatsen som kan dras från tidigare forskning är att budgetunderskott har en negativ effekt på räntorna, medan en ökning i skuldkvot har en positiv effekt. Storleken på effekterna är dock inte lika säkerställt. Vissa studier visar på statistiskt signifikanta effekter, medan andra visar på lågt signifikanta effekter eller ingen effekt alls. Mycket har hänt i Europa de senaste 10 åren. Först drabbades kontinenten av finanskrisen 2008 och några år senare slog eurokrisen till. Enligt Cecchetti och Schoenholtz (2014) ska dessa två kriser teoretiskt sätt haft en stor påverkan på hur människor ser på risk. Vid perioder där osäkerheten om vad som kommer ske i framtiden är hög backar många undan från risk, eller kräver en högre kompensation i utbyte mot att ta risken. Många tidigare studier är, som nämnt tidigare, äldre. De har därför inte med finanskrisen och eurokrisen i deras tidsserie. De slutsatser som dragits från dessa studier kan därför enligt Stock och Watson (2015) ha låg extern validitet 1 idag och därför behövs nya och mer aktuella studier. 1 Slutsatser från en statistisk studie har extern validitet om de kan generaliseras från den undersökta populationen och tidserien till en annan population och tidsserie (Stock & Watson, 2015). Populationen i detta fall är länderna i EU. Eftersom mycket har hänt de senaste åren, finns möjligheten att slutsatser angående den äldre populationen inte kan generaliseras till dagens population. 1
Denna studie har med hjälp av datamaterial från 25 länder i den Europeiska Unionen, mellan det första kvartalet 2004 och det tredje kvartalet 2016, empiriskt undersökt vilken och hur stor effekt statsskuld och budgetbalans har på europeiska länders långa statsobligationer och dess räntor. Länder inom EU är olika i många aspekter. Nästan 70 procent av länderna kan till exempel inte självständigt använda sig av penningpolitik, vilket har gjort det omöjligt för vissa att minska sin skuld med hjälp av att trycka mer pengar. Gällande länder inom den ekonomiska och monetära unionen (EMU) så har den europeiska centralbanken samma mål för alla euroländer när det gäller inflation och dess penningpolitik påverkar samtliga länder i området. Trots samma mål har inte resultatet blivit lika i alla länder. Länder har haft olika inflationstakter, olika tillväxter i BNP och framförallt; olika räntor på statsobligationer. Alla dessa skillnader kan givetvis bero på många faktorer, men trots det är det uppenbart att länder i Europa är olika. På grund av det har även denna studie även undersökt om effekter varierar mellan länder och år. Upplägget på denna studie kommer se ut som följande; Först kommer det ges en kort bakgrund av ämnet och beskrivning av syftet med studien. Därefter kommer det ges en teoretisk bakgrund och en genomgång av tidigare studier i avsnitt 2. Detta följes med en beskrivning av metod och datamaterial i avsnitt 3. Vidare presenteras resultat i avsnitt 4 följt av diskussion och slutsatser i avsnitt 5. 1.1 Bakgrund Den första november 1993 trädde Maastrichtfördraget i kraft i den Europeiska Unionen. I detta fördrag lades grunden för den eurozon vi idag ser. Ett av kriterierna för att ett land skulle få ingå i eurozonen var att räntorna på dess långa statsobligationer inte får vara högre än två punkter än de tre länder med lägst inflation (Baldwin & Wyplosz, 2015). I och med införandet började därför europeiska statsobligationer sakta sammanstrålas mot varandra. Vid införandet av euron på de finansiella marknaderna den första januari 1999 hade det räntegap som tidigare funnits nästan helt försvunnit och det fortsatte krympa ända fram till att finanskrisen slog till 2008. Efter utbrottet av krisen började räntor på statsobligationerna i den Europeiska Unionen återigen sprida sig, vissa mer än andra. I figur 1 nedan presenteras en tidsserie över räntorna i de europeiska länder som vid det tredje kvartalet 2016 hade en skuldkvot på över 90 procent. (Se appendix för samtliga länder.) 2
2004-Q1 2004-Q3 2005-Q1 2005-Q3 2006-Q1 2006-Q3 2007-Q1 2007-Q3 2008-Q1 2008-Q3 2009-Q1 2009-Q3 2010-Q1 2010-Q3 2011-Q1 2011-Q3 2012-Q1 2012-Q3 2013-Q1 2013-Q3 2014-Q1 2014-Q3 2015-Q1 2015-Q3 2016-Q1 2016-Q3 RÄNTOR PÅ LÅNGA STATSOBLIGATIONER Figur 1 Räntor på långa statsobligationer 30,00 25,00 20,00 15,00 10,00 5,00 0,00 Belgien Grekland Spanien Frankrike Italien Cypern Portugal Källa: Eurostat. I figuren ovan presenteras räntorna på långa statsobligationer (~10 år) för sju länder i EU, kvartal 1 2004 kvartal 3 2016. Det finns några länder som sticker ut extra mycket från mängden. Det mest extrema fallet är Grekland, vars räntor steg kraftigt fram till mitten av 2012 för att sedan falla. Även Portugals räntor steg även dem kraftigt efter finanskrisen. En stor anledning till de kraftiga ökningarna i räntor kan enligt Cecchetti och Shoenholtz (2015) och Klepsch och Wollmershäuser (2011) bero på de stora ökningarna i skuldkvoterna som skedde efter krisen. Många länders statsskulder steg så okontrollerat att den Europeiska Unionen tillslut var tvungna att ge ut räddningspaket i form av lån till de hårt drabbade länderna. Det extrema fallet är även i denna kategori Grekland, som vid den tidpunkt då det första räddningspaketet gavs ut hade en statsskuld på närmare 315,9 miljarder euro, eller 136 procent av landets BNP. Det var en ökning med över 30 procentenheter inom loppet på två år. Totalt sex länder tog emot räddningspaket från EU. Trots det har många länders statsskulder fortsatt växa och idag ligger de flesta i en positivt stigande trend. I figur 2 visas en tidsserie över de sju länder vars skuldkvot var över 90 procent under det tredje kvartalet 2016. (Se appendix för samtliga länder.) 3
2004Q1 2004Q3 2005Q1 2005Q3 2006Q1 2006Q3 2007Q1 2007Q3 2008Q1 2008Q3 2009Q1 2009Q3 2010Q1 2010Q3 2011Q1 2011Q3 2012Q1 2012Q3 2013Q1 2013Q3 2014Q1 2014Q3 2015Q1 2015Q3 2016Q1 2016Q3 SKULDKVOT % Figur 2 Skuldkvoter 200,0 180,0 160,0 140,0 120,0 100,0 80,0 60,0 40,0 20,0 0,0 Belgium Greece Spain France Italy Cyprus Portugal Källa: Eurostat. I figuren ovan presenteras skuldkvoter (skuld i procent mot BNP) för sju länder i EU, kvartal 1 2004 kvartal 3 2016. Som det syns i figuren låg skuldkvoterna relativt stabila mellan 2004 och 2008 för att sedan stiga kraftigt. Grekland toppar även i denna kategori, då landet under kvartal 2 2014 hade en skuldkvot på över 180 procent av BNP. En av anledningarna till de stigande skuldkvoterna är enligt Carlin och Soskice (2006) att många länder inte lyckats hålla sin budget för varje år (den andra är svag tillväxt i BNP). Deras utgifter har konstant överskridit intäkterna. I figur 3 nedan presenteras budgetbalanser, mellan 2004 och 2016, för de sju länder som hade en skuldkvot på över 90 procent under det tredje kvartalet 2016. (Se appendix för samtliga länder.) 4
BUDGETBALANS I % AV BNP Figur 3 Budgetbalanser 5,0 0,0 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016-5,0-10,0-15,0-20,0 Belgium Greece Spain France Italy Cyprus Portugal Källa: Eurostat. I figuren ovan presenteras budgetbalanser i % av BNP för de sju länder i EU som hade en skuldkvot på över 90 procent i kvartal tre 2016, mellan 2004 och 2016. I figuren syns det tydligt att budgetbalanserna sjönk kraftigt efter finanskrisen 2008. Botten nåddes av Grekland, som under 2009 hade ett budgetunderskott på 15,1 procent av BNP. Det dessa tre figurer ger oss är en överblick på hur räntor, skuldkvoter och budgetbalanser har förändrats över tid mellan det första kvartalet 2004 och det tredje kvartalet 2016. Det är tydligt att mest förändring har skett efter finanskrisen och att förändringarna är olika mellan länder. Det är däremot svårt att göra slutsatser utifrån dessa simpla figurer, vilket motiverar denna studie ytterligare. 5
1.2 Syfte och frågeställning Syftet med denna studie är att undersöka hur europeiska länders räntor på långa statsobligationer har reagerat på förändringar i skuldkvot och budgetbalans mellan 2004 och 2016 och därmed bidra till den idag existerande forskningen inom ämnet. Ser vi på tidigare forskning som presenteras i nästa avsnitt är det tydligt att alla inte visar samma resultat, vilket indikerar på att den ännu inte är fullständig. Studien kan användas som ett verktyg för inte minst centrala beslutsfattare, men även som bestlutshjälp till investerare runt om i världen. Den skiljer sig från många tidigare studier på grund av den undersöker nästan samtliga länder i den europeiska unionen och att den använder sig av en mer aktuell tidsserie. Både finanskrisen och eurokrisen inträffar under tidsserien. 1.2.1 Frågeställning Hur stor effekt har förändring i skuldkvot och budgetbalans på långa statsobligationer och dess räntor bland länder inom den Europeiska Unionen, samt varierar effekterna mellan länder och år? 6
2. Teoretisk bakgrund och tidigare studier I detta avsnitt kommer den teoretiska bakgrunden om ämnet presenteras, samt en överblick på tidigare studier. 2.1 Vad fastställer spridningen på långa statsobligationer Det finns många faktorer som kan påverka räntan på långa statsobligationer. Klepsch och Wollmershäuser (2011) skrev en studie om detta där de analyserade spridningen på statsobligationer bland länder i eurozonen mellan 2000 och 2010. I studien tar de upp flera faktorer som kan påverka räntan, men fokuserar på de tre främsta; kreditrisk, likviditetsrisk och motviljan till risk. Kreditrisken beror på hur stor sannolikheten är att utfärdaren misslyckas betala sina skulder. Vanligast mäts kreditrisken hos en stat utifrån dess skuldkvot och budgetbalans relativt till BNP, men på senare år har även framtida prognoser på landets prestation tagits med i beräkningar. Likviditetsrisken baseras på hur lätt det är sälja icke likvida värdepapper under dåliga marknadsförhållanden. Om ett värdepapper kan säljas när som helst är likviditetsrisken låg och vice versa. Motviljan till risk är väldigt vanligt hos investerare, speciellt under perioder där osäkerheten är hög. Är motviljan hög vill investerare ha högre ränta på pengarna de investerar (Klepsch & Wollmershäuser, 2011). I ekvation (1), (2) och (3) nedan visas sambanden i enklare form. Plustecknet och minustecknet indikerar på att räntan kommer stiga, respektive falla, om faktorn framför stiger. Ränta = f(kreditrisk(+), Likviditetsrisk(+), Motviljan till risk(+)) (1) där Kreditrisk = f(skuldkvot(+), Budgetbalans( )) (2) vilket ger oss Ränta = f(skuldkvot, Budgetbalans, Likviditetsrisk, Motviljan till risk) (3) Även Cecchetti (2015) skriver om hur risk mäts. Han definierar risk i detta sammanhang som ett mått på osäkerheten kring en framtida avkastning på en investering. Liksom ovanstående 7
författare tar han upp kreditrisken, likviditetsrisken och motviljan till risk som faktorer som påverkar räntor. 2.2 Statsskuld Ett lands statsskuld är ett lands samlade skulder till dess befolkning, andra länder och dess befolkning och övriga aktörer. Skulden skapas på grund av underskott i budgetbalansen, vilket innebär att utgifter överstiger inkomster. Enligt Carlin och Soskice (2006) har ett lands budget följande identitet; G + ib T + ΔB + ΔH (4) Det ekvationen ovan säger är att ett lands offentliga utgifter G, plus betalning av ränta på obligationer ib, är alltid lika med summan av skatteintäkter T, nya utfärdade obligationer ΔB och förändring i den monetära basen ΔH. Formeln kan skrivas om med ΔB som beroende variabel och övriga som oberoende. Detta ger oss ett uttryck på vad en förändring i skulden beror på; ΔB G T + ib ΔH (5) Divideras ekvation (5) med BNP ges samtliga termer relativt till BNP; Δb = d + (r g BNP )b g H h (6) där Δb är förändring i skuldkvot, d är budgetbalans relativt till BNP, r realränta, g BNP tillväxt i BNP och g H h tillväxt i penningmängd relativt till BNP. I ekvation (6) syns det att ett land har två realistiska alternativ om de vill minska sin skuldkvot. Det kan generera ett överskott i budgetbalansen eller pressa mer pengar (Carlin & Soskice, 2006). De länder som är med i EMU däremot, har egentligen bara ett alternativ, nämligen att generera ett överskott. Det andra alternativet försvann då de valde att gå med i euro-samarbetet. Trots alla räddningspaket och hjälp från EU ser vi fortfarande idag oönskade och stigande statsskulder bland många länder i Europa. Av de sex länder; Grekland, Irland, Portugal, Spanien, Italien och Cypern; som idag anses ligga i riskzonen med sin statsskuld har samtliga 8
euro som valuta. Inget av de nio EU länder som står utanför Euron ligger i någon större risk med sin skuld. Skillnaden mellan dessa är att icke-emu länder har kvar sin penningpolitik och kan därför lättare styra över inflation och räntor. 2.3 Effekten av budgetbalans och statsskuld på räntor Det finns många tidigare studier gällande ett budgetunderskotts effekt på räntor på statsobligationer. Resultatet är däremot inte lika i alla. Gale och Orzag (2003) undersökte och summerade slutsatserna i 58 olika studier om ämnet. 28 av dessa studier kunde visa en positiv signifikant effekt av ett budgetunderskott på räntor, 11 visade både mixade signifikanta effekter och resten var icke signifikanta. En av anledningarna till att resultaten visade olika är att vissa inte tagit med förväntningar i sin modell. Detta uppmärksammas även av Fledstein (1986) som i sin studie bevisar att effekten av budgetunderskott blir högre om även förväntningar inkluderas i modellen. Ardagna (2009) skrev en studie om hur räntor på statsobligationer reagerade på större förändringar i budgetbalanser. Hon undersökte OECD länderna mellan 1960 och 2002. Genom att estimera en modell kom hon fram till att de nominella räntorna steg med 1,8 procent om budgetunderskottet ökade med över 1,5 procent av BNP under ett år eller 1 procent två år i rad. En liknande studie skrevs även av Engen och Hubbard (2004), som i sin studie visar att om budgetunderskottet ökar med en procentenhet kommer räntorna öka med 30 60 punkter. Liksom studier på budgetbalansens effekt på räntor finns även tidigare studier gällande statsskulders effekt på räntor. Eller mer specifikt, effekten på kreditrisken hos länder. Kremer, Paesani och Strauch (2006) har jämfört räntor i den europeiska unionen med tyska obligationer och studerat effekten av en stigande statsskuld. Enligt studien har en stigande statsskuld en signifikant effekt på obligationerna. Effekten är dock låg och gäller endast länder med redan höga skuldsiffror. I studien av Engen och Hubbard (2004) testas även effekten av skuldkvot på räntor, vilket visade sig vara signifikant lägre än effekten av budgetbalansen; 2 till 7 punkter av en ökning med en procentenhet i skuldkvoten. Det finns även studier där både skuldkvot och budgetbalans ingår i modellen som förklarande variabler. Baldacci och Kumar (2010) skrev en studie för Internationella Valutafonden där de 9
undersökte vilken effekt budgetbalans och förändring i skuldkvot har på långa statsobligationer. De undersökte 31 länder och deras långa räntor på statsobligationer. Resultatet som togs fram baseras på fixed effect least squares och blev som i många tidigare studier, nämligen signifikanta positiva effekter från både skuldkvot och budgetunderskott. 2.4 EMU, grunden till eurokrisen? Det finns många spekulationer om huruvida införandet av euron var rätt eller fel för vissa länder i EU. Många pekar på att införandet av euron i till exempel Grekland är orsaken till deras höga skuldkvot idag. Hatzigeorgiou (2013) skrev en artikel om detta. I artikeln ger han en bakgrund om Greklands skuldsituation och ställer öppet frågan om dagens skuldsituation är en följd av inträdet i EMU. Grekland hade mellan 60- och 90-talet en stabil statsskuld på under 25 procent av BNP i genomsnitt. Efter det ökade skulden kraftigt och i mitten av 90-talet passerades 90 procentgränsen. År 2001 blev Grekland det 12:e landet att inträda i eurosamarbetet och under de första åren hölls skuldkvoten stabil runt 100 procent. Efter finanskrisen 2008 skedde det andra kraftiga lyftet i statsskulden, då skuldkvoten till slut nådde över 180 procent. Hatzigeorgiou (2013) nämner i artikeln att tesen om att euron orsakat Greklands skuldkris förenklat bygger på att landet vid EMU-inträdet förlorade makten över sin penningpolitik, vilket då ska ha gjort landet direkt maktlösa till att föra stabiliseringspolitik. Han tar även upp det faktum att dess historia kan ha lett till att förtroendet till staten inte är lika högt som en hade önskat idag. Denna misstro har gjort det svårt för landet att motivera sina invånare att betala in skatt, vilket har försvårat stabiliseringen av skuldkvoten med hjälp av överskott i budgetbalansen avsevärt. 10
3. Metod I detta avsnitt kommer metoden som denna studie använt sig av presenteras. Avsnittet kommer innehålla en beskrivning av datamaterial, empiriska modeller, samt tester för modellerna. Förutom det kommer även eventuella problem med modellerna understrykas och hanteras. Samtliga modeller i denna studie kommer ha räntan på långa statsobligationer som beroende variabel och förändring i statsskuld och budgetbalans som oberoende variabler. Den första modellen presenteras i generell form i ekvation (7) och är en poolad linjär regressionsanalys. Utöver de ovannämnda variablerna kontrollerar den även för år, med 2008 (finanskrisen) som referensår. Nackdelen med denna modell är att den ignorerar att det är fler än en panel och estimerar ett gemensamt intercept och gemensamma effekter. Eftersom datasetet innehåller fler än ett land kommer därför en modell som behandlar varje land som individuella med unika intercept användas i den andra analysen; Fixed-effects regression model. Modellen presenteras i generell form i ekvation (8) och kommer kontrollera för samma som i den poolade modellen. Ränta = f((skuldkvot, Budgetbalans, År) (7) Ränta = f(skuldkvot, Budgetbalans, År, Land) (8) Som nämnt i introduktionen går det inte att undgå det faktum att länder i EU är olika. Genom att använda en Mixed effects model kan individuella effekter testas och analyseras. Modellen presenteras i generell form i ekvation (9) och (10) och innehåller både fixed effects och random effects; som kommer estimera de gemsamma effekterna över alla paneler, respektive variationen i effekterna mellan år och länder. Ytterligare beskrivning av modellen, samt de två ovanstående återfinns under avsnitt 3.3. Eventuella skillnader i effekter mellan länder och år kommer diskuteras i avsnitt 5. Ränta = f(skuldkvot, Budgetbalans, År, Land) (9) där (Ränta) (Skuldkvot) = f(år, Land) och (Ränta) (Budgetbalans) = f(år, Land) (10) 11
3.1 Problem som kan uppstå med modellerna OVB OVB, eller Omitted Variable Bias, är ett problem som kan uppstå vid regressionsanalyser. Det uppstår när en eller flera faktorer som kan ha central påverkan utelämnats ur modellen (Stock & Watson, 2015). För att OVB ska kunna uppstå måste den utelämnade variabeln vara korrelerad med någon av de inkluderade variablerna, samt ha en påverkan på den beroende variabeln. Modellerna i denna studie har enbart två förklarande variabler, budgetbalans och skuldkvot. Teoretiskt sätt ska dock även likviditetsrisken och motviljan till risk ha en betydelse för räntenivån. Även förväntningar kan spela en roll i effekten av budgetbalans och skuldkvot, vilket Fledstein (1986) visade i sin studie. Dessa tre variabler är svåra att mäta och har därför valts att inte inkluderas. Utelämnadet av dem bör dock inte skapa OVB, eftersom ingen av dem ska teoretiskt sett vara korrelerade med budgetbalans eller skuldkvot. Något som däremot kan skapa OVB är faktorer som skiljer sig mellan länder och år. Genom att använda dummyvariabler sjunker dock risken för det. Modellerna i denna studie använder dummys för år i den poolade regressionsanalysen och för både år och länder i regressionsanalysen med fixed effects. Genom göra detta minskar risken för OVB, eftersom många faktorer som kan bero på skillnader mellan länder och år, konstanthålls. Heteroskedasticitet Heteroskedasticitet är ett även det ett vanligt problem som kan uppstå i en regressionsmodell. Ett av antagandet för OLS (se avsnitt 3.3) är att variansen i slumptermen (se avsnitt 3.3) är konstant vid alla värden på den oberoende variabeln. Vid heteroskedasticitet är detta inte fallet och variansen varierar över datasetet. Konsekvensen av detta är att de standardfel för koefficienterna som OLS metoden tar fram är fel, vilket leder till att de tester som görs visar felaktiga resultat. Som tur är finns det en lösning till detta; robusta standardfel. Dessa är till skillnad från vanliga standardfel konsistenta oavsett om slumptermen är homo- eller heteroskedastisk. Robusta standardfel är ofta större än vanliga, men skillnaden är sällan stor. (Stock & Watson, 2015) 12
Endogenitet Ett annat problem vid regressionsmodeller är endogenitet. Ett av antaganden för OLS är att den förklarande variabeln och slumptermen inte ska korrelera utan vara oberoende från varandra. Om detta inte är fallet kan endogenitet finnas i modellen; [Y = (X)] och [X = (Y)]. En förändring i den beroende variabeln Y kan förklaras med en förändring i den förklarande variabeln X, men samtidigt beror förändringen i X av en förändring i Y (Stock & Watson, 2015). Finns det endogenitet i modellen är de estimerade koefficienterna snedvridna och kommer därför sakna validitet, vilket leder till att modellen inte kan användas. Det finns dock en lösning på endogenitet och det är att använda sig av instrumentvariabler. I de modeller som denna studie använder kan det finnas anledning att tro att endogenitet finns. Det modellerna ska göra är att förklara räntan på statsobligationer med hjälp av skuldkvot och budgetbalans. Problemet med detta är att räntan delvis speglar landets kreditvärde, som i sin tur speglar landets förmåga att betala sina skulder, vilket kommer visas i budgetbalansen. Effekterna av respektive sker däremot inte i samma tidsperiod. För att räntan ska skifta krävs det en förändring någon annanstans först, till exempel i kreditvärdet hos landet och det kan ske om skuldkvoten förändras. Förändringen sker alltså alltid först i skuldkvoten och sedan ger det effekt på räntan. Resonemanget visas i ekvation (10) nedan. Räntan i period t kan ha effekt på skuldkvoten i senare perioder då den kanske högre räntan gör det svårare att betala sina skulder, men den kan inte vara en funktion av något som hänt mellan period t-1 och t. Endogenitet på grund av skuldkvot ska därför inte existera i modellerna. (Skuldkvot t 1 Skuldkvot t ) f(ränta t ) (10) Gällande relationen mellan budgetbalansen i period t och räntan i period t är det dock mer komplext. En högre ränta kommer med största sannolikhet göra det svårare att betala sina skulder och därmed göra det svårare att hålla sin budget; Budgetbalans t = f(ränta t ) (11) Baldacci och Kumar (2010) löste detta genom att använda det laggade värdet av budgetbalansen och det kommer även denna studie göra. Metoden att använda laggade variabler som instrument är vanligt förekommande i studier där risken för endogenitet är hög (Bansak, Morin & Starr, 13
2004) och (Aschhoff & Schmith, 2008). Genom att göra det elimineras risken för endogenitet, eftersom något som händer i framtiden inte kan påverka något som händer idag. Räntan i period t aldrig kan påverka budgetbalansen i period t-1; Ränta t = f(budgetbalans t 1 ) (12) men Budgetbalans t 1 f(ränta t) (13) Perfekt multikollinearitet Det sista antagandet för en regressionsanalys som innehåller fler än en förklarande variabel är att det inte får förekomma perfekt multikollinearitet mellan de förklarande variablerna. Detta innebär att korrelationen mellan två av de förklarande variablerna är -1 eller 1 (Stock & Watson, 2015). I denna studie måste detta uppmärksammas på grund av att förändringen i skuldkvot till stor del beror på budgetbalansen. Förutom budgetunderskott och budgetöverskott förändras även skuldkvoten om det är positiv eller negativ tillväxt i BNP. Eftersom tillväxt i BNP inte ska ha någon direkt korrelation med budgetbalans bör perfekt multikollinearitet inte existera i modellen, vilket även visas i ett korrelationstest mellan budgetbalansen i period t-1 och skuldkvot: Tabell 3.1 Korrelationstest Budgetbalans(t-1) Budgetbalans(t-1) 1,0 Skuldkvot Skuldkvot -0.44 1,0 I tabellen visas korrelationen mellan respektive variabel. Korrelationen mellan budgetbalans i period t-1 och förändringen i skuldkvot är -0,44 Typ I och II fel Vid ett hypotestest finns valet att endera förkasta nollhypotesen eller behålla den. I och med att det finns en marginal gällande signifikans kan fel uppstå. Det första, Typ I fel, uppstår när nollhypotesen egentligen är sann, men förkastas. Det andra, Typ II fel, uppstår vid motsatsen; nollhypotesen är egentligen falsk, men behålls ändå. Det finns alltså en sannolikhet till att fel val görs vid hypotesprövningar (Stock & Watson, 2015). 14
3.2 Datamaterial Denna studie studerar statsskuld, räntor och budgetbalanser ifrån ett europeiskt perspektiv och kommer därför använda länder som är eller blivit medlem i den Europeiska Unionen mellan 2004 och 2016. Varje land har observerats kvartalsvis mellan det första kvartalet 2004 och det tredje kvartalet 2016 (med undantag BNP, som har data från det första kvartalet 2003) gällande statsskuld, långa statsobligationers ränta, budgetbalans och BNP. Räntorna som används i denna studie är samma räntor som EU använder sig av för att avgöra om länder uppfyller ett av Maastrichts konvergenskriterium. Dessa räntor är hämtade från Eurostats databas och är baserade på statsobligationers räntor på andrahandsmarknaden, med en återstående löptid på ungefär 10 år. För att undvika avvikelser i löptider, måste portföljen justeras regelbundet (Eurostat, 2014). Vissa bortfall finns i denna datasamling. Estland har för tillfället inga statsobligationer som överensstämmer med definitionen av långa statsobligationer. Landet kommer därför inte inkluderas i studien. För Rumänien finns inget data mellan det första kvartalet 2004 och det första kvartalet 2005 och för Kroatien finns inget data mellan det första kvatalet 2004 och det tredje kvartalet 2005. För att undvika fel i modellen har därför dessa länder valts att uteslutas från studien. 2 Med 25 länder kvar (se appendix) samlades BNP data in från Eurostats databas. Det är fullständigt utan några bortfall. Detta kvartalsdata har sedan summerats från varje kvartal och samma kvartal föregående år. Även data för samtliga länders statsskuld och budgetbalans samlades in från Eurostat. Ett lands budget sätts oftast årligen. Därför kommer den årliga budgetbalansen användas och därför vara lika för varje kvartal under året. I tabell 3.2 på nästa sida presenteras deskriptiv statistik. 2 Modeller med kortare tidsperiod där dessa två länder inkluderats har även testats. Resultatet har dock inte visas någon större skillnad. Tidsserien exklusive dessa kommer därför användas. 15
Tabell 3.2 Deskriptiv statistik 1 Variabel Antal observationer Medelvärde Standardavvikelse Min Max Statsskuld 1275 382 635,7 606 539,4 1443,7 2 307 814 Ränta % 1275 4,01 2,40-0,12 25,4 Budgetbalans 1275-16 846 33 017,18-173 229,3 23 705 BNP, årligen 1270 509 035 730 556,7 4802,1 3 113 310 I tabell 3.1 ovan presenteras deskriptiv statistik för statsskuld, ränta på långa statsobligationer, budgetbalans och årlig BNP för de 25 länder som ingår i studien. I tabellen presenteras medelvärdet för respektive variabel, dess standardavvikelse och min- och maxvärde. Det minsta värdet och det största värden skiljer sig väldigt mycket i datasetet. Skillnaden mellan den lägsta och högsta räntan är över 25 procentenheter och länders nominella statsskuld går från 1443,7 miljoner euro till 2 307 814 miljoner euro. Med hjälp av ovanstående dataset har de två centrala variablerna; Förändring i skuldkvot och budgetbalans % av BNP genererats fram. I tabell 3.3 nedan presenteras deskriptiv statistik för de nya variablerna. Tabell 3.3 Deskriptiv statistik 2 Variabel Antal observationer Medelvärde Standardavvikelse Min Max Skuldkvot 1275 61,67 33,13 6,25 181,22 Budgetbalans i % av BNP 1275-3,03 3,78-32,22 5,46 I tabell 3.2 presenteras medelvärde, standardavvikelse och min- och maxvärde för variablerna Skuldkvot och Budgetbalans i procent av BNP. I tabellen syns det en stor variation i både budgetbalans och skuldkvot. 16
3.3 Empiriska modeller 3.3.1 Poolad linjär regressionsmodell, robusta standardfel Ränta it = β 0 + β 1 X 1 i(t 1) + B 2X 2 it + d 1D 1 + + d 12 D 12 + u it där i = 1,, antal observationer och t = 1,, antal tidsperioder. Ränta = Ränta på långa statsobligationer X 1 = Budgetbalans i % av BNP X 2 = Skuldkvot D 1 = 1 om året är 2004 och = 0 för alla andra år, D 4 = 1 om året är 2007 och = 0 för alla andra år D 5 = 1 om året är 2009 och = 0 för alla andra år, D 12 = 1 om året är 2016 och = 0 för alla andra år. β 1 är effekten av budgetbalansen i period t-1, givet att skuldkvoten och alla årsdummys hålls konstant och β 2 effekten av skuldkvoten, givet att budgetbalansen och alla årsdummys hålls konstant. d 1,, d 12 beskriver effekten för år, med 2008 som referensår. u it är en slumpterm som fångar alla faktorer, förutom de som ingår i modellen, som kan förklara Räntan på långa statsobligationer. För att estimera koefficienterna β 0, β 1, β 2 och d 1,, d 12 är det, givet att vissa antaganden är uppfyllda, enligt Stock och Watson (2015) lämpligt att använda sig av minsta kvadratmetoden (OLS). Denna metod tar fram den regressionslinje som ligger så nära det observerade datamaterialet som möjligt, där närheten mäts i avståndet till alla residualer i kvadrat. För att metoden ska kunna användas måste fyra antaganden vara uppfyllda; 1. Slumptermen u i har en normalfördelning med medelvärde 0 för varje X 1it, X 2it : E(u it X 1it, X 2it ) = 0. 2. (X 1it, X 2it, Ränta it ), i = 1,, antal observationer, är oberoende och lika fördelade. (i.i.d = independently and identically distributed). 17
3. Stora avvikande värden är osannolika. 4. Ingen perfekt multikollinearitet. Antagande ett är inte uppfyllt, men har hanterats genom att använda robusta standardfel. Resterande antaganden antas vara uppfyllda. Enligt Stock och Watson (2015) ska datasetet vara approximativt normalfördelat eftersom det innehåller många observationer. Stora avvikande värden som kommer snedvrida resultatet finns inte och perfekt multikollinearitet existerar inte. När regressionsmodellen är estimerad och klar är frågan hur mycket av variationen i den beroende variabeln som kan förklaras med hjälp av variationen i de förklarande variablerna. För att mäta detta används en förklaringsgrad. 18
3.3.2 Fixed effects regression model, robusta standardfel Ränta it = β 0 + α i + β 1 X 1 i(t 1) + β 2X 2 it + d 1D 1 + + d 12 D 12 + u it där i = 1,, 25 och t = 1,, antal tidsperioder. Ränta = Ränta på långa statsobligationer X 1 = Budgetbalans i % av BNP X 2 = Skuldkvot D 1 = 1 om året är 2004 och = 0 för alla andra år, D 4 = 1 om året är 2007 och = 0 för alla andra år D 5 = 1 om året är 2009 och = 0 för alla andra år, D 12 = 1 om året är 2016 och = 0 för alla andra år. β 1 är effekten av budgetbalansen i period t-1, givet att skuldkvoten och alla årsdummys hålls konstant och β 2 effekten av skuldkvoten, givet att budgetbalansen och alla årsdummys hålls konstant. β 0 + α i är landsindividuella intercept och d 1,, d 12 kontrollerar för varje år, med 2008 som referensår. u i är en slumpterm som fångar alla faktorer, förutom de som ingår i modellen, som kan förklara Räntan på långa statsobligationer. Liksom den poolade regressionsmodellen använder denna sig av minsta kvadratmetoden vid estimering av koefficienter. De fyra antaganden som nämndes under avsnitt 3.3.1 ska därför även vara uppfyllda i denna modell för att estimaten ska kunna användas. Modellen använder sig av tre olika förklaringsgrader. Den första, Inom, beskriver hur mycket av variationen inom varje panel som kan förklaras med variationen i de förklarande variablerna. Den andra, Mellan, beskriver hur mycket av variationen mellan varje panel som kan förklaras och den tredje, Generell, är ett viktat medelvärde av de två ovan. 19
3.3.3 Mixed effects model Ränta it = ρ 0iy + θ 1iy X 1i(t 1) + θ 2iy X 2it + u it där ρ 0iy = β 0 + α 0i + γ 0y θ 1iy = β 1 + α 1i + γ 1y θ 2iy = β 2 + α 2i + γ 2y där i = 1,, 25, t = 1,, antal tidsperioder och y = 2004,, 2016. Ränta = Ränta på långa statsobligationer X 1 = Budgetbalans i % av BNP X 2 = Skuldkvot Modellen är uppdelad i två delar, en som representerar alla effekter som är lika för alla länder och en som representerar effekterna som varierar mellan länder och år. Enklast förklaras modellen grafiskt med hjälp av figuren på nästa sida. 20
Figur 4 Grafisk beskrivning av modell Linje (1) representerar modellens fixed effects, vilka är lika för alla länder. β 0 är modellens konstanta koefficient och β 1 representerar effekten av budgetbalansen i period t-1. I linje (2) har även α 0i lagts till. α 0i är landspecifika konstanter som varierar mellan länder. I linje (3) har ännu en parameter lagts till, α 1i, som representerar varje lands individuella effekt av budgetbalansen i period t-1. I figuren framgår det tydligt att residualen till det observerade värdet blir mindre och mindre om modellen blir mer flexibel. Med hjälp av figur 4 är det enklare att tolka de fyra koefficienterna i modellen. ρ 0iy är summan av den gemensamma, den landspecifika och den årsspecifika konstanten och kommer variera beroende på vilket land och år som studeras. θ 1iy och θ 2iy är summorna av de gemensamma, de landspecifika och de årsspecifika effekterna av budgetbalans i period t-1 och skuldkvot. Det intressanta i denna studie är att studera om det finns en variation. Resultatet kommer därför inte presentera skattningar av de individuella koefficienterna för varje enskilt land och år. Istället kommer det presenteras standardavvikelser för varje enskild random effect koefficient; α 0i, γ 0y, α 1i, γ 1y, α 2i och γ 2y. Visar standardavvikelsen ett högt värde innebär det att variationen i effekterna är höga och vice versa. 21
3.4 Tester Varje modell går igenom ett antal tester. I den första modellen testas β 0, β 1 och β 2 om de är signifikant skilda från noll, samt alla α parametrar om de är signifikant skilda från varandra. I den andra modellen utförs samma tester som ovan, samt ett test för att se om alla landsspecifika intercept signifikant skiljer sig från varandra. I den tredje modellen utförs, förutom de ovannämnda testerna, även ett Chi-2 test där samtliga standardavvikelser testas om de är signifikant skilda från noll. Samtliga tester genomförs med signifikansnivå 0,05. 22
4. Resultat I detta avsnitt kommer resultatet av de tre empiriska modeller som skapats presenteras. Avsnittet är uppdelat i tre delar, en för varje modell. Under varje del kommer resultatet beskrivas och kommenteras. 4.1 Poolad Linjär regressionsanalys Tabell 4.1 Resultat modell 1 Ränta på långa statsobligationer Koefficienter SE 1 Robust T-värde P-värde 3 95 % KI 1 Budgetbalans % BNP (t-1) Skuldkvot -0,169 0,020-8,24 0,000*** -0,209-0,129 0,015 0,003 4,49 0,000*** -0,009 0,219 Konstant 3,861 0,190 20,30 0,000*** 3,488 4,234 2004-0,392 0,178-2,21 0,027** -0,740-0,044 2005-1,158 0,150-7,68 0,000*** -1,453 0,862 2006-0,716 0,145-4,95 0,000*** -1,000-0,432 2007-0,070 0,145-0,48 0,629-0,355 0,215 2009-0,322 0,309-1,04 0,297-0,928 0,283 2010-1,344 0,233-5,78 0,000*** -1,800-0,888 2011-0,542 0,268-2,03 0,043** -1,066-0,017 2012-0,783 0,371-2,11 0,035** -1,512-0,561 2013-2,023 0,195-9,75 0,000*** -2,430-1,616 2014-2,919 0,195-15,01 0,000*** -3,300-2,537 2015-3,622 0,202-17,98 0,000*** -4,018-3,228 2016-3,760 0,218-17,22 0,000*** -4,190-3,332 F-test: 0,0000*** R 2 : 37,22 % 1. SE Robust = Robusta standardfel, KI = Konfidensintervall. 2. Värden avrundade till 3 decimaler. 3. *, **, *** Signifikant på en 10%, 5% och 1% signifiansnivå 23
I tabellen ovan presenteras resultatet av den poolade linjära regressionsmodellen. Modellen använder sig av robusta standardfel och har en förklaringsgrad på 37,22 procent, vilket innebär att 37,22 procent av variationen i räntan kan förklaras med variationen i skuldkvot och budgetbalansen i period t-1. Budgetbalans har en signifikant negativ effekt på en enprocentig signifikansnivå. Resultatet visar på att om budgetbalansen relativt till BNP ökar med 1 procentenhet i period t-1 och skuldkvoten och alla årsdummys hålls konstant kommer räntan på långa statsobligationer minska med 16,9 punkter. Skuldkvot har även den en signifikant positiv effekt på en enprocentig signifikansnivå. Koefficienten, som skattats till 0,015, säger att om budgetbalans och alla årsdummys hålls konstant och skuldkvoten ökar med 1 procentenhet, kommer räntan på långa statsobligationer öka med 1,5 punkter. De enskilda intercepten för varje år är inte alla signifikant skilda från referensåret 2008. 2005, 2006, 2010, 2013, 2014, 2015 och 2016 har en signifikant skillnad på en enprocentig signifikansnivå. 2004, 2011, 2012 har en signifikant skillnad på en femprocentig signifikansnivå. Resten är inte signifikant skilda från referensåret, vilket innebär att räntan under dessa år var väldigt lik den under finanskrisen. Alla intercept är dock inte lika, vilket syns i resultatet av det F-test som utförts; P-värde = 0,0000. 24
4.2 Fixed effects model Tabell 4.2 Resultat modell 2 Ränta på långa statsobligationer Koefficienter SE 1 Robust T-värde P-värde 3 95 % KI 1 Budgetbalans % -0,037 0,050-0,74 0,468-0,140 0,067 BNP (t-1) Skuldkvot 0,051 0,021 2,45 0,022** -0,008 0,094 Konstant 2,405 1,058 2,27 0,032** 0,221 4,589 2004-0,463 0,163-2,81 0,010*** 0,803 0,123 2005-1,256 0,149-8,41 0,000*** -1,566-0,945 2006-0,840 0,114-7,35 0,000*** -1,077-0,605 2007 0,233 0,111-2,09 0,047** -0,462 0,003 2009-0,164 0,373-0,44 0,664-0,934 0,606 2010-0,784 0,395-6,64 0,000*** -1,656-0,865 2011-0,784 0,395-1,99 0,058* -1,599 0,030 2012-1,311 0,528-2,49 0,020** -2,400-0,223 2013-2,749 0,374-7,36 0,000*** -3,520-1,978 2014-3,770 0,488 7,72 0,000*** -4,777-2,763 2015 4,555 0,406-11,22 0,000*** -5,392-3,717 2016-4,796 0,448-10,71 0,000*** -5,720-3,872 F-test års- / lands-intercept R 2 0,0000*** / 0,0000*** Inom: 44,11% Mellan: 18,30% Generell: 29,17% 1. SE Robust = Robusta standardfel, KI = Konfidensintervall. 2. Värden avrundade till 3 decimaler. 3. *, **, *** Signifikant på en 10%, 5% och 1% signifiansnivå I tabellen ovan visas resultatet av den fixed effect regression model som utförts. Tre olika förklaringsgrader presenteras i denna modell. Den första, Inom, säger hur mycket variansen inom varje panel som kan förklaras. Den andra, Mellan, säger hur mycket av variansen mellan panelerna som kan förklaras. Den tredje, Generell är ett viktat medelvärde av de två första. 25
Modellen i helhet kan alltså förklara 44,11 procent av variationen inom varje panel och 18,30 procent av variationen mellan panelerna. Effekten av skuldkvot visar med robusta standardfel en signifikant effekt på en femprocentig signifikansnivå. Det koefficienten säger är att om budgetbalans och alla årsdummys hålls konstant och skuldkvoten ökar med 1 procentenhet kommer räntan öka med 5 punkter. Det är alltså 3,5 punkter högre än i den poolade regressionsmodellen, vilket mest troligt kommer ifrån att denna modell även konstanthåller för länder. Effekten av budgetbalansen i period t-1 visar i denna modell ingen signifikant effekt. Koefficienten visar 0,037, men med ett P-värde på 0,468 kan inte hypotesen om att effekten är noll förkastas. En anledning till att koefficienten nu inte visar en signifikant effekt kan vara att ännu fler dummyvariabler, en för varje land, inkluderats i modellen. Detta kan leda till att en del av effekten av budgetbalansen nu förklaras av dummyvariablerna. Koefficienten för budgetbalans i period t-1 har även ett väldigt brett konfidensintervall som sträcker sig mellan minus 14 punkter och 6 punkter. Det indikerar på att det finns en stor variation i koefficienten. Denna variation kan bero på skillnader mellan länder och år, vilket undersöks i modellen i nästa del. Jämförs samtliga år med referensåret 2008 ser vi signifikanta skillnader för åren 2004, 2005 2006, 2010, 2013, 2014, 2015 och 2016 på en enprocentig signifikansnivå och för åren 2007 och 2012 på en femprocentig signifikans. Resten är inte signifikant skilda från noll på en femprocentig signifikansnivå. Liksom i den poolade regressionsanalysen, är de årsspecifika intercepten signifikant skilda från varandra; P-värde = 0,0000. Resultatet visar inga individspecifika intercept för respektive land, dock ger det oss ett medelvärde för varje individuellt intercept, vilket i tabellen ovan visas som den konstanta koefficienten. Intercepten är dock signifikant skilda från varandra, vilket visas i resultatet av F- testet för alla länders intercept; P-värde = 0,0000. 26
4.3 Mixed effect model Tabell 4.3 Resultat modell 3 Ränta på långa statsobligationer Koefficienter SE 1 T-värde P-värde 3 95 % KI 1 Budgetbalans % -0,079 0,029-2,71 0,007*** -0,136 0,022 BNP (t-1) Skuldkvot -0,030 0,007-4,46 0,000*** 0,005 0,041 Konstant 5,088 0,290 17,856 0,000*** 4,520 5,656 Random effects Land Estimat SE 1 SD (Budgetbalans % BNP (t-1)) 0,093 0,031 SD (Skuldkvot) 0,023 0,005 SD (Konstant) 0,62 0,240 Random effects År Estimat SE 1 SD (Budgetbalans % BNP (t-1)) 0,171 0,022 SD (Skuldkvot) 0,015 0,002 SD (Konstant) 1,200 0,099 Chi-2 test för random effects P-värde: 0,0000*** 1. SE = standardfel, KI = Konfidensintervall, SD = Standardavvikelse. 2. Värden avrundade till 3 decimaler. 3. *, **, *** Signifikant på en 10%, 5% och 1% signifiansnivå I tabellen ovan presenteras resultatet av den mixed effects regressionen som utförts. Resultatet är uppdelat i två delar; fixed effects och random effect. 27
I den översta tabellen presenteras fixed effects, vilka är lika för alla länder och år. Samtliga koefficienter är signifikant skilda från noll på en enprocentig signifikansnivå. I de två nedre tabellerna presenteras random effects beroende på land och på år. Estimaten i tabellen representerar standardavvikelserna för respektive random effect. Samtliga standardavvikelser är signifikant skilda från noll, vilket visas i resultatet av det chi-2 test som utförts. För att lättare kunna tolka resultatet återgår vi till den empiriska modell som presenterades i avsnitt 3.3.3: Ränta it = ρ 0iy + θ 1iy X 1i(t 1) + θ 2iy X 2it + u it där ρ 0iy = β 0 + α 0i + γ 0y,,θ 1iy = β 1 + α 1i + γ 1y och θ 2iy = β 2 + α 2i + γ 2y Alla fixed effects i modellen är β 0, β 1 och β 2. De landsindividuella effekterna är α 0i, α 1i och α 2i och de årsindividuella är γ 0y, γ 1y och γ 2y. I den andra tabellen visas standardavvikelserna för de random effects som varierar mellan länder. [α 0i, α 1i, α 2i ] är konstanten, effekten av budgetbalans och effekten av skuldkvot, i den ordningen. I tabellen presenteras standardavvikelserna för dessa tre koefficienter. Är standardavvikelsen hög, varierar effekten mycket och vice versa. Standardavvikelserna för de landspecifika effekterna av skuldkvot och budgetbalans i period t-1 har estimerats till 2,3 respektive 9,2 punkter, vilket är, om de jämförs med de fixed effects som estimerades i samma modell, relativt högt. På samma vis tolkas estimaten i den trejde tabellen. Det är nu standardavvikelserna för koefficienterna [γ 0y, γ 0y, γ 0y ] som estimerats; konstanten, effekten av budgetbalans och effekten av skuldkvot som varierar mellan år. Även här är estimaten relativt höga. Speciellt den för budgetbalansen i period t-1, som visar hela 17 punkter. Det går alltså inte att dra några direkta slutsatser utifrån enbart fixed effects-koefficienterna. Den totala marginella effekten av budgetbalansen är -0,079 + α 1i + γ 1y och av skuldkvoten - 0,030 + α 2i + γ 2y. 28
Sammanfattningsvis ser vi i modellen att det finns en tydlig variation i både den konstanta termen och effekter mellan länder och år. Detta kommer vidare diskuteras i avsnitt 5. 29
5. Diskussion och slutsatser I detta avsnitt kommer resultatet som presenterades i tidigare avnitt diskuteras och kommenteras ytterligare. Resultatet kommer kopplas samman med vad tidigare studier säger för att slutligen nå en slutsats. Avsnittet avslutas med ett förslag till fortsatt forskning. Denna studie har i tre olika modeller testat effekten av budgetbalans och skuldkvot på europeiska länders långa statsobligationer och dess räntor. Anledningen till att tre modeller används är för att stegvis kunna visa att en mer flexibel modell kommer kunna förklara mer av variationen i den beroende variabeln. Den första modellen ger samtliga ett gemensamt intercept och gemensamma effekter. Den andra modellen ger varje enskilt land ett eget intercept, dock med gemensamma effekter. Båda modellerna kontrollerar även för år. I den tredje modellen visas inte bara gemensamma effekter, utan även standardavvikelser till de random effects som varierar mellan länder och år. För varje extra parameter som läggs till i modellen blir residualen mindre och mindre och vi kommer närmare den faktiska observationen. Den poolade regressionsmodellen ger som nämnt tidigare samtliga länder en gemensam konstant koefficient och ignorerar att länder kan ha unika utgångspunkter. Trots att många länders långa statsobligationer sammanstrålats till början av 2004, var den inte komplett. Det fanns fortfarande en skillnad i risk mellan länder i EMU och även valutarisk mellan EMUländer och icke EMU länder. Den poolade regressionsmodellen räcker därför inte i detta fall, därför estimerades en Fixed effect model också. Den ökar förklaringsgraden inom varje panel med 6,89 procentenheter och förklarar variationen mellan varje panel till 18,30 procent. Modellen visar en positiv effekt av skuldkvot som är signifikant på en enprocentig signifikansnivå. Effekten av budgetbalansen i period t-1 visas i resultatet som negativ, dock är koefficienten inte signifikant skild från noll, vilket gör att möjligheten att skuldkvot inte alls har någon effekt fortfarande finns där. De skattade modellerna visar en förklaringsgrad på 37,22 och 44,11. Alltså är över 50 procent av variationen i räntan på långa statsobligationer fortarande oförklarat, något som skulle kunnat åtgärdas om fler variabler inkluderades i modellen. Likviditetsrisken och motviljan till risk, vilka diskuterades i metodavsnittet, är två variabler som kunde inkluderats, men som på grund 30